基于营配调多源数据的配电自动化应用提升方法与流程

本发明属于配网调控系统应用分析相关技术领域，具体涉及一种基于营配调多源数据的配电自动化应用提升方法。

背景技术：

配电自动化主站系统是一个跨安全ⅰ区和ⅲ区的一体化系统,但由于长久以来，营销、配电、调度业务系统分别独立建设，造成配电网不同角度信息天然割裂，限制了电力业务进一步提升。目前配电自动化主站技术经过长期努力发展建设取得一定成效，但总体上仍存在差距：云计算/大数据平台技术才刚起步，信息化基础依旧薄弱，信息交互规范化、标准化手段需加强，终端运行状况、量测信息的不足等原因主站配网应用功能实用化程度不高。

基于营配调一体化建模实现配网应用分析一体化，把电网的实时用电负荷引入到配网高级应用分析中，完善配电网状态估计、潮流计算等高级应用分析软件依赖的数据源，利用用电量测的断面信息对配变的量测进行补充，并研究系统间不同量测方式的数据融合方法，提高配电网高级应用分析结果的可靠性和可信性，以电网的实际理论计算结果辅助发现配电网络的薄弱环节，增强电网风险预控手段。

在营配调数据融合方面，我国在智能电网建设中，配用电环节的各项试点正在不断的推进，如用电信息采集系统、营销信息管理系统、95598大呼叫中心、配电自动化以及智能家居等。国网目前已全面建成“大营销”体系，以客户为核心，准确建立“站-线-变-箱-表-户”关联关系，确保营配调末端融合。2015年开始大力推进营配调贯通，实现站、线、变、箱、表、户信息实时交互和同步更新，可有效支撑客户报修定位、故障研判指挥、停电计划安排、业扩报装辅助制定和线损管理。

在配电自动化方面，主站系统的应用功能因量测采集的不足，无法达到实用化的效果。用采数据弥补配网量测的不足，也是目前配电自动化厂家热切关注的问题，用采系统的推广为配电自动化系统提供新的数据支撑，为配网的安全、经济运行提供更多的技术支持。2009年以来，国家电网公司以“全覆盖、全采集、全费控”为建设目标，推动智能电能变应用和用电信息采集系统建设，截至2015年底，累计安装应用智能电表3.16亿只，用电信息采集覆盖3.16亿户，采集覆盖率超过80％。将用采数据合理地应用到配电网高级应用中能够更准确、全面地计算出配网的运行状态。然而，与配电自动化主站scada的量测相比，用电信息采集系统具有独特的量测的特性。配电scada量测的准确度等级一般为2左右，用于用采系统的智能电表等级一般为0.5级甚至更高；scada量测周期一般在20s之内，而用采智能电表采集数据周期为15min，30min或1h；用采系统的智能电表有两种读取方式，分别为冻结方式和招读方式。在我国，只冻结每天0时时刻的数据，其余时间均采取招读当时，即通过计量中心发送指令对电表轮番读取，读完一只表，再读另一只。已有厂家将用电信息采集系统的配变的有功、无功、电流等数据接入配电自动化主站系统，通过台区号和配变的对应关系，在收到用采准实时数据时直接覆盖当前主站数据，未考虑两个系统量测方式的差异性，因此配网高级应用软件周期启动时间间隔为用采系统的量测周期。

现有技术存在如下缺点：

配电自动化主站系统受自身量测不足限制，高级应用功能的实用化程度低，已有在配电自动化主站系统接入用采数据的厂家，未进行营配调一体化建模，仅通过台区号和配变的对应关系表，在收到用采数据时直接覆盖当前主站数据，在模型有变动时不能及时更新系统间设备关联关系，会造成系统之间部分数据无法匹配。另外在接入数据时未考虑两个系统量测方式的差异性，配网高级应用软件周期启动时间间隔只能以用采数据间隔为准，因此仍无法满足配网高级应用在线计算的周期要求，且期间多个时刻的配电主站数据未参与计算，造成了浪费，未对系统间数据进行充分融合。本发明建立基于营配调调贯的一体化模型，并且提出用电信息采集系统和配电自动化系统的数据融合方法，使用用采系统准实时配变数据提高配网数据可观测性，为配电自动化在线分析应用功能提供数据支撑。

