简介《中压配电网现状分析》PPT由天津天大求实电力新技术股份有限公司编撰面向配电网规划、运行及科研人员系统讲解中压配电网现状分析的全流程。内容从目的与意义出发覆盖数据收集整理、技术原则确定、评估指标建立、单项指标计算与问题识别并重点介绍基于AHP和德尔菲法的综合评价体系。资源以架空线路、电缆线路、开关设备等为实例剖析单辐射线路、主干线过长、线径不足、绝缘化率低、配变容量过大、线路过载等常见薄弱环节还给出从现状分析到负荷预测、网络规划、投资估算及成效分析的完整框架。压缩包共1个文件类型为PPT大小约4.77MB结构清晰图文并茂既适合入门学习也可作为实际项目的方法论参考。目前已有83人浏览学习。通过这份材料读者可快速掌握配电网诊断的指标体系和综合评价方法理解技术合理性、运行安全性、转供能力、供电质量及经济性的权衡思路并借鉴投资估算与成效分析的实用案例。1. 中压配电网现状分析到底要回答什么拿到一个名为“中压配电网现状分析”的任务多数人第一反应是找拓扑图、拉曲线、堆系统截图。但真正有信息量的现状分析回答的是三个问题现在哪些设备在重过载哪些线路和主变经不起N-1校验哪些区域停电风险和低电压问题最集中。中压配电网通常指10kV部分区域为20kV电压等级的馈线、配变、分段开关、联络开关构成的网络它是用户感知供电可靠性的最后一公里。这份分析的产出物往往是一个汇报用的演示文稿但支撑它的必须是口径明确的计算表、可复现的统计脚本和能落到地理接线图上的指标标注。适合做这件事的人是配网规划、运维检修、自动化专业的工程师以及帮电力业务做数据清洗和分析的IT人员。下面这整套做法按“指标定义、数据准备、拓扑计算、结果呈现”的顺序铺开直接照着做就能搭出一次完整的现状分析。2. 把现状拆成可计算的指标负载率、N-1通过率、线损与供电可靠性2.1 网架形态先归类单辐射、手拉手、多分段多联络分析现状不能上来就算数要先给网架“定性”。中压配电网的网架结构决定了它的转供能力和故障隔离能力常见做法是按联络关系和分段数分成三类单辐射、手拉手、多分段多联络。单辐射线路只有电源侧一个供电路径故障或检修时整条馈线失电手拉手线路通过联络开关与另一条馈线相连具备最基本的转供条件多分段多联络则是将馈线分成多个段每段有独立联络点转供灵活性最高。这个分类是后续N-1校验的前置条件因为单辐射线路天然不具备N-1通过的可能分析时可以直接筛出来单独列清单。分类的字段依据是GIS台账里的“联络开关编号”和“分段开关数量”。一张可用的网架信息表至少需要馈线名称、变电站、主干长度、分段开关数、联络开关数、联络对端馈线。拿到这张表后用一个简单的规则就能完成初判规则如下表所示。网架类型判定条件典型转供能力单辐射无联络开关分段开关任意不具备故障全停手拉手1个联络开关两侧各1段一侧失电可转带多分段多联络2个及以上联络开关分段数≥2可分段转供灵活度最高2.2 用断面数据算线路与主变负载率负载率是现状分析里最刚性的指标它直接指向重过载设备清单。计算公式是负载率 实际运行电流 / 额定电流或者用功率负载率 实际有功 / 容量 / 功率因数。关键在于“取哪个断面”用瞬间值会失真用平均值会把短时尖峰抹平。我一般取两个断面一是年最大负荷日通常是夏季高温日或冬季取暖日的全网最大负荷时段的馈线出口电流用于判断设备是否重过载二是代表月比如全年负荷适中的4月或10月的平均电流用于看常态运行水平。在用EMS或SCADA系统的历史数据时直接导出的可能是间隔5分钟的电流采样值需要先用Python做聚合把每条馈线一天内的最大值、平均值、95%分位值算出来。import pandas as pd # data 为从SCADA导出的馈线电流采样表 # 字段: line_id, timestamp, current_a df pd.read_csv(feeder_current.csv, parse_dates[timestamp]) df[date] df[timestamp].dt.date grouped df.groupby([line_id, date])[current_a].agg( max_currentmax, mean_currentmean, p95_currentlambda x: x.quantile(0.95) ).reset_index() # 关联额定电流计算负载率 capacity pd.read_csv(feeder_capacity.csv) # 含 line_id, rated_current merged grouped.merge(capacity, online_id) merged[max_load_rate] merged[max_current] / merged[rated_current] merged[p95_load_rate] merged[p95_current] / merged[rated_current] # 标记重过载最大负载率100%为重载120%为过载 merged[status] normal merged.loc[merged[max_load_rate] 1.0, status] heavy merged.loc[merged[max_load_rate] 1.2, status] overload这段代码里max_current取的是每条馈线每一天的峰值电流用来判断短时冲击p95_current用的是95%分位值它的含义是“全年绝大多数时间里电流都不超过这个值”比单纯平均值更能反映真实瓶颈。额定电流从设备台账取一般GIS系统里就有注意变压器和线路的额定电流口径不同线路看导线载流量配变看额定容量换算到高压侧的电流。如果某条馈线没有额定电流字段可以按导线截面粗估LGJ-240导线载流量大约480AYJV-240电缆大约455A但这只能作为临时值正式报告里要用台账数据。