利用大数据方法降低变电站空调用电损耗

利用大数据方法降低变电站空调用电损耗郑焜文【摘 要】目前在降低电网损耗方面对站用电损耗的研究一直被忽略,在站用电的负 荷中只有空调的用电量可以控制而且节能的空间也很大.造成空调耗电量高的原因 很多也很隐蔽,不容易发现.通过一些先进的计量设备和采样仪器,收集单台空调的耗 电量、环境的温湿度等数据,再利用大数据方法发现空调耗电量大的隐蔽原因,及时 进行整改,节能效果十分显著.期刊名称】电气开关年(卷),期】2018(056)003【总页数】4页(P105-108) 【关键词】 大数据分析;站用电负荷;空调节能;电网损耗【作 者】 郑焜文【作者单位】 国网湖南省电力有限公司新邵县供电分公司,湖南邵阳 422900【正文语种】 中文【中图分类】 TM631引言变电站内站用电负荷可分为交流用电负荷和直流用电负荷，其中交流用电负荷主要有：隔离开关操作电机、站内照明、室内排风电机、消防水泵、室内空调系统、主变冷却系统等；而直流负荷主要有：事故照明装置、微机保护装置、微机自动化装 置、通信装置、直流操作电源以及各类微机型的控制、监测、测量装置等。这些用 电负荷与变电站输送的电量相比确实很小，因此，供电公司的节能降损主要放在降 低电网线路和设备的损耗，对站用电负荷的节能相关研究较少。然而我国变电站数 目众多，如果能将变电站的站用电量降低一点，那么也能有效的降低电网损耗，有 效提升供电公司的经济效益1-2。2 站用电负荷分析本文以某220kV变电站为例，对该变电站负荷的特性进行分析，按照站用电负荷的结构特点、可控程度进行分类，分类结果如表 1 所示。通过对站用电负荷用电特性的分析和归类，初步得出下面结论：(1) 属于自动不间断运行的站用负荷，重要级别最高，对其用电控制的难度最大， 因此这类负荷的节能空间最小；(2) 可以由人工开启的站用电负荷，例如照明系统、高压室换气风机以及生活办公 区设备等其耗电量基本都是可控的，但是这些负荷的用电量较小，且用电时间也不 固定，因此节能空间较小；(3) 空调和加热驱潮装置的用电量抛开设备自身性能、外界天气等因素影响，主要 与其工作环境的密封程度有关，空调与其所处房间内的密闭程度相关，加热驱潮装 置与其所在端子箱、机构箱的密闭环境相关，密闭环境越好，耗能就越少，因此具 有较大的节能空间。文献3和文献4表明，站用电负荷中，空调所用负荷是所有用电负荷中最大的， 文献3中提到变电站中空调耗电量占了整个站用电负荷的 40%，文献4中对不同 电压等级的变电站空调及照明系统用电量进行统计，发现空调用电流量占了全部站 用电负荷从39%82%不等。表1某220kV变电站站用电负荷分类设备名称控制方式用电量是否可控耗电量因 素直流及UPS系统自动否主要包括直流负载、UPS负载。主要耗电因素是负载耗 电情况、负载运行时长。设备加热驱潮器自动 /人工是主要包括端子箱防潮加热器、 开关刀闸机构箱加热器。主要耗电因素是加热器效率,天气温湿度情况,端子箱、机 构箱密封情况,加热器运行时长。消防系统自动否安装在变电站重要设备区域内。 遇到特殊情况才会启动,用电时间非常少,不便统计。断路器储能电源以及刀闸操作 电源储能或操作时否主要是开关刀闸操作电机、储能电机。倒闸操作或者断路器分 合闸时才存在电能损耗。场地及室内照明人工是包括设备区构架灯、路灯、办公场 所照明灯、生活场所照明灯、事故照明。主要耗电因素为照明灯具类型以及照明灯 运行时长。空调人工是大体上分为设备室空调、办公场所空调、生活场所空调。主 要耗电因素为室内发热源发热情况、天气环境温度、空调制冷效率、空调运行时长 房间隔热及密闭情况。风机人工是一般安装在高压室内。主要遇到特殊情况才会启 动,用电时间非常少,不便统计。其他（生活办公设备）人工是主要指办公电器用电、 生活电器用电等。主要耗电因素为负荷运行时长。 由上述分析可知，能够充分利用空调的用电特性，制定有效的节能降耗措施。3 大数据分析方法3.1 大数据的定义在上个世纪90 年代开始提出了大数据概念，一般是指数据的量级十分大，因此固 定时间段内不能采用传统的方法进行处置、获取、运算和管理。目前，全世界尚未 对大数据有一个统一的定义，本文举两个在大数据领域研究走在世界前沿的著名企 业例子，便于人们对大数据这个概念的认知5。美国麦肯锡公司认为:大数据是指 无法在一定时间内用传统数据库软件工具对其内容进行抓取、管理和处理的数据集 合。维基百科认为：大数据由巨型数据集组成，所涉及的数据量规模巨大到无法通 过人工在合理时间内达到处理、计算、管理，并整理成为人类所能解读的信息。