技术实现要素：

本发明的目的在于提供一种基于营配调多源数据的配电自动化应用提升方法，该方法基于营配调一体化建模，提出负荷校准和超短期负荷预测相结合的数据融合的方法，充分利用配电系统和用采系统的量测数据，给出最接近实际系统运行的监测数据，满足配网应用功能在线计算的要求。

为实现上述目的，本发明的技术方案是：一种基于营配调多源数据的配电自动化应用提升方法，包括如下步骤，

s1、在安全iii区构建营配调一体化模型，即高、中压配电网模型由i区配电自动化主站系统同步至iii区，低压设备及用户信息模型通过信息交互总线从营销系统或数据中心接入，以利于配网多源数据的接入；

s2、基于多源数据的负荷校准：对用电信息采集系统上传的用采数据及配电自动化主站系统上传的配电scada数据进行负荷校准，负荷校准包括静态负荷校准和拓扑校准；

s3、根据步骤s2的负荷校准结果，通过超短期负荷预测方法，分析配变的运行趋势，以预测用采量测间隔内各scada量测时刻的配变数据；

s4、由步骤s2、s3即可得出最接近实际系统运行的监测数据，满足配网应用功能的在线计算。

在本发明一实施例中，所述步骤s2中，基于多源数据的负荷校准具体实现过程如下：

在时刻tc用采数据和配电scada数据均上传；用采数据量测周期为ta，scada数据量测周期为ts，ta＝n*ts，即用采量测间隔内具有n个scada量测点，在tc时刻进行负荷校准，负荷校准分为静态负荷校准和拓扑校准两步，从用采系统获得的配变功率数据直接作为静态负荷校准值，scada和用采均无量测数据的配变可根据用户性质，由该类型用户的典型曲线和配变的额定容量计算获得静态负荷校准值；对scada中无量测数据的负荷节点在完成了静态负荷校准之后，应进行拓扑校准：首先进行配电区段划分，即将由开关、电源或末梢负荷围成的，其中不再包含可量测开关节点的连通区域看成是最小配电区域，各个配电区域的总负荷根据安装在开关上的配电自动化终端设备上报的采样数据计算获得；然后将最小配电区域的总负荷观测数据减去具有实时量测的负荷数据再以静态负荷校准值作为分配因子计算得到最终的负荷校准值。

在本发明一实施例中，所述步骤s3的具体实现过程如下：

由步骤s2得到的tc时刻的负荷校准结果，对于tc+k*ts(k＝1，2，……，n-1)时刻，通过超短期负荷预测方法，即可预测用采量测间隔内各scada量测时刻的配变数据，具体如下：

按五日工作制情况，设一时刻为t1，对于δt时间后的负荷预测，预测时刻为t2＝t1+δt，过去时刻为t0＝t1-δt；记与预测日最近的五个同类型日中，其第i天t1时刻负荷值为y(i,t1)(i＝1,2,…,5)，第i天t2时刻负荷值为y(i,t2)(i＝1,2,…,5)，第i天t0时刻负荷值为y(i,t0)(i＝1,2,…,5)；假定在上述时间段内，这五天负荷具有相近的变化趋势，若有数据缺失，可通过线性插值方法进行数据补全；

首先计算同一时刻，上述五天负荷的平均值：

从这三点负荷值来提取出预测日负荷在预测时间段内的变化值，由点和拟合直线，设方程为：

y(t)＝a+b·t(2)

取t0＝1,t1＝2,t2＝3，由最小二乘方法拟合，得：

那么，在t1到t2时刻负荷的变化值为：

δy＝y(t2)-y(t1)＝(a+b·t2)-(a+b·t1)＝b·(t2-t1)＝b(5)