2.3 N-1校验的计算逻辑和判定边界N-1校验是现状分析中被误解最多的一个指标。它说的是某条馈线或某台主变因故障或检修退出运行后剩下的网络能不能把它的负荷全部带走。很多人以为只要“有联络开关”就算通过实际不是。完整的N-1判定分三步。第一步确定失电设备的所有负荷第二步找到可转供路径和转供路径上每个节点的可带容量第三步逐段判断转供后联络对端馈线的负载率是否超过允许值通常取100%为上限部分供电局用80%作为规划红线。如果任何一个分段转供后对端过载这条线路的N-1就不通过。在实际分析中手算N-1校验不现实但也不需要上电网仿真软件用联络关系表和负荷分布表就能做初步判定。核心逻辑是对每个联络对做负荷转移叠加如下面这个简化示例。# 联络关系表feeder_a, feeder_b, contact_capacity contacts pd.read_csv(contact_pairs.csv) # 馈线最大负荷表line_id, max_load, capacity loads pd.read_csv(feeder_max_load.csv) results [] for _, row in contacts.iterrows(): a, b row[feeder_a], row[feeder_b] load_a loads.loc[loads[line_id] a, max_load].values[0] cap_b loads.loc[loads[line_id] b, capacity].values[0] load_b loads.loc[loads[line_id] b, max_load].values[0] cap_a loads.loc[loads[line_id] a, capacity].values[0] rate_b_after (load_b load_a) / cap_b rate_a_after (load_a load_b) / cap_a results.append({ pair: f{a}-{b}, a_fail_b_pass: rate_b_after 1.0, b_fail_a_pass: rate_a_after 1.0 }) n1_result pd.DataFrame(results)这段代码建立了最基础的N-1判定模型假设馈线a失电它的全部负荷load_a要压到馈线b上此时b的负载率是(load_b load_a) / cap_b超过1.0就是不通过。注意这里没考虑分段转供的精细化也就是“只转移一部分负荷”的情况因此是保守判定。保守的好处是误判率低坏处是会把部分实际可通过的线路判成不通过。要做精细判定需要分段负荷数据和分段开关状态这放在第4章讲。2.4 线损率、电压合格率与供电可靠性RS-3除了负载率和N-1现状分析的标配指标还有三个。线损率反映电网经济性计算方式为线损率 (供电量 - 售电量) / 供电量 × 100%。注意这个口径的“售电量”在配电网里常用“配电变压器低压侧抄见电量总和”代替因为10kV线路的电量不能直接对应到终端用户。分线路线损需要在线路首端和末端装计量装置不是每条线路都有这个条件所以现状分析里通常算的是变电站10kV母线整体的线损率再列出线损率超过10%的异常馈线。电压合格率按节点统计收集配变低压侧电压监测数据或用电信息采集系统的电压曲线统计电压低于198V10kV系统对应低压侧标准下限或高于235.4V的时段占比。供电可靠性指标用RS-3即用户平均停电时间小时/户数据来自停电管理系统不统计在现状分析的计算脚本里但要在报告里给出年度值并对比前三年趋势。需要特别提醒的是电压合格率和线损率都依赖计量数据的完整度。如果某个台区的采集成功率只有70%那算出来的电压合格率没有统计意义报告中要明确标注数据覆盖率这个细节在最后一章会再提。3. 数据从哪来、怎么洗成一张可分析的表3.1 中压现状分析的四类数据源做现状分析最花时间的不是计算是找数据和对齐口径。项目里通常涉及四类系统。第一是EMS或SCADA提供馈线实时电流、有功功率、电压采样值采样间隔从1秒到15分钟不等是负载率计算的主力。第二是GIS系统提供设备台账和拓扑关系包括馈线、开关、配变、杆塔的空间位置和连接关系网架分类就靠它。第三是用电信息采集系统提供配变低压侧电压、电流和电量电压合格率和台区线损的数据源。第四是PMS设备管理系统或生产管理系统提供设备投运日期、型号、检修记录用于分析设备老旧程度。这四类系统的数据口径完全不同联表时最容易出问题的字段是“馈线名称”。同一个设备在SCADA里叫“10kV东城线”在GIS里叫“东城103”在采集系统里叫“东城馈线”不统一。第一步要建一个设备对照表把各系统的设备标识映射到唯一ID这是后续所有计算的地基。3.2 先做拓扑拼接再谈指标计算拿到GIS导出的拓扑数据后建议先做一个“站-线-变”的层级校验。典型结构是变电站10kV母线 → 馈线首端开关 → 主干线 → 分段开关 → 分支线 → 配变。校验内容包括每条馈线是否有且只有一个首端开关配变是否都挂接在具体馈线下是否存在跨馈线供电的异常拓扑记录。这个校验可以用GIS的拓扑检查工具自动跑也可以自己写SQL查。比如要找出没有挂接配变的馈线用一条简单的关联查询就能做到。下面用SQL示意。SELECT f.line_id, f.line_name FROM feeder f LEFT JOIN distribution_transformer t ON f.line_id t.power_line_id WHERE t.transformer_id IS NULL AND f.voltage_level 10kV;这条查询的思路是以馈线表为主表左连接配变表如果某条馈线找不到任何配变记录说明拓扑台账里有孤立馈线。实际项目中这种记录不算罕见存在的原因是新投运设备未录入GIS或者线路改切后旧台账没更新。