一种分压售电量和分压供电量对线损率影响的分析方法

摘要

本发明公开了一种分压售电量和分压供电量对线损率影响的分析方法，涉及电网控制技术领域。包括以下步骤：1)以线损率为因变量，并对影响线损率的因素进行分类，在影响线损率的因素中，选取自变量；2)对选取的自变量的历史数据进行选择和处理；3)建立线损率关联矩阵；4)通过关联矩阵的特征方程确定线损率的关键影响因子；5)根据关键影响因子的变化，通过线损率回归方程和敏感度分析方程的计算，量化分析对线损率的影响，得出关键影响因子的影响结果。将分压售电量和分压供电量对线损率的影响进行量化，从而可以判定影响因素对线损率的电量影响，从而可对电网参数进行相适应的修正，降低线损率，提高了经济效益。

说明书

技术领域

本发明涉及电网控制技术领域。

背景技术

随着电网的升级改造，用户用电结构发生了变化，高压供电的传统工业用 户用电比重下降，以高科技、第三产业和居民用电为主的中低压供电的电量逐 步上升。同时，随着国家分布式电源发电补贴政策在国内部分地区相继出台， 小电源接入电网已有不可阻挡的趋势，与原有大型供电电厂不同，小电源的发 电能力相对较低，且一般并网接入35kV以及以下电压等级。

供售电结构与线损有着不可分割的关系，其变化必将影响供电线损率，特 别是在目前高压售电量所占比重逐年下降、低压售电量所占比重逐年上升的新 形式下，势必造成供电线损率的上升。

当前的研究主要集中在不同电压等级售电量变化对线损率的影响，而没有 考虑到分压售电量、分压供电量构成权重的影响。

发明内容

本发明所要解决的技术问题是提供一种分压售电量和分压供电量对线损率 影响的分析方法，其能够将分压售电量和分压供电量对线损率的影响进行量化， 从而可以判定影响因素对线损率的电量影响，从而可对电网参数进行相适应的 修正，降低线损率，提高了经济效益。

为解决上述技术问题，本发明所采取的技术方案是：一种分压售电量和分 压供电量对线损率影响的分析方法，包括以下步骤：

1)以线损率为因变量，并对影响线损率的因素进行分类，在影响线损率的 因素中，选取自变量；

2)对选取的自变量的历史数据进行选择和处理；

3)建立线损率关联矩阵；

4)通过关联矩阵的特征方程确定线损率的关键影响因子；

5)根据关键影响因子的变化，通过线损率回归方程和敏感度分析方程的计 算，量化分析对线损率的影响，得出关键影响因子的影响结果。

优选的，所述步骤1)中的自变量选取为分压售电量和分压供电量。

优选的，从所述步骤2)中的历史数据中选取指标，每个指标形成j个样 本值，x_ij＝(x_i1,x_i2,...,x_ij)T，够成样本矩阵；对样本矩阵进行标准化转换， 得到标准化矩阵Z，计算公式为：

$Z_{ij}=\frac{x_{ij}-{\bar{x}}_j}{s_j},i=1,2,\mathrm{...},n;j=1,2,\mathrm{...},p---\left(1\right)$

其中，p代表指标数，n代表每个指标的样本数，

${\bar{x}}_j=\frac{{\Sigma }_{i=1}^n{x}_{ij}}{n},s_j^2=\frac{{\Sigma }_{i=1}^n{\left(x_{ij}-{\bar{x}}_j\right)}^2}{n-1}---\left(2\right)$

其中，为第j个指标的样本均值，为第j个指标的样本方差。

优选的，所述步骤3)中的线损率关联矩阵为：

$R={\left[r_{ij}\right]}_{p}xp=\frac{Z^{T}Z}{n-1}---\left(3\right)$

其中，$r_{ij}=\frac{{\mathrm{\Sigma z}}_{ki}·z_{kj}}{n-1},i,j=1,2,\mathrm{...},p$

r_ij表示相关系数矩阵中第i行第j列的相关系数，代表第i项指标与其他 指标之间的相关程度。

优选的，所述步骤4)中的特征方程为：

|R-λI_p|＝0

其中，λ是主成分U的方差；解样本相关矩阵R的特征方程，共得到p个 特征根,按照公式(4)确定λ值最大的前m个主成分，使得这m个主成分所起 的作用在所有指标中不低于85％；

$\frac{{\Sigma }_{j=1}^m{\lambda }_j}{{\Sigma }_{j=1}^p{\lambda }_j}\ge 0.85---\left(4\right)$

