低压小电量台区线损分析「高压线损率怎么计算」

今天带来低压小电量台区线损分析「高压线损率怎么计算」，关于低压小电量台区线损分析「高压线损率怎么计算」很多人还不知道，现在让我们一起来看看吧！

台区是国家电网营销管理体系的末端，当前台区的管理过于强调专业分工，人为造成了台区管理工作中的专业壁垒、数据分割；台区点多面广，设备众多、问题复杂，现场管理粗放，台区决策、投资、运维、服务等方面缺乏精准、高效的数据支撑；高投诉、高跳闸、高线损等是困扰台区经理的首要难题，台区设备指标信息分散，各专业更多注重单项指标的 异常分析，达不到彻底解决问题的效果。台区精益化管理，正是以营销大数据为基础，推进智能电表非计量功能应用，台区经理网格化、精益化管理。

为此，需要提供一种基于电力行业台区线损精益化管理，以解决打破台区线损管理工作中管理粗放的问题。

问题拆分

方法为：1、抽取采集 系统同期线损中高负损及不可算台区构建基本 线损档案数据；2、结合采集系统档案数据，分析采集异常档案因数；3、结合采集系统工单数据， 分析异常工单信息；4、结合采集系统曲线数据， 统计计量异常因数；5、结合功率电流曲线数据及 相关电表上报事件，对窃电因数异常进行分析； 6、结合电流、功率曲线，分析现场接线异常；7、通 过各类异常明细数据，开展线损异常台区智能诊 断，针对收集反馈的异常消缺结果。本发明还公开相关分析处理系统。

问题解决

1 .基于大数据的电力行业低压台区线损分析方法，其特征在于：所述方法包括如下步 骤： 步骤1、抽取采集系统同期线损中高负损及不可算台区构建基本线损档案数据； 步骤2、结合采集系统档案数据，分析采集异常档案； 步骤3、分析采集系统工单数据，记录异常工单因数明细； 步骤4、分析采集系统曲线数据，统计计量异常明细； 步骤5、结合功率电流曲线数据及相关电表上报事件，对窃电因数异常进行分析； 步骤6、结合电流、功率曲线，分析接线异常； 步骤7、通过各类异常明细数据，对影响台区线损因素做相应汇总统计构建，开展线损 异常台区智能诊断，针对收集反馈的异常消缺结果，完善优化自动诊断规则;

所述的步骤1具体为：通过Sqoop技术抽取采集系统同期线损中高负损不可算台区，利 用大数据HDFS底层存储优势，结合采集点，计量点，测量点用户等信息整合台区线损异常台 区的所有基本数据，构建异常台区基本档案信息;

所述的步骤2具体为：结合异常档案信息，通过Sqoop抽取采集系统计量点信息，利用 HDFS存储技术通过大数据平台统计无表计台区信息数据视为空台区异常；统计计量点有考 核表无户表视为无用户电能表异常；通过Sqoop抽取光伏用户数据判断消纳方式和采集计 量点主用途，排查采集计量点主用途档案错误数据，统计由于光伏档案维护异常导致台区 线损异常;整合该类异常档案导致台区线损异常明细;

所述的步骤3具体为：结合异常档案利用Sqoop抽取采集系统应采项信息，通过大数据 平台解析应采项对应的测量点，分析过滤应采项中没有配置的测量点档案，统计任务未配 置台区信息；抽取采集调试工单信息，判断工单产生时间和完成时间不在同一天的异常台区，统计调试流程归档不及时台区明细；通过分析集中器中测量点参数的端口号和表地址 与采集系统不一致，召测集中器表地址等相关参数比对跟采集系统参数数据不一致台区， 统计集中器参数设置错误数据;分析记录该类由于工单或下发参数异常导致台区线损异常明细;

