牛雨 李歡歡 張建賓 王寧 馮子烜

摘 要：【目的】為了在“雙碳”背景下能更好地管控配電網(wǎng)線損，本研究對線損管控工作中涉及的內(nèi)容及研究進展情況進行分析?！痉椒ā渴紫确治龌跁r間序列和基于數(shù)據(jù)格式轉(zhuǎn)換的線損原始數(shù)據(jù)清理和融合方法，其次分析考慮影響因素的理論線損計算、接入分布式電源的理論線損計算和采用智能算法的理論線損計算，然后對異常線損處理的兩種方法進行分析，最后對節(jié)能降損策略和降損潛力評估方法進行分析?！窘Y(jié)果】雖然已有的線損管控的相關(guān)研究成果較多，但基于海量異構(gòu)數(shù)據(jù)并結(jié)合分布式電源進行線損分析的降損工作仍要繼續(xù)深入研究。【結(jié)論】研究線損管控對制定配電網(wǎng)的精準降損措施，提升配電網(wǎng)精益化節(jié)能降損具有重要意義。

關(guān)鍵詞：配電網(wǎng)；線損計算；數(shù)據(jù)融合；節(jié)能降損；降損潛力

中圖分類號：TM727? ? ? ? ? ? ? ? ? 文獻標志碼：A? ? ? ? ? ? ? ? ?文章編號：1003-5168（2023）06-0005-09

DOI：10.19968/j.cnki.hnkj.1003-5168.2023.06.001

Research on Management and Control of Distribution Network Line Loss under the Background of Double Carbon

NIU Yu1 LI Huanhuan1 ZHANG Jianbin2 WANG Ning3 FENG Zixuan3

（1.Henan Jiuyu EPRI Electric Power Technology Co.， Ltd.， Zhengzhou 450001， China; 2.State Grid Henan Electric Power Corporation Research Institute， Zhengzhou 450052， China; 3.School of Electrical Engineering，Yanshan University， Qinhuangdao 066004， China）

Abstract： [Purposes] In order to better control the line loss of distribution network under the background of carbon peaking and carbon neutrality， this study analyzes the content and research progress involved in line loss control. [Methods] Firstly， the original data cleaning and fusion methods of line loss based on time series and data format conversion are analyzed. Secondly， the theoretical line loss calculation that takes influencing factors into consideration， the theoretical line loss calculation of distributed power access and the theoretical line loss calculation using intelligent algorithm are analyzed. Then， the two methods of abnormal line loss processing are analyzed. Finally， the energy saving and loss reduction strategy and loss reduction potential evaluation method are analyzed. [Findings] Although there are many related research results of line loss control， the loss reduction work based on massive heterogeneous data and distributed power supply for line loss analysis still needs to be further studied. [Conclusions] Studying line loss control is of great significance for formulating accurate loss reduction measures for distribution network and improving lean energy saving and loss reduction of distribution network.

Keywords：distribution network;line loss calculation;data fusion;energy conservation and loss reduction;loss reduction potential

0 引言

2020年，國家主席習近平在第75屆聯(lián)合國大會上提出，中國二氧化碳排放力爭于2030年前達到峰值，努力爭取2060年前實現(xiàn)碳中和。電力行業(yè)是國民經(jīng)濟的支柱產(chǎn)業(yè)，也是碳排放的重點行業(yè)。電力行業(yè)實現(xiàn)碳達峰對我國完成碳達峰目標具有重要的推動作用，已成為電力行業(yè)生存發(fā)展的先決要求。在“雙碳”背景下，國家提出建設(shè)新型電力系統(tǒng)，而在新型電力系統(tǒng)中，新能源發(fā)電的占比較大，大量分布式電源接入到配電網(wǎng)中，而分布式電源出力的隨機性和波動性將導致網(wǎng)損激增，給電網(wǎng)的安全運行帶來新的問題。因此，要對線損計算、降損措施、降損評價等線損管控工作開展有針對性的研究。

線損管控是配電網(wǎng)運行管理中的一項重要工作。降低電能損失不僅能提高電能的利用效率，還能助力國家實現(xiàn)“碳達峰、碳中和”目標。因此，本研究對目前配電網(wǎng)的線損管控技術(shù)進行全面的梳理、歸納和總結(jié)，闡述配電網(wǎng)線損管控技術(shù)的現(xiàn)狀、當前通行的線損計算方法，并指出在“雙碳”背景下配電網(wǎng)線損管控的研究重點，旨在為我國新型電力系統(tǒng)配電網(wǎng)線損管控的研究提供有價值的參考。

1 配電網(wǎng)線損管控研究內(nèi)容

目前，對新型電力系統(tǒng)配電網(wǎng)線損管控的研究尚處于廣泛研究階段。為了能更好地實現(xiàn)對配電網(wǎng)線損的管控，需要獲得準確的原始數(shù)據(jù)、采取有效的線損計算方法、實施針對性的降損策略。線損管控研究內(nèi)容主要有原始數(shù)據(jù)處理、理論線損計算方法、異常線損分析、降損實施等，如圖1所示。

