34
ИДЕНТИФИКАЦИЯ ФАЗ В ЭЛЕКТРИЧЕСКИХ СЕТЯХ НИЗКОГО
НАПРЯЖЕНИЯ С ПОМОЩЬЮ ДАННЫХ ИНТЕЛЛЕКТУАЛЬНЫХ
ПРИБОРОВ УЧЁТА
Ручкина А.Д.
1
, Акимов Д.А.
2
, Николаева Е.В.
3
.
1
ФГАОУ ВО «СПБПУ», Санкт-Петербург, Российская Федерация
2
ООО «Мастерская цифровых решений», Санкт-Петербург, Российская Федерация
3
АО «НТЦ ЕЭС»
e-mail:
Аннотация
Состояние вопроса:
В настоящее время пристальное внимание уделяется снижению потерь электроэнергии,
значительная доля которых, как известно, приходится на низковольтные распределительные сети. Для точного расчёта
оптимального режима и оценки состояния системы требуется информация об энергопотреблении, потерях и
потокораспределении для каждой фазы, а также об активных и реактивных нагрузках, представляемых в виде токов или
узловых мощностей, и распределения этих нагрузок по фазам. На данный момент в России определить фазу можно
только вручную, используя специальное оборудование. Этот способ является весьма дорогостоящим и не исключает
ошибку, связанную с человеческим фактором.
Материалы и методы:
При разработке способа идентификации фаз использовался метод статистического анализа
данных. Программа была написана на языке python с использованием библиотек pandas, scipy, matplotlib, seaborn, sklearn,
DBSCAN.
Результаты:
Произведён сравнительный анализ методов для создания алгоритма идентификации фаз.
Выводы:
Найдены преимущества и недостатки самых распространённых методов идентификации фаз, а также
определён самый точный метод.
Ключевые слова:
идентификация фаз, интеллектуальные приборы учета, иерархическая кластеризация,
корреляционная матрица, k-средних, пространственная кластеризация для приложений с шумами.
PHASE IDENTIFICATION IN LOW-VOLTAGE NETWORKS USING DATA
FROM SMART METERS
Ruchkina A.D.
1
, Akimov D.A.
2
, Nikolaeva E.V.
3
1
SPBPU, Saint-Petersburg, Russian Federation
2
LLC «Digital Solutions Workshop», Saint-Petersburg, Russian Federation
3
JSC «STC UPS»
e-mail:
Abstract
Background:
Currently, close attention is being paid to electricity losses reduction, a significant share of which is known to
occur in low-voltage distribution networks. In order to accurately calculate the optimal mode and assess the state of the system,
information about energy consumption, losses and power flow distribution for each phase, as well as about active and reactive loads,
represented as currents or nodal capacities, and the distribution of these loads by phases is required. At the moment in Russia, it is
possible to determine the phase only manually, using special equipment. This method is very expensive and does not exclude an error
related to the human factor.
Materials and Methods:
The method of statistical data analysis was used to develop the phase identification method. The
program was written in python using libraries like pandas, scipy, matplotlib, seaborn, sklearn, DBSCAN.
Results:
A comparative analysis of methods for creating an algorithm for identifying phases has been made.
Conclusions:
The advantages and disadvantages of the most common phase identification methods are found, and the most
accurate method is determined.
Key words:
phase identification, smart meters, hierarchical clustering, correlation matrix, k-means, density-based spatial
clustering of applications with noise.
