[发明专利]基于模型驱动和数据驱动结合的用户用电可靠性分析方法

说明书

本发明提供一种基于模型驱动和数据驱动结合的用户用电可靠性分析方法，方法中利用输入模型驱动的电网侧可靠性评估所需数据和数据驱动的用户侧可靠性修正所需数据，分别计算各负荷点每月各类日的标准负荷曲线和每个电能质量事件日的负荷曲线，进一步对比形成对比结果曲线，根据对比结果曲线计算出缺供电量及停电时间，修正系统级可靠性指标，得到用户侧用电可靠性。本发明综合运用了可靠性计算模型和数据挖掘方法，提出一种新颖的配电网用户用电可靠性分析方法，与传统的电网侧可靠性计算方法相比，其更适用于计算配电网用户真实体验的用电可靠性。

技术领域

本发明涉及配电网可靠性分析领域，更具体地，涉及一种模型驱动和数据驱动结合的用户用电可靠性分析方法。

背景技术

随着信息技术和电力电子技术的不断发展和广泛应用，对电能质量敏感的数字化设备已渗透到人们的日常生活、办公、商业和工农业生产中，大大提高了用户和用电设备对供电质量的要求。另外，工业化城市化建设水平的不断提高，特别是城市现代化工商业发展中敏感负荷的大量使用，也对供电可靠性的要求越来越高，即使瞬时的电压波动都会导致设备跳闸停机，造成巨大的经济损失甚至人身伤亡事故。因此，对配电网供电可靠性和电能质量的研究与管理需求日益增强。

随着国内电网企业开展大量且有效的供电可靠性管理工作，电网供电可靠性水平已大幅提升，但用户侧真实的用电可靠性还有待进一步的提高。在实际的工作中，仍存在电网侧供电可靠性工作已十分有效，但用户体验到的用电可靠性却并不理想的情况。比如基于馈线首端或配变台区考核的供电可靠性指标都已合格，但在用户侧由于无功不足、电压偏低等问题造成用户侧的供电质量的下降；供电侧正常供电时，由于电网发生电压暂降导致用户侧发生低压脱扣而停电；供电首端电压质量良好，但中端和末端电压质量很差等问题。这些用户侧的供电质量问题无疑影响了用户的生产、生活的正常开展。然而，传统上的供电可靠性理论、指标不纳入由于电网侧电能质量的问题导致用户停电的情况，导致当前的供电可靠性分析评估方法并不能真实衡量用户侧的用电可靠性。

另一方面，随着近年来越来越多的智能电表与智能终端的安装部署，供电企业可以获得越来越多的用户相关的用电数据和信息，而海量的用户侧电能量数据如何梳理应用就成为了供电企业面临的新问题。其中，利用用户电能量数据来指导开展用户侧的供电可靠性工作就是一个可行且有效的应用途径。

电网侧供电可靠性不良时，用户的用电可靠性一定不佳，所以计算用户用电可靠性时，离不开传统的电网侧可靠性评估；当有电能质量问题事件发生，导致电网侧供电可靠性良好而用户用电可靠性不佳时，往往需要通过对大量的负荷数据进行挖掘，才能分析得出用户用电可靠性在本次电能质量问题事件中所受的影响，所以计算用户用电可靠性也离不开数据挖掘。因此，本发明综合运用了可靠性计算模型和数据挖掘方法，提出一种新颖的配电网用电可靠性分析方法。

发明内容

本发明提供一种基于模型驱动和数据驱动结合的用户用电可靠性分析方法，综合运用了可靠性计算模型和数据挖掘方法，提供了能反映配电网用户真实用电体验的可靠性计算方法。

为解决上述技术问题，本发明的技术方案如下：

一种基于模型驱动和数据驱动结合的用户用电可靠性分析方法，包括以下步骤：

S1：输入模型驱动的电网侧可靠性评估所需数据，所需数据包括元件连接关系；

S2：根据S1输入的数据，利用故障模式后果分析法评估电网侧可靠性；

S3：输入数据驱动的用户侧可靠性修正所需数据；

S4：对S3输入的数据进行清洗和分类；

S5：对经S4处理后的数据进行拟合，形成各负荷点每月各类日的标准负荷曲线；

S6：对经S4处理后的数据进行拟合，形成各负荷点每个电能质量事件日的负荷曲线；