摘要：现如今，各行各业都快速发展，对电力是个前所未有的挑战，作为能够综合反映和体现电力系统规划设计"生产运行和经营管理水平的线损率越来越引起电网经营企业的重视#本文提出了基于实时系统数据的综合线损计算分析方法!旨在通过理论线损与统计线损的对比分析鉴定网络的结构和运行的合理性!并通过综合计算分析得到更接近电网实际线损率的综合线损率。
关键词：大数据；综合线损；全因素；分析；应用
引言
线损产生于输电、变电、配电、售电各个环节，贯穿整个电网价值链。随着输配电价改革的全面推进，电网企业将承担线损率指标波动带来的风险。因此，电网企业“重技术，轻管理”的管理模式将向更加注重管理效益转变，采用各种管理和技术手段，挖掘和查找电网运营中影响线损率的关键因素，对线损异常进行精准分析，提出有针对性的降损措施，有助于全方位、多维度的拓展降损增效工作深度，促进电网建设与改造的科学性与合理性。受传统抄表和电费回收管理模式影响，大多数供电企业供售电量的抄表例日不同期，线损率指标月度波动幅度大，掩盖了指标背后的管理因素。而传统的线损分析仍属于粗放式模式，分析工作量大，技术手段不足，线损分析计算的精度缺乏全面而充足的数据，对于线损异常波动难以深入量化分析，不符合精益化的管理的要求，因此实现线损准确分析和异常精准定位成为亟待解决的重要问题。随着企业级信息系统和公司级数据中心的上线运行，电网业务数据已初具规模，并初步实现共享和交换。深入发掘业务系统数据，利用数据开展线损分析，将有助于提高线损分析的规范化、智能化、精益化和自动化，有力支撑公司精益管理的转变。
1线损全因素分析关键技术
1.1数据架构
公司级数据中心通过多种规约接入了电网各业务信息系统，准实时抽取各类基础信息，形成数据集市。在数据中心接入的各类信息系统中，包含了计量自动化系统、营销MIS系统、安全生产系统、综合统计平台、电子化结算系统、理论线损系统等业务系统线损基础数据，为线损全因素分析创造了大数据分析条件。线损分析数据采用数据集成平台线损域数据。通过数据集成平台抽取计量、生产、营销、GIS的运行数据、台帐从属关系、台帐信息、网络拓扑关系、月电量数据、无功运行数据、电网运行数据，供应给线损分析模块应用。
1.2应用架构
基于数据中心大数据的筛选和挖掘，提取出有价值的信息，对影响线损的各种因素进行了详细的研究分析，主要实现了线损综合分析和线损辅助分析两大模块应用，实现综合线损分析、理论线损比对、同期线损比对分析、指标计划偏差分析、指标同比波动分析功能和配电网无功分析、变压器经济运行分析、变电站经济运行分析、线路经济运行分析等辅助分析功能。
2基于大数据的线损全因素分析
2.1抄表例日影响分析
受低压集抄建设进度和智能电表制约，按目前的抄表模式。未能实现所有用户的零点冻结抄表，线损率波动不可避免。基于电网公司级数据中心，获取营销系统全区各单位抄表区段每月计费电量数据，根据其抄表周期、抄表例日，比对基准售电周期，实现不同供电单位每月的“等效抄表时间”计算，并分析对月度及年累计线损的影响。
2.2单双月抄表影响分析
用户单月抄表、双月抄表及每月抄表模式也会造成线损率波动。基于电网公司级数据中心，获取营销系统中，全区所有抄表区段每个月的计费电量数据，按单月抄表、双月抄表及每月抄表周期，实现各供电单位逐月及年累计“单双月不平衡电量”计算，分析出不同抄表模式对线损的影响。
期刊文章分类查询,尽在期刊图书馆
2.3大小月影响分析