2 原始數(shù)據(jù)處理

隨著我國配電網(wǎng)向智能化方向發(fā)展，我國相繼建成了多種功能不同的信息化系統(tǒng)，這些信息化系統(tǒng)的功能繁雜。每個系統(tǒng)在運行時都會產(chǎn)生大量數(shù)據(jù)，這些數(shù)據(jù)的類型、種類、時間尺度均不同，數(shù)據(jù)冗余度高，可能還會存在虛假或錯誤數(shù)據(jù)。上述數(shù)據(jù)的特征也導致數(shù)據(jù)的共享融合程度不高。如何從這些不同系統(tǒng)中獲得相關(guān)性強、準確度高的數(shù)據(jù)，迫切需要對這些數(shù)據(jù)進行有效的處理，即數(shù)據(jù)清洗和數(shù)據(jù)融合。目前，對數(shù)據(jù)的處理有兩種不同的思路。一是基于海量異構(gòu)數(shù)據(jù)具有時間序列性強的特點，構(gòu)建基于時間序列的數(shù)據(jù)清理和融合方法；二是對異構(gòu)數(shù)據(jù)進行分析，然后將格式不同的數(shù)據(jù)轉(zhuǎn)換為統(tǒng)一的數(shù)據(jù)格式，從而實現(xiàn)對數(shù)據(jù)的清理和融合。

2.1 基于時間序列的數(shù)據(jù)清理和融合方法

處于實時運行狀態(tài)下的配電網(wǎng)中的各種終端設(shè)備會產(chǎn)生海量的監(jiān)測數(shù)據(jù)。不同類型的電網(wǎng)數(shù)據(jù)源的數(shù)據(jù)格式和數(shù)據(jù)量相差較大，這些異構(gòu)的配電網(wǎng)數(shù)據(jù)具有較強的時間特性，利用時間序列對這些數(shù)據(jù)進行處理。典型的時間序列處理方法有近似符號聚合（Symbolic Aggregation Approximation，SAX）算法、同步相量測量法。

2.1.1 SAX算法。SAX算法是基于映射規(guī)則，將數(shù)值型的時間序列轉(zhuǎn)換成符號型的時間序列，能在映射過程中自動去除原時間序列中的異常數(shù)值或缺失數(shù)值，保留數(shù)據(jù)的主要特征，既能消除異常數(shù)據(jù)，又能實現(xiàn)相似特征數(shù)據(jù)的聚合［1］。基于SAX的數(shù)據(jù)清洗融合流程如圖2所示。

2.1.2 同步相量測量法。隨著同步相量測量裝置在配電網(wǎng)中大規(guī)模安裝部署，為原始數(shù)據(jù)的研究提供新的方法和思路。劉安迪等［2］利用同步相量測量裝置采樣的快速性和精確的對時性，實現(xiàn)對同步相量測量裝置、數(shù)據(jù)采集與監(jiān)控、高級測量體系測量數(shù)據(jù)的多時間斷面上的數(shù)據(jù)融合和同一時間斷面上的數(shù)據(jù)對齊。劉喆林等［3］針對不同類型的測量數(shù)據(jù)，采用相應的數(shù)據(jù)融合策略，從而提高狀態(tài)估計的精度，能有效減小狀態(tài)估計的計算周期。

2.2 基于數(shù)據(jù)格式轉(zhuǎn)換的數(shù)據(jù)清理和融合方法

潘志新等［4］對邊緣計算中所用到的多源數(shù)據(jù)進行處理與融合，提出基于廣義冪變換Zscore數(shù)據(jù)的多源數(shù)據(jù)處理方法，定義成分可信度函數(shù)約束DS推理過程中不確定特征屬性的融合，構(gòu)建基于沖突優(yōu)化DS推理的多源數(shù)據(jù)融合模型，實現(xiàn)對多源異構(gòu)數(shù)據(jù)的分組聚合。

何西等［5］針對微型同步相量測量裝置和高級量測設(shè)備等新型量測裝置所采集到的數(shù)據(jù)與傳統(tǒng)配電網(wǎng)SCADA系統(tǒng)采集到的數(shù)據(jù)標準不統(tǒng)一的問題，對智能配電網(wǎng)的混合量測體系架構(gòu)進行分析，并比較μ-PMU數(shù)據(jù)、AMI數(shù)據(jù)與SCADA數(shù)據(jù)在數(shù)據(jù)成分、數(shù)據(jù)精度、時標信息等方面的差異，提出一種統(tǒng)一的信息模型，如圖3所示，從而實現(xiàn)對IEC61850標準和IEC61968-301（CIM）標準的設(shè)備的統(tǒng)一描述。

陳彬等［6］提出一種基于時空地理網(wǎng)格的配電網(wǎng)多源數(shù)據(jù)融合方法。首先根據(jù)經(jīng)緯度對空間進行劃分，用最小時間尺度對時間進行劃分，并進行編碼，如圖4所示。然后對配電網(wǎng)的拓撲數(shù)據(jù)、地理環(huán)境數(shù)據(jù)、氣象數(shù)據(jù)、負荷數(shù)據(jù)等數(shù)據(jù)從空間位置、空間尺度、時間跨度、時間周期出發(fā)，來提取特征，然后提取圖4中的空間和時間編碼，并計算時空特征的關(guān)聯(lián)度，去除小于閾值的空間和時間編碼，從而實現(xiàn)配電網(wǎng)多源數(shù)據(jù)的融合。