所述的步骤4具体为：利用Kafaka实时抽取采集系统用户用电量数据、抽取电压、电流 曲线数据，通过用户用电量明细判断电能表本期示值<上期示值的电表数据，统计电能表倒 走异常明细；通过判断总表发生本次采集电量（通过零点冻结电能示值计算电量）为零，有 任意一相的电压最大值大于50％的额定电压，电流曲线任意一相平均值（24小时整点）不小 于阀值（0 .1A）的情况，属于总表停走异常；统计户表连续7天发生零电量，但时间段内A相电 流>0情况，属于电能表停走异常。通过用户用电量明细，结合用户档案运行容量，判断用户 日用电量>运行容量*24视为超容异常。结合考核表96点电压曲线数据。（后期要结合全量数 据采集，判断户表的相应异常，以下曲线类异常同理），考核总表连续6个小时 ,任意一相电 压曲线全为0或全为空则为断相异常;抽取考核表电压曲线表;连续3个小时的出口电压大 于额定电压107%（236V）电压过高异常。连续3个小时的出口电压小于额定电压90%（198V）， 视为电压偏低异常。连续1个小时某相电流值大于0 .01，且电压值<70%额定电压（157V），剔 除断相，电压失压。结合考核表电流曲线表;考核总表连续2小时的三相电流不平衡度＞ 20％。三相电流不平衡度＝（最大单相电流－最小单相电流）／最大单相电流×100％，视为 三相不平衡;通过Kafaka实时获取结合终端停上电数据，利用HDFS判断截止至数据日期 1晚上22：00，当日上下线次数超过10次判断为集中器频繁上下线;统计发电量超过额定容 量*6小时（发电客户的运行容量）视为超容发电;实时抽取终端停上电数据，统计电表表计 数>0且抄表成功率为0，且截止至数据日期 1晚上22：00，集中器掉线时长超过22小时，视为 集中器超22小时不在线;结合台区抄表成功率数据，户表抄表成功率小于98%大于0 的台区 抄表成功率未达98%;统计该类由于计量异常导致台区线损异常明细;

所述的步骤5具体为：利用Kafaka实时抽取考核表96点功率曲线数据。分析0点~ 4：00或 21：00 ~ 24：00期间至少存在两个时点以上发电功率>0 .5，视为夜间发电异常;利用kafka抽 取单相表电流曲线数据通过算法“零线电流>0 .1A，零线电流≥A相电流*1 .5，零火线入库时 间在15分钟内”过滤出异常电表，判断是否为零火线电流异常 ,归纳由于窃电因素导致台区 线损异常明细; 所述的步骤6具体为：通过Kafaka实时抽取考核表电流、功率曲线数据判断电流及功率 是否出现负值。不含光伏台区：一天内监测到6次，则判断为电流为负异常；包含光伏用户台 区：一天内监测到48次;结合用户电量电流曲线，存在反向电量（7天累计反向电量>0 .1 kWh）；电流为负，电流<0；则判断为电流为负异常;归纳由于接线异常导致台区线损异常明 细;

所述的步骤7具体为：通过各类异常明细数据，对影响台区线损因素做相应汇总统计; 从档案因素、计量因素、营配贯通因素、窃电因素和技术因素等方面梳理线损异常原因，依 据台区线损异常治理方法，结合采集系统的档案信息、营销档案信息、调试工单、抄表数据、 异常事件、计量故障、采集数据异常，开展线损异常台区智能诊断，针对收集反馈的异常消 缺结果，完善优化自动诊断规则。

2 .基于大数据的电力行业低压台区线损分析处理系统 , 其特征在于 , 所述的分析处 理系统块包括：基本档案数据构建模块、档案异常分析模块、采集异常工单分析模块、计量 异常分析模块、窃电因素分析模块、接线异常分析模块、异常明细汇总应用模块;

所述基本档案数据构建模块，用于抽取采集系统同期线损中高负损及不可算台区构建 基本线损档案数据； 所述档案异常分析模块，用于结合采集系统档案数据，分析采集异常档案； 所述采集异常工单分析模块，用于分析采集系统曲线数据，统计计量异常明细； 所述计量异常分析模块，用于建立算法分析模型并使用测试数据集和训练数据集对模 型进行训练与评估获取最优模型；

所述窃电因素分析模块，用于结合用户档案、电表档案、电表综合倍率、计量异常数据、 采集异常数据等，对由于窃电因数导致台区异常明细分析； 所述异常明细汇总应用模块，通过各类异常明细数据，对影响台区线损因素做相应汇总统计构建，开展线损异常台区智能诊断，针对收集反馈的异常消缺结果，完善优化自动诊 断规则;

