摘 要

近年来跨省输电线路线损率异常现象频繁发生，对线损率异常状态的研究显得愈发重要。随着智能电网的蓬勃发展以及大数据时代的到来，使得利用大数据对线损进行研究逐渐成为新兴的研究重点，而如何挖掘电网大数据的有效信息是研究的难点之一。本文在输电线路线损率相关大数据的基础上展开分析，利用关联规则挖掘和机器学习方法，研究各气象因素和输电线路线损率异常状态的相关性。

对线损的研究应从来源出发，因此本文首先针对输电线路，分析其结构并列出了经典线损率潮流计算公式。

然后运用机器学习方法对羊寿Ⅱ线数据进行预处理：使用K-means聚类检测并剔除离群值；进行了缺失值处理实验并选用三次埃尔米特插值法填补缺失值；对数据进行纬度简化并统一了时间颗粒度。针对Apriori算法中存在的效率问题和速度问题，使用FP-growth算法对预处理后的羊寿Ⅱ线数据进行关联规则挖掘。为了改善挖掘结果中存在的一些缺陷，对数据分级后进一步进行挖掘。从挖掘结果分析可知：线损率异常状态与低温、高湿度、降水有关。

最后根据以上结果分析对线损率潮流计算公式进行修正。一方面，温度通过影响电阻损耗来影响线损，因此需要对潮流计算公式进行温度补偿；另一方面，湿度和降水通过影响电晕损失来影响线损，因此在计算时需要计及电晕损失。

关键词：输电线路；线损率异常；大数据；关联规则挖掘；潮流计算

Abstract

In recent years, abnormal phenomena of line loss rate occur frequently in inter-provincial transmission lines, so the study of abnormal state of line loss rate becomes more and more important. With the rapid development of smart grid and the arrival of the era of big data, the research on line loss using big data has gradually become a new focus of research, and how to mine the effective information of big data of power grid is one of the difficulties in the research. Based on the big data related to transmission line loss rate, this paper analyzes the correlation between meteorological factors and abnormal status of transmission line loss rate by using association rule mining and machine learning methods.

The research on line loss should start from the source. Therefore, this paper firstly analyzes the structure of transmission lines and lists the classical power flow calculation formula of line loss rate.

And then using the machine learning method to sheep longevity Ⅱ line data preprocessing: K - means clustering were used to detect and eliminate outliers; The experiment of missing value processing is carried out and the cubic Hermite interpolation method is used to fill in the missing value. The latitude of the data is simplified and the time granularity is unified. In view of the Apriori algorithm, the efficiency and speed of the problems in using FP - growth algorithm after preprocessing of the sheep longevity Ⅱ line data for association rules mining. In order to improve some defects in the mining results, the data were further mined after classification. According to the analysis of mining results, the abnormal state of line loss rate is related to low temperature, high humidity and precipitation.

Finally, according to the above results, the calculation formula of line loss rate power flow is modified. On the one hand, the temperature affects the line loss by affecting the resistance loss, so it is necessary to make temperature compensation for the power flow calculation formula. On the other hand, humidity and precipitation affect the line loss by affecting the corona loss, so it is necessary to include the corona loss in the calculation.

Keywords: transmission line; Abnormal line loss rate; big data; Association rule mining; Power flow calculation

目 录

摘 要 II

Abstract III

第1章 绪论 1

1.1研究背景及意义 1

1.2国内外研究现状 1

1.3本文研究内容 3

第2章 线损理论计算方法 4

2.1线路损耗基本概念 4

2.1.1线损的定义与分类 4

2.1.2线损产生原因 5

2.2基于潮流计算的线损理论计算方法 5

2.2.1线损理论计算方法优选 5

2.2.2线损率潮流计算方法 6

2.3线损相关数据来源及特点 8

2.3.1线损相关数据来源 8

2.3.2线损相关数据特点 8

2.4本章小结 10

第3章 基于关联规则挖掘的线损率影响因素分析 11

3.1基于机器学习的数据预处理 11

3.1.1数据预处理综述 11

3.1.2离群值和缺失值处理 12

3.1.3数据维度融合 16

3.2关联规则概述 17

3.2.1Apriori算法原理 17

3.2.2Apriori算法的缺陷和改进 18

3.2.3FP-growth算法原理 19

3.3基于FP-growth算法的线损率影响因素分析 19

3.3.1FP-growth算法数据准备 19

3.3.2气象因素和线损率关联实验 20

3.3.3实验结果缺陷分析 22

3.4关联规则分级挖掘 23

3.4.1分级挖掘数据准备 23

3.4.2分级挖掘实验 24

3.4.3分级挖掘结果分析 25

3.5本章小结 25

第4章 输电线损率潮流计算公式修正 26

4.1架空线路的电阻损耗 26

4.1.1温度对导线电阻的影响 26

4.1.2潮流计算公式的温度补偿 26

4.2架空线路的电晕损耗 27

4.2.1湿度和降水对电晕损耗的影响 27

4.2.2潮流计算公式的电晕损失计算 28

4.3本章小结 28

第5章 总结与展望 29

5.1本文工作总结 29

5.2本文工作展望 29

参考文献 30

致 谢 32

第1章 绪论

1.1研究背景及意义

随着电力科学的进步，电能作为一种重要能源得到了广泛应用，电能具有大规模生产、管理集中、远距离输送、自动控制、有利环保、易于转换为其他形式能源等优点。我国不同地区的经济发展和能源分布不平衡的情况较为严重，东部和中部地区经济相对发达但可获得的能源相对较少，西北地区能源资源丰富需求却相对较少。西电东输工程以电能传输为核心、以跨省输电线路为载体进行跨区域调配。随着输送电量和传输距离不断增加，输电损耗也随之上升。线损率是国家电网供电企业一项重要的考核指标，据统计，线损率每下降1%，全国每年可以降低70亿千瓦时的电能损失^[1]。这一指标涉及广泛，电网各个环节的运行情况如发电、供电、变电、用电等都与此有关。因此，做好线损管理工作有着极为重要的意义。

有效控制线损、降低线损是电力企业现代化管理的重要内容。但在线损管理中，经常会遇到线损异常的情况。线损异常会造成线损系统无法正常运行，线损情况得不到准确反映，给线损管理工作带来极大不便。