35
I.
В
ВЕДЕНИЕ
Специфика распределительных сетей заключается не
только в их массовости и разветвлённости, но и в менее
детальных расчётах режимов работы и, как следствие,
меньшем количестве информации, необходимой как для
внедрения новых цифровых технологий, так и для
согласованной и эффективной эксплуатации уже
имеющихся.
Низковольтная часть электроэнергетической системы
является важным участком, влияющим на эффективность
передачи электроэнергии. Именно в распределительных
сетях потери электроэнергии являются наибольшими.
Тем
не
менее,
вопросам
функционирования
распределительных сетей уделяется меньше внимания,
чем сетям с более высоким классом напряжения.
Согласно Энергетической стратегии России 4%
потерь при транспортировке энергии — один из целевых
показателей, который планируется достичь до 2035 года.
Более
того,
общий
объём
активных
потерь
электроэнергии должен составлять максимум 10%, а в
идеале не более 3–5% [1]. Сегодня потери
электроэнергии в России насчитывают около 8 – 10%.
Для сравнения в Канаде они составляют 6,3%, в Японии
— 5%, в Германии — 7,6%, в США — 6,5%, в
Финляндии — 6,7%. [2]. Непрерывный рост
производственных
мощностей
и
количества
потребителей обусловил усугубление одной из причин
возникновения потерь, а именно – потери, связанные с
наличием
несимметричных
режимов,
вызванных
некорректным распределением нагрузки по фазам.
На данный момент в России идентификация фазной
принадлежности потребителей является долгой и
дорогостоящей задачей. Изначально распределение
возводимых сооружений по фазам осуществлялось
хаотично: например, потребители делились на тройки и
присоединялись на каждую из фаз соответственно. При
таком подходе не исключено не только отсутствие
возможности равномерного распределения, но и ошибок,
связанных с человеческим фактором, так как данные о
фазной принадлежности заносились в соответствующие
реестры вручную. Более того, по тем же причинам какие-
либо данные могли быть не зафиксированы вовсе. Таким
образом, есть все основания полагать, что бумажная
документация, сохранившаяся до настоящего времени,
не только может утратить свою актуальность в силу
возможных
неучтённых
реконфигураций
распределительной сети, но и содержать ошибки или
быть неполной.
Рис.1 – Визуализация неизвестной фазы, подведенной к потребителю
Последствием такого учёта является неравномерная
загруженность фаз, которая оказывает существенное
влияние на качество электроэнергии, значительно
снижая его. Данный аспект затрагивает не только
обязательства перед потребителями в обеспечении их
электроэнергией с показателями требуемого уровня, но и
вопросы
экономической
выгодности
передачи
электроэнергии. Поэтому имеет место потребность в
принятии мер, направленных на устранение потерь,
вызываемых несимметричными режимами.
Решением данной проблемы может стать внедрение
алгоритмов, способных идентифицировать фазную
принадлежность
потребителей.
Чтобы
избежать
дополнительных затрат, целесообразно использовать уже
имеющиеся ресурсы. Поэтому для идентификации фазы
предлагается использовать алгоритмический подход на
основе данных, получаемых с интеллектуальных
приборов учёта, установка которых стала обязательной
начиная с 2020 года согласно принятому в 2018 году
закону [3].
II.
С
УЩЕСТВУЮЩИЕ СПОСОБЫ ИДЕНТИФИКАЦИИ ФАЗЫ
В
настоящее
время
идентификация
фаз
осуществляется вручную с помощью специального
оборудования. Этот способ весьма дорогостоящий и не
исключает ошибку, связанную с человеческим фактором.
Альтернативой может являться использование методов,
основанных на анализе данных, передаваемых
интеллектуальными приборами учёта. Однако некоторые
особенности этих данных вызывают определённые
сложности при разработке алгоритмов, способных с
высокой точностью осуществлять идентификацию фаз.
Например, необходимо учитывать не только формат
фиксируемых данных – временные ряды, но и наличие
сезонных
выбросов,
процент
покрытия
сети
интеллектуальными
счётчиками,
класс
точности
приборов учёта и т.д. Решения, применяемые в
различных исследованиях для создания алгоритмов
идентификации
фаз
довольно
разнообразны:
используется
корреляция
между
измерениями
напряжения фаз [4], [5], анализ величин мощности [6],
множественная линейная регрессия между значениями
нагрузки,
полученными
непосредственно
у
потребителей, и значениями нагрузки, измеренными на
подстанции [7], спектральный анализ частотной области
нагрузочных характеристик [8]. Однако наибольшее
распространение и наилучшие результаты получили
алгоритмы,
составленные
на
основе
методов
иерархической кластеризации и методов k-средних [9].
III.
С
РАВНЕНИЕ РАЗЛИЧНЫХ АЛГОРИТМОВ
КЛАСТЕРИЗАЦИИ ДЛЯ ИДЕНТИФИКАЦИИ ФАЗ
Несмотря на то, что исследований существует
достаточно большое количество [11 - 18], такого, в
котором было бы осуществлено сравнение различных
методов и алгоритмов – нет. Его необходимость
обусловлена тем, что в работах используются не только
различные по объёму и качеству данные, но и
неодинаковые критерии оценки эффективности, что не
позволяет сравнить эти методы друг с другом. Авторами
данной статьи было проведено исследование и сравнение
самых распространённых алгоритмов кластеризации:
иерархическая кластеризация, кластеризация методом k-
