一种用于测量径向配电系统中线损密度并进行临界性评估的分析框架

《Measurement》：An analytical framework for line loss density measurement and criticality assessment in radial distribution systems

　　• 一种基于报告的排名框架用于测量辐射式系统中的线损密度。• 在进行分支级评估之前，会先对双向线路记录进行去重处理。• 帕累托分析用于量化有功功率损耗的集中程度。• 一个加权损耗-负荷指数用于对关键配电线路进行排名。• IEEE 33节点和69节点测试证实了该方法在各种方法和情景下的稳健性。

引言
随着全球人口的增长，电力分配公司现在面临着提供可靠、高质量且低成本的电能的最大挑战[1]、[2]、[3]、[4]、[5]、[6]、[7]。负荷的增加也会导致RDS系统中的电能损耗和电压下降加剧。这两种效应将降低RDS的电能质量[8]、[9]。文献中提出了多种解决方案来解决这些问题，许多解决方案采用电容器集成方法进行无功功率补偿、电网重构或分布式发电（DG）的建设[10]、[11]、[12]、[13]。如果DG安装得当，可以获得许多好处[14]、[15]。然而，DG集成效果取决于对配电线路当前损耗和负荷状况的了解。同样，网络重新配置和电容器布置研究也依赖于识别对系统总损耗贡献最大的线路。因此，对每条线路的损耗进行系统和定量评估将有助于做出明智且及时的规划[16]、[17]、[18]、[19]、[20]、[21]、[22]。准确获得负荷流解是分析辐射式配电系统的第一步。由于辐射式配电馈线的R/X比率高且负荷不平衡，通常使用面向配电的迭代负荷流技术来获取母线电压幅值、电压角度、分支功率流和线损量[23]、[24]。在本研究中，所提出的框架被设计为一种后处理方法，它依赖于导出的负荷流结果，而不是特定的负荷流求解器。基线数值结果来自于经过验证的负荷流解，同时还与Gauss–Seidel和Newton–Raphson方法进行了额外比较，以检验关键性排名是否受所选负荷流求解技术的影响。

创建电力分配计划时最重要的问题之一是确定哪些配电线路导致了电能损耗。研究损耗敏感性和分支级损耗贡献的研究人员发现，在RDS中，大多数电能损耗发生在少数负荷最重的配电分支上，而不是在整个网络中均匀分布[25]、[26]、[27]。这种结构特征使得配电规划者在确定首先干预的位置时使用排名方法和帕累托最优性方法。帕累托分析用于可视化电能损耗的累积情况，并帮助制定减少这些损耗的策略；它已被用于配电系统行业，以指示应优先关注的领域[28]、[29]。除了使用单条件损耗排名系统外，将损耗和负荷考虑因素结合到多条件评估中的框架提供了更为平衡的损耗排名方法。结合标准化损耗和视在功率负荷组分的加权综合指数正成为开发这种综合指数的有用工具[30]、[31]。然而，现有方法存在许多局限性。首先，损耗敏感性指数通常不作为诊断工具使用；它们通常在DG选址的预处理阶段使用，而不是作为独立的诊断工具。其次，使用帕累托分析的损耗分析通常不将线路负荷信息纳入功率损耗分析中。第三，从标准负荷流报告中开发的多标准关键性评分很少伴随着报告稳健性处理、双向线路去重和兼容导出负荷流报告的可重复后处理。因此，文献中不存在全面的方法论或端到端的工作流程；没有一种集成的方法来提取足够稳健的报告质量数据来进行逐条线路的比较分析、去重、量化帕累托衍生的损耗密度以及对配电系统线路的加权关键性排名。

本研究的主要方法创新不在于提出新的负荷流求解器、新的统计指标或新的帕累托算法。相反，其新颖之处在于将标准负荷流报告输出转换为可重复的线路级损耗密度和关键性评估工作流程。所提出的框架将报告稳健的数据提取、双向线路去重、基于单元的系统损耗验证、基于帕累托的损耗集中评估以及加权损耗-负荷关键性排名整合为单一的后处理方法。这种区别很重要，因为相关的研究仅解决了这个问题的一部分：损耗敏感性分析量化了边际节点效应，但没有产生直接可用的线路排名输出[26]、[27]；基于帕累托的损耗研究通常嵌入在多目标优化程序中，而不是作为独立的诊断工具[28]、[29]；现有的多标准加权方案也没有明确解决报告格式的变化或标准负荷流输出中的双向线路重复问题[30]、[31]。表21提供了与这些研究的全面定量和功能比较。这种基于报告的排名结构允许直接从导出的负荷流结果中确定配电线路的优先级，而无需手动重构数据、重复输入网络参数或进行单独的优化建模。因此，该方法论的贡献在于开发了一种实用、可重复且定量的诊断层，它桥接了传统的负荷流分析和面向决策的线路关键性评估。

