基于負荷驟降的臺區故障停電研判

彭正陽

（廣東電網有限責任公司廣州供電局，廣東 廣州 510000）

0 引 言

低壓配電網是電網的末端，大部分配電側停電是由分路開關跳閘引起，但由于分路監測單元未能實現大范圍推廣應用，目前只是進行小范圍試點，導致監測系統難以全面實時監測到分路停復電，運維故障排查及復電效率不及時，特別是客戶服務壓力大。因此，如何精準判斷配電網停電故障逐漸成為我國學者研究熱點，文獻[1]利用多源非健全信息融合技術，設計配電網故障研判模型，有效解決故障研判誤差過大問題；文獻[2]針對配電網故障檢測水平較低等問題，通過故障的電氣量變化規律，提出綜合性研判平臺，可以保障配電網可靠供電。隨著我國國民經濟的高速發展，各行各業對供電質量的要求逐漸嚴格，如果配電網出現停電故障，不僅影響用戶的用電體驗，而且會造成供電公司經濟效益的損失。所以本文展開臺區故障停電研判方法的深入研究，望有助于降低客服壓力，并提升快速復電效率。

1 建立臺區負荷驟降特征標簽庫

在配電網臺區中，如果出現停電故障，將會導致臺區負荷驟降，不僅停電故障難以察覺，而且嚴重影響供電質量，所以本文主要研究臺區因為負荷驟降導致的停復電故障研判方法[3]。在進行臺區故障停電研判時，首先需要建立負荷驟降特征標簽庫，負荷驟降的特征參數主要包括幅值、持續時間和相位跳變。負荷驟降幅值就是負荷下降的深度，其計算公式為

式中：F表示臺區負荷驟降幅值參數；P(γ,δ)表示廣義S變換的幅值矩陣；γ表示負荷信號的時移因子；δ表示負荷驟降頻率參數。根據P(γ,δ)中高頻率分量所對應的列向量，就可以得到臺區負荷信號的高頻幅值特征，與此同時，列向量之和可以構成臺區負荷信號的頻譜幅值矩陣，利用矩陣中各幅值所繪制的曲線，則可以真實呈現出臺區負荷驟降時間的變化規律。其中幅值突變時刻就是臺區負荷驟降的起始與終止時間，曲線兩尖峰點之中就是負荷驟降的持續時間。而且幅值曲線也呈現了負荷驟降時相位跳變規律，計算公式為

式中：ω表示臺區負荷驟降相位跳變值。臺區負荷驟降特征量檢測的主要步驟如下：首先對待檢測的負荷進行 S 變換，獲得幅值矩陣 P(γ,δ)與相位矩陣 ω(γ,δ)；其次根據P(γ,δ)獲得幅值曲線；最后結合幅值曲線計算出臺區負荷驟降的幅值、持續時間以及相位跳變這3個特征參數，實現特征量的檢測。通過以上流程對臺區負荷信號進行檢測之后，獲得準確、直觀的負荷驟降特征量，進而建立臺區負荷驟降特征標簽庫，作為臺區故障停電研判的數據支撐。

2 獲取臺區日負荷特征

目前，我國對于臺區變壓器日負荷數據的采集已經有了一些有效的方案，本文主要通過布置傳感器來采集日負荷數據。傳感器的布設需要滿足以下要求：傳感器應面向變壓器，并且距離變壓器的距離應盡量不超過0.5 m，同時傳感器與地面之間的距離控制在1 m左右。利用傳感器采集臺區日負荷數據時，應使變壓器處于最高工作流量下，且在變壓器運行半個小時之后再進行采集。對臺區變壓器日負荷數據的采集方案設計主要分為2個部分，一是最佳數據采集點位置的布置，臺區變壓器運行結構復雜，布置的傳感器不能對變壓器穩定運行狀態造成影響；二是數據采集點時間的設置，為確保采集負荷數據的質量，需要在變壓器運行穩定后進行數據的采集。在利用上述方案采集臺區日負荷數據過程中，由于傳感器自身的不穩定性以及外界環境等因素的影響，會造成某些負荷數據丟失或異常，所以為獲得高質量的數據，本文需要對采集的臺區日負荷進行缺失值處理、數據降噪等操作。首先通過多元線性回歸模型對日負荷數據的缺失值進行插補，此方法可以利用負荷數據之間的相關關系，客觀地補齊缺失值。假設某傳感器丟失的變壓器符合數據α為因變量，其他n個傳感器采集的正常數據β1,β2,…βn為自變量，多元線性回歸模型為

式中：k0、k1、k2、kn分別表示相關系數。將自變量帶入該模型中即可獲得臺區日負荷數據的缺失值。然后對臺區日負荷數據進行降噪處理，噪聲就是負荷數據中偏離期望值的數據變動，不僅會對特征提取造成干擾，而且會影響故障停電研判精度。數據噪聲主要產生在數據采集與傳輸過程中，所以本文結合噪聲產生路徑采取合適的措施過濾掉這些噪聲。綜合考慮臺區日負荷信號與噪聲信號的實際波動情況，采用離點群分析法進行臺區負荷數據的去噪，該方法就是通過聚類來檢測離群的噪聲數據點，并將這些噪聲點稱為簇，在同一個簇中的數據之間具有較高的相似性，且與其他簇內的數據之間具有較高的差異性，然后將那些與正常負荷數據表現不一致的噪聲點進行刪除，從而實現臺區負荷數據的去噪。由于傳感器采集的臺區變壓器日負荷數據是瞬時數據，如果根據該數據進行故障停電研判，則無法確保研判效果與效率，因此需要從這些瞬時數據中提取到相應的特征值，本文引入小波變換來提取負荷特征，表達式為

