中低压配电网三相线损异常智能识别方法
潘炜1
张涛2
张卓2
1.广东工业大学自动化学院,广东 广州 510520;广东电网有限责任公司广州供电局,广东 广州 5102.广东电网有限责任公司广州供电局,广东 广州 510013
摘要：[目的]在电力系统的运行与管理中,中低压配电网作为连接电源与用户的关键环节,其运行效率和稳定性直接关系到整个电力系统的安全性与可靠性.三相线损作为衡量配电网运行效率的重要指标,不仅反映了电能传输过程中的能量损耗,还直接关系到电网的电压质量、电力消耗以及设备的安全运行.然而,配电网的三相线损数据具有复杂的分布特性,呈现多峰、非对称等特征,在动态变化过程中,难以准确捕捉数据的内在模式和结构,从而降低了异常识别的准确性.为此,本文提出一种中低压配电网三相线损异常智能识别方法.[方法]配电网三相线损数据在采集过程中易受电磁干扰、设备误差等多重因素的影响,导致数据中夹杂着大量噪声和异常值.这些噪声不仅降低了数据的信噪比,还会掩盖数据的真实特征,进而影响后续分析的准确性.由此,采用径向基函数(RBF)神经网络对采集到的三相线损数据进行特征提取,通过对输入数据的非线性映射,有效抑制噪声的干扰,提高数据的信噪比.对预处理后的数据进行归一化处理,可进一步提高数据采集的完整性和准确性.基于回路电流的方法,将配电网中的电路分解成多个独立的回路,并在每个回路中计算电压和电流的实部值和虚部值.通过对这些值在时间和相位上的变化特性进行详细分析,可以深入理解电路的运行状态,并准确识别出潜在的异常模式.根据三相分支电路上的电压和电流的实部值和虚部值结果,构建高斯混合分布模型.该模型利用多个高斯分布描述三相线损数据的复杂分布特性,更准确地捕捉数据的内在模式和结构.再利用极大期望值方法拟合归一化后的线损率,构造一个由多个高斯混合分布模型构成的混合型高斯模型,计算维本征矢量的似然概率函数,并根据预设的概率阈值判断数据是否异常.若似然概率低于阈值,判定为异常;否则,判定为正常.[结果]由实验结果可以看出,本文方法可以准确辨识三相线路损耗节点,降低误判、漏判的危险.[结论]本文方法可以及时发现和处理配电网中的故障,对提高电力系统的运行效率和可靠性具有重要意义.
关键词：中低压配电网三相线损高斯混合分布函数异常识别回流电路法噪声干扰虚部值线损率
分类号：TM711(输配电工程、电力网及电力系统)
资助基金：广东省科技计划项目(202030050001)南方电网公司科技项目(080032KK52200002)
论文发表日期：2025-11-25
在线出版日期：2025-12-29（本平台首次上网日期，不代表文献的发表时间）
页数：8( 721-728 )
英文信息