此外，也可利用神經(jīng)網(wǎng)絡來實現(xiàn)多源數(shù)據(jù)的處理與融合。馮義等［7］對傳統(tǒng)的神經(jīng)網(wǎng)絡進行改造，根據(jù)多項式插值和逼近理論，提出一種Hermite正交基的前向神經(jīng)網(wǎng)絡，并在此基礎(chǔ)上搭建基于Hermite正交基前向神經(jīng)網(wǎng)絡的數(shù)據(jù)處理與融合算法模型，最后在MapReduce框架下實現(xiàn)對多源數(shù)據(jù)的處理與融合，從而提高計算速度和融合效率。

對具有海量異構(gòu)數(shù)據(jù)的配電網(wǎng)來說，將所有數(shù)據(jù)轉(zhuǎn)換為統(tǒng)一格式是比較困難的，更應將重點放在如何在時間序列上實現(xiàn)對數(shù)據(jù)的清理和融合。

3 理論線損計算方法

3.1 考慮影響因素的理論線損計算

影響線損的因素有很多，且不同供電區(qū)域、線路和臺區(qū)的線損影響因素也不盡相同。①影響供電區(qū)域線損的因素。部分供電區(qū)域因規(guī)劃不合理，存在輸變電容量不夠、電源點與負荷中心的距離太遠、電網(wǎng)運行負荷峰谷與峰底之間沒有切換等問題，造成輸電線路過長、電網(wǎng)超負荷或長期運行等，導致在輸送過程中電能的損失和消耗增加。在停電檢修時網(wǎng)絡的功率損耗和電能損耗要比正常運行時還要大。②影響線路線損的因素。配網(wǎng)中有很多線路采用分支輻射的接線方式，負荷點多且分散，供電半徑長，尤其是在一天內(nèi)用電負荷的波動大，低谷時線路的供電效率低，線損較大。③影響臺區(qū)線損的因素。由于城市居民臺區(qū)的居民用電負荷增長快，在用電高峰期過負荷。而農(nóng)村臺區(qū)的配電變壓器的輕載運行時間長，季節(jié)性更明顯。這些都會造成配電變壓器的高損耗，居民負荷三相不平衡也會使線損增加。

為了能更精確地計算出低壓配電網(wǎng)的線損，在進行理論線損計算時就要考慮多種因素。謝榮斌等［8］提出在復合電能質(zhì)量作用下的線損計算方法，首先對由三相不平衡引起的線損進行推導，其次根據(jù)疊加原理來推導諧波條件下的線損，然后推導由這兩種電能質(zhì)量共同作用下的線損，并采用對稱分量法對這兩種電能質(zhì)量在單獨與共同作用下的線損進行比較。袁旭峰等［9］在完善低壓配電網(wǎng)計量裝置配置的前提下，提出一種分層前推回代三相潮流線損計算方法。該方法是基于線路參數(shù)、無功補償數(shù)據(jù)和負荷信息，可對低壓臺區(qū)進行自動分層，利用電壓和負荷數(shù)據(jù)通過前推回代法對損耗進行計算，通過匯總得到月度的理論線損值。該方法適用于三相不平衡或單相/三相混合供電的低壓臺區(qū)。王磊等［10］從負荷曲線入手，基于不同類型的日負荷標幺化曲線，可推導出配電變壓器的日負荷有功和無功，然后基于前推回代法得到中壓配電網(wǎng)的日線損值，從而實現(xiàn)對中壓配電網(wǎng)損耗的精確計算。

3.2 接入分布式電源的理論線損計算

在“雙碳”目標提出后，新型電力系統(tǒng)中新能源發(fā)電所占的比例大幅提高，分布式電源的規(guī)?；尤胍殉蔀槲覈鴧^(qū)域配電網(wǎng)發(fā)展的必然趨勢和核心特征。對分布式電源的接入對配電網(wǎng)損耗的影響進行量化分析，能有效提升電力企業(yè)的經(jīng)濟效益。

史雷等［11］針對配電網(wǎng)大量接入分布式電源后如何精準計算線損的問題，提出一種分區(qū)域線損的理論計算方法，對分布式電源的接入位置和容量進行分析，將其劃分為三個不同區(qū)域，分別計算分布式電源接入后區(qū)域配電網(wǎng)在不同電壓等級的分布情況。分布式電源的接入給中壓配電網(wǎng)的潮流分布帶來波動性和不確定性。為了計算極限線損，朱玥等［12］提出一種基于半不變量的含分布式電源配電網(wǎng)的隨機潮流和線損計算方法。首先，根據(jù)統(tǒng)計信息，并基于線性潮流法，得到常規(guī)發(fā)電機、風機、光伏和負荷的各階半不變量；其次，基于Gram-Charlier（GC）級數(shù)的展開式進行計算，得到上述源、荷的累積分布函數(shù)與概率密度函數(shù)；最后，得到極限線損的置信區(qū)間限值。針對風電出力的不確定性和波動性會使配電網(wǎng)理論線損計算的誤差增大，汪鴻等［13］提出一種基于風電-負荷特性的理論線損計算方法，對風電出力峰谷值、曲線輪廓等六個特征變量和峰谷負荷率等六個負荷特征變量進行Ward聚類，基于特征樣本量與總樣本量的比重來確定權(quán)重系數(shù)，并在各特征的日理論線損值基礎(chǔ)上，通過加權(quán)來獲得配電網(wǎng)的綜合理論線損。為了便于量化分析分布式光伏電源接入三相四線制低壓配電網(wǎng)運行的經(jīng)濟性，劉科研等［14］針對含分布式光伏的配電網(wǎng)三相不平衡嚴重、線損有效計算難等問題，對無分布式光伏和接入分布式光伏的配電網(wǎng)線損進行分析，并基于分布式光伏接入的不同模式，對三相接入和單相接入時的配電網(wǎng)線損進行對比分析?；谏鲜龇治?，本研究提出一種基于分布式光伏電源接入模式的有源低壓配電網(wǎng)的三相不平衡線損計算方法。