所述基本档案数据构建模块通过Sqoop技术抽取采集系统同期线损中高负损不可算台区，利用大数据HDFS底层存储优势，结合采集点，计量点，测量点用户等信息整合台区线损 异常台区的所有基本数据，构建异常台区基本档案信息; 所述档案异常分析模块结合异常档案信息，通过Sqoop抽取采集系统计量点信息，利用 HDFS存储技术通过大数据平台统计无表计台区信息数据视为空台区异常；统计计量点有考核表无户表视为无用户电能表异常；通过Sqoop抽取光伏用户数据判断消纳方式和采集计 量点主用途，排查采集计量点主用途档案错误数据，统计由于光伏档案维护异常导致台区 线损异常;整合该类异常档案导致台区线损异常明细; 所述采集异常工单分析模块结合异常档案利用Sqoop抽取采集系统应采项信息，通过大数据平台解析应采项对应的测量点，分析过滤应采项中没有配置的测量点档案，统计任 务未配置台区信息；抽取采集调试工单信息，判断工单产生时间和完成时间不在同一天的 异常台区，统计调试流程归档不及时台区明细；通过分析集中器中测量点参数的端口号和 表地址与采集系统不一致，召测集中器表地址等相关参数比对跟采集系统参数数据不一致 台区，统计集中器参数设置错误数据;分析记录该类由于工单或下发参数异常导致台区线 损异常明细;

所述计量异常分析模块利用Kafaka实时抽取采集系统用户用电量数据、抽取电压、电流曲线数据，通过用户用电量明细判断电能表本期示值<上期示值的电表数据，统计电能表 倒走异常明细；通过判断总表发生本次采集电量（通过零点冻结电能示值计算电量）为零， 有任意一相的电压最大值大于50％的额定电压，电流曲线任意一相平均值（24小时整点）不 小于阀值（0 .1A）的情况，属于总表停走异常；统计户表连续7天发生零电量，但时间段内A相 电流>0情况，属于电能表停走异常。通过用户用电量明细，结合用户档案运行容量，判断用 户日用电量>运行容量*24视为超容异常;结合考核表96点电压曲线数据;（后期要结合全量 数据采集，判断户表的相应异常，以下曲线类异常同理），考核总表连续6个小时 ,任意一相 电压曲线全为0或全为空则为断相异常;抽取考核表电压曲线表;连续3个小时的出口电压 大于额定电压107%（236V）电压过高异常;连续3个小时的出口电压小于额定电压90% （198V），视为电压偏低异常;连续1个小时某相电流值大于0 .01，且电压值<70%额定电压 （157V），剔除断相，电压失压;结合考核表电流曲线表 ,考核总表连续2小时的三相电流不平 衡度＞20％;三相电流不平衡度＝（最大单相电流－最小单相电流）／最大单相电流× 100％，视为三相不平衡;通过Kafaka实时获取结合终端停上电数据，利用HDFS判断截止至 数据日期 1晚上22：00，当日上下线次数超过10次判断为集中器频繁上下线。统计发电量超 过额定容量*6小时（发电客户的运行容量）视为超容发电;实时抽取终端停上电数据，统计 电表表计数>0且抄表成功率为0，且截止至数据日期 1晚上22：00，集中器掉线时长超过22 小时，视为集中器超22小时不在线;结合台区抄表成功率数据，户表抄表成功率小于98%大 于0 的台区抄表成功率未达98%;统计该类由于计量异常导致台区线损异常明细;

所述窃电因素分析模块利用Kafaka实时抽取考核表96点功率曲线数据;分析0点~ 4：00 或21：00 ~ 24：00期间至少存在两个时点以上发电功率>0 .5，视为夜间发电异常;利用kafka 抽取单相表电流曲线数据通过算法“零线电流>0 .1A，零线电流≥A相电流*1 .5，零火线入库 时间在15分钟内”过滤出异常电表，判断是否为零火线电流异常。归纳由于窃电因素导致台 区线损异常明细; 所述接线异常分析模块通过Kafaka实时抽取考核表电流、功率曲线数据判断电流及功 率是否出现负值。不含光伏台区：一天内监测到6次，则判断为电流为负异常；包含光伏用户 台区：一天内监测到48次 ,结合用户电量电流曲线，存在反向电量（7天累计反向电量>0 .1 kWh）；电流为负，电流<0；则判断为电流为负异常 ,归纳由于接线异常导致台区线损异常明细

所述异常明细汇总应用模块通过各类异常明细数据，对影响台区线损因素做相应汇总 统计;从档案因素、计量因素、营配贯通因素、窃电因素和技术因素等方面梳理线损异常原 因，依据台区线损异常治理方法，结合采集系统的档案信息、营销档案信息、调试工单、抄表 数据、异常事件、计量故障、采集数据异常，开展线损异常台区智能诊断，针对收集反馈的异 常消缺结果，完善优化自动诊断规则。