论文部分内容阅读
摘 要：传统的配网高损排查与降损治理缺乏有效的分析手段，在降损节能方面与发达国家相比存在一定差距。文中提出了基于多源数据融合的配网线损计算分析与降损节能方法研究，在多源数据融合的基础上，构建理论线损动态计算模型，通过理论计算，同期线损与理论线损差异分析，自动定位高损环节和异常数据，对降损工作提供理论和技术依据，使降损工作抓住重点，提高节能降损的效益。
关键词：多源数据融合 理论线损计算 高损排查 节能降损
中图分类号：TM933 文献标识码：A 文章编号：1674-098X（2021）01（b）-0021-04
Calculation of Distribution Network Line Loss Based on Multi-source Data Fusion and Research on Energy-saving Method of Loss Reduction
SHI Guang
（State Grid Hebei North Power Co. ， Ltd.， Chengde Power Supply Company， Chengde，Hebei Province， 067000 China）
Abstract： Traditional distribution network high loss detection and loss reduction management is lacking of effective analytical tools，compared with developed countries， there is a certain gap in loss reduction and energy conservation.In this paper， the calculation and analysis of distribution network line loss based on multi-source data fusion and the method of energy saving and loss reduction are presented.On the basis of multi-source data fusion， a theoretical line loss dynamic calculation model is constructed.Through theoretical calculation，analysis of the difference between synchronous line loss and theoretical line loss， the high loss link and abnormal data are automatically located to provide theoretical and technical basis for the loss reduction work， so that the loss reduction work can grasp the key points，the efficiency of energy conservation and loss reduction can be improved.
Key Words： Multi-source data fusion;Calculation of theoretical line loss;High damage screening; Energy conservation and loss reduction
多年來国家电网公司在降损理论技术研究和应用方面都取得了显著成果，然而，通过中国电力企业联合会的数据报告可知，我国电网的线损率高于6%，相对于发达国家线损率水平来说仍较高。我国在线损治理方面仍然存才不少难以解决的问题：国家电网公司传统采用提前抄表以及分期抄表的方式进行电量采集，采集周期不同，且存在漏抄、错抄现象;传统的“四分”管理方法，管理灵活度差，且易造成统计误差。
因此必须基于线损影响因素构建线损指标体系，对影响线损的不同因素进行分析，并基于档案、拓扑、运行数据，实现理论线损数据的异常精准定位与准确计算功能，精准定位异常设备，并且基于电网同期系统数据实现理论、同期双率对比分析，促使线损工作计算、分析、管理更加高效、科学，最终实现提质增效的目标。
1 配电网多元数据融合
