團(tuán)隊(duì)介紹

福州大學(xué)配電網(wǎng)及其自動(dòng)化研究中心長(zhǎng)期致力于電力配電網(wǎng)監(jiān)測(cè)、控制與保護(hù)新技術(shù)的研究與應(yīng)用；結(jié)合人工智能技術(shù)、大數(shù)據(jù)分析技術(shù)、電力電子功率變換技術(shù)和智能優(yōu)化調(diào)控技術(shù)，在電力配電網(wǎng)及其主設(shè)備故障診斷與抑制領(lǐng)域開(kāi)展了基礎(chǔ)研究以及工程應(yīng)用。主要涉及配電網(wǎng)單相接地故障選線及區(qū)段定位、配電網(wǎng)單相接地故障柔性消弧、配電變壓器故障診斷、光伏發(fā)電系統(tǒng)故障診斷、可再生能源發(fā)電與并網(wǎng)等研究方向。近年來(lái)，該團(tuán)隊(duì)完成了多個(gè)國(guó)家，省和電網(wǎng)企業(yè)的研究項(xiàng)目。

研究背景

21世紀(jì)以來(lái)，隨著智能電表的大量投運(yùn)，電網(wǎng)進(jìn)入大數(shù)據(jù)時(shí)代。當(dāng)前，我國(guó)在運(yùn)智能電表規(guī)模已經(jīng)突破5億，通過(guò)人工巡檢已經(jīng)難以滿足大量智能電表的誤差監(jiān)測(cè)需求。為保證電力計(jì)量的公平，實(shí)現(xiàn)電表誤差監(jiān)測(cè)全覆蓋，各專家學(xué)者紛紛開(kāi)展相關(guān)研究。

論文所解決的問(wèn)題及意義

現(xiàn)階段雖然可以實(shí)現(xiàn)電表誤差在線估計(jì)，但難以同時(shí)滿足電表誤差檢測(cè)的實(shí)時(shí)性、精確性和可靠性。本文對(duì)動(dòng)態(tài)線損模型進(jìn)行改進(jìn)，使其獲取的誤差估計(jì)值更接近實(shí)際值，通過(guò)帶遺忘因子的遞推最小二乘法求解電表誤差，在保證快速、精確檢測(cè)電表誤差的同時(shí)提高了結(jié)果的可靠性。

論文方法及創(chuàng)新點(diǎn)

1 改進(jìn)動(dòng)態(tài)線損估計(jì)模型

圖1 臺(tái)區(qū)拓?fù)潆姎夂?jiǎn)化模型

經(jīng)典配電臺(tái)區(qū)電氣簡(jiǎn)化模型如圖1所示，U為配變低壓側(cè)出口電壓，Z=R+jX為線路阻抗，假定上述U和Z為定值。UL為負(fù)荷電壓，ZL=RL+jXL為負(fù)荷阻抗，隨負(fù)荷的波動(dòng)而變化。

那么，第i個(gè)計(jì)量周期內(nèi)的線損Qlossi和總用電量QZi可以表示為

式中：

為第i個(gè)計(jì)量周期的平均功率因數(shù)；T為單位計(jì)量周期。

那么，第i個(gè)計(jì)量周期的線損Qlossi和總用電量QZi與第j個(gè)周期的Qlossj和QZj的比值分別為

經(jīng)過(guò)系列推導(dǎo)可得出基于改進(jìn)動(dòng)態(tài)線損估計(jì)的電表誤差估計(jì)模型為

2 智能電表誤差估計(jì)方法

圖2 智能電表誤差估計(jì)流程

圖2所示為智能電表誤差估計(jì)流程。首先，進(jìn)行數(shù)據(jù)采集，獲取臺(tái)區(qū)類別、用戶編號(hào)、電表編號(hào)、電表日電量以及平均功率因數(shù)數(shù)據(jù)。接著，對(duì)獲取的數(shù)據(jù)進(jìn)行處理，剔除缺失、異常等用電數(shù)據(jù)，并根據(jù)改進(jìn)線損模型計(jì)算出線損。然后，采用聚類算法對(duì)輕載、空載電表進(jìn)行標(biāo)記。最后，采用帶遺忘因子的遞推最小二乘法對(duì)電表誤差進(jìn)行在線估計(jì)。

3 帶遺忘因子的遞推最小二乘法

隨著運(yùn)行年限的增長(zhǎng)，在運(yùn)電表內(nèi)部元器件將逐漸老化。因此，在運(yùn)電表誤差會(huì)隨時(shí)間的變化而緩慢增長(zhǎng)，即電表誤差參數(shù)具有緩時(shí)變特征。為了準(zhǔn)確跟蹤在運(yùn)電表誤差的變化，本文采用帶遺忘因子的遞推最小二乘法（Forgetting Factor Recursive Least-squares, FFRLS）進(jìn)行電表誤差參數(shù)估計(jì)。