对这类馈线现状分析里要单独标记不能直接当作空载处理因为很可能只是数据缺失。拓扑校验做完后再开始计算指标否则算出的负载率对应的是错误的地理范围。3.3 用Python清洗与聚合的完整流程数据清洗的核心工作有三件处理重复采样点、对齐时间戳、填充设备关联字段。SCADA导出的电流数据经常出现同一条馈线同一时刻有多条记录的情况原因是遥测点配置重复需要在清洗时按馈线和时间戳去重保留采集质量标志最好的那条。时间戳对齐是把不同系统的数据统一到时区、统一到15分钟或整点。下面给出一个清洗的完整流程包括去重、对齐时间、合并台账三个步骤。import pandas as pd import numpy as np df pd.read_csv(scada_feeder.csv, parse_dates[ts]) # 步骤1: 按 line_id ts 去重保留quality最高的记录 df df.sort_values(quality, ascendingFalse).drop_duplicates( subset[line_id, ts], keepfirst ) # 步骤2: 把时间戳对齐到15分钟 df[ts_15min] df[ts].dt.floor(15min) aligned df.groupby([line_id, ts_15min], as_indexFalse)[ current_a ].mean() # 步骤3: 关联台账补设备参数 asset pd.read_excel(asset_gis.xlsx, sheet_namefeeder) aligned aligned.merge( asset[[line_id, rated_current, wire_type, substation]], online_id, howleft ) # 步骤4: 剔除额定电流缺失或为0的异常行 aligned aligned[aligned[rated_current].notna() aligned[rated_current] 0]这段代码的关键参数有两个floor(15min)是把时间戳向下取整到15分钟边界比如14:32会变成14:30目的是让不同系统的采样点在相同时间格点上可以做关联比较sort_values(quality)里的quality字段是SCADA系统自带的采集质量标志数值高的代表数据来自更可靠的通道。步骤4剔除额定电流缺失的行是因为这类设备参数在GIS台账里没维护好强行参与计算会得到荒谬的负载率比如几百条线路计算出500%的负载率很可能是额定电流写错成0.1倍。清洗完成后建议输出一份“清洗报告”记录每条数据表清洗前的行数、清洗后的行数、剔除原因分布。这个报告不一定要写进最终PPT但在内部评审时能少吵架因为“为什么这条线路的数据不能用”是说不清的老矛盾了。3.4 数据质量校验的两个硬性标准清洗后的数据能不能用于分析用两个标准检查。第一馈线电流曲线与负荷属性的相关性居民负荷为主的馈线晚高峰明显工商业负荷为主的馈线白天高、晚上低。如果一条标注为“工业线”的馈线呈现出纯居民负荷曲线说明台账里的负荷属性可能不对或者该线路实际带着一片新建居民区这种情况在城中村改造区域非常高发。第二同一变电站出线的总电流与主变负载的对应关系把该站所有10kV馈线同一断面的电流相加再乘以电压和功率因数应当接近主变高压侧的有功功率。偏差超过20%时优先怀疑漏了某条出线计量点或者馈线采样值本身就存在遥测坏点。4. 从统计走向拓扑薄弱环节识别与自动化覆盖率4.1 用N-1结果叠加负载率做薄弱环节四象限单纯的负载率排名回答不了“哪个问题最优先解决”。把第2章算出的最大负载率和N-1校验结果放在同一个坐标里形成四象限高负载率且N-1不通过是红色区必须优先整改高负载率但N-1通过是黄色区说明有转供能力但常态运行压力大低负载率但N-1不通过是橙色区属于转供通道不足低负载率且N-1通过是绿色区运行健康度较高。具体操作时可以给每条馈线打上两个标签再分组统计。这个分组的聚合逻辑用一句话SQL就能完成如下所示。SELECT CASE WHEN max_load_rate 0.8 AND n1_pass N THEN 红线区 WHEN max_load_rate 0.8 AND n1_pass Y THEN 黄线区 WHEN max_load_rate 0.8 AND n1_pass N THEN 橙线区 ELSE 绿线区 END AS risk_level, COUNT(*) AS feeder_cnt FROM feeder_status GROUP BY risk_level;这里max_load_rate 0.8用的是80%作为重载阈值比第2章里的100%更严格原因是规划层面通常要求常态负载率控制在80%以内留出转供和增长的裕度。n1_pass字段由第2章的N-1判定逻辑生成注意这里N-1的结果不要求精细化先用手拉手整体转移的粗判结果后面有时间再细化。这个四象限的统计结果直接决定PPT里“薄弱环节清单”的排序逻辑。红线区应该配原因分析和建议措施比如加装联络开关、增大导线截面、新出馈线割接负荷。黄线区要说明为什么负载高但能转供是联络容量充足还是联络点位置好。橙线区的整改思路一般是增加第二联络点或新建线路形成手拉手。4.2 自动化覆盖率按“三遥、二遥、一遥”分层统计配网自动化水平是区分“现状”和“过去”的关键指标。自动化终端的统计口径不是“装了没装”而是“具备什么功能”。三遥终端遥控、遥测、遥信可以远程分合闸是故障隔离和负荷转供的执行基础二遥终端遥测、遥信能看状态和量测但不能远程控制一遥终端只有遥信只能看开关位置。现状分析里要分别统计这三级终端的数量和覆盖率更要算“有效覆盖率”。有效覆盖率的定义是自动化终端数量 / 应装终端数量的比例其中“应装”指该开关处于自动化规划范围内。