线损计算需要设备的基础档案信息、运行数据信息与拓扑信息。这些信息分别来自电网的六大系统：包括GIS平台、OMS/SCADA调度系统、生产管理系统、营销业务应用系统、用电信息采集系统、电能量采集系统等专业系统。不同的系统存在数据类型、设备编码等不一致情况，所以需要通过数据融合技术，选取适当的融合模式和处理算法，对多维采集数据进行关联或综合分析，各类数据进行耦合和匹配。
1.1 数据融合
（1）融合PMS系统：PMS系统包括变电站、主变、线路、变压器等设备的基本信息，包括运行单位、电压等级、型号、长度、运行年限等。
（2）融合营销业务应用系统：营销业务应用系统数据包括馈线、台区、表箱、用户、计量点等基本信息，大量数据通过OGG方式传送至营销数据平台，再通过JDBC方式推送至省数据中心。 （3）融合用电信息采集系统：用电信息采集系统数据包括用户计量点三相（A.B.C）功率因数、无功功率、有功功率、三相（A.B.C）电压、电流等数据，台区有功电量、无功电量、功率因数（无功电量和功率因数可任选其一输入）、台区首端的线电压值、末端线电压值、台区供电时间、台区总表有功电能等数据，数据通过标准接口方式进行传送。
（4）融合OMS/SCADA系统：SCADA系统数据包括集成站内接线拓扑模型、断路器运行状态、平衡节点24h电压值、发电机PQ节点的24h有功功率、无功功率、发电机PV节点的24h有功功率、24h电压值、负荷的24h有功功率、无功功率、各开关开闭状态、电容器、电抗器24h投运容量、变电器24h运行档位等数据。
1.2 数据校核
电力系统网架复杂，设备众多，且源端数据在录入过程中，很多数据录入工作为人为操作，导致出现很多异常数据，包括空值，零值，阈值超限等。所以对电网的六大系统进行数据融合后要对数据进行校核。
采用改进的K-medoid 聚类分析方法实现异常数据校核，步骤如下。
（1）最优聚类个数的确认：根据平方误差准则确定最优聚类个数，计算公式如下：
（1）
其中，SSD为样本中所有数据的平方误差之和;p代表数据点;mi代表类别Ci的中心点;k为聚类个数。对SSD求导，斜率为0的点对应的类数为最优的聚类个数。
（2）初始聚类中心的确定：根据粒子群算法生成k个对象作为初始的聚类中心。首先随机选择初始搜索粒子，确定粒子的位置与速度;然后不断更新粒子的位置与速度，直至找到最佳位置。粒子速度的更新公式如下：
（2）
（3）
其中，xij（t）表示第t次迭代过程中第i个粒子在第j维的坐标，pij（t）表示第t次迭代过程中第i个粒子的个体最优位置在第j维的坐标，gj（t）表示第t次迭代过程中种群的历史最优位置在第j维的坐标，vij（t）表示第t次迭代过程中第i个粒子在第j维的速度，vij（t+1）表示第t+1次迭代过程中第i个粒子在第j维的速度，vj，max是种群在第j维的最大速度，cl（l=1，2）为学习因子，为[0，1]区间的随机数。
粒子位置的更新公式如下：
（4）
重复更新粒子位置与速度的更新公式，直至达到最大迭代次数或 适应度值不再变化，输出对应的粒子即为初始聚类中心。
（3）计算样本点与各个聚类中心的距离，每个样本与距离其最近的质心组成一簇。
（4）更新聚类中心：与类内各点距离之和最小的点作为新的聚类中心。
（5）不良数据的判定：重复步骤直到聚类中心不再变化或者每一类别中的点不再变化为止。聚类内数据点数少于总数据量的20%时，判定为不良数据。
1.3 数据质量影响分析
线损计算结果受设备基础数据准确性、拓扑关系正确性、采集正确性、采集完整性等因素影响，数据质量直接影响线损计算结果的准确性，影响降损措施的有效性。
（1）基础资料质量分析。
主要包括配电线路基础资料、配变台区基础资料的完整性、有效性分析，以及计量表计基础资料如所属设备、倍率、CT、PT等有效性分析。
（2）运行数据异常甄测。
①生数据计算电量与接入熟电量差异分析：对于源系统同时提供的表计表底值和电量的运行数据，系统应根据表底差和倍率计算出的电量数据，与源系统提供的电量数据进行对比，超过误差范围的作为异常数据进行分析;
②功率电量差异分析：系统应根据功率计算出的电量数据，与源系统提供的电量数据进行对比，超过误差范围的作为异常数据进行分析;
③失压失流分析：因为用户量较大，用电也较多，在10kV表计用户中，失压、失流、接线错误等问题都是长期存在的问题;
④运行数据缺失：对于源系统缺失的运行数据，支持按量测类型和时间周期进行查询。
2 基于线损影响因素构建降损措施指标体系
整合GIS系统、PMS2.0系统、营销系统、用电信息采集系统、电能量采集系统等内网系统的客户基础档案数据、运行数据以及负荷数据等，构建基于线损影响因素的线损指标体系。
2.1 配网线损影响因子分析
（1）技术线损影响特性。