3.3 采用智能算法的理論線損計算

傳統(tǒng)的理論線損計算方法所需的電氣參數(shù)較多，計算過程繁瑣。為了能更快速、便捷地對理論線損進行計算，本研究采用深度學習、元啟發(fā)式學習等智能算法對理論線損進行計算，計算過程如下。①獲取配電網(wǎng)理論線損計算的樣本數(shù)據(jù)，并對樣本數(shù)據(jù)進行預處理。②線損計算模型的初始化。若為神經(jīng)網(wǎng)絡，要選擇隱藏層和輸出層的激活函數(shù)、損失函數(shù)，確定隱藏層數(shù)、每層的神經(jīng)元個數(shù)、學習率、動量、訓練批次等參數(shù)。③線損計算模型的預訓練。④未知配電網(wǎng)理論線損的測試計算。

3.3.1 深度學習智能線損計算方法。門控循環(huán)單元（Gated Recurrent Unit，GRU）網(wǎng)絡是一種典型的深度學習模型，結(jié)構(gòu)如圖5所示。在圖5中，xt為t時刻隱含層的輸入；ht為t時刻隱含層的輸出；rt為t時刻隱含層的重置門；zt為t時刻隱含層的更新門；gt為t時刻隱含層的記憶狀態(tài)。

生西奎等［15］基于互信息理論和層次分析法來確定線損計算中所涉及的電氣參數(shù)的權(quán)重系數(shù)，并將歸一化后的電氣參數(shù)輸入GRU網(wǎng)絡中進行訓練。算例表明，本研究提出的基于GRU配網(wǎng)理論線損計算法具有良好的計算性能。

3.3.2 元啟發(fā)式學習方法。元啟發(fā)式學習方法是通過對生物活動進行模擬，采用某種算法對樣本數(shù)據(jù)進行訓練，從而得到輸入量與輸出量，即預測條件與待預測量之間的關(guān)系。本研究以最常見的元啟發(fā)式學習方法——BP神經(jīng)網(wǎng)絡為例，對其原理進行說明。

BP神經(jīng)網(wǎng)絡的結(jié)構(gòu)如圖6所示。由圖6可知，BP神經(jīng)網(wǎng)絡由輸入層、隱含層和輸出層組成。輸入層即圖中輸入xi（i=1，2，…，N）所在層，隱含層為yi所在層，由輸入因子進行激活輸出，輸出層即圖中的輸出參數(shù)zi。輸入層與隱藏層、隱藏層與輸出層之間由激活函數(shù)進行連接。

李亞等［16］基于改進K-means聚類算法，根據(jù)供電半徑、線路總長、負載率、居民用電比率等參數(shù)對臺區(qū)進行分類，并基于Levenberg-Marquardt算法來優(yōu)化BP神經(jīng)網(wǎng)絡的權(quán)值和閾值，利用分類后的臺區(qū)樣本對BP神經(jīng)網(wǎng)絡理論線損計算模型進行訓練，從而得到線損計算結(jié)果。

馬麗葉等［17］基于RBM神經(jīng)網(wǎng)絡來構(gòu)建深度置信網(wǎng)絡，并基于貪婪算法對RBM神經(jīng)網(wǎng)絡進行逐層無監(jiān)督的預訓練和有監(jiān)督的全局微調(diào)。構(gòu)建理論線損樣本庫，用于訓練深度置信網(wǎng)絡模型，并計算低壓臺區(qū)理論線損。

隨著光伏、風機等分布式電源的種類和容量的不斷增加，基于分布式電源對線損的影響，并結(jié)合智能算法對線損進行計算和分析，具有較好的研究前景，可作為未來研究的主要內(nèi)容。

4 異常線損分析

在計算完配電網(wǎng)線損后，要進一步分析是否存在異常線損。異常線損分析的方法主要有兩種，一是閾值比較法，二是聚類法。

4.1 閾值比較法

現(xiàn)階段，多采用閾值比較法來判定線損是否異常，在時效性和準確性上存在較大的片面性和局限性。傳統(tǒng)的閾值法分為α閾值和β閾值。α閾值只考慮第一類錯誤的概率，即數(shù)據(jù)序列發(fā)生誤識別的概率為α。β閾值只考慮第二類錯誤概率，即數(shù)據(jù)序列發(fā)生漏識別的概率為β［18］。綜合考慮α閾值和β閾值的α∩ β閾值如圖7所示。

