[1]夏懿,丁坤,马慧莲,等.配电网线损异常数据的辨识与修正方法[J].机械与电子,2023,41(02):13-17.
　XIA Yi,DING Kun,MA Huilian,et al.Identification and Correction Method for Abnormal Data of Distribution Network Line Loss[J].Machinery & Electronics,2023,41(02):13-17.
点击复制

配电网线损异常数据的辨识与修正方法()

分享到：

《机械与电子》[ISSN:1001-2257/CN:52-1052/TH]

Title:: Identification and Correction Method for Abnormal Data of Distribution Network Line Loss

作者:: 夏懿 ¹ ; 丁坤¹; 马慧莲 ¹ ; 王鹏 ¹; 张铄 ²; 1. 国网甘肃省电力公司临夏供电公司,甘肃临夏 731100 ;
2. 兰州理工大学电气工程与信息工程学院,甘肃兰州 730050

Author(s):: XIA Yi¹ ; DING Kun¹ ; MA Huilian¹ ; WANG Peng¹ ; ZHANG Shuo²; ( 1.Linxia Power Supply Company , State Grid Gansu Electric Power Company , Linxia 731100 , China ; 2.College of Electrical and Information Engineering , Lanzhou University of Technology , Lanzhou 730050 , China )

Keywords:: line loss data ; multistage identification ; abnormal data ; improved LSTM algorithm

摘要:: 提出一种针对配电网线损异常数据问题的多级辨识与修正方法。首先,运用基于 DBSCAN 新息序列算法做初级辨识,识别出异常数据和可疑数据,进而根据线损数据的时间惯性对可疑数据进行二次辨识以减少误判率;然后,采用改进的 LSTM 算法对异常数据进行修正;最后,在 IEEE 69 节点配电系统中应用甘肃临夏某配电台区的实际线损数据验证了所提方法的有效性。

Abstract:: This paper presents a multi-level identification and correction method to address the problem of abnormal line loss data in distribution networks.Firstly , the primary identification based on density-based spatial clustering of applications with noise( DBSCAN ) clustering algorithm and innovation sequence algorithm is used to identify abnormal data and suspicious data.Then , according to the time inertia of the line loss data , the suspicious data is identified again to reduce the misjudgment rate.In addition , the improved long short term memory ( LSTM ) algorithm is used to correct the abnormal data.Finally , the effectiveness of the proposed method is verified by the actual line loss data of a distribution station in Linxia , Gansu Province in the IEEE-69 node distribution system.

[ 1 ] 赵洪山,寿佩瑶,马利波 . 低压台区缺失数据的张量补全方法 [ J ] . 中国电机工程学报,2020 , 40 ( 22 ):7328-7337.

[ 2 ] 马喜平,贾嵘,梁琛,等 . 高比例新能源接入下电力系统降损研究综述 [ J ] . 电网技术, 2022 , 46 ( 11 ):4305-4315.

[ 3 ] 金晟,苏盛,薛阳,等 . 数据驱动窃电检测方法综述与低误报率研究展望[ J ] . 电力系统自动化,2022 , 46 ( 1 ):3-14.

[ 4 ] 王方雨,刘文颖,陈鑫鑫,等 . 基于“秩和”近似相等特性的同期线损异常数据辨识方法[ J ] . 电工技术学报,2020 , 35 ( 22 ): 4771-4783.

[ 5 ] 张义涛,王泽忠,刘丽平,等 . 基于灰色关联分析和改进神经网络的 10 kV 配电网线损预测[ J ] . 电网技术,2019 , 43 ( 4 ): 1404-1410.

[ 6 ] 刘莉,翟登辉,姜新丽 . 电力系统不良数据检测与辨识方法的现状与发展[ J ] . 电力系统保护与控制, 2010 , 38( 5 ): 143-147 , 152.

[ 7 ] 曾江,李石东 . 分时域10 kV配电网极限线损计算分析[ J ] . 电测与仪表, 2019 , 56 ( 14 ): 1-4 , 22.

[ 8 ] 张开宇,冯煜尧,余颖辉,等 . 中压配电网合环电流计算方法研究 [ J ] . 电力系统保护与控制,2020 , 48 ( 1 ):142-149.

[ 9 ] 洪翠,付宇泽,郭谋发,等 . 改进多分类支持向量机的配电网故障识别方法[ J ] . 电子测量与仪器学报, 2019 , 33( 1 ): 7-15.

[ 10 ] 张国芳,刘通宇,温丽丽,等 . 基于变分自编码器的日线损率异常检测研究[ J ] . 华东师范大学学报(自然科学版),2020 ( 5 ): 146-155.

[ 11 ] 林宝德,杨铮宇 . 基于多维特征的电网台区线损数据异常识别研究 [ J ] . 电力系统保护与控制,2022 , 50( 9 ): 172-178.

[ 12 ] 胡金磊,赖俊驹,黎阳羊,等 . 基于自适应 DBSCAN 算法的开关柜绝缘状态评价方法[ J ] . 电工技术学报,2021 , 36 (增刊 1 ): 344-352.

[ 13 ] 辛永,黄文思,陆鑫,等 . 基于深度学习 LSTM 的线损预测技术研究与应用[ J ] . 电气自动化, 2019 , 41 ( 4 ):104-106.

备注/Memo:: 收稿日期: 2022-07-28
基金项目:国网甘肃省电力公司科技项目( SGGSLX00FCJS2200358 )
作者简介:夏懿 ( 1974- ),男,山东聊城人,学士,高级工程师,研究方向为电网信息化研究和管理。

更新日期/Last Update: 2023-03-06