①导线或电缆的粗细程度与长短对线损有影响，线路越长，截面积越小，技术线损越高;
②电力系统中电源点的分布情况与负荷的分布差异情况越大，技术线损越高;
③电网的拓扑结构对技术线损有影响，例如变压器位置远离负荷中心，则技术线损较大;
④设备使用年限对线损有影响，如变压器，S9以下型号对较为老旧，损耗较大;
⑤无功补偿设备的容量与分布位置对线损有影响，无功补偿容量不足时或分布不均衡，会导致理论线损较大;
⑥负荷的分布对线损有影响，包括时间上的分布与空间地理上的分布，分布不均匀，技术线损越大;
⑦负荷在线路前后端位置对线损有影响，线路中后端负荷越多，技术线损越大;
⑧分布式电源接入位置与接入容量对线损有影响，当分布式电源容量与负荷容量比值较低时，随着分布式容量的增大，线损量减小，当分布式电源容量与负荷容量比值高于某一值时，随着分布式电源容量的增加，线损量会增加;
⑨諧波对线损的影响，电力系统中大量谐波的存在会导致电网线损量增加，因此要对谐波进行治理。
（2）人为影响因素。
人为影响因素也叫管理因素，指电能量传输过程中由于各种主观因素导致的电能损耗。包括：用户偷窃电、计量表表计误差、电表抄核收差错等。具体表现有： ①用户偷窃电或违章用电，偷窃电指私自非法用电，包括在供电单位线路上私自接线，改变计量装置或故意损坏计量装置等;
②电表抄核收出现差错;
③计量表计量误差。
2.2 配网线损影响因素分析模型
不同的线损影响因子对线损的影响不尽相同，因此需根据不同线损影响因子构建线损影响因素量化分析模型，对线损进行科学分析，得到针对性的降损措施。
（1）指标选择。
选取对线损率影响较大的因素作为代表因素，作为公式的自变量。
（2）历史数据收集和处理。
选取预测单位为研究对象，针对以选择的指标收集过去5年分月数据，每个指标形成60个样本值xi= （xi1，xi2，...，xi60）T，构造60×p的样本矩阵，对样本阵元进行标准化转换，得到标准化矩阵Z，具体计算方法如下：
（5）
其中，p代表指标数，取值为27，n代表每个指标的样本数，取值为60，为第j个指标的样本均值，sj为第j个指标的样本方差，具体计算方法为：
（6）
（3）形成线损率关联矩阵。
计算线损影响指标之间的相关系数矩阵：
（7）
（8）
其中，rij表示相关系数矩阵中，第i行第j列的相关系数，即第i项指标与其他指标之间的相关程度。
（4）确定影响线损率的主要因素。
R的特征方程为|R-λIP|=0，其特征根λ是主成分U的方差，它的大小反映了各个主成分在描述线损率上所起的作用大小。解样本相关矩阵R的特征方程，共得到p个特征根，按照以下公式计算：
（9）
确定λ值最大的前m个主成分，使得这m个主成分所起的作用在所有指标中不低于85%。对于每个特征根λj，j=1，2，...，m，解方程组Rb=λjb得到标准正交化特征向量，将标准化后的指标变量转换为主成分可得到：
（10）
（5）建立模型进行量化分析。
以主成分U1，U2，...Um为自变量，以线损率为因变量，运用过去五年的历史数据进行线性回归，得到以下回归方程：
（11）
其中，该方程中每个主成分的系数β表示主成分U与线损率的相关系数，即当主成分变化1%时，线损率变化β%。将主成分U1，U2，...Um分别表达为关键指标的线性方程，代入以上的线损率回归方程，对各个自变量去标准化，得出关键影响因素与线损率的相关方程：Y=f（x）。基于关键影响因素与线损率的相关方程，根据线损的关键影响变化，量化分析对线损率的影响。
2.3 同期理论双率对比
基于电网同期系统数据实现理论、同期双率对比分析，促使线损工作计算、分析、管理更加高效、科学，判断整体电网结构的运行工况是否符合要求，同时对电网中损耗严重的元器件进行原因分析和及时更换，深入比较各种降损策略的优劣，结合实际情况综合评估出性价比高的技术降损方案。如果理论线损计算结果与同期系统线损结果相近，或者在误差允许范围内，线损管理较好，实现较优的经济效益，供电企业技术水平和管理水平处于一个领先地位，实现线损精细化管理的重要目标。如果同期线损数据与理论线损数据相差太大，则需要对档案、运行、采集数据等进行分析与排查，找到异常数据。
3 降损节能
对于不同的地域环境，不同的电网结构，不同的影响因子对线损率的影响不尽相同，某些是由于负载率不均衡导致线损率偏高，某些是由于设备老旧，某些是分布式电源接入或者无功补偿不足造成线损率偏高，不能一概而论。基于配网线损影响因子分析与配网线损影响因素分析模型，得到不同因素对线损影响影响程度大小，分析节能降损措施时根据影响程度大小投入不同程度的成本，为供电公司节省了成本。