3.2 大数据在电力行业的应用 随着电力行业进行大规模的企业信息化建设，电力数据增长速度十分迅速，并备有 一定的规模。就目前情况而言，我国电力行业处在信息时代的重要时期，特别是国家电网公司推广应用的生产管理系统(PMS)、地理信息系统(GIS)、智能变电站系 统、配电网自动化、智能表计等为电力行业产生并收集了海量的数据，使得电力公 司具备良好的数据基础，并使企业级数据资源整合及利用得到了初步的实现。具体 分析，主要表现在以下几个方面5：(1) 负荷预测 目前供电公司现阶段的数据源头可以定位到用户负荷层面，因此电网公司可以通过 对智能电表采集到的客户用电数据进行分析，把握天气、环境温湿度等环境影响变 量与每个客户的用电量之间的关系，建立预测模型并通过不断的数据迭代来完善模 型，从而更加准确的预测负荷。(2) 提升营销客服质量 供电公司的营销部门主要采用电力营销业务系统，该系统主要包括了辅助决策系统 用电信息采集系统等，这些系统每年新增海量的数据，供电公司通过对这些数据进 行分析，在反窃电、投诉快速响应、缩短业扩流程等方面取得了一系列的成果。(3) 提升电网运维质量方面供电公司的生产管理系统(PMS)存储了大量设备台账数据，同时有些变电站 安装了各种设备在线监测装置也提供了大量的设备状态信息；另一方面，变电站调 度自动化系统，该系统每年为电网公司提供大约 6TB 的数据，供电公司可以通过 对这些数据进行深入挖掘和分析，找出电网设备的运行规律，以便更好的安排和指 导生产工作，提升电网运维质量。(4) 提高电网规划水平 目前，我国的电网规划邻域的信息化建设相对滞后，因此积累的数据量并不大。然 而，随着体化规划设计的逐渐完善，规划管理和集成应用等信息资源的归口，电 网规划领域的产生大量的管理历史及生产运行的数据，到时候电网的规划水平将有 显著的提高。4 空调节能实施4.1 空调运行环境以及能耗参数收集 为了针对性的收集空调运行环境参数以及每台空调的耗电量，需要采用传感器和计 量表计来记录相关数据。该变电站共有 4 个房间装有空调，即控制室、高压室、 蓄电池室I、蓄电池室口，具体空调分布情况如表2所示：表2该变电站内空调分布情况安装位置类型额定功率(kW)台数(台)空调编号主控 制室5P4.715#1#5蓄电池室I1.5P1.351#6蓄电池室口1.5P1.351#7高压室 5P4.713#8#10(1) 空调用电量的收集为了掌握每台空调的耗电量，为每台空调配置一个可以长时间记录空调耗电量的电 插座，该插座如图1所示。工作人员通过统计一段时间内的空调情况，为下一步 分析做基础。(2) 收集空调运行环境的温湿度 为了找到空调耗电量与外界环境的相关性，在记录空调耗电量的同时还需要记录当 时环境的温湿度。因此，在该变电站所有装有空调的房间内安装一个带有温湿度记 录功能的仪器，并在室外安装一个该仪器，该仪器如图2所示。图 1 带有电能计量功能的电插座 图2带有温湿度记录功能的检测仪 该仪器每隔10分钟记录一次环境温湿度，能将结果自动上传至上位机，并画出温 湿度变化曲线。4.2 数据分析 通过统计该变电站一年的空调用电量以及环境室内、外环境温、湿度进行统计分析， 发现一些异常情况，详见表3。表3 空调用电量异常数据分析测量日期室外平均温度室外平均湿度室内平均温度 室内平均湿度空调编号耗电量（度）1月2日8C68%22C67%#1#2#3#4#552.860.558.255.6102.61 月 20 日 6C81%21C65%#1#2#3#4#556.752.860.390.592.32 月 9 日 3C67%23C66%#8#9#1063.267.692.5vFounderNode name二BH value二DW/3 月 26 日12C75%20C70%#1#2#3#4#540.736.583.343.156.24 月 12 日 18C71%23C66%#1#2#3#4#535.738.573.840.646.24 月 25 日 15C66%24C63%#1#2#3#4#537.566.332.930.236.15 月 28 日 28C70%22C65%#6#7vFounderNode name= value=/vFounderNode name= value=/vFounderNode name= value=/28.811vFounderNode name= value=/vFounderNode name二value二7vFounderNode name二BH value二DW/6 月 23 日 28C70%22C65%#1#2#3#4#556.752.860.390.592.37 月 12 日 