则预测日的预测时刻负荷值为：

y(t2)＝y(t1)+δy＝y(t1)+b(6)

同理，即可补充tc+k*ts(k＝1，2，……，n-1)时刻的负荷值数据。

相较于现有技术，本发明具有以下有益效果：本发明方法基于营配调一体化建模，提出负荷校准和超短期负荷预测相结合的数据融合的方法，充分利用配电系统和用采系统的量测数据，给出最接近实际系统运行的监测数据，满足配网应用功能在线计算的要求。

附图说明

图1为中低压模型存储结构。

图2为拓扑校准示例图。

图3为配用电数据融合时间轴。

具体实施方式

下面结合附图，对本发明的技术方案进行具体说明。

本发明的一种基于营配调多源数据的配电自动化应用提升方法，包括如下步骤，

s1、在安全iii区构建营配调一体化模型，即高、中压配电网模型由i区配电自动化主站系统同步至iii区，低压设备及用户信息模型通过信息交互总线从营销系统或数据中心接入，以利于配网多源数据的接入；

s2、基于多源数据的负荷校准：对用电信息采集系统上传的用采数据及配电自动化主站系统上传的配电scada数据进行负荷校准，负荷校准包括静态负荷校准和拓扑校准；

s3、根据步骤s2的负荷校准结果，通过超短期负荷预测方法，分析配变的运行趋势，以预测用采量测间隔内各scada量测时刻的配变数据；

s4、由步骤s2、s3即可得出最接近实际系统运行的监测数据，满足配网应用功能的在线计算。

所述步骤s2中，基于多源数据的负荷校准具体实现过程如下：

在时刻tc用采数据和配电scada数据均上传；用采数据量测周期为ta，scada数据量测周期为ts，ta＝n*ts，即用采量测间隔内具有n个scada量测点，在tc时刻进行负荷校准，负荷校准分为静态负荷校准和拓扑校准两步，从用采系统获得的配变功率数据直接作为静态负荷校准值，scada和用采均无量测数据的配变可根据用户性质，由该类型用户的典型曲线和配变的额定容量计算获得静态负荷校准值；对scada中无量测数据的负荷节点在完成了静态负荷校准之后，应进行拓扑校准：首先进行配电区段划分，即将由开关、电源或末梢负荷围成的，其中不再包含可量测开关节点的连通区域看成是最小配电区域，各个配电区域的总负荷根据安装在开关上的配电自动化终端设备上报的采样数据计算获得；然后将最小配电区域的总负荷观测数据减去具有实时量测的负荷数据再以静态负荷校准值作为分配因子计算得到最终的负荷校准值。

所述步骤s3的具体实现过程如下：

由步骤s2得到的tc时刻的负荷校准结果，对于tc+k*ts(k＝1，2，……，n-1)时刻，通过超短期负荷预测方法，即可预测用采量测间隔内各scada量测时刻的配变数据，具体如下：

按五日工作制情况，设一时刻为t1，对于δt时间后的负荷预测，预测时刻为t2＝t1+δt，过去时刻为t0＝t1-δt；记与预测日最近的五个同类型日中，其第i天t1时刻负荷值为y(i,t1)(i＝1,2,…,5)，第i天t2时刻负荷值为y(i,t2)(i＝1,2,…,5)，第i天t0时刻负荷值为y(i,t0)(i＝1,2,…,5)；假定在上述时间段内，这五天负荷具有相近的变化趋势，若有数据缺失，可通过线性插值方法进行数据补全；

首先计算同一时刻，上述五天负荷的平均值：

从这三点负荷值来提取出预测日负荷在预测时间段内的变化值，由点和拟合直线，设方程为：

y(t)＝a+b·t(2)

取t0＝1,t1＝2,t2＝3，由最小二乘方法拟合，得：

那么，在t1到t2时刻负荷的变化值为：

δy＝y(t2)-y(t1)＝(a+b·t2)-(a+b·t1)＝b·(t2-t1)＝b(5)