对于每个特征根λ_j,j＝1,2,...,m,解方程组Rb＝λjb得到标准正交化特征 向量将标准化后的指标变量转换为主成分可得到公式：

$U_{ij}=z_i^T{b}_j^o,j=1,2,\mathrm{...},m---\left(5\right).$

优选的，所述步骤5)中的线损率回归方程为：

Y＝α₀+β₁U₁+β₂U₂......+β_mU_m

其中，该方程中每个主成分的系数β表示主成分U与线损率的相关系数；

将主成分U₁，U₂，...U_m分别表达为关键指标的线性方程，代入线损率 回归方程，得出关键影响因子与线损率的相关方程：Y＝f(x)。

采用上述技术方案所产生的有益效果在于：本发明通过建立线损率关联矩 阵，配合线损率回归方程和敏感度分析方程，确定线损率的影响因子，并最终 确定对线损率的量化影响，得出关键影响因子的影响结果，从而可对电网参数 进行相适应的修正，降低线损率，提高了经济效益；本发明还可以判定各个影 响因素对线损率的电量影响，从而为降低线损提供坚实可靠地依据。

附图说明

图1是本发明的流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清 楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是 全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造 性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示，本发明是一种分压售电量和分压供电量对线损率影响的分析 方法，包括以下步骤：

1)以线损率为因变量，并对影响线损率的因素进行分类，在影响线损率的 因素中，选取自变量，选取为分压售电量和分压供电量作为自变量；

2)对选取的自变量的历史数据进行选择和处理，从历史数据中选取指标， 每个指标形成j个样本值，x_ij＝(x_i1,x_i2,...,x_ij)T，够成样本矩阵；对样本矩 阵进行标准化转换，得到标准化矩阵Z，计算公式为：

$Z_{ij}=\frac{x_{ij}-{\bar{x}}_j}{s_j},i=1,2,\mathrm{...},n;j=1,2,\mathrm{...},p---\left(1\right)$

其中，p代表指标数，n代表每个指标的样本数，

${\bar{x}}_j=\frac{{\Sigma }_{i=1}^n{x}_{ij}}{n},s_j^2=\frac{{\Sigma }_{i=1}^n{\left(x_{ij}-{\bar{x}}_j\right)}^2}{n-1}---\left(2\right)$

其中，为第j个指标的样本均值，为第j个指标的样本方差；

3)建立线损率关联矩阵，线损率关联矩阵为：

$R={\left[r_{ij}\right]}_{p}xp=\frac{Z^{T}Z}{n-1}---\left(3\right)$

其中，$r_{ij}=\frac{{\mathrm{\Sigma z}}_{ki}·z_{kj}}{n-1},i,j=1,2,\mathrm{...},p$

r_ij表示相关系数矩阵中第i行第j列的相关系数，代表第i项指标与其他 指标之间的相关程度；

4)通过关联矩阵的特征方程确定线损率的关键影响因子，特征方程为：

|R-λI_p|＝0

其中，λ是主成分U的方差；解样本相关矩阵R的特征方程，共得到p个 特征根,按照公式(4)确定λ值最大的前m个主成分，使得这m个主成分所起 的作用在所有指标中不低于85％；

$\frac{{\Sigma }_{j=1}^m{\lambda }_j}{{\Sigma }_{j=1}^p{\lambda }_j}\ge 0.85---\left(4\right)$

对于每个特征根λ_j,j＝1,2,...,m,解方程组Rb＝λjb得到标准正交化特征 向量将标准化后的指标变量转换为主成分可得到公式：

$U_{ij}=z_i^T{b}_j^o,j=1,2,\mathrm{...},m---\left(5\right);$

5)根据关键影响因子的变化，通过线损率回归方程和敏感度分析方程的计 算，量化分析对线损率的影响，得出关键影响因子的影响结果，其中线损率回 归方程为：

Y＝α₀+β₁U₁+β₂U₂......+β_mU_m

其中，该方程中每个主成分的系数β表示主成分U与线损率的相关系数；

将主成分U₁，U₂，...U_m分别表达为关键指标的线性方程，代入线损率 回归方程，得出关键影响因子与线损率的相关方程：Y＝f(x)。

实施例1：

选取预测单位为研究对象，针对以选择的指标收集过去5年分月数据，每 个指标形成60个样本值x_i60＝(x_i1,x_i2,...,x_i60)T，构造60×p的样本矩阵，对 样本阵元进行标准化转换，得到标准化矩阵Z，计算方法为公式：

$Z_{ij}=\frac{x_{ij}-{\bar{x}}_j}{s_j},i=1,2,\mathrm{...},n;j=1,2,\mathrm{...},p---\left(1\right)$

