中低压配电网三相线损异常智能识别方法

潘炜; 张涛; 张卓

沈阳工业大学学报 ›› 2025, Vol. 47 ›› Issue (6) : 721 -728.

中低压配电网三相线损异常智能识别方法

潘炜, 张涛, 张卓

作者信息 +

Author information +

文章历史 +

摘要

【目的】在电力系统的运行与管理中，中低压配电网作为连接电源与用户的关键环节，其运行效率和稳定性直接关系到整个电力系统的安全性与可靠性。三相线损作为衡量配电网运行效率的重要指标，不仅反映了电能传输过程中的能量损耗，还直接关系到电网的电压质量、电力消耗以及设备的安全运行。然而，配电网的三相线损数据具有复杂的分布特性，呈现多峰、非对称等特征，在动态变化过程中，难以准确捕捉数据的内在模式和结构，从而降低了异常识别的准确性。为此，本文提出一种中低压配电网三相线损异常智能识别方法。【方法】配电网三相线损数据在采集过程中易受电磁干扰、设备误差等多重因素的影响，导致数据中夹杂着大量噪声和异常值。这些噪声不仅降低了数据的信噪比，还会掩盖数据的真实特征，进而影响后续分析的准确性。由此，采用径向基函数(RBF)神经网络对采集到的三相线损数据进行特征提取，通过对输入数据的非线性映射，有效抑制噪声的干扰，提高数据的信噪比。对预处理后的数据进行归一化处理，可进一步提高数据采集的完整性和准确性。基于回路电流的方法，将配电网中的电路分解成多个独立的回路，并在每个回路中计算电压和电流的实部值和虚部值。通过对这些值在时间和相位上的变化特性进行详细分析，可以深入理解电路的运行状态，并准确识别出潜在的异常模式。根据三相分支电路上的电压和电流的实部值和虚部值结果，构建高斯混合分布模型。该模型利用多个高斯分布描述三相线损数据的复杂分布特性，更准确地捕捉数据的内在模式和结构。再利用极大期望值方法拟合归一化后的线损率，构造一个由多个高斯混合分布模型构成的混合型高斯模型，计算维本征矢量的似然概率函数，并根据预设的概率阈值判断数据是否异常。若似然概率低于阈值，判定为异常;否则，判定为正常。【结果】由实验结果可以看出，本文方法可以准确辨识三相线路损耗节点，降低误判、漏判的危险。【结论】本文方法可以及时发现和处理配电网中的故障，对提高电力系统的运行效率和可靠性具有重要意义。