则预测日的预测时刻负荷值为：

y(t2)＝y(t1)+δy＝y(t1)+b(6)

同理，即可补充tc+k*ts(k＝1，2，……，n-1)时刻的负荷值数据。

以下为本发明的具体实现过程。

本发明的基于营配调多源数据的配电自动化应用提升方法，实现如下：

1、营配调一体化模型构建及维护

在安全iii区构建营配调一体化模型，高、中压配电网模型由i区配电自动化主站系统同步至iii区，低压设备及用户信息模型通过信息交互总线从营销系统(或数据中心)接入，由于配电自动化主站系统和营销系统对模型的描述方式存在差异，模型拼接方式也与中高压模型拼接有一些差别，边界的查找和匹配需要通过配电自动化主站系统的变压器信息和营销系统的变压器台账信息进行匹配，并将该关联关系保存在变压器信息对照表中。图1中如中压模型“变压器ii”从i区配电自动化主站系统同步至iii区，低压模型的“变压器ii”由营销管理系统同步至iii区，安全iii区提供营配融合工具，对两个台账信息进行比对，找到匹配的设备台账信息，并将该对照关系保存到iii区模型库，从而在安全iii区实现营配数据联动。

当配网高、中压模型发生变更时，由i区配电自动化主站系统将异动信息(增、删、改)同步至iii区，iii区模型管理模块根据异动信息对iii区模型做出更改，如果涉及到变压器信息，同时更新变压器对照表，以保证高中低一体化模型的完整性。当低压模型发生变更时，由营销系统主动推送设备/用户异动信息至iii区，iii区模型管理模块根据异动信息对iii区低压模型进行更改，如果本次异动涉及到变压器信息，需同时更新变压器对照表，以保证高中低一体化模型的完整性。

2、配用电数据融合方法

1)、基于多源数据的负荷校准

配网低压数据的采集由用电信息采集系统完成，而低压模型的建立和维护在营销系统，营配调一体化建模及维护为用采系统和配电自动化主站系统的数据的接入和存储提供支撑。假设当前时刻为tc，在该时刻用采数据和配电scada数据均上传。用采数据量测周期为ta，scada数据量测周期为ts，ta＝n*ts，即用采量测间隔内具有n个scada量测点，在tc时刻进行负荷校准，负荷校准分为静态负荷校准和拓扑校准两步，配电scada中的配变量测数据认为准确率较高，无需校准。从用采系统获得的配变功率数据直接作为静态负荷校准值pf，scada和用采均无量测数据的配变可根据用户性质，由该类型用户的典型曲线和配变的额定容量计算获得静态负荷校准值。拓扑校准的目的是根据网络拓扑结构和scada中各开关处的实时量测值，对静态负荷校准值进行修正。对scada中没有测量值的负荷节点在完成了静态负荷校准之后，应进行拓扑校准。拓扑校准首先进行配电区段划分，即将由开关(可量测)、电源或末梢负荷围成的，其中不再包含可量测开关节点的连通区域看成是最小配电区域，各个配电区域的总负荷可根据安装在开关上的配电自动化终端设备(包括ftu、dtu等)上报的采样数据计算获得。然后将最小配电区域的总负荷观测数据减去具有实时量测的负荷数据再以静态负荷校准值作为分配因子计算得到最终的负荷校准值。

图2为拓扑校准示例图，图中cb0、cb1开关具有功率量测，负荷开关cb3无量测，因此ld1、ld2、ld3、ld4、ld5属于同一区段内，区段内负荷总有功功率为1500-700＝800。其中ld1具备实时功率量测，值为200，因此ld2、ld3、ld4、ld5的总负荷为800-200＝600。而ld2、ld3、ld4、ld5静态负荷总加为∑pf＝150+200+250+300＝900。拓扑校准负荷＝静态校准负荷*分配因子，分配因子af＝pf/∑pf。因此拓扑校准后的负荷值分别为ld2：100、ld2：133、ld2：167、ld2：200。