有些地区把开关都装了终端但通信通道老旧、遥控成功率只有50%这个是运行层面的问题分析报告中要单列“遥控成功率”指标。计算脚本里直接按开关类型分组统计即可下面给出示意。# 开关台账: device_id, switch_type(分段/联络/分支), terminal_type(三遥/二遥/一遥/无) sw pd.read_csv(switches.csv) def terminal_score(t): return {三遥: 1.0, 二遥: 0.7, 一遥: 0.4, 无: 0.0}[t] sw[score] sw[terminal_type].map(terminal_score) coverage sw.groupby(switch_type).agg( total(device_id, count), three_remote(terminal_type, lambda s: (s 三遥).sum()), coverage_rate(score, mean) ).reset_index()这个计算的思路是用加权评分来近似“自动化能力水平”三遥是1分二遥折成0.7一遥只有0.4没有终端是0。coverage_rate列的含义不是终端安装率而是能力折算覆盖率。比如某条线路10个开关里5个三遥、5个无终端折算覆盖率是50%能直观反映“这条线自动化的真实水平”。这个指标在供电公司内部对标时很有用比单纯报“安装率80%”更有说服力。4.3 三相不平衡与末端低电压的识别方法三相不平衡是低压侧典型问题但中压现状分析也要看配变出口侧的电流不平衡度。计算公式为不平衡度 (最大相电流 - 最小相电流) / 最大相电流 × 100%。不平衡度超过50%的配变要单列清单因为它们不仅增加线损还会导致中性点偏移和保护误动。数据用电信息采集系统里配变低压侧三相电流按台区和时间聚合后排序取Top50即可。末端低电压的识别要结合电压监测点数据关注点在“季节性低电压”和“长期低电压”的区分。长期低电压指全年超过30%的时间电压低于198V季节性低电压指只在冬季或夏季某个时段出现两者的治理手段不同长期低电压通常需要加装无功补偿或更换大截面导线季节性低电压则可能通过调整变压器分接头解决。分析时按台区统计全年电压曲线的有效值占比用极值判断法快速筛选见下面的Python片段。v pd.read_csv(voltage_points.csv, parse_dates[ts]) v[hour] v[ts].dt.hour v[month] v[ts].dt.month # 按台区统计低电压时间占比 v[is_low] v[voltage] 198 by_tf v.groupby(transformer_id).agg( total_points(is_low, count), low_points(is_low, sum), low_ratio(is_low, mean) ).reset_index() # 长期低电压全年低电压占比30% long_term by_tf[by_tf[low_ratio] 0.3] # 季节性低电压按月份统计任何一个月低电压占比50% monthly v.groupby([transformer_id, month])[is_low].mean().reset_index() seasonal monthly[monthly[is_low] 0.5].groupby(transformer_id)[month].min().reset_index()这里low_ratio用的是“低电压点数/总点数”注意配变低压侧电压合格下限是198V中压馈线出口电压一般要保持在10.0kV到10.7kV之间对应低压侧大约220V到235V。如果你手头的数据是10kV母线电压而不是低压侧电压判断阈值要换成10.0kV可别把两套阈值混在一起用。seasonal里取month.min()的意义是标记首次出现季节性低电压的月份用来辅助判断是冬季负荷增长还是夏季空调负荷造成的。5. 把指标回填到一张图上的验证方法现状分析最怕的不是算错而是算出来没人敢信。最后一章说一个实用技巧把所有关键指标回填到地理接线图上做交叉验证而不是只在表格里看数字。把GIS导出的馈线地理走向作为底图用颜色标记每条馈线的负载率区间用开关符号颜色标记N-1通过状态用配变点位大小表示低电压持续时间。这张图做好后叫上运维班组的老师傅过一眼重点看三类现象标记为红线的线路是不是他们印象里“夏天必跳”的那几条标记为绿线的线路是否真的从来没报过故障标记为橙线的区域是否恰好是近两年新接入的小区或产业园。这个验证过程本质上是拿运行经验校准统计口径。如果老师傅说某条线路明明经常停电但你的N-1判定结果是通过那要回头查联络开关是否被改成冷备用状态或者联络对端馈线本身也处于重载状态整体转带时对端也撑不住。反过来如果统计结果说某条线路重过载但老师傅认为该线路实际负荷没那么高则优先怀疑SCADA采样值里有遥测坏点或者CT变比配置错误回到第3章的清洗流程查原始数据曲线。更具体的验证方法是一页纸校验表把每条馈线的最大负载率、N-1结果、自动化覆盖率、低电压台区数、线路线损率五个字段列在一行按红线区排序输出成Excel或直接写到PPT的附录页。检查这张表时只认可两种结论一是指标与运行记录一致二是存在可解释的差异且差异原因已标注比如台账未更新、采集数据缺失。做到这一步现状分析的报告就从“计算题”变成了“结论题”能支撑投资优先级排序和改造方案比选。最后留一个习惯把这次分析所用的数据截止日期、指标计算版本号、四类原始数据表的导出时间全部写在PPT备注页里不要放在正文。因为半年后这份分析大概率会被翻出来对比“当年说的问题解决了没有”没有数据口径的备注到时候谁也说不清当时的基准是什么。本文还有配套的精品资源点击获取 