在圖7中，α閾值的計算公式見式（1）。

式中：[PLα2]、[PUα2]分別為第一類錯誤概率的下臨界值、上臨界值；[Pα2]為第一類錯誤概率；[fH0R+]為R+的概率密度分布函數(shù)；R+為正秩和。

β閾值的計算公式見式（2）。

式中：[PL1-β2]、[PU1-β2]分別為第二類錯誤概率的下臨界值、上臨界值；[P1-β2]為第二類錯誤概率。

王方雨等［18］通過引入“秩和”理論來證明在沒有異常線損數(shù)據(jù)時，同期線損與理論線損的正負“秩和”近似相等。而在有異常線損數(shù)據(jù)時，正負“秩和”不相等，基于該特性來設(shè)計α∩ β閾值，并構(gòu)建異常線損辨識模型，既能實現(xiàn)異常線損在時序上的定位，又能解決異常線損歸屬于理論線損還是同期線損的問題。

此外，還可根據(jù)不同背景問題的需要，將閾值比較法進行適應性改造。張國芳等［19］基于無監(jiān)督學習的自編碼器對原始日線損率數(shù)據(jù)進行降維和重建，對重建的日線損率進行概率統(tǒng)計，并通過比較所有點的概率值與閾值的關(guān)系，得到異常的日線損率數(shù)據(jù)。韋杏秋等［20］基于自適應差分算法對線損數(shù)據(jù)的平穩(wěn)性進行識別，可有效快速地識別出異常線損的具體位置。

4.2 聚類法

基于數(shù)據(jù)挖掘技術(shù)的異常辨識方法在線損精細化管理中發(fā)揮的作用越來越大。K-means聚類是一種常用的數(shù)據(jù)挖掘技術(shù)。

K-means聚類算法的步驟如下。

①初始化k個聚類中心Ck，見式（3）。

②計算每個對象到所有聚類中心的歐式距離，見式（4）。

式中：Xi為第i個對象，[i∈1，n]；Cj為第j個聚類中心，[j∈1，k]；Xit為第i個對象的第t個元素，[t∈1，m]；Cjt為第j個聚類中心的第t個元素。

③在得到每個對象距離最近的聚類中心后，將該對象分配到該聚類中心所在的簇中。

④對每個簇利用歐式距離重新計算簇中心。

陳洪濤等［21］根據(jù)高線損率、低線損率和正常線損率來對低壓臺區(qū)的線損率進行K-means聚類，并根據(jù)第一次聚類后的各類數(shù)據(jù)數(shù)量來決定是否進行二次分類，計算出高線損率聚類數(shù)據(jù)的時間離散度，并根據(jù)時間的離散度大小來判斷線損出現(xiàn)異常的概率。宋曉林等［22］基于低壓臺區(qū)的電壓、電流、電量、功率等數(shù)據(jù)異常診斷規(guī)則，對采集到的原始電壓、電流、電量、功率等數(shù)據(jù)進行異常分析，并在此基礎(chǔ)上，根據(jù)電壓信息的“合群性”，基于二分K-means聚類算法進行聚類，從而獲得臺戶的異常電表信息。徐迪等［23］提出一種基于孤立森林離群點檢測算法的線損異常判定方案，采用K-means算法將低壓臺區(qū)按照不同的負載工況進行聚類，而后用孤立森林算法來計算臺區(qū)數(shù)據(jù)的異常分數(shù)，最后對獲取到的異常分數(shù)進行閾值分析，得到最終的線損異常數(shù)據(jù)。程淑亞等［24］采用K-means聚類算法對處理過的線損數(shù)據(jù)進行分析，可識別出線損率異常波動或持續(xù)偏高的臺區(qū)，并根據(jù)聚類結(jié)果來定義時間離散度，從而衡量竊電疑似度。

5 降損實施措施

5.1 節(jié)能降損策略

節(jié)能降損改造是提高配電網(wǎng)運行經(jīng)濟性的重要舉措，通過降損效果和經(jīng)濟性評估，可得到節(jié)能降損的綜合改造方案。目前，研究中常用的節(jié)能降損方案有5種，如圖8所示。

5.1.1 對變壓器進行降損優(yōu)化。徐常等［25］在已有的有載調(diào)壓變壓器基礎(chǔ)上，基于模糊算法，來調(diào)控輸出電壓，并根據(jù)變壓器能耗與負載之間的關(guān)系，來研究變壓器負載與損失區(qū)域的大小，選取最優(yōu)的運行方式，以此來實現(xiàn)配電網(wǎng)有載調(diào)壓變壓器降損。在此基礎(chǔ)上，梁國開等［26］以城網(wǎng)中線路和配變損耗之和最小為目標，以有載調(diào)壓調(diào)容變壓器的調(diào)容量、調(diào)壓擋位和電容器無功補償量為優(yōu)化變量，來構(gòu)建配電網(wǎng)節(jié)能降損的動態(tài)優(yōu)化模型，并采用IPCCD-EA算法進行求解，以獲得有載調(diào)壓調(diào)容變壓器等設(shè)備的動作方案。