针对理论线损计算结果，结合同期线损与理论线损对比，精确定位高损设备，对高损设备进行改造升级，达到节能降损的目的。若同期线损计算结果与同期线损计算结果存在差异，需核实同期线损供售电量数据的正确性，核实同期线损计算模型正确性。若同期线损计算结果与同期线损计算结果差异较小，则根据计算结果进行降损节能。
根据不同的降损方案，对配电网进行降损模拟改造，从节电量、投资收益及投资回收期等方面对降损管理效果进行计算与评估，指导配线节能改造方案的有力实施。实现降损方案多方案对比优选功能，从系统级评估方案优劣，辅助降损工作的开展。
4 结语
针对电网线损率较高而导致电能损耗较大的问题，提出一种基于多源数据融合的配网线损计算分析与降损节能方法研究。基于多源数据融合技术，利用大数据校核数据质量，构建线损影响因子降损措施指标体系。基于理论线损计算结果，对同期线损与理论线损对比分析，实现异常数据精准定位，并采取针对性措施，辅助实现节能降损目的。
参考文献
[1] 阎博，张昊，郭子明，等.基于多源数据融合的电网故障综合分析与智能告警技术研究与应用[J].中国电力，2018，51（2）：39-46.
[2] 张淑清.10kV及以下电网线损精细化管理[J].通信世界，2017（11）：149-150.
[3] 唐登平，李俊，孟展，等.统计线损数据准确性研究[J].电力系统保护与控制界，2018，46（24）：33-39.
[4] 曹荣斌.沈阳供电公司臺区线损异常分析及解决方案研究[D].北京：华北电力大学，2018.
[5] 李昂.县供电企业配电网线损分析及降损研究[D].济南：山东大学，2018.
[6] 徐艳.电网理论线损计算分析及降损方案综述性研究[J].科技创新与应用，2016（33）：185.
关键词：多源数据融合 理论线损计算 高损排查 节能降损
中图分类号：TM933 文献标识码：A 文章编号：1674-098X（2021）01（b）-0021-04
Calculation of Distribution Network Line Loss Based on Multi-source Data Fusion and Research on Energy-saving Method of Loss Reduction
SHI Guang
（State Grid Hebei North Power Co. ， Ltd.， Chengde Power Supply Company， Chengde，Hebei Province， 067000 China）
Abstract： Traditional distribution network high loss detection and loss reduction management is lacking of effective analytical tools，compared with developed countries， there is a certain gap in loss reduction and energy conservation.In this paper， the calculation and analysis of distribution network line loss based on multi-source data fusion and the method of energy saving and loss reduction are presented.On the basis of multi-source data fusion， a theoretical line loss dynamic calculation model is constructed.Through theoretical calculation，analysis of the difference between synchronous line loss and theoretical line loss， the high loss link and abnormal data are automatically located to provide theoretical and technical basis for the loss reduction work， so that the loss reduction work can grasp the key points，the efficiency of energy conservation and loss reduction can be improved.