在这种情况下，“定量诊断方法”一词指的是应用定量测量分析原则——包括基于单元的验证、描述性统计特征、不确定性/敏感性评估和可重复性——到导出的负荷流报告数据，而不是使用现场测量（计量）数据作为主要输入。为了避免审稿人对此术语的歧义，手稿在其他地方使用“定量诊断框架”作为主要描述符，保留“定量诊断方法”一词用于明确定义的方法论含义。

所提出的框架适用于负荷流报告输出和结构相似的现场测量分支流数据集（例如，来自高级计量基础设施或相位测量单元），前提是所需的母线和分支级字段可用；在第3.11节中指出了将验证扩展到这些现场测量数据集作为未来的工作。风能和太阳能的丰富性加上它们环保的特性，使得这些技术成为当今RDS中最常用的资源技术类型。文献中有多种方法介绍了如何将它们整合到配电系统中[32]、[33]、[34]、[35]、[36]、[37]、[38]。此外，还研究和开发了网络重构和多目标方法来减少配电网络损耗并提高配电网络电压[39]、[40]、[41]、[42]、[43]、[44]、[45]、[46]。

由于IEEE 33节点RDS的R/X比率较高，通常使用面向配电的迭代功率流方法来确定负荷流解。在本研究中，使用经过验证的基线负荷流解来获取母线电压幅值、电压角度、分支功率流和线损量，然后由所提出的分析框架进行处理。为了更容易理解功率流，考虑如图1所示的连接两个母线“1”和“2”的配电线路（1, 2）。这里，母线“1”被选为发送端，母线“2”被选为接收端。P1和Q1分别表示通过分支（1, 2）的有功和无功功率流。PL1和QL1表示连接到母线1的负载所消耗的有功和无功功率。R12和X12分别表示分支（1, 2）的电阻和电抗。V1和V2分别是母线1和母线2的电压。

IEEE 33节点RDS的单线图如图2所示。这个辐射式配电系统由编号为1到33的33个节点和32条线路组成。从IEEE 33节点RDS的基线负荷流解获得的母线结果在附录中的表I中显示。在本研究中，IEEE 33节点RDS的基线负荷流输出在母线和线路级别上进行了分解；电压分布、线路功率流和有功/无功损耗行为在同一分析框架下进行了定量呈现。采用了一个结构化的流程，包括（i）系统地读取母线和线路报告，（ii）通过消除线路流中的双向重复来创建唯一的线路集，以及（iii）通过线路总值比较评估系统损耗与报告的总损耗。本研究的贡献有三个方面：（i）它通过在兼容的导出负荷流报告中实现解析工作流程来处理母线和线路报告的结构变化，从而解决了报告稳健性后处理的需要；（ii）它通过量化去重线路上的有功功率损耗累积浓度，填补了独立基于帕累托的损耗密度诊断的空白；（iii）它引入了一个考虑了线路损耗和视在功率负荷的标准化加权关键性指数，克服了现有文献中仅基于单一标准的损耗优先级方法的局限性。所提出框架与现有方法的实际区别有三点：首先，虽然损耗敏感性指数量化了功率变化的边际影响，但它们不会直接产生关键线路的排名列表，需要额外的后处理步骤；其次，文献中的基于帕累托的分析嵌入在多目标优化算法中，并不是作为独立的损耗密度诊断工具设计的；第三，先前的多标准加权方案没有解决报告格式变化和标准负荷流输出中的双向线路重复问题。表21提供了与这些研究的全面定量和功能比较。这种基于报告的排名结构允许直接从导出的负荷流结果中确定配电线路的优先级，而无需手动重构数据、重复输入网络参数或进行单独的优化建模。因此，该方法论的贡献在于开发了一个实用的、可重复的和定量的诊断层，它架起了传统负荷流分析和面向决策的线路关键性评估之间的桥梁。

在这种情况下，“定量诊断方法”一词指的是将定量测量分析原则——包括基于单元的验证、描述性统计特征、不确定性/敏感性评估和可重复性——应用于导出的负荷流报告数据，而不是使用现场测量（计量）数据作为主要输入。为了避免审稿人对此术语的歧义，手稿在其他地方使用“定量诊断框架”作为主要描述符，将“定量诊断方法”一词保留用于这种明确定义的方法论含义。

所提出的框架旨在同样适用于负荷流报告输出和结构相似的现场测量分支流数据集（例如，来自高级计量基础设施或相位测量单元），前提是具备所需的母线和分支级字段；将验证扩展到此类现场测量数据集被确定为第3.11节中的未来工作。风能和太阳能的丰富性以及它们的环保特性使这些技术成为当今RDS中最常用的资源技术类型。文献中有几种方法介绍了如何将它们整合到配电系统中[32]、[33]、[34]、[35]、[36]、[37]、[38]。此外，还研究和开发了网络重构和多目标方法来减少配电网络损耗并提高配电网络电压[39]、[40]、[41]、[42]、[43]、[44]、[45]、[46]。

