一种多维度微气象的特高压输电线路异常线损分析方法与流程

本发明涉及电能输送，更具体地，涉及一种多维度微气象的特高压输电线路异常线损分析方法。

背景技术：

1、电力网络的线损率是考察电网以及电力行业的重要经济技术指标，它能切实反映我国电力部门对电网运行的管理水平，并且精益化的线损计算有利于相关部门对电网进行规划和生产可行性的管理。1000千伏特高压线路走廊需要通过高山大岭、峡谷、江河等地形复杂地段，跨越了气候上南北分界线，所经各地气候差异大。不可避免地存在着对这些地段微地形、微气象认识不足、调查研究不够的现象，不能全面反映特高压沿线的山谷、风口、河流等特殊地形区的气象状况，导致输电线路投运后受微气象条件影响，频繁发生输电线路覆冰、微风振动、污闪等现象，对输电线路线损产生较大干扰。

2、公开号为cn117117841a的基于大数据分析的配网线损合理区间计算方法，用能效导则及专家经验值建立理论线损标杆得到主观区间值；基于区间算术理论和潮流算法，得到客观性的理论线损区间；基于聚类决策树的大数据分析方法，得到不同配网情况对理论线损值的影响度及线损标尺参考值，理论线损计算结果在区间之外的馈线即为异常线损点；基于相关系数法对线损主次要成因进行判断；

3、但是，现有的局部电网形成类似大环网下小环网的全新运行局面，线损分析日趋复杂，缺少基于特高压环网的多维度线损分析手段，缺少微气象条件下特高压环网线路线损的建模分析，不能得到精确的综合线损率，难以对异常线损进行针对性治理。

技术实现思路

1、本发明针对现有技术中存在的技术问题，提供一种多维度微气象的特高压输电线路异常线损分析方法，包括：

2、收集特高压输电线路的历史数据，所述历史数据包括多维数据，所述多维数据包括线路数据、电量数据、气象数据、地形数据和每日线损率，其中，历史的每日线损率为标准测量仪测量得到；以及根据地形数据和气象数据将输电线路走廊划分为不同的线损区；

3、对于每一个线损区，基于连续的每日线损率，对设定时间段内的输电线路的异常线损类型识别，以及分析被识别为异常线损的设定时间段内的每一日线损率与各个影响因素之间关联性；

4、根据每一日线损率与各个影响因素之间关联性，筛选样本数据，所述样本数据包括识别为异常线损的设定时间段内输电线路的电量数据、气象数据和每日线损率；

5、基于所述样本数据对线损预测模型进行训练；

6、收集输电线路变压器的实际运行电量数据、气象数据和实际线损率，将实际运行电量数据和气象数据输入训练后的线损预测模型，获取线损预测模型输出的理论线损率；

7、将实际线损率和理论线损率进行对比，判断实际线损率是否异常，并找到线损异常的影响因素。

8、本发明提供的一种多维度微气象的特高压输电线路异常线损分析方法，对历史资料进行数据挖掘，对输电线路的异常线损进行识别和分类，考虑线路在不同气候条件下的放电损耗，针对不同区段微气象条件带来的线损差异，对特高压输电线路进行分段处理，分为不同的线损区，为不同的线损区线路建立更精确的线损分析模型，并建立线损预测模型，并根据电网实际运行信息，对线损进行预测，根据实际线损和理论线损，对异常线损进行识别并分析原因，基于原因提出异常线损治理方案。

技术特征：

1.一种多维度微气象的特高压输电线路异常线损分析方法，其特征在于，包括：

2.根据权利要求1所述的多维度微气象的特高压输电线路异常线损分析方法，其特征在于，所述线路数据包括导线结构、分裂线径、分裂数、分裂间距、相间距离和离地高度；所述电量数据包括电压、电流、负载率、有功功率和无功功率；所述气象数据包括环境温度、湿度、风速、风向和降雨量；所述地形数据包括海拔和经纬度。

3.根据权利要求1所述的多维度微气象的特高压输电线路异常线损分析方法，其特征在于，所述异常线损类型包括长期负线损、长期高线损、长期正负线损和突发高损，所述对于每一个线损区，基于连续的每日线损率，对设定时间段内的输电线路的异常线损类型识别，包括：

4.根据权利要求3所述的多维度微气象的特高压输电线路异常线损分析方法，其特征在于，通过箱线图四分位法判断线损异常，包括：

5.根据权利要求1所述的多维度微气象的特高压输电线路异常线损分析方法，其特征在于，所述分析被识别为异常线损的设定时间段内的每一日线损率与各个影响因素之间关联性，包括：

6.根据权利要求5所述的多维度微气象的特高压输电线路异常线损分析方法，其特征在于，所述参考序列为各个时间点的线损{x0(j)}，其中j＝1，2，…，n，n为时间点的个数，比较序列是由线损的各有效影响因素构成的时间序列{xi(j)}，其中i＝1，2，…，m，即m个影响因素，将参考序列和比较序列表示成矩阵形式，形成矩阵x：

7.根据权利要求1或6所述的多维度微气象的特高压输电线路异常线损分析方法，其特征在于，所述根据每一日线损率与各个影响因素之间关联性，筛选样本数据，包括：

8.根据权利要求7所述的多维度微气象的特高压输电线路异常线损分析方法，其特征在于，所述线损预测模型为rbe神经网络，采用灰色关联法改进rbf神经网络的训练过程，所述rbf神经网络的训练过程包括：

9.根据权利要求1所述的多维度微气象的特高压输电线路异常线损分析方法，其特征在于，所述将实际线损率和理论线损率进行对比，判断实际线损率是否异常，并找到线损异常的影响因素，包括：

技术总结本发明提供一种多维度微气象的特高压输电线路异常线损分析方法，对历史资料进行数据挖掘，对输电线路的异常线损进行识别和分类，考虑线路在不同气候条件下的放电损耗，针对不同区段微气象条件带来的线损差异，对特高压输电线路进行分段处理，分为不同的线损区，为不同的线损区线路建立更精确的线损分析模型，并建立线损预测模型，并根据电网实际运行信息，对线损进行预测，根据实际线损和理论线损，对异常线损进行识别并分析原因，基于原因提出异常线损治理方案。技术研发人员：姜曼,马璐玉,牛寅生,杨建华,周良松,姚占东,周晓亮,熊辉受保护的技术使用者：国家电网有限公司华中分部技术研发日：技术公布日：2024/7/29