配电网三相不平衡度数据分析与处理

引言

配电网三相不平衡度是衡量用户用电质量和供电所供电安全性的重要指标。配电网络三相不平衡度过高产生的主要影响包括：线路损耗增加；用电负荷随机变化，无法预测；影响用电安全；电动机效率降低；影响通信质量。同时，三相不平衡问题也会对计量仪表的精度产生影响。国家标准《电能质量三相电压允许不平衡度》明确规定，在正常情况下电网各级电压的三相不平衡度不大于2%，每个用户在公共连接点 引起的三相电压不平衡度不得超过1.3%[1-2]。所以，计算三相不平衡度既符合国家标准，又能够提高电能质量，提升电力企业效益。

解决三相不平衡的问题需要对三相不平衡度进行精确计算，尽管国家标准对于电压不平衡度有详细的计算方式和规定，但是由于一些不可抗拒因素，电网数据在收集时出现了收集不到或者收集到了正常范围之外的数据，导致数据分析计算过程中出现“空数据”和“脏数据”影响数据分析准度，甚至会引发无法计算的严重后果。在此背景下，本文致力于解决数据分析计算三相不平衡度时消除“空数据”和“脏数据”的影响。 1.电力系统不平衡度算法

1.1 国家标准对于电压不平衡度的计算方法

三相电压不平衡度包括三相电压零序不平衡度和三相电压负序不平衡度，对于三相电流的幅值和相位均已知的情况下，采用对称分量法分解法按照式（1）计算正序、零序和负序电流分量，然后依次按照式（2）和式（3）计算零序和负序电流不平衡度。

式中U0是零序电压；U1是正序电压；U2是负序电压；α是旋转

因子，α=ej120。其中负序不平衡度εu2、零序不平衡度εu0分别计算为：

在品种质量方面，农垦和合作社之间差异不大，都可以与种子企业或大型经销商直接洽谈，基本可以做到统一购种，可靠的种子来源保证了种子质量。农户采购种子形式多样，非正规渠道购种或自留种的农户，种子质量无法保证，影响产量。

1.2 IEEE std 1121991对于电压不平衡度的计算方法

IEEE std 1121991定义的电压不平衡度为相电压不平衡率(PVU R)，PVU R等于三相相电压方均根值与三相相电压方均根值的平均值之差的最大值与三相相电压方均根值的平均值的比值[3]：

式中Uave为U三相电压有效值的平均值，单位为V；UA、UB、UC为A、B、C三相电压的有效值，单位为V。

例如，学生可以根据第二次笔记中记载的有关“蛋白质”专题的知识，进行蛋白质概念图的建构。学生在分析解决一定量的遗传题之后总结遗传题分析手段(方法)有两种： 通过遗传图解分析与通过系谱图分析等。

1.3 IEEE std 9361987对于电压不平衡度的计算方法

IEEE std 9361987定义的电压不平衡度为相电压不平衡率(PVUR)，PVUR等于三相相电压中的最大方均根电压与最小方均根电压的差值与平均相电压方均根值的比值[4]：

式中Uave为三相电压有效值的平均值，单位为V；Umax为三相电压有效值的最大相电压，单位为V；Umin为三相电流有效值中的最小值，单位为A。

本文研究所涉及到的计算方法主要是第二种计算方法。第一种标准能够精确计算三相不平衡度，但是需要知道三相相电压的大小和相位，在实际的测量中，电压相位是随着时间变化的，获取难度较大，运用该方法计算较为困难。其余两种标准均为估算算法，存在误差，但较为实用。

2.三相不平衡度的计算误差分析 2.1 “空数据”和“脏数据”

电力大数据具有四个特点：数据体量大；数据类型繁多；价值密度低；处理速度快[5]。在配电过程中，通过电表等智能设备可采集整个电力系统的运行数据，组成海量数据源。对采集的电力大数据进行系统的处理和分析，实现对电网的实时监控，能对电网安全、经济、高效运行提供保障。但是，在数据采集的过程中，因为智能设备故障、数据传输错误、自然灾害等原因，导致数据没有能够存入电网，电网内相关数据为空，形成了“空数据”。同样的，在数据采集的过程中，因为缺相、浮地、漏电导致出现零序电压、或者智能设备故障，导致异常值数据传入电力系统，形成了“脏数据”。 2.2 “空数据”和“脏数据”对三相不平衡度计算的影响

“空数据”和“脏数据”的存在会对数据分析的结果造成较大的影响，甚至阻断数据分析过程。因为“空数据”传入数据分析模型后数据会隐式转化成0，在三相不平衡度的计算公式中，Uave经过计算也会变成0，从而导致分母中存在0的情况发生，导致数据分析过程中断，无法计算出三相不平衡度。在“脏数据”传入数据分析模型中，因为异常值的原因，数据分析后计算出的三相不平衡度精度不足，时高时低，导致降低对电网的掌控能力，产生隐患。“脏数据”也可能为0，导致在传入电网系统时产生和“空数据”传入电网系统一样的后果，这里就不再赘述。

在翻转课堂学案的最后，还要有学生自学探索后的反馈巩固训练。在课下自主学习方面会出现各种各样的千奇百怪的问题需要解决，为了培养学生的主体意识和思维能力，帮助学生解决在自主学习中遇到的新问题是必不可少的，因此也恰恰体现了反馈化原则的重要性。翻