通過(guò)帶遺忘因子的遞推最小二乘法求解式（3）所述模型。首先，設(shè)定算法初始值；接著，進(jìn)行數(shù)據(jù)處理及標(biāo)記；然后，獲取滿足式（3）模型的電量數(shù)據(jù)。當(dāng)獲取的電量數(shù)據(jù)大于分電表數(shù)時(shí)（方程組數(shù)大于參數(shù)數(shù)量）即可進(jìn)行電表誤差估計(jì)。隨著新數(shù)據(jù)的加入，可以不斷地對(duì)電表誤差估計(jì)值進(jìn)行修正，從而實(shí)現(xiàn)電表誤差在線估計(jì)。

4 算例驗(yàn)證

使用1個(gè)數(shù)據(jù)質(zhì)量較好的居民配電臺(tái)區(qū)數(shù)據(jù)來(lái)驗(yàn)證所提方法的估計(jì)效果。該臺(tái)區(qū)共有85塊分表，均為正常電表，每臺(tái)電表包含283天測(cè)量數(shù)據(jù)，電表超差閾值設(shè)置為±2%。為方便分析，定義誤差率=誤差系數(shù)×100%。

人為調(diào)整某些電表誤差系數(shù)使之超差進(jìn)行算法驗(yàn)證。將1號(hào)和3號(hào)電表設(shè)置為超差表。其中1號(hào)電表的初始誤差率設(shè)置為3%，3號(hào)電表初始誤差率設(shè)置為-5%，并在計(jì)算周期內(nèi)微增上述超差電表誤差率，模擬電表誤差緩時(shí)變的特性。計(jì)算時(shí)以首日用電數(shù)據(jù)作為基準(zhǔn)，設(shè)置算法初始值：初始固定損耗為0.01kW·h，初始線損率為1.5%，平均功率因數(shù)可由每日計(jì)量的有功電量和無(wú)功電量計(jì)算得出。

圖3 電表誤差估計(jì)結(jié)果

圖3所示為最后一天誤差估計(jì)結(jié)果。1號(hào)電表的估計(jì)誤差率為3.30%，實(shí)際誤差率為3.03%；3號(hào)電表的估計(jì)誤差率-4.94%，實(shí)際誤差率為-5.02%。結(jié)果表明，本文所提方法對(duì)于正向和反向超差電表均能成功識(shí)別，可以實(shí)現(xiàn)電表誤差在線估計(jì)。

為了驗(yàn)證本文所提模型的有效性，分別運(yùn)用固定線損模型、動(dòng)態(tài)線損模型、所提線損模型進(jìn)行電表誤差計(jì)算，結(jié)果如表1所示。

表1 三種模型誤差估計(jì)結(jié)果對(duì)比

表1中，三種模型都能精確定位超差電表1號(hào)和3號(hào)，無(wú)漏判現(xiàn)象；對(duì)于超差電表的估計(jì)精度，從低到高的排列順序依次是：固定線損模型、動(dòng)態(tài)線損模型和所提線損模型，并逼近真實(shí)值；除了所提方法，固定線損模型、動(dòng)態(tài)線損模型均將電表13誤判為超差表。

結(jié)論

本文通過(guò)考慮負(fù)荷類型對(duì)線損估計(jì)的影響，提出一種新的智能電表誤差估計(jì)模型。經(jīng)過(guò)仿真驗(yàn)證以及實(shí)例驗(yàn)證，證明了所提方法的有效性。相比于固定損耗和動(dòng)態(tài)線損估計(jì)模型，本文所提方法精度更高。但是，在實(shí)際運(yùn)行臺(tái)區(qū)電表誤差估計(jì)中，上述模型存在誤檢的情況。針對(duì)上述存在的缺陷，后續(xù)將對(duì)模型進(jìn)一步優(yōu)化，使模型更加貼近電表實(shí)際運(yùn)行狀況，從而提升算法準(zhǔn)確率。

引用本文

韋先燦, 高偉, 楊耿杰. 基于改進(jìn)動(dòng)態(tài)線損估計(jì)的智能電表誤差估計(jì)方法[J]. 電氣技術(shù), 2022, 23(2): 7-12. WEI Xiancan, GAO Wei, YANG Gengjie. Error estimation method of smart meter based on improved dynamic line loss estimation. Electrical Engineering, 2022, 23(2): 7-12.