Key Words： Multi-source data fusion;Calculation of theoretical line loss;High damage screening; Energy conservation and loss reduction
多年來国家电网公司在降损理论技术研究和应用方面都取得了显著成果，然而，通过中国电力企业联合会的数据报告可知，我国电网的线损率高于6%，相对于发达国家线损率水平来说仍较高。我国在线损治理方面仍然存才不少难以解决的问题：国家电网公司传统采用提前抄表以及分期抄表的方式进行电量采集，采集周期不同，且存在漏抄、错抄现象;传统的“四分”管理方法，管理灵活度差，且易造成统计误差。
因此必须基于线损影响因素构建线损指标体系，对影响线损的不同因素进行分析，并基于档案、拓扑、运行数据，实现理论线损数据的异常精准定位与准确计算功能，精准定位异常设备，并且基于电网同期系统数据实现理论、同期双率对比分析，促使线损工作计算、分析、管理更加高效、科学，最终实现提质增效的目标。
1 配电网多元数据融合
线损计算需要设备的基础档案信息、运行数据信息与拓扑信息。这些信息分别来自电网的六大系统：包括GIS平台、OMS/SCADA调度系统、生产管理系统、营销业务应用系统、用电信息采集系统、电能量采集系统等专业系统。不同的系统存在数据类型、设备编码等不一致情况，所以需要通过数据融合技术，选取适当的融合模式和处理算法，对多维采集数据进行关联或综合分析，各类数据进行耦合和匹配。
1.1 数据融合
（1）融合PMS系统：PMS系统包括变电站、主变、线路、变压器等设备的基本信息，包括运行单位、电压等级、型号、长度、运行年限等。
（2）融合营销业务应用系统：营销业务应用系统数据包括馈线、台区、表箱、用户、计量点等基本信息，大量数据通过OGG方式传送至营销数据平台，再通过JDBC方式推送至省数据中心。 （3）融合用电信息采集系统：用电信息采集系统数据包括用户计量点三相（A.B.C）功率因数、无功功率、有功功率、三相（A.B.C）电压、电流等数据，台区有功电量、无功电量、功率因数（无功电量和功率因数可任选其一输入）、台区首端的线电压值、末端线电压值、台区供电时间、台区总表有功电能等数据，数据通过标准接口方式进行传送。
（4）融合OMS/SCADA系统：SCADA系统数据包括集成站内接线拓扑模型、断路器运行状态、平衡节点24h电压值、发电机PQ节点的24h有功功率、无功功率、发电机PV节点的24h有功功率、24h电压值、负荷的24h有功功率、无功功率、各开关开闭状态、电容器、电抗器24h投运容量、变电器24h运行档位等数据。
1.2 数据校核
电力系统网架复杂，设备众多，且源端数据在录入过程中，很多数据录入工作为人为操作，导致出现很多异常数据，包括空值，零值，阈值超限等。所以对电网的六大系统进行数据融合后要对数据进行校核。
采用改进的K-medoid 聚类分析方法实现异常数据校核，步骤如下。
（1）最优聚类个数的确认：根据平方误差准则确定最优聚类个数，计算公式如下：
（1）
其中，SSD为样本中所有数据的平方误差之和;p代表数据点;mi代表类别Ci的中心点;k为聚类个数。对SSD求导，斜率为0的点对应的类数为最优的聚类个数。
（2）初始聚类中心的确定：根据粒子群算法生成k个对象作为初始的聚类中心。首先随机选择初始搜索粒子，确定粒子的位置与速度;然后不断更新粒子的位置与速度，直至找到最佳位置。粒子速度的更新公式如下：
（2）
（3）
其中，xij（t）表示第t次迭代过程中第i个粒子在第j维的坐标，pij（t）表示第t次迭代过程中第i个粒子的个体最优位置在第j维的坐标，gj（t）表示第t次迭代过程中种群的历史最优位置在第j维的坐标，vij（t）表示第t次迭代过程中第i个粒子在第j维的速度，vij（t+1）表示第t+1次迭代过程中第i个粒子在第j维的速度，vj，max是种群在第j维的最大速度，cl（l=1，2）为学习因子，为[0，1]区间的随机数。
粒子位置的更新公式如下：
（4）