转课堂式学习中反馈训练也各有特点可供学生进行选择：选择题、填空题、材料解析题以及问答题等不同形式。各种训练题的设计皆都体现了有效性、针对性、实效性原则。不同题型的搭配也体现了层次性的原则，由浅及深，层层深入，题型也有容易、中等、难三个方面，并且按照7:2:1的比例编排。兼顾各个能力层面的学生来完成，提高学习水平。

2.3 避免“空数据”和“脏数据”的影响

如何避免“空数据”和“脏数据”的影响，最好的办法就是不要让它们进入数据分析模型。在获取电力数据之后、进入数据分析模型之前，加入一步数据预处理工作，清洗掉数据当中的“空数据”和“脏数据”。

微课资源库建设工作量比较大，笔者组建了“C语言程序设计”团队分工协作来完成微课的课程建设。根据课程的教学目标、教学设计，选题、视频拍摄、制作、加工等流程，把适合制作成微课的知识点选取出来，特别是历年真题中反复考试的重难点知识选取出来制作成微课视频，其他授课内容利用传统授课方式进行讲授。每个微课视频的设计都有明确的教学目标、多样化的教学方法和完整的教学过程。

最直截了当的方法是去除掉这个数据，使其不能进入数据分析模型影响计算结果。以这样的方式计算出结果后，“空数据”和“脏数据”点的三相不平衡度数据将无法呈现，可以根据无法呈现的点去追溯问题来源。这种方法也存在弊端，在某些需要分析连续结果或者对分析结果进行求平均值计算的情况下，会给新的数据分析传入空数据，如果再删除数据的话，会让新的数据模型中的数据不具有代表性。为解决上述问题，可以在数据预处理过程中将“空数据”和“脏数据”变成“正常数据”。这里的“正常数据”是指不影响或小程度影响数据分析模型准确度的数据。

在数据预处理的过程中，将“空数据”和“脏数据”填充入“正常数据”，让“正常数据”代替原来的数据进入模型进行运算，不让后续的数据分析出现“空数据”的问题。“正常数据”的选择多种多样，可以是其它时间点的历史数据，可以是数据的平均值、中位数、

众数等，不同数据的选择会影响数据分析后计算的结果的精度，选择一个好的“正常数据”填充能够不影响或小程度影响数据的分析结果，如果选择了不好的数据当作“正常数据”填充，对最后结果的影响可能是致命的。

两种避免“空数据”和“脏数据”影响的方法。要根据使用场景的不同进行选择，一般情况下建议在简单数据运算的模型中使用第一种方法，在有多轮数据运算的模型中使用第二种方法，也可结合两种方法进行使用，具体场景具体分析，最终的目的都是为了避免“空数据”和“脏数据”带来的影响。

近年来，杨凌示范区积极响应中国“一带一路”倡议，先后与60多个国家和地区建立国际农业科技合作，成为中国开展国际农业交流合作的桥头阵地。据了解，在“主导、企业运作、协力发展”的原则指导下，双方将积极加速推进中国农业实现产业化、现代化以及可持续发展的步伐。为此，双方签署的战略合作备忘录将重点围绕技术合作、人员培训和信息交流三个方面展开。 3.实验验证

从中国南方电网瑞丽供电所抽取了某一天的配电网相关数据，该数据按十五分钟一次定时增量采集，一天有若干个运行电表九十六个时间节点的采集数据，这些数据中有正常传入配电网络的数据，有未传入配电网络的“空数据”和传入无效的“脏数据”。

根据本文介绍的计算三相不平衡度的方法计算三相不平衡度，先对数据进行处理，然后计算三相不平衡度。因为存在多个运行电表，所以分别计算出该天每个时间节点的平均值UA、UB、UC，然后根据每个时间点的平均三相电压计算出与之对应的三相电压的平均值，Uave最后根据IEEE std 1121991计算电压不平衡度。计算流程如图1所示。

计算出当日的三相不平衡度的可视化图表如图2。根据计算结果，可看出该天三相不平衡度有较大波动，不够稳定，而且有部分值超出国家标准规定值，需要重视。

实验证明，如果把“空数据”送入数据分析运行模型，会引起程

序报错，分析过程中断；如果把“脏数据”送入数据分析运行模型，则会导致计算精度差距过大，可视化图表如图3。

乐队奏起来了，竟是舒曼经常弹奏的那支印度尼西亚民歌《鸽子》。听着这支歌，我的泪水止不住夺眶而出。大丫的眼圈也湿了。

图1 分析过程流程图

图2 三相不平衡度

图3 “空数据”存在计算的三相不平衡度 4.总结

“空数据”和“脏数据”产生，不可避免的会对数据分析结果产生影响，无论后期怎么处理，都会影响分析结果，后期的数据处理只

能减小二者带来的危害。所以想要完全避免这样的危害，只能从源头把控，不产生“空数据”和“脏数据”，如果还是不可避免的出现了这样的数据，就可以使用本文的方法去解决问题，降低危害。

参考文献

[1]电能质量三相电压不平衡:GB/T153-2008[S].

[2]钱辰辰,朱明星,夏振武等.基于参考阻抗法的多不平衡责任分摊定量评估［J］.电力系统及其自动化,2014,38(6):6167.

[3]同向前,王海燕,尹军.基于负荷功率的三相不平衡度的计算方法

［J］.电力系统及其自动化学报,2011,23(2):2430.

[4]朱明星,李开金.低压配电网三相不平衡度计算方法与应用,2019,02(006):00 41.

[5]宋亚奇,周国亮,朱永利.智能电网大数据处理技术现状与挑战[J].电网技术,2013,04期(04):927-935.