2)、超短期负荷预测补充伪量测数据方法

由步骤1计算得到和tc时刻配变运行状况最接近的功率数据，对于tc+k*ts(k＝1，2，……，n-1)时刻，可通过超短期负荷预测的方法，基于步骤1得到的tc时刻的值分析配变的运行趋势，预测用采量测间隔内各scada量测时刻的配变数据。

超短期负荷预测采用基于线性外推的负荷虚拟量测预估方法，不同类型的日，其负荷变化规律差别较大，根据我国目前五天工作制情况，可以分为工作日和休息日两类，工作日指星期一至星期五，休息日指星期六、星期日及节假日。若预测间隔为5分钟，获取历史5天的历史数据与今日t0时刻的配变数据，计算5天中每个时间节点前5分钟、后5分钟的平均偏差，以该偏差作为预想的趋势，叠加到今日的实时数据上，进行今日的运行趋势分析，得到的t0+k*ts(k＝1，2，……，n-1)时刻的数据可作为对应时刻的配变静态负荷校准值。

设当前时刻为t1，对于未来五分钟负荷预测，一步预测的时间间隔等于5分钟，预测时刻为t2＝t1+δt，过去时刻为t0＝t1-δt。记和预测日最近的五个同类型日中，其第i天t1时刻负荷值为y(i,t1)(i＝1,2,…,5)，第i天t2时刻负荷值为y(i,t2)(i＝1,2,…,5)，第i天t0时刻负荷值为y(i,t0)(i＝1,2,…,5)。假定在上述时间段内，这五天负荷具有相近的变化趋势，若有数据缺失，可通过线性插值方法进行数据补全。

首先计算同一时刻，上述五天负荷的平均值：

现在的任务是，从这三点负荷值来提取出预测日负荷在预测时间段内的变化值，由点和拟合直线，设方程为：

y(t)＝a+b·t(2)

这里取t0＝1,t1＝2,t2＝3，由最小二乘方法拟合，得：

那么，在t1到t2时刻负荷的变化值为：

δy＝y(t2)-y(t1)＝(a+b·t2)-(a+b·t1)＝b·(t2-t1)＝b(5)

则预测日的预测时刻负荷值为：

y(t2)＝y(t1)+δy＝y(t1)+b(6)

通过超短期预测补充tc+k*ts(k＝1，2，……，n-1)时刻的数据后，再采用步骤1中的负荷校准方法对数据做进一步修正。对于下一个ta周期，采用同样的方法进行多源数据融合和补全，并将处理后的数据保存为历史数据，供未来时刻的趋势分析使用，配用电数据融合的时间轴如下图3所示。

3、配电网在线潮流计算分析

由于长期缺乏量测数据配电自动化系统对高级应用功能的实时性要求不高，但在营配调多源数据后使配网高级应用功能在线计算成为可能，只有在线分析才能及时了解配电网运行状况和优化配电网络运行方式，因此在线分析对应用软件的计算速度、计算精度、容错能力等性能上有更高的要求。

实时潮流计算可分为周期启动、事件启动两种方式。周期启动的时间间隔可由用户配置，事件启动可根据预先定义的事件类型触发启动。计算范围可选择全配电网、变电站、馈线。实时潮流计算的算法可采用前推回代算法，前推回代潮流算法(backward/forwardsweepalgorithm)是求解辐射状配电网络潮流的有效方法，具有收敛特性接近线性，不需要进行矩阵计算，存储量小，计算速度快，而且对电压的初值要求不高等优点。潮流计算结果包括：计算信息总览(计算岛数、计算节点数、计算支路数等)，变电站和馈线信息统计(负荷有功、无功、网损等信息)，分馈线的元件潮流结果、越限信息、迭代过程信息、误差分析信息等。

以上是本发明的较佳实施例，凡依本发明技术方案所作的改变，所产生的功能作用未超出本发明技术方案的范围时，均属于本发明的保护范围。