重复更新粒子位置与速度的更新公式，直至达到最大迭代次数或 适应度值不再变化，输出对应的粒子即为初始聚类中心。
（3）计算样本点与各个聚类中心的距离，每个样本与距离其最近的质心组成一簇。
（4）更新聚类中心：与类内各点距离之和最小的点作为新的聚类中心。
（5）不良数据的判定：重复步骤直到聚类中心不再变化或者每一类别中的点不再变化为止。聚类内数据点数少于总数据量的20%时，判定为不良数据。
1.3 数据质量影响分析
线损计算结果受设备基础数据准确性、拓扑关系正确性、采集正确性、采集完整性等因素影响，数据质量直接影响线损计算结果的准确性，影响降损措施的有效性。
（1）基础资料质量分析。
主要包括配电线路基础资料、配变台区基础资料的完整性、有效性分析，以及计量表计基础资料如所属设备、倍率、CT、PT等有效性分析。
（2）运行数据异常甄测。
①生数据计算电量与接入熟电量差异分析：对于源系统同时提供的表计表底值和电量的运行数据，系统应根据表底差和倍率计算出的电量数据，与源系统提供的电量数据进行对比，超过误差范围的作为异常数据进行分析;
②功率电量差异分析：系统应根据功率计算出的电量数据，与源系统提供的电量数据进行对比，超过误差范围的作为异常数据进行分析;
③失压失流分析：因为用户量较大，用电也较多，在10kV表计用户中，失压、失流、接线错误等问题都是长期存在的问题;
④运行数据缺失：对于源系统缺失的运行数据，支持按量测类型和时间周期进行查询。
2 基于线损影响因素构建降损措施指标体系
整合GIS系统、PMS2.0系统、营销系统、用电信息采集系统、电能量采集系统等内网系统的客户基础档案数据、运行数据以及负荷数据等，构建基于线损影响因素的线损指标体系。
2.1 配网线损影响因子分析
（1）技术线损影响特性。
①导线或电缆的粗细程度与长短对线损有影响，线路越长，截面积越小，技术线损越高;
②电力系统中电源点的分布情况与负荷的分布差异情况越大，技术线损越高;
③电网的拓扑结构对技术线损有影响，例如变压器位置远离负荷中心，则技术线损较大;
④设备使用年限对线损有影响，如变压器，S9以下型号对较为老旧，损耗较大;
⑤无功补偿设备的容量与分布位置对线损有影响，无功补偿容量不足时或分布不均衡，会导致理论线损较大;
⑥负荷的分布对线损有影响，包括时间上的分布与空间地理上的分布，分布不均匀，技术线损越大;
⑦负荷在线路前后端位置对线损有影响，线路中后端负荷越多，技术线损越大;
⑧分布式电源接入位置与接入容量对线损有影响，当分布式电源容量与负荷容量比值较低时，随着分布式容量的增大，线损量减小，当分布式电源容量与负荷容量比值高于某一值时，随着分布式电源容量的增加，线损量会增加;
⑨諧波对线损的影响，电力系统中大量谐波的存在会导致电网线损量增加，因此要对谐波进行治理。
（2）人为影响因素。
人为影响因素也叫管理因素，指电能量传输过程中由于各种主观因素导致的电能损耗。包括：用户偷窃电、计量表表计误差、电表抄核收差错等。具体表现有： ①用户偷窃电或违章用电，偷窃电指私自非法用电，包括在供电单位线路上私自接线，改变计量装置或故意损坏计量装置等;
②电表抄核收出现差错;
③计量表计量误差。
2.2 配网线损影响因素分析模型
不同的线损影响因子对线损的影响不尽相同，因此需根据不同线损影响因子构建线损影响因素量化分析模型，对线损进行科学分析，得到针对性的降损措施。
（1）指标选择。
选取对线损率影响较大的因素作为代表因素，作为公式的自变量。
（2）历史数据收集和处理。
选取预测单位为研究对象，针对以选择的指标收集过去5年分月数据，每个指标形成60个样本值xi= （xi1，xi2，...，xi60）T，构造60×p的样本矩阵，对样本阵元进行标准化转换，得到标准化矩阵Z，具体计算方法如下：
（5）
其中，p代表指标数，取值为27，n代表每个指标的样本数，取值为60，为第j个指标的样本均值，sj为第j个指标的样本方差，具体计算方法为：
（6）
（3）形成线损率关联矩阵。
计算线损影响指标之间的相关系数矩阵：
（7）
（8）