5.1.2 對線路進行降損優(yōu)化。湯衛(wèi)紅等［27］以某條10 kV線路為例，以綜合投資成本和電能損失之和最小為目標，以降損措施為優(yōu)化變量，以線路電壓、支路電流、降損措施數(shù)量等為約束條件，從而求解得到線路降損優(yōu)化的方案。

5.1.3 對負荷進行降損優(yōu)化。當前，數(shù)據(jù)中心的能耗受到日益廣泛的關(guān)注。數(shù)據(jù)中心用電作為一種體量大的電力負荷，參與到電網(wǎng)運行、改善電網(wǎng)運行狀態(tài)中。高賜威等［28］以數(shù)據(jù)網(wǎng)絡負載遷移來替代電能轉(zhuǎn)移，通過構(gòu)建數(shù)據(jù)中心用電負荷的模型，以含數(shù)據(jù)中心的電網(wǎng)網(wǎng)損最小為目標，以數(shù)據(jù)中心的網(wǎng)絡負載為優(yōu)化變量，提出地理上分散的數(shù)據(jù)中心的電網(wǎng)降損方案?？稍偕茉吹拇笠?guī)模應用，也為降低網(wǎng)損提供新的解決思路。郭鵬等［29］利用容量大、調(diào)節(jié)能力強的離散型和連續(xù)型高載能負荷對風電出力進行響應控制，構(gòu)建離散型負荷調(diào)節(jié)的上層優(yōu)化和連續(xù)型負荷調(diào)節(jié)的下層優(yōu)化的二層優(yōu)化模型，兼顧離散型和連續(xù)型負荷調(diào)節(jié)周期與調(diào)節(jié)特性，并基于SA-POA算法來實現(xiàn)二層優(yōu)化的迭代求解，從而有效降低網(wǎng)絡損耗。

5.1.4 對分布式電源進行降損優(yōu)化。分布式電源（DG）在配電網(wǎng)中的滲透率日趨升高，給配電網(wǎng)的供電可靠性、電能質(zhì)量等帶來不利影響，DG的合理接入能有效減少線路的損耗，提高系統(tǒng)效率和可靠性，降低系統(tǒng)總成本。因此，優(yōu)化DG的接入為降損研究提供新思路。王濤等［30］以含分布式電源配網(wǎng)線損最小為目標，以分布式電源接入位置和接入容量為優(yōu)化變量，采用CPSO-NSGA算法對其進行求解，從而實現(xiàn)配電網(wǎng)運行的經(jīng)濟性和電壓分布的統(tǒng)一。唐海國等［31］以含多類型分布式電源配電網(wǎng)線損最小為目標，以分布式電源出力為優(yōu)化變量，采用粒子群算法進行求解，可實現(xiàn)在負荷數(shù)據(jù)不全時的降損優(yōu)化。肖運啟等［32］以風電場集電系統(tǒng)損耗最小為目標，以風電場無功調(diào)度為優(yōu)化變量，并提出風電場集電系統(tǒng)降損的無功/電壓控制策略。

5.1.5 組合降損優(yōu)化。夏革非等［33］以含分布式電源配電網(wǎng)線損最小為目標，以分布式電源、小水電、OTLC為優(yōu)化變量，從而構(gòu)建出實時調(diào)度降損模型。為了能更準確快速地進行求解，基于配網(wǎng)歷史調(diào)度數(shù)據(jù)，利用BI-LSTM模型來訓練實時調(diào)度降損模型，可實現(xiàn)快速獲取優(yōu)化結(jié)果，實現(xiàn)降低網(wǎng)損的目的。宋朋勛等［34］以配網(wǎng)系統(tǒng)運行成本最小為目標，以有載調(diào)壓變壓器、分布式電源和電容器組為優(yōu)化變量，建立配電網(wǎng)節(jié)能降損協(xié)調(diào)優(yōu)化模型。

5.2 降損潛力評估

區(qū)域配電網(wǎng)的降損方案很大程度上是由降損潛力的評估來決定的。評估包括評估指標、指標權(quán)重確定、評估模型等。常用的指標綜合評價模型的建立方法有主成分分析法、熵權(quán)法、層次分析法、模糊評價方法，以及灰色關(guān)聯(lián)分析法等。常用的評估模型方法及特點見表1。

王維洲等［35］針對A+～E類供電區(qū)域，共構(gòu)建四層降損潛力評估指標體系。其中，第一層為A層，包括技術(shù)線損和管理線損。第二層為B層，技術(shù)線損指標可細分為高壓配電網(wǎng)、中壓線路、配電變壓器、低壓電網(wǎng)等四個二級指標，而管理線損指標沒有二級指標。第三層為C層，每個二級指標又可細分為靜態(tài)指標、動態(tài)指標和損耗指標等三個三級指標，其中管理線損的三級指標只有靜態(tài)指標和動態(tài)指標。第四層為P層，可細分為安裝位置、供電半徑等四十七個四級指標。不同層級的指標采用不同的指標權(quán)重計算方法，從而形成綜合降損潛力評估模型。