长河君 · 2026/9/19 17:52:28 · 阅读 1.2k 中压配电网现状分析实战：指标计算与薄弱环节识别
简介《中压配电网现状分析》PPT由天津天大求实电力新技术股份有限公司编撰面向配电网规划、运行及科研人员系统讲解中压配电网现状分析的全流程。内容从目的与意义出发覆盖数据收集整理、技术原则确定、评估指标建立、单项指标计算与问题识别并重点介绍基于AHP和德尔菲法的综合评价体系。资源以架空线路、电缆线路、开关设备等为实例剖析单辐射线路、主干线过长、线径不足、绝缘化率低、配变容量过大、线路过载等常见薄弱环节还给出从现状分析到负荷预测、网络规划、投资估算及成效分析的完整框架。压缩包共1个文件类型为PPT大小约4.77MB结构清晰图文并茂既适合入门学习也可作为实际项目的方法论参考。目前已有83人浏览学习。通过这份材料读者可快速掌握配电网诊断的指标体系和综合评价方法理解技术合理性、运行安全性、转供能力、供电质量及经济性的权衡思路并借鉴投资估算与成效分析的实用案例。1. 中压配电网现状分析到底要回答什么拿到一个名为“中压配电网现状分析”的任务多数人第一反应是找拓扑图、拉曲线、堆系统截图。但真正有信息量的现状分析回答的是三个问题现在哪些设备在重过载哪些线路和主变经不起N-1校验哪些区域停电风险和低电压问题最集中。中压配电网通常指10kV部分区域为20kV电压等级的馈线、配变、分段开关、联络开关构成的网络它是用户感知供电可靠性的最后一公里。这份分析的产出物往往是一个汇报用的演示文稿但支撑它的必须是口径明确的计算表、可复现的统计脚本和能落到地理接线图上的指标标注。适合做这件事的人是配网规划、运维检修、自动化专业的工程师以及帮电力业务做数据清洗和分析的IT人员。下面这整套做法按“指标定义、数据准备、拓扑计算、结果呈现”的顺序铺开直接照着做就能搭出一次完整的现状分析。2. 把现状拆成可计算的指标负载率、N-1通过率、线损与供电可靠性2.1 网架形态先归类单辐射、手拉手、多分段多联络分析现状不能上来就算数要先给网架“定性”。中压配电网的网架结构决定了它的转供能力和故障隔离能力常见做法是按联络关系和分段数分成三类单辐射、手拉手、多分段多联络。单辐射线路只有电源侧一个供电路径故障或检修时整条馈线失电手拉手线路通过联络开关与另一条馈线相连具备最基本的转供条件多分段多联络则是将馈线分成多个段每段有独立联络点转供灵活性最高。这个分类是后续N-1校验的前置条件因为单辐射线路天然不具备N-1通过的可能分析时可以直接筛出来单独列清单。分类的字段依据是GIS台账里的“联络开关编号”和“分段开关数量”。一张可用的网架信息表至少需要馈线名称、变电站、主干长度、分段开关数、联络开关数、联络对端馈线。拿到这张表后用一个简单的规则就能完成初判规则如下表所示。网架类型判定条件典型转供能力单辐射无联络开关分段开关任意不具备故障全停手拉手1个联络开关两侧各1段一侧失电可转带多分段多联络2个及以上联络开关分段数≥2可分段转供灵活度最高2.2 用断面数据算线路与主变负载率负载率是现状分析里最刚性的指标它直接指向重过载设备清单。计算公式是负载率 实际运行电流 / 额定电流或者用功率负载率 实际有功 / 容量 / 功率因数。关键在于“取哪个断面”用瞬间值会失真用平均值会把短时尖峰抹平。我一般取两个断面一是年最大负荷日通常是夏季高温日或冬季取暖日的全网最大负荷时段的馈线出口电流用于判断设备是否重过载二是代表月比如全年负荷适中的4月或10月的平均电流用于看常态运行水平。在用EMS或SCADA系统的历史数据时直接导出的可能是间隔5分钟的电流采样值需要先用Python做聚合把每条馈线一天内的最大值、平均值、95%分位值算出来。import pandas as pd # data 为从SCADA导出的馈线电流采样表 # 字段: line_id, timestamp, current_a df pd.read_csv(feeder_current.csv, parse_dates[timestamp]) df[date] df[timestamp].dt.date grouped df.groupby([line_id, date])[current_a].agg( max_currentmax, mean_currentmean, p95_currentlambda x: x.quantile(0.95) ).reset_index() # 关联额定电流计算负载率 capacity pd.read_csv(feeder_capacity.csv) # 含 line_id, rated_current merged grouped.merge(capacity, online_id) merged[max_load_rate] merged[max_current] / merged[rated_current] merged[p95_load_rate] merged[p95_current] / merged[rated_current] # 标记重过载最大负载率100%为重载120%为过载 merged[status] normal merged.loc[merged[max_load_rate] 1.0, status] heavy merged.loc[merged[max_load_rate] 1.2, status] overload这段代码里max_current取的是每条馈线每一天的峰值电流用来判断短时冲击p95_current用的是95%分位值它的含义是“全年绝大多数时间里电流都不超过这个值”比单纯平均值更能反映真实瓶颈。额定电流从设备台账取一般GIS系统里就有注意变压器和线路的额定电流口径不同线路看导线载流量配变看额定容量换算到高压侧的电流。如果某条馈线没有额定电流字段可以按导线截面粗估LGJ-240导线载流量大约480AYJV-240电缆大约455A但这只能作为临时值正式报告里要用台账数据。