35C52%25C51%#6#7vFounderNode name= value=/vFounderNode name= value=/vFounderNode name= value=/2913vFounderNode name= value=/vFounderNode name二value二7vFounderNode name二BH value二DW/7 月 28 日 37.2C50%25C53%#8#9#10vFounderNode name= value=/vFounderNode name= value=/60.257.691.3vFounderNode name=value二7vFounderNode name二BH value二DW/8 月 29 日36C67%23C63%#8#9#10vFounderNode name二 value=/63.297.658.5vFounderNode name= value二7vFounderNode name二BH value二DW/10 月 30 日 31C70%24C65%#1#2#3#4#586.553.662.257.560.811 月 10 日 25C57%22C51%#6#7vFounderNode name= value=/vFounderNode name= value=/vFounderNode name= value=/1026vFounderNode name= value=/vFounderNode name二value二7vFounderNode name二BH value二DW/11 月 22 日 23.2C60%24C55%#8#9#10vFounderNode name二 value=/vFounderNode name= value=/62.360.690.2vFounderNode name=value二7vFounderNode name二BH value二DW/12 月 25 日11C69%22C63%#1#2#3#4#586.363.565.790.262.312 月 28 日 12C71%23C65%#1#2#3#4#576.843.545.788.250.3 对用电量大的空调进行现场分析，并找到了相应的原因，具体如表4所示。表4空调耗电量高的原因及整改措施耗电量高的原因发现日期发生原因采取措施 空调设置错误1月2日、2月9日、4月12日、7月28日、8月29日换季后 运维人员未及时调整空调设置;进站检修人员开工时更改了空调设置而收工后未 及时改回;将空调设置调整正确主控室的推窗没关紧,存在较大缝隙1月20日、 3 月26日、 4月25日、 11月10日、 11月22日站内工作总结后,有些窗户遗漏,打 开后忘记关闭,或者没关紧,造成房屋密闭性下降,与窗户较近的空调用电量明显增加 仔细检查后,发现未关紧的推窗,将其关紧空调控制模块故障5月28日、 7月12日 #6空调控制模块故障,造成用电量明显高更换故障空调变电站内有工作,大量人员进 出高压室、主控室,造成空调耗电量高12 月25日、12月28 日、10月30日、6 月 23 日扶夷变站内工作较多,站内人员频繁进出高压室、控制室,造成房屋密闭性 下降,布置在门旁的空调耗电量明显增加在以后的工作中要提醒进站工作人员,进出 房间要及时关门4.3 节能效果统计经过统计，对2017 年该变电站所有空调全年用电量进行计量，相比于2016 年的18.506 万千瓦时，该站2017 年空调耗电量为15.23 万千瓦时，减少用电量达到3.276 万千瓦时，降幅达17.7%，按最保守的计算方式，节约电费：0.588x32760=19262.88(元)5 总结通过收集每台空调的具体耗电量以及运行环境温湿度数据，对这些数据进行横向和 纵向的对比，发现规律，找出问题症结，在不进行大型改造，不进行大规模投入的 情况下有效的节约了企业成本，经济效益十分可观。目前大数据技术在电力行业的 应用还属于起步阶段，随着供电公司信息化建设的不断提升，大数据技术将有更广 阔的发展空间和应用前景。参考文献【相关文献】1 郭毅.500kV变电站站用电精益化节能探讨J.云南电力技术，2016,44 : 15-17.2 曲友立变电站空调节能研究J.电气应用，2009，29(9) : 76-80.3 杨家豪变电站空调器与照明用电及其节电潜力实例分析J.电气应用，2014，33(10) : 26-30.4 郑扶民，郜幔幔，杨家豪，等变电站主要站用负荷用电规律及其节电策略研究J.电力需求侧管理，2016，18(1):22-27.赖征田，等电力大数据M.北京：机械工业出版社,2016.