УДК 621.311
Выявление коммерческих потерь в сетях 6-10 кВ
В., С.
Россия, Новомосковск, Новомосковский институт РХТУ им. Д. И. Менделеева
На примере участка сети НЭС рассмотрена методика определения потерь электроэнергии в условиях неполноты исходных данных. В качестве математического аппарата выбран метод распознавания образов.
Ключевые слова: потери, кластерный анализ, метод распознавания образов, манхеттенновская метрика.
Определение потерь электроэнергии (ЭЭ) является актуальной задачей на разных уровнях электрических систем (ЭС), причем подходы к решению сильно зависят от уровня напряжения. Здесь рассмотрим самые протяженные сети 6-10 кВ.
Как известно все потери ЭЭ можно разделить на два вида:
- технические потери (продольные и поперечные), вызванные "омическими потерями", сопровождающими протекание электрического тока по элементам с активным сопротивлением и токами утечки в проводимостях;
- коммерческие потери, обусловленные несовершенством и недостатками систем учета и расчетов за ЭЭ.
С точки зрения определения технических потерь при развитии современных вычислительных средств и разработанности процедур расчетов режимов не представляет трудностей определение потерь мощности в электрических сетях произвольной конфигурации любой реальной размерности. Наиболее точно рассчитать технические (точнее нагрузочную, продольную составляющую) потери ЭЭ в элементе можно по его графику нагрузки (по графику мощности, протекающей по элементу). То есть для перехода от потерь мощности к определению потерь энергии, которые собственно представляют коммерческий интерес, требуется еще информация о графике нагрузки за соответствующий период. Такой подход реализован в методе "оперативных расчетов", который, по сути, восстанавливает график нагрузки линейного элемента на основе расчетов потоков мощности в ЭС, и для своей реализации требует, как минимум, почасовые значения мощности потребляемой нагрузками.
Получение полной информации о графиках нагрузки всех линейных элементов даже небольших электрических систем, представляет определенные трудности, так как требует оснащения измерительно-регистрирующими комплексами весьма большого количества точек учета, что в настоящий момент не реализовано в большинстве электросетевых предприятий.
Фактически современная ситуация обстоит так: средства учета дают достаточно полную информацию о графиках нагрузки только на границе раздела "питающая энергосистема - электросетевое предприятие". То есть на участках сети, отходящих от центров питания. В частности /1/, для Новомосковских ЭС филиала "Тулэнерго" это 8 питающих линий 110 кВ. Информация же о нагрузках трансформаторных подстанций (ТП) потребителей представлена, как правило, единичными токовыми замерами в дни близкими к срокам регистрации зимнего максимума и летнего минимума. Поэтому определить токи в линейных элементах можно только приближенно, а с еще большей погрешностью можно указать изменение этих токов во времени, то есть график нагрузки, или его показатели. Так как определение достоверных значений технических потерь затруднено, то и выделение коммерческих из общих потерь - является отдельной задачей.
В рамках представленной работы рассматривается статистический подход, основанный на применении теории распознавания образов и кластерного анализа /2/. Данный подход полностью использует существующую информацию в форме отчетности полученной ЭЭ от энергосистемы. Так как в такой постановке задачи период регистрации связан с коммерческими расчетами, то будем далее говорить о месячных расходах ЭЭ. Опишем основные этапы разрабатываемого метода, аналогичного подходу описанного в /3/.
1. В качестве координат кластерного пространства рассмотрим количество ЭЭ, получаемой по каждой из 8 ЛЭП от энергоснабжающей организации. Таким образом, будем иметь восьмимерное пространство, где каждая точка (объект) будет соответствовать конкретному набору величин ЭЭ полученной по каждой из ЛЭП от энергоснабжающей организации - конкретному состоянию системы потребления электросетевой организации. Заметим, что при этом используем данные предыстории за длительный период, так как в НЭС филиала "Тулэнерго" не было крупных реконструкций, связанных с изменением топологии сети и подключением крупных новых потребителей. В итоге точки неравномерно заполняют указанное пространство, образуя некоторые скопления - кластеры.