2.3 N-1校验的计算逻辑和判定边界N-1校验是现状分析中被误解最多的一个指标。它说的是某条馈线或某台主变因故障或检修退出运行后剩下的网络能不能把它的负荷全部带走。很多人以为只要“有联络开关”就算通过实际不是。完整的N-1判定分三步。第一步确定失电设备的所有负荷第二步找到可转供路径和转供路径上每个节点的可带容量第三步逐段判断转供后联络对端馈线的负载率是否超过允许值通常取100%为上限部分供电局用80%作为规划红线。如果任何一个分段转供后对端过载这条线路的N-1就不通过。在实际分析中手算N-1校验不现实但也不需要上电网仿真软件用联络关系表和负荷分布表就能做初步判定。核心逻辑是对每个联络对做负荷转移叠加如下面这个简化示例。# 联络关系表feeder_a, feeder_b, contact_capacity contacts pd.read_csv(contact_pairs.csv) # 馈线最大负荷表line_id, max_load, capacity loads pd.read_csv(feeder_max_load.csv) results [] for _, row in contacts.iterrows(): a, b row[feeder_a], row[feeder_b] load_a loads.loc[loads[line_id] a, max_load].values[0] cap_b loads.loc[loads[line_id] b, capacity].values[0] load_b loads.loc[loads[line_id] b, max_load].values[0] cap_a loads.loc[loads[line_id] a, capacity].values[0] rate_b_after (load_b load_a) / cap_b rate_a_after (load_a load_b) / cap_a results.append({ pair: f{a}-{b}, a_fail_b_pass: rate_b_after 1.0, b_fail_a_pass: rate_a_after 1.0 }) n1_result pd.DataFrame(results)这段代码建立了最基础的N-1判定模型假设馈线a失电它的全部负荷load_a要压到馈线b上此时b的负载率是(load_b load_a) / cap_b超过1.0就是不通过。注意这里没考虑分段转供的精细化也就是“只转移一部分负荷”的情况因此是保守判定。保守的好处是误判率低坏处是会把部分实际可通过的线路判成不通过。要做精细判定需要分段负荷数据和分段开关状态这放在第4章讲。2.4 线损率、电压合格率与供电可靠性RS-3除了负载率和N-1现状分析的标配指标还有三个。线损率反映电网经济性计算方式为线损率 (供电量 - 售电量) / 供电量 × 100%。注意这个口径的“售电量”在配电网里常用“配电变压器低压侧抄见电量总和”代替因为10kV线路的电量不能直接对应到终端用户。分线路线损需要在线路首端和末端装计量装置不是每条线路都有这个条件所以现状分析里通常算的是变电站10kV母线整体的线损率再列出线损率超过10%的异常馈线。电压合格率按节点统计收集配变低压侧电压监测数据或用电信息采集系统的电压曲线统计电压低于198V10kV系统对应低压侧标准下限或高于235.4V的时段占比。供电可靠性指标用RS-3即用户平均停电时间小时/户数据来自停电管理系统不统计在现状分析的计算脚本里但要在报告里给出年度值并对比前三年趋势。需要特别提醒的是电压合格率和线损率都依赖计量数据的完整度。如果某个台区的采集成功率只有70%那算出来的电压合格率没有统计意义报告中要明确标注数据覆盖率这个细节在最后一章会再提。3. 数据从哪来、怎么洗成一张可分析的表3.1 中压现状分析的四类数据源做现状分析最花时间的不是计算是找数据和对齐口径。项目里通常涉及四类系统。第一是EMS或SCADA提供馈线实时电流、有功功率、电压采样值采样间隔从1秒到15分钟不等是负载率计算的主力。第二是GIS系统提供设备台账和拓扑关系包括馈线、开关、配变、杆塔的空间位置和连接关系网架分类就靠它。第三是用电信息采集系统提供配变低压侧电压、电流和电量电压合格率和台区线损的数据源。第四是PMS设备管理系统或生产管理系统提供设备投运日期、型号、检修记录用于分析设备老旧程度。这四类系统的数据口径完全不同联表时最容易出问题的字段是“馈线名称”。同一个设备在SCADA里叫“10kV东城线”在GIS里叫“东城103”在采集系统里叫“东城馈线”不统一。第一步要建一个设备对照表把各系统的设备标识映射到唯一ID这是后续所有计算的地基。3.2 先做拓扑拼接再谈指标计算拿到GIS导出的拓扑数据后建议先做一个“站-线-变”的层级校验。典型结构是变电站10kV母线 → 馈线首端开关 → 主干线 → 分段开关 → 分支线 → 配变。校验内容包括每条馈线是否有且只有一个首端开关配变是否都挂接在具体馈线下是否存在跨馈线供电的异常拓扑记录。这个校验可以用GIS的拓扑检查工具自动跑也可以自己写SQL查。比如要找出没有挂接配变的馈线用一条简单的关联查询就能做到。下面用SQL示意。SELECT f.line_id, f.line_name FROM feeder f LEFT JOIN distribution_transformer t ON f.line_id t.power_line_id WHERE t.transformer_id IS NULL AND f.voltage_level 10kV;这条查询的思路是以馈线表为主表左连接配变表如果某条馈线找不到任何配变记录说明拓扑台账里有孤立馈线。