其中，rij表示相关系数矩阵中，第i行第j列的相关系数，即第i项指标与其他指标之间的相关程度。
（4）确定影响线损率的主要因素。
R的特征方程为|R-λIP|=0，其特征根λ是主成分U的方差，它的大小反映了各个主成分在描述线损率上所起的作用大小。解样本相关矩阵R的特征方程，共得到p个特征根，按照以下公式计算：
（9）
确定λ值最大的前m个主成分，使得这m个主成分所起的作用在所有指标中不低于85%。对于每个特征根λj，j=1，2，...，m，解方程组Rb=λjb得到标准正交化特征向量，将标准化后的指标变量转换为主成分可得到：
（10）
（5）建立模型进行量化分析。
以主成分U1，U2，...Um为自变量，以线损率为因变量，运用过去五年的历史数据进行线性回归，得到以下回归方程：
（11）
其中，该方程中每个主成分的系数β表示主成分U与线损率的相关系数，即当主成分变化1%时，线损率变化β%。将主成分U1，U2，...Um分别表达为关键指标的线性方程，代入以上的线损率回归方程，对各个自变量去标准化，得出关键影响因素与线损率的相关方程：Y=f（x）。基于关键影响因素与线损率的相关方程，根据线损的关键影响变化，量化分析对线损率的影响。
2.3 同期理论双率对比
基于电网同期系统数据实现理论、同期双率对比分析，促使线损工作计算、分析、管理更加高效、科学，判断整体电网结构的运行工况是否符合要求，同时对电网中损耗严重的元器件进行原因分析和及时更换，深入比较各种降损策略的优劣，结合实际情况综合评估出性价比高的技术降损方案。如果理论线损计算结果与同期系统线损结果相近，或者在误差允许范围内，线损管理较好，实现较优的经济效益，供电企业技术水平和管理水平处于一个领先地位，实现线损精细化管理的重要目标。如果同期线损数据与理论线损数据相差太大，则需要对档案、运行、采集数据等进行分析与排查，找到异常数据。
3 降损节能
对于不同的地域环境，不同的电网结构，不同的影响因子对线损率的影响不尽相同，某些是由于负载率不均衡导致线损率偏高，某些是由于设备老旧，某些是分布式电源接入或者无功补偿不足造成线损率偏高，不能一概而论。基于配网线损影响因子分析与配网线损影响因素分析模型，得到不同因素对线损影响影响程度大小，分析节能降损措施时根据影响程度大小投入不同程度的成本，为供电公司节省了成本。
针对理论线损计算结果，结合同期线损与理论线损对比，精确定位高损设备，对高损设备进行改造升级，达到节能降损的目的。若同期线损计算结果与同期线损计算结果存在差异，需核实同期线损供售电量数据的正确性，核实同期线损计算模型正确性。若同期线损计算结果与同期线损计算结果差异较小，则根据计算结果进行降损节能。
根据不同的降损方案，对配电网进行降损模拟改造，从节电量、投资收益及投资回收期等方面对降损管理效果进行计算与评估，指导配线节能改造方案的有力实施。实现降损方案多方案对比优选功能，从系统级评估方案优劣，辅助降损工作的开展。
4 结语
针对电网线损率较高而导致电能损耗较大的问题，提出一种基于多源数据融合的配网线损计算分析与降损节能方法研究。基于多源数据融合技术，利用大数据校核数据质量，构建线损影响因子降损措施指标体系。基于理论线损计算结果，对同期线损与理论线损对比分析，实现异常数据精准定位，并采取针对性措施，辅助实现节能降损目的。
参考文献
[1] 阎博，张昊，郭子明，等.基于多源数据融合的电网故障综合分析与智能告警技术研究与应用[J].中国电力，2018，51（2）：39-46.
[2] 张淑清.10kV及以下电网线损精细化管理[J].通信世界，2017（11）：149-150.
[3] 唐登平，李俊，孟展，等.统计线损数据准确性研究[J].电力系统保护与控制界，2018，46（24）：33-39.
[4] 曹荣斌.沈阳供电公司臺区线损异常分析及解决方案研究[D].北京：华北电力大学，2018.
[5] 李昂.县供电企业配电网线损分析及降损研究[D].济南：山东大学，2018.
[6] 徐艳.电网理论线损计算分析及降损方案综述性研究[J].科技创新与应用，2016（33）：185.