2. Каждому состоянию системы потребления поставим в соответствие общие потери ЭЭ, зафиксированные за соответствующий период. Основное допущение, лежащее в основе предлагаемого метода, состоит в том, что технические потери для каждого выделенного состояния имеют меньший разброс, чем коммерческие. Поясним данное допущение. Технические потери в общем случае определяются величиной передаваемой ЭЭ и топологией сети, то есть эквивалентным активным сопротивлением между источником питания и нагрузкой. Очевидно, что именно эти параметры фиксируются состоянием системы потребления - положением точки в пространстве признаков. Коммерческие потери, в большинстве случаев, не показывают стабильного отбора ЭЭ и поэтому имеют существенный разброс даже для одинаковых состояний системы потребления. Заметим, что при несанкционированных, неучтенных отборах ЭЭ вырастают и технические потери, но они только увеличивают разброс общей невязки, отпущенной в сеть и оплаченной ЭЭ, что усиливает выделение таких точек из кластера.
3. Анализируем разброс величин общих потерь внутри кластеров: выделяем состояния с превышением абсолютных значений потерь от минимального более, чем на 10%. Технические потери принимаем на уровне значений общих потерь, попавших внутрь этого диапазона 10%. Полагаем, что состояния, не попавшие в указанный диапазон, содержат в себе соответствующую величину коммерческих потерь, которая определяется как разница между общими потерями в этом состоянии и техническими потерями, характерными для рассматриваемого кластера.
Подходы к выделению кластеров использовались те же, что и в /1/. Но в отличии от /1/ для того, чтобы сузить круг состояний "подозрительных" на коммерческие потери, на данном этапе внутри каждого кластера отыскивалась многомерная регрессионная зависимость потерь энергии от ЭЭ, получаемой по каждой из 8 ЛЭП. Эта операция производилась для кластеров с числом точек (состояний) от 20 и выше. В результате часть точек, для которых хотя диапазон разброса потерь превысил 10%, их значение потерь хорошо согласуются с регрессионной моделью. Поэтому количество точек-состояний, которые требуют особого профессионального анализа на предмет присутствия коммерческих потерь, уменьшился, но и достоверность наличия именно технически не обоснованных потерь - увеличилась.
Аналогичный подход на более низком уровне ЭС, например, для показаний приборов учета на ТП потребителей, позволит конкретизировать присоединения со значительными коммерческими потерями.
Список литературы
1. В., С. Определение потерь с использованием метода распознавания образов на примере НЭС - Известия Тульского государственного университета. Технические науки Выпуск № 8 / 2014 с. 40-44 /1/.
2. Статистические методы для ЭВМ / Под ред. К. Энслейна, Э. Рэлстона, Г. С.Уилфа - М.: Наука, 1986. 464 с.
3. В., В. Классификация предприятий черной металлургии. - Промышленная энергетика, N1, 1997 г. с 25-26.
Жилин Борис Владимирович, д-р техн. наук, и. о. профуссор, зав. кафедрой, *****@***ru, Россия, Новомосковск, Новомосковский институт РХТУ им. Д. И. Менделеева
Казаков Роман Сергеевич, аспирант, ассистент, *****@***ru, Россия, Новомосковск, Новомосковский институт (филиал) РХТУ им. Д. И. Менделеева
___________________________________________________________________________
DEFINITION losses using pattern recognition methods, for example NES.
Zhilin B. V., Kazakov R. S.
Russia, Novomoskovsk, The Novomoskovsk Institute (subdivision) of the Mendeleev
Russian Chemical-Technological University
Proposed and considered method of determining the energy losses in conditions of incomplete baseline data. The mathematical formalism is selected pattern recognition technique.
Keywords: loss, cluster analysis, pattern recognition technique, manhettennovskaya metric.
Zhilin Boris Vladimirovich, doctor of technical science, professor, manager of department, *****@***ru, Russia, Novomoskovsk, The Novomoskovsk Institute (subdivision) of the Mendeleev Russian Chemical-Technological University
Kazakov Roman Sergeyevich, graduate student, assistant, *****@***ru, Russia, Novomoskovsk, The Novomoskovsk Institute (subdivision) of the Mendeleev Russian Chemical-Technological University
Основные порталы (построено редакторами)