实际项目中这种记录不算罕见存在的原因是新投运设备未录入GIS或者线路改切后旧台账没更新。对这类馈线现状分析里要单独标记不能直接当作空载处理因为很可能只是数据缺失。拓扑校验做完后再开始计算指标否则算出的负载率对应的是错误的地理范围。3.3 用Python清洗与聚合的完整流程数据清洗的核心工作有三件处理重复采样点、对齐时间戳、填充设备关联字段。SCADA导出的电流数据经常出现同一条馈线同一时刻有多条记录的情况原因是遥测点配置重复需要在清洗时按馈线和时间戳去重保留采集质量标志最好的那条。时间戳对齐是把不同系统的数据统一到时区、统一到15分钟或整点。下面给出一个清洗的完整流程包括去重、对齐时间、合并台账三个步骤。import pandas as pd import numpy as np df pd.read_csv(scada_feeder.csv, parse_dates[ts]) # 步骤1: 按 line_id ts 去重保留quality最高的记录 df df.sort_values(quality, ascendingFalse).drop_duplicates( subset[line_id, ts], keepfirst ) # 步骤2: 把时间戳对齐到15分钟 df[ts_15min] df[ts].dt.floor(15min) aligned df.groupby([line_id, ts_15min], as_indexFalse)[ current_a ].mean() # 步骤3: 关联台账补设备参数 asset pd.read_excel(asset_gis.xlsx, sheet_namefeeder) aligned aligned.merge( asset[[line_id, rated_current, wire_type, substation]], online_id, howleft ) # 步骤4: 剔除额定电流缺失或为0的异常行 aligned aligned[aligned[rated_current].notna() aligned[rated_current] 0]这段代码的关键参数有两个floor(15min)是把时间戳向下取整到15分钟边界比如14:32会变成14:30目的是让不同系统的采样点在相同时间格点上可以做关联比较sort_values(quality)里的quality字段是SCADA系统自带的采集质量标志数值高的代表数据来自更可靠的通道。步骤4剔除额定电流缺失的行是因为这类设备参数在GIS台账里没维护好强行参与计算会得到荒谬的负载率比如几百条线路计算出500%的负载率很可能是额定电流写错成0.1倍。清洗完成后建议输出一份“清洗报告”记录每条数据表清洗前的行数、清洗后的行数、剔除原因分布。这个报告不一定要写进最终PPT但在内部评审时能少吵架因为“为什么这条线路的数据不能用”是说不清的老矛盾了。3.4 数据质量校验的两个硬性标准清洗后的数据能不能用于分析用两个标准检查。第一馈线电流曲线与负荷属性的相关性居民负荷为主的馈线晚高峰明显工商业负荷为主的馈线白天高、晚上低。如果一条标注为“工业线”的馈线呈现出纯居民负荷曲线说明台账里的负荷属性可能不对或者该线路实际带着一片新建居民区这种情况在城中村改造区域非常高发。第二同一变电站出线的总电流与主变负载的对应关系把该站所有10kV馈线同一断面的电流相加再乘以电压和功率因数应当接近主变高压侧的有功功率。偏差超过20%时优先怀疑漏了某条出线计量点或者馈线采样值本身就存在遥测坏点。4. 从统计走向拓扑薄弱环节识别与自动化覆盖率4.1 用N-1结果叠加负载率做薄弱环节四象限单纯的负载率排名回答不了“哪个问题最优先解决”。把第2章算出的最大负载率和N-1校验结果放在同一个坐标里形成四象限高负载率且N-1不通过是红色区必须优先整改高负载率但N-1通过是黄色区说明有转供能力但常态运行压力大低负载率但N-1不通过是橙色区属于转供通道不足低负载率且N-1通过是绿色区运行健康度较高。具体操作时可以给每条馈线打上两个标签再分组统计。这个分组的聚合逻辑用一句话SQL就能完成如下所示。SELECT CASE WHEN max_load_rate 0.8 AND n1_pass N THEN 红线区 WHEN max_load_rate 0.8 AND n1_pass Y THEN 黄线区 WHEN max_load_rate 0.8 AND n1_pass N THEN 橙线区 ELSE 绿线区 END AS risk_level, COUNT(*) AS feeder_cnt FROM feeder_status GROUP BY risk_level;这里max_load_rate 0.8用的是80%作为重载阈值比第2章里的100%更严格原因是规划层面通常要求常态负载率控制在80%以内留出转供和增长的裕度。n1_pass字段由第2章的N-1判定逻辑生成注意这里N-1的结果不要求精细化先用手拉手整体转移的粗判结果后面有时间再细化。这个四象限的统计结果直接决定PPT里“薄弱环节清单”的排序逻辑。红线区应该配原因分析和建议措施比如加装联络开关、增大导线截面、新出馈线割接负荷。黄线区要说明为什么负载高但能转供是联络容量充足还是联络点位置好。橙线区的整改思路一般是增加第二联络点或新建线路形成手拉手。4.2 自动化覆盖率按“三遥、二遥、一遥”分层统计配网自动化水平是区分“现状”和“过去”的关键指标。自动化终端的统计口径不是“装了没装”而是“具备什么功能”。三遥终端遥控、遥测、遥信可以远程分合闸是故障隔离和负荷转供的执行基础二遥终端遥测、遥信能看状态和量测但不能远程控制一遥终端只有遥信只能看开关位置。现状分析里要分别统计这三级终端的数量和覆盖率更要算“有效覆盖率”。有效覆盖率的定义是自动化终端数量 / 应装终端数量的比例其中“应装”指该开关处于自动化规划范围内。