由于大小月的存在，使每月的供、售电量统计周期不一致，造成线损的波动，对于售电量比供电量少一天的小月，线损率可能虚增；对于售电量比供电量多一天的大月，线损率可能虚降。基于电网公司级数据中心，获取综合统计平台中全省各供电单位的月度供售电量，对上年末等效抄表时间、上月月度等效抄表时间以及本月等效抄表时间的分析结果，分析出大小月造成的供售电不同期对线损率的影响。
2.4月末不同期影响分析
由于供售电量抄表例日不一致，造成供、售电量统计区间客观上存在不重叠的情况。当月末不同期的时间段受气候突冷、突热影响，电网负荷发生突变，使电网供电量发生月末翘尾或下降现象，造成线损波动。基于电网公司级数据中心，获取计量自动化系统中全省各网区逐日日电量，并依据等效抄表时间分析结果，统计出月末不同期供电量，并分析对当月及年度累计线损率的影响。
2.5售电结构变化分析
由于地域条件、产业结构、经济基础构架的区别，不同售电结构的供电企业线损率水平有较大差异。从分压售电结构上看，高电压等级售电占比电压越高，线损越小，反之线损会越大。从分类售电结构上看，低损大工业售电占比电压越高，线损越小。售电结构变化，也会造成线损率的波动。基于电网公司级数据中心，获取营销系统中，各类售电结构数据，实现售电结构的变化分析，并分析对当月及年度累计线损率的影响。
2.6计量退补影响分析
电能计量的准确与否直接影响到供电企业的售电量，由于计量装置故障，造成电量计量误差，使得当月计算出来的线损率不能准确反映真实的线损水平。基于电网公司级数据中心，获取营销系统中，每月各供电单位“电能计量装置故障退补信息”，实现各供电单位的计量退补电量计算，实现电能计量装置故障退补对降低线损的影响分析。
2.7无损电量影响分析
无损电量占比越高，线损越小。无损电量变化，也会造成线损率的波动。基于电网公司级数据中心，抽取营销系统中专线专变用户档案信息，实现不同统计口径分电压等级月度及年度无损电量统计和有损线损率计算，最终分析出无损电量变化对综合线损率指标的影响。
结语
综合线损率波动，受抄表例日、抄表周期、供售电不同期、售电结构变化、电能计量装置故障退补、无损电量、用电检查情况等多种因素的影响，本文开创性的提出了大数据分析方法，电网公司数据中心的大数据挖掘，研究和探讨了这些因素对综合线损率的影响，进行了量化评估，提高了线损分析的准确性，为线损指标下达及降损措施制定提供了科学的决策依据。大数据是近年来新兴的信息化技术，但在国内的电力行业线损分析研究方面的应用还未有先例。电网公司利用公司级数据中心的海量数据，在线损分析研究中尝试了大数据的应用。未来随着数据中心数据量的增长，将对的线损分析研究产生深远的影响。完善配网线损精细化分析。将综合线损分析因素扩展到10kV配电线路和高损台区，应用大数据分析准确定位高损线路、台区线损异常原因。扩展可视化分析功能。完善基于电网GIS和地理信息图的可视化展示，丰富数据分析和图形展示功能，直观的展示线损分布情况，为线损管理提供更智能化的分析工具。完善降损决策分析功能。应用经济运行分析、无功分析、功率因数等全因素分析结果支撑降损决策分析，使降损决策更有针对性。
参考文献：
[1]赵春英.论电力线损管理及线损率波动的解决办法[J].内蒙古民族大学学报，2016，17（04）：72-73
[2]苏志雄，曾民星，孔灿，林毓等.基于线损影响因素的配电网线损计算方法[J].深圳电力，2016，2（09）：6-10.
[3]张宏博.抄表例日安排对线损率波动的影响及控制[J].电力营销，2017（09）：12-13.
论文作者:田军
论文发表刊物:《电力设备》2018年第16期
论文发表时间:2018/10/1
标签：线损论文; 电网论文; 抄表论文; 数据论文; 电量论文; 级数论文; 因素论文; 《电力设备》2018年第16期论文;