杜振東等［36］以配電網(wǎng)綜合節(jié)能降損為目標，并基于全時空節(jié)能要素特征，從時間、元件和費用維度出發(fā)，建立全壽命周期的全網(wǎng)成本指標和節(jié)能降損效益指標，利用融合層次分析和基于交叉效率的數(shù)據(jù)包絡分析的改進VIKOR方法對配電網(wǎng)的綜合節(jié)能效果進行評價，并給出配電網(wǎng)綜合節(jié)能降損的最優(yōu)設(shè)計方案。呂守旭［37］基于Map/Reduce模型來實現(xiàn)對配網(wǎng)負荷的預測，并基于非序貫蒙特卡羅模擬來構(gòu)建配網(wǎng)降損概率的評估模型，較好地解決了評估結(jié)果的隨機性和波動性問題。顧江等［38］以等值電阻法和回歸分析法來計算10 kV配網(wǎng)線路和配變的損耗，在此基礎(chǔ)上，對配電網(wǎng)不同降損措施的降損潛力進行計算分析，從而選出降損潛力大、經(jīng)濟效益好的降損措施。在降損潛力評估模型中如何更好地體現(xiàn)分布式電源對線損的影響是值得思考的，可作為未來研究的主要內(nèi)容。

6 結(jié)論

本研究針對配電網(wǎng)線損管控相關(guān)研究展開分析，從線損的原始數(shù)據(jù)處理、理論線損計算方法、異常線損處理、降損實施等方面出發(fā)，詳細分析了目前的研究進展。在“雙碳”目標下，配電網(wǎng)線損管控研究更應關(guān)注如何更好地實現(xiàn)海量異構(gòu)數(shù)據(jù)融合、考慮分布式電源的智能理論線損方法、異常線損辨識方法、降損潛力評估模型等方面研究。

①對于具有海量異構(gòu)數(shù)據(jù)的配電網(wǎng)來說，將所有數(shù)據(jù)轉(zhuǎn)換為統(tǒng)一格式比較困難，更應側(cè)重如何在時間序列上實現(xiàn)對數(shù)據(jù)的清理和融合。

②隨著可再生能源種類和發(fā)電容量不斷增多，考慮分布式電源對線損的影響，并結(jié)合智能算法進行線損計算和分析將會受到更多學者的關(guān)注。

③目前，對于異常線損分析的研究方法存在較大的局限性，研究方法缺乏普適性。對線損異常概率未知的情況的解決方案尚未得到較好的研究。

④對節(jié)能降損措施的研究較多，但如何能更好地評估降損潛力是值得研究的。

參考文獻：

［1］朱有產(chǎn)，梁瑋軒，王英姿.基于時間序列的配電網(wǎng)數(shù)據(jù)清理和融合方法研究［J］.電網(wǎng)技術(shù)，2021（7）：2839-2846.

［2］劉安迪，李妍，謝偉，等.基于多源數(shù)據(jù)多時間斷面的配電網(wǎng)線路參數(shù)估計方法［J］.電力系統(tǒng)自動化，2021（2）：46-54.

［3］劉喆林，王成山，李鵬，等.多源量測數(shù)據(jù)融合的配電網(wǎng)狀態(tài)估計及應用［J］.中國電機工程學報，2021（8）：2605-2615.

［4］潘志新，翟學鋒，王成亮，等.基于邊緣計算的智能配電網(wǎng)多源數(shù)據(jù)處理與融合技術(shù)研究［J］.電氣傳動，2021（22）：74-80.

［5］何西，涂春鳴，李培強.智能配電網(wǎng)多源數(shù)據(jù)融合研究［J］.南方電網(wǎng)技術(shù)，2019（4）：42-47.

［6］陳彬，倪明，周霞，等.極端災害下基于時空網(wǎng)格的配電網(wǎng)多源數(shù)據(jù)融合方法［J］.中國電力，2019（11）：77-84.

［7］馮義，晉斌，周詳.基于Hermite網(wǎng)絡的低壓配電網(wǎng)多源數(shù)據(jù)處理與融合模型［J］.電器與能效管理技術(shù)，2021（9）：100-106.

［8］謝榮斌，杜帆，程湘，等.三相不平衡及諧波對三相四線低壓配電網(wǎng)線損的影響［J］.電力系統(tǒng)保護與控制，2020（21）：22-30.

［9］袁旭峰，鹿振國，許文強，等.基于前推回代三相潮流的低壓臺區(qū)理論線損計算研究［J］.電測與儀表，2014（9）：1-5.

［10］王磊，張建賓，余昆，等.基于典型負荷曲線的配電網(wǎng)線損計算方法研究［J］.智慧電力，2020（3）：124-130.

［11］史雷，趙濱濱，徐曉萌，等.分布式電源對區(qū)域配電網(wǎng)合理線損標桿計算的影響［J］.電力系統(tǒng)及其自動化學報，2018（10）：132-138.

［12］朱玥，顧潔，王春義，等.適應于可再生能源接入下配電網(wǎng)極限線損的計算方法［J］.上海大學學報（自然科學版），2021（5）：833-845.

［13］汪鴻，范荻，王豐，等.考慮風電-負荷特性的理論線損計算方法［J］.武漢大學學報（工學版），2019（8）：722-728.

［14］劉科研，賈東梨，王薇嘉，等.考慮分布式光伏電源接入模式的低壓配電網(wǎng)不平衡線損計算方法［J］.電力建設(shè)，2021（10）：129-138.