式中：f '(u,v)表示負荷信號的u與v的小波變換；t表示時間序列；ψ[t]表示母小波函數。通過小波變換可以實現臺區日負荷時間特征的分解，將不同時間特征的負荷信號投影到不同尺度上，可以呈現出臺區負荷時間特征的周期性，進而提取出各個子序列的周期特征。最后根據提取的特征來繪制臺區負荷區間特征曲線，作為臺區用電特征基礎曲線，并根據最新采集數據更新特征曲線，從而生成用戶動態負荷特征區間畫像[4,5]。

3 設計臺區故障停電研判策略

為了便于描述本文所設計臺區故障停電研判策略的機理，首先需要計算出臺區饋線中各開關的負荷占比μ為

式中：Qi表示臺區第i個開關流經的功率參數；Q1表示臺區饋線出口開關流經的功率參數。當臺區出現故障停電時，輸電線路中停電負荷將會超出繼電保護整定值，導致停電負荷附近的開關i出現跳閘，控制配變變壓器負荷被切除，從而造成負荷驟降，如果不考慮輸電線路電能損耗，那么負荷驟降的幅度與開關負荷占比參數一致。所以如果可以獲得臺區開關負荷占比，那么就可以利用負荷驟降數據來判斷故障停電位置。因此，本文所設計臺區故障停電研判策略的機理就是利用負荷驟降特征與日負荷特征，在臺區出現故障停電之后，根據傳感器采集的各變壓器日負荷特征進行負荷預測，獲取停電時刻各變壓器的負荷，再參考臺區內部結構的拓撲關系，就可以得到開關負荷占比，最后結合負荷驟降特征實現臺區故障停電判斷。綜上所述，本文所設計臺區故障停電研判策略的實現步驟如圖1所示。

圖1 臺區故障停電研判流程

如圖1所示，在進行臺區故障停電研判時，首先根據臺區饋線有功負荷，獲取負荷驟降特征，并建立特征庫；然后采集故障停電前30 d的變壓器有功功率歷史數據，并提取出日負荷特征；再結合日負荷特征預測出停電時刻的變壓器負荷值。本文主要基于相似日來計算負荷的預測值，對于臺區的同1個變壓器，可以將相似日的變壓器負荷當作停電時刻的負荷，所以相似日的選取是研判策略中的關鍵。引入加權灰色關聯值來選取相似日，假設停電日之前30 d內臺區的負荷特征集合為Z0=[Z01,Z02,…,Z0N]，且其中第i天的負荷特征為Zi=[Zi1,Zi2,…,Zij]，其中i=1,2,3,…,30，那么將停電日的負荷特征Z0當作母序列，Zi當作子序列，就可以獲取二者之間的灰色關聯系數Gij為

式中：ζ表示分辨系數。結合加權系數，計算出第i天臺區負荷數據的加權灰色關聯度系數為

式中：wj表示權重；G0表示臺區日負荷加權灰色關聯度系數，該系數越大，說明母子序列之間的相似性越大。選取最大灰色關聯度系數所對應的時間作為臺區負荷預測的相似日，根據相似日預測停電日的負荷特征。最后根據負荷預測值獲取開關負荷占比，結合負荷驟降特征實現停電研判以及定位。

4 實例分析

下面將本文所設計基于負荷驟降的臺區故障停電研判方法應用于工程實例中，并選取基于邊端協同的故障研判方法和基于多源數據的故障研判方法作為本次實驗的對照組，進行對比分析。在該實例中，用戶報修停電有30種，計劃停電有25種，中壓線路停電有25種。本章主要根據該臺區實時運行狀態進行故障停電研判實驗，如圖2所示。

圖2 臺區運行狀態

針對圖2中臺區故障停電，分別使用文中上述所提3種方法對用戶報修故障、計劃故障、中壓線路故障進行研判，并對比這3種研判方法的精度，研判結果對比如圖3所示。

由圖3可知，在本次測試的10 h期間，基于邊端協同的故障研判方法平均研判誤差為8.63%，基于多源數據的故障研判方法平均研判誤差為7.28%，本文所設計研判方法的平均研判誤差為2.33%，較實驗對照組降低6.3%、4.95%。由此可以說明，對照組方法雖然可以進行分路跳閘的停電判斷，但其準確性不高，存在誤報率較高等問題，而本文所設計基于負荷驟降的故障停電研判方法具有較高的精度，可以滿足臺區故障研判需求，進而有效支撐客戶服務和快速復電業務。

5 結 論

針對配電網臺區分路跳閘停電判斷不及時和誤報率較高等問題，本文研發一種基于臺區電流特征區間畫像的負荷驟降停電研判方法，通過采集臺區變壓器的負荷數據繪制出臺區負荷區間特征曲線，結合負荷驟降特征標簽庫來對停電故障進行判斷。該方法不僅實現了臺區因為負荷驟降導致的停復電準確性判斷，而且解決了分路停復電的有效監測，通過技術手段填補了業務盲區，維持配電網臺區穩定。