有些地区把开关都装了终端但通信通道老旧、遥控成功率只有50%这个是运行层面的问题分析报告中要单列“遥控成功率”指标。计算脚本里直接按开关类型分组统计即可下面给出示意。# 开关台账: device_id, switch_type(分段/联络/分支), terminal_type(三遥/二遥/一遥/无) sw pd.read_csv(switches.csv) def terminal_score(t): return {三遥: 1.0, 二遥: 0.7, 一遥: 0.4, 无: 0.0}[t] sw[score] sw[terminal_type].map(terminal_score) coverage sw.groupby(switch_type).agg( total(device_id, count), three_remote(terminal_type, lambda s: (s 三遥).sum()), coverage_rate(score, mean) ).reset_index()这个计算的思路是用加权评分来近似“自动化能力水平”三遥是1分二遥折成0.7一遥只有0.4没有终端是0。coverage_rate列的含义不是终端安装率而是能力折算覆盖率。比如某条线路10个开关里5个三遥、5个无终端折算覆盖率是50%能直观反映“这条线自动化的真实水平”。这个指标在供电公司内部对标时很有用比单纯报“安装率80%”更有说服力。4.3 三相不平衡与末端低电压的识别方法三相不平衡是低压侧典型问题但中压现状分析也要看配变出口侧的电流不平衡度。计算公式为不平衡度 (最大相电流 - 最小相电流) / 最大相电流 × 100%。不平衡度超过50%的配变要单列清单因为它们不仅增加线损还会导致中性点偏移和保护误动。数据用电信息采集系统里配变低压侧三相电流按台区和时间聚合后排序取Top50即可。末端低电压的识别要结合电压监测点数据关注点在“季节性低电压”和“长期低电压”的区分。长期低电压指全年超过30%的时间电压低于198V季节性低电压指只在冬季或夏季某个时段出现两者的治理手段不同长期低电压通常需要加装无功补偿或更换大截面导线季节性低电压则可能通过调整变压器分接头解决。分析时按台区统计全年电压曲线的有效值占比用极值判断法快速筛选见下面的Python片段。v pd.read_csv(voltage_points.csv, parse_dates[ts]) v[hour] v[ts].dt.hour v[month] v[ts].dt.month # 按台区统计低电压时间占比 v[is_low] v[voltage] 198 by_tf v.groupby(transformer_id).agg( total_points(is_low, count), low_points(is_low, sum), low_ratio(is_low, mean) ).reset_index() # 长期低电压全年低电压占比30% long_term by_tf[by_tf[low_ratio] 0.3] # 季节性低电压按月份统计任何一个月低电压占比50% monthly v.groupby([transformer_id, month])[is_low].mean().reset_index() seasonal monthly[monthly[is_low] 0.5].groupby(transformer_id)[month].min().reset_index()这里low_ratio用的是“低电压点数/总点数”注意配变低压侧电压合格下限是198V中压馈线出口电压一般要保持在10.0kV到10.7kV之间对应低压侧大约220V到235V。如果你手头的数据是10kV母线电压而不是低压侧电压判断阈值要换成10.0kV可别把两套阈值混在一起用。seasonal里取month.min()的意义是标记首次出现季节性低电压的月份用来辅助判断是冬季负荷增长还是夏季空调负荷造成的。5. 把指标回填到一张图上的验证方法现状分析最怕的不是算错而是算出来没人敢信。最后一章说一个实用技巧把所有关键指标回填到地理接线图上做交叉验证而不是只在表格里看数字。把GIS导出的馈线地理走向作为底图用颜色标记每条馈线的负载率区间用开关符号颜色标记N-1通过状态用配变点位大小表示低电压持续时间。这张图做好后叫上运维班组的老师傅过一眼重点看三类现象标记为红线的线路是不是他们印象里“夏天必跳”的那几条标记为绿线的线路是否真的从来没报过故障标记为橙线的区域是否恰好是近两年新接入的小区或产业园。这个验证过程本质上是拿运行经验校准统计口径。如果老师傅说某条线路明明经常停电但你的N-1判定结果是通过那要回头查联络开关是否被改成冷备用状态或者联络对端馈线本身也处于重载状态整体转带时对端也撑不住。反过来如果统计结果说某条线路重过载但老师傅认为该线路实际负荷没那么高则优先怀疑SCADA采样值里有遥测坏点或者CT变比配置错误回到第3章的清洗流程查原始数据曲线。更具体的验证方法是一页纸校验表把每条馈线的最大负载率、N-1结果、自动化覆盖率、低电压台区数、线路线损率五个字段列在一行按红线区排序输出成Excel或直接写到PPT的附录页。检查这张表时只认可两种结论一是指标与运行记录一致二是存在可解释的差异且差异原因已标注比如台账未更新、采集数据缺失。做到这一步现状分析的报告就从“计算题”变成了“结论题”能支撑投资优先级排序和改造方案比选。最后留一个习惯把这次分析所用的数据截止日期、指标计算版本号、四类原始数据表的导出时间全部写在PPT备注页里不要放在正文。因为半年后这份分析大概率会被翻出来对比“当年说的问题解决了没有”没有数据口径的备注到时候谁也说不清当时的基准是什么。本文还有配套的精品资源点击获取