由于IEEE 33节点RDS的R/X比率较高，通常使用面向配电的迭代功率流方法来确定负荷流解。在本研究中，使用经过验证的基线负荷流解来获取母线电压幅值、电压角度、分支功率流和线损量，然后由所提出的分析框架进行处理。为了更容易理解功率流，考虑一条连接两个母线“1”和“2”的配电线路（1, 2），如图1所示。这里，母线“1”被选为发送端，母线“2”被选为接收端。P1和Q1分别表示通过分支（1, 2）的有功和无功功率流。PL1和QL1分别表示连接到母线1的负载所消耗的有功和无功功率。R12和X12分别表示分支（1, 2）的电阻和电抗。V1和V2分别是母线1和母线2的电压。

IEEE 33节点RDS的单线图如图2所示。这个辐射式配电系统由编号为1到33的33个节点和32条线路组成。从IEEE 33节点RDS的基线负荷流解获得的母线结果显示在附录的表I中。在本研究中，IEEE 33节点RDS的基线负荷流输出在母线和线路级别上进行了统一分解；电压分布、线路功率流和有功/无功损耗行为在相同的分析框架下进行了定量呈现。在这种背景下，采用了一个结构化的流程，包括（i）系统地读取母线和线路报告，（ii）通过消除线路流中的双向重复来创建唯一的线路集，以及（iii）通过线路总值比较评估系统损耗与报告的总损耗线路。本研究的贡献有三个方面：（i）它通过在兼容的导出负荷流报告中实现解析工作流程来处理母线和线路报告的结构变化，解决了报告稳健性后处理的需要；（ii）它通过量化去重线路上的有功功率损耗累积浓度，填补了独立基于帕累托的损耗密度诊断的空白；（iii）它引入了一个考虑线路损耗和视在功率负荷的标准化加权关键性指数，克服了现有文献中仅基于单标准的损耗优先级方法的局限性。所提出框架与现有方法的实际区别有三点：首先，虽然损耗敏感性指数量化了功率变化对损耗的边际影响，但它们不会直接产生关键线路的排名列表，需要额外的后处理步骤；其次，文献中的基于帕累托的分析嵌入在多目标优化算法中，并不是作为独立的损耗密度诊断工具设计的；第三，先前的多标准加权方案没有解决报告格式的变化和标准负荷流输出中的双向线路重复问题。所提出的框架在单一端到端流程中解决了这三个限制：它使用报告稳健的解析程序处理兼容的导出负荷流报告，消除双向线路重复，应用基于帕累托的损耗密度量化作为独立诊断，并产生加权损耗-负荷关键性排名——所有这些都不需要重新输入网络参数或迭代重新模拟。这使得它可以直接作为配电系统规划、导体加固研究和电容器或DG布置决策的预优化基线工具。为了明确这些区别，表21提供了所提出框架与最近的损耗敏感性、异常线路损耗诊断、应急排名和DG布置研究的定量和功能比较。

材料与方法
所提出的分析框架的总体工作流程如图3所示。在本研究中，该框架不仅应用于IEEE 33节点辐射式配电系统，还应用于IEEE 69节点辐射式配电系统，以评估其适用于更大规模辐射式基准馈线的普遍性。工作流程从负荷流分析开始，继续进行母线和分支数据的提取和预处理，然后进行统计分析、基于帕累托的损耗分析等。

结果与讨论
强调第3.1节中呈现的基线负荷流结果本身并不是一项技术革新；相反，它们建立了参考操作点，并验证了报告解析、基于单元的损耗提取和系统损耗验证程序的正确性，与广泛报道的基准值进行了对比[47]、[48]。本研究的技术贡献在于随后的基于报告的统计分析、基于帕累托的分析和关键性分析（3.2）。

结论
本研究提出了一个用于辐射式配电系统中线损密度测量和关键性评估的分析框架，该框架使用了基线负荷流结果。所提出的框架集成了母线和线路数据的系统提取、双向线路去重、电气变量的统计特征描述、基于帕累托的损耗密度分析以及结合有功功率损耗和视在功率负荷的标准化加权关键性指数。通过直接处理...

声明
在准备这项工作时，作者使用了人工智能（AI）进行文章的语法和拼写检查。

作者贡献声明
Ahmet Nur：写作-审稿与编辑、写作-原始草稿、可视化、验证、软件、方法论、调查、形式分析、数据管理、概念化。

利益冲突声明
作者声明没有已知的财务利益或个人关系可能会影响本文报告的工作。

致谢
本项工作未得到任何机构或组织的支持。

Ahmet Nur