［15］生西奎，付強，于洋，等.基于深度學習GRU網(wǎng)絡的配電網(wǎng)理論線損計算方法［J］.電測與儀表，2021（3）：54-59.

［16］李亞，劉麗平，李柏青，等.基于改進K-Means聚類和BP神經(jīng)網(wǎng)絡的臺區(qū)線損率計算方法［J］.中國電機工程學報，2016（17）：4543-4552.

［17］馬麗葉，劉建恒，盧志剛，等.基于深度置信網(wǎng)絡的低壓臺區(qū)理論線損計算方法［J］.電力自動化設(shè)備，2020（8）：140-146.

［18］王方雨，劉文穎，陳鑫鑫，等.基于“秩和”近似相等特性的同期線損異常數(shù)據(jù)辨識方法［J］.電工技術(shù)學報，2020（22）：4771-4783.

［19］張國芳，劉通宇，溫麗麗，等.基于變分自編碼器的日線損率異常檢測研究［J］.華東師范大學學報（自然科學版），2020（5）：146-155.

［20］韋杏秋，陳俊，龍東，等.基于時序差分算法的線損異常判別優(yōu)化研究［J］.科技通報，2017（3）：100-103.

［21］陳洪濤，蔡慧，李熊，等.基于k-means聚類算法的低壓臺區(qū)線損異常辨別方法［J］.南方電網(wǎng)技術(shù)，2019（2）：2-6.

［22］宋曉林，張佳元，崔超奕，等.基于用電信息采集數(shù)據(jù)的低壓臺區(qū)異常線損診斷新方法［J/OL］.電測與儀表：1-10［2022-11-01］.? ?http：//kns.cnki.net / kcms / detail / 23.1202.TH.20210802.1413.002.html.

［23］徐迪，陸煜鋅，肖勇，等.基于孤立森林算法的配電網(wǎng)線損異常判定［J］.電力系統(tǒng)保護與控制，2021（16）：12-18.

［24］程淑亞，蔡慧，沈海泓，等.基于數(shù)據(jù)挖掘的新型低壓竊電識別方法［J］.電測與儀表，2022（2）：68-76.

［25］徐常，劉金森，張彥，等.電能替代背景下配電網(wǎng)有載調(diào)壓變壓器降損方法［J］.電網(wǎng)與清潔能源，2020（3）：13-17.

［26］梁國開，方健，王志軍，等.含有載調(diào)壓調(diào)容配變的城市配電網(wǎng)節(jié)能降損動態(tài)優(yōu)化模型［J］.電力自動化設(shè)備，2019（12）：114-120.

［27］湯紅衛(wèi)，王賢湖，謝光龍，等.計及低碳效益的配電網(wǎng)降損方案組合優(yōu)化模型［J］.電力系統(tǒng)及其自動化學報，2020，（2）：113-118.

［28］高賜威，吳剛，陳宋宋.考慮地理分散的數(shù)據(jù)中心服務器頻率調(diào)節(jié)的電網(wǎng)降損模型［J］.中國電機工程學報，2019（6）：1673-1681.

［29］郭鵬，劉文穎，蔡萬通，等.基于模擬退火逐步優(yōu)化算法的多形態(tài)高載能負荷協(xié)調(diào)降損二層優(yōu)化模型［J］.電網(wǎng)技術(shù)，2017（3）：759-768.

［30］王濤，賀春光，周興華，等.基于分布式電源選址定容的配網(wǎng)降損方法研究［J］.可再生能源，2020，38（9）：1246-1251.

［31］唐海國，龔漢陽，冷華，等.負荷數(shù)據(jù)不完全的配電網(wǎng)降損優(yōu)化方法［J］.電力系統(tǒng)及其自動化學報，2019（3）：128-132.

［32］肖運啟，王乙.基于混合建模仿真的大型風電場降損控制［J］.系統(tǒng)仿真學報，2020（9）：1831-1838.

［33］夏革非，丁智涵，于長任，等.基于數(shù)據(jù)驅(qū)動的有源配電網(wǎng)實時調(diào)度降損策略［J］.電測與儀表，2021（12）：103-109.

［34］宋朋勛，郝麗麗，樓伯良，等.基于配電網(wǎng)節(jié)能降損協(xié)調(diào)優(yōu)化的電壓控制方法［J］.電力電容器與無功補償，2019（2）：101-107.

［35］王維洲，湯紅衛(wèi)，劉福潮，等.A+～E類區(qū)域配電網(wǎng)降損潛力評估模型研究［J］.電力科學與技術(shù)學報，2018（2）：59-65.

［36］杜振東，沈春林，滕曉兵，等.計及全時空要素的配電網(wǎng)綜合節(jié)能評價方法［J］.電力科學與技術(shù)學報，2021（2）：13-23.

［37］呂守旭.基于大數(shù)據(jù)分析的智能電網(wǎng)降損效果估計模型仿真［J］.中國電力，2017（4）：172-175.

［38］顧江，陸漣，楊江，等.基于等值電阻和回歸分析的配電網(wǎng)降損潛力研究［J］.江蘇電機工程，2015（3）：61-63.