其中，p代表指标数，取值为27，n代表每个指标的样本数，取值为60，为第j个指标的样本均值，为第j个指标的样本方差，计算方法为公式：

${\bar{x}}_j=\frac{{\Sigma }_{i=1}^n{x}_{ij}}{n},s_j^2=\frac{{\Sigma }_{i=1}^n{\left(x_{ij}-{\bar{x}}_j\right)}^2}{n-1}---\left(2\right)$

建立线损率关联矩阵，公式(3)

$R={\left[r_{ij}\right]}_{p}xp=\frac{Z^{T}Z}{n-1}---\left(3\right)$

其中,$r_{ij}=\frac{{\mathrm{\Sigma z}}_{ki}·z_{kj}}{n-1},i,j=1,2,\mathrm{...},p$

r_ij表示相关系数矩阵中，第i行第j列的相关系数，代表第i项指标与其 他指标之间的相关程度。

R的特征方程为|R-λI_p|＝0，其特征根λ是主成分U的方差，它的大小 反映了各个主成分在描述线损率上所起的作用大小；解样本相关矩阵R的特征 方程，共得到p个特征根,按照公式(4)确定λ值最大的前m个主成分，使得 这m个主成分所起的作用在所有指标中不低于85％；

$\frac{{\Sigma }_{j=1}^m{\lambda }_j}{{\Sigma }_{j=1}^p{\lambda }_j}\ge 0.85---\left(4\right)$

对于每个特征根λ_j,j＝1,2,...,m,解方程组Rb＝λjb得到标准正交化特征 向量将标准化后的指标变量转换为主成分可得到公式(5)：

$U_{ij}=z_i^T{b}_j^o,j=1,2,\mathrm{...},m---\left(5\right).$

建立线损率回归方程：

以主成分U₁，U₂，...U_m为自变量，以线损率为因变量，运用过去五年 的历史数据进行线性回归，得到以下回归方程：

Y＝α₀+β₁U₁+β₂U₂......+β_mU_m

其中，该方程中每个主成分的系数β表示主成分U与线损率的相关系数， 即当主成分变化1％时，线损率变化β％；

建立敏感度分析方程：

将主成分U₁，U₂，...U_m分别表达为关键指标的线性方程，代入以上的 线损率回归方程，对各个自变量去标准化，得出关键影响因子与线损率的相关 方程：Y＝f(x)；

关键影响因子量化分析：

根据关键影响因子变化，通过线损率的敏感性分析方程，量化分析对线损 率的影响。

本发明通过建立线损率关联矩阵，配合线损率回归方程和敏感度分析方程， 确定线损率的影响因子，并最终确定对线损率的量化影响。本发明还可以判定 各个影响因素对线损率的电量影响，从而为降低线损提供坚实可靠地依据。

本发明的因变量确定为线损率，自变量确定的为分压售电量、分压供电量， 其余自变量现归纳大类举例如下：

1)电网结构及运行方式的变化

电网结构及运行方式对线损率的影响属于可控制的因素，相对来说它比较 稳定，包括因检修、施工、故障处理负荷转移引起的运行方式变化。

2)电网运行管理与营销计量中的电量失真

真实的电量是保证电网企业电费足额回收的重要依据，而且它还是正确进 行线损分析的基础。因此，电量失真对线损率波动的影响以及对电量失真的分 析控制是线损管理的重点。

影响电量真实性的因素一般有以下几个:电能计量装置计量失真、抄表核算 与数据传递失真、临时用电管理不规范、窃电、人情电、人为调整和计量装置 不完善。

3)电能表抄录不同期

具有购、售关系的上下级电能表抄录不同期是引起线损率波动的多发性原 因。主要表现为:上一级供电关口表抄录所用时间短，下一级电能表抄录时间长 且起、止时间安排不科学；下一级供电企业为交付上级电费原因，超前于上级 供电企业确定抄表例日；造成购、售双方抄表例日变动的其他因素(如抄表例日 在法定长假等)；无科学的抄表制度、标准，抄表人员素质差；其他不确定因素。

4)负荷与负荷结构的变化

在一定的时期内，网络结构和运行方式是相对稳定的，这时只有用电负荷 的变化对线损率有影响。因此，找到用电负荷与线损率的对应关系，对于线损 管理工作具有特别重要的意义。另外，负荷率变化、无功潮流变化、三相负荷 不平衡度均对低压线损有影响。

5)购售电市场及自然气候的变化

购售电市场的变化主要表现为:购电(地方水、火、网内、网外)的比例变化； 销售分类电量结构变化；大客户生产经营变化；各级无损户变化。而季节、气 候的变化可引起客户用电变化及电量结构的变化。