CN115204319A - 一种低压配电网拓扑参数识别方法及系统 - Google Patents
一种低压配电网拓扑参数识别方法及系统 Download PDFInfo
- Publication number
- CN115204319A CN115204319A CN202211118564.6A CN202211118564A CN115204319A CN 115204319 A CN115204319 A CN 115204319A CN 202211118564 A CN202211118564 A CN 202211118564A CN 115204319 A CN115204319 A CN 115204319A
- Authority
- CN
- China
- Prior art keywords
- voltage data
- user
- formula
- data set
- voltage
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000009826 distribution Methods 0.000 title claims abstract description 60
- 238000000034 method Methods 0.000 title claims abstract description 41
- 230000009467 reduction Effects 0.000 claims description 52
- 239000011159 matrix material Substances 0.000 claims description 45
- 230000002159 abnormal effect Effects 0.000 claims description 31
- 238000004422 calculation algorithm Methods 0.000 claims description 29
- 230000003595 spectral effect Effects 0.000 claims description 12
- 238000013507 mapping Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 8
- 238000000354 decomposition reaction Methods 0.000 claims description 6
- 150000001875 compounds Chemical class 0.000 claims description 4
- 230000001174 ascending effect Effects 0.000 claims description 3
- 238000007621 cluster analysis Methods 0.000 claims description 3
- 238000003064 k means clustering Methods 0.000 claims description 3
- 239000011541 reaction mixture Substances 0.000 claims description 3
- 238000002759 z-score normalization Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 description 6
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明涉及电网拓扑技术领域,公开了一种低压配电网拓扑参数识别方法及系统,其方法通过获取配电网台区内的所有用户的电压数据后,对原始电压数据集进行降维处理,决原始电压数据集高维度造成的冗余问题,还通过本地离群值因子算法排除电压数据集中的异常数据,采用光谱聚类法对降维的电压数据集进行聚类,实现低压站区单相用户的相位识别,从而提高了配电网拓扑核查工作效率和准确性。
Description
技术领域
本发明涉及电网拓扑技术领域,尤其涉及一种低压配电网拓扑参数识别方法及系统。
背景技术
配电网的拓扑连接关系对配电网故障诊断、计划停电优化、变电站负荷管理等服务具有重要意义。通常,电力公司使用GIS(地理信息系统)来记录分配系统的拓扑连接关系,包括站用户关系、用户变压器关系和线路变压器关系。但是,由于种种原因,GIS记录的分布网络拓扑不完全准确,存在数据缺失或连接信息不正确等问题。现有的GIS平台无法保存低电压用户的相位数据,也不会及时更新相位数据。同时,低压变电站区用户用电规律也发生了很大变化,造成三相不平衡。低压变电站区域三相不平衡,不仅影响用户供电质量,而且由于部分线路负荷过重,造成较大的安全隐患。
目前的分布系统拓扑识别方法主要包括现场线路检测、载波通信验证和数据驱动方法。现场电路调查需要人工操作,电路需要断电,这不仅效率低下,而且影响正常用电量。运营商通信验证使用电源线进行数据传输。变压器和用户仪表侧都排列着运营商通信终端,通过分析用户之间的通信消息特征来判断用户的相位和变电站区域。这种方法具有较高的识别成功率,但需要额外的硬件成本,抗干扰能力较弱。
近年来,智能电表在用户端的安装和普及显著增加,电网可以获得大量的用户电压、电流和其他运行数据,这为充分利用大量电力数据进行变电站拓扑识别提供了支持。
目前,配电网拓扑核查主要依靠现场检查,长期以来,由于各种原因,GIS系统中存储的信息存在很多错误,如连接信息错误,导体长度、材料、电线尺寸和类型、变压器额定功率错误或缺失等。连接信息错误是GIS记录中最突出的问题。例如,在GIS记录中,记录了部分用户接错塔架或变压器,变压器接错馈线相。其中,变电站-用户关系的记录错误最具代表性。在实际案例中,相邻变电站的低压用户经常会出现记录错误。在实际的变电站区域文件管理中,用户与变压器关系出错的情况相对较少。与变电站区域内的其他用户相比,它可以归类为一个非常小的数字。这不仅耗费了大量人力物力,而且,还工作效率低下。
发明内容
本发明提供了一种低压配电网拓扑参数识别方法及系统,解决了配电网拓扑核查工作效率低下的技术问题。
有鉴于此,本发明第一方面提供了一种低压配电网拓扑参数识别方法,包括以下步骤:
基于用户表计获取配电网台区内的所有用户的电压数据,构建原始电压数据集;
对所述原始电压数据集进行降维处理,得到降维电压数据集;
采用本地离群值因子算法识别所述降维电压数据集中的异常数据,将所述异常数据进行剔除,得到纯净电压数据集;
采用光谱聚类法对所述纯净电压数据集进行聚类分析,对所有用户的电压数据进行相别归属,得到不同相别下的用户拓扑关系。
优选地,所述基于用户表计获取配电网台区内的所有用户的电压数据,构建原始电压数据集的步骤还包括:
根据所述电压数据建立电压矩阵为:
式1中,U表示电压,Ui,j表示第i个用户第j个长度的电压数据,1≤i≤C,1≤j≤G,C表示用户总数,G表示电压数据的长度。
优选地,所述基于用户表计获取配电网台区内的所有用户的电压数据,构建原始电压数据集之后,所述对所述原始电压数据集进行降维处理,得到降维电压数据集之前包括:
采用Z-Score标准化方法对所述原始电压数据集进行标准化处理。
优选地,对所述原始电压数据集进行降维处理,得到降维电压数据集的步骤具体包括:
采用UMAP算法对所述原始电压数据集进行降维处理,得到降维电压数据集,具体包括:
设所述原始电压数据集为X={x1,…,xn,…,xN},最近邻寻找算法搜索每个电压数据xn的最邻近数据集合{xn1,…,xnk};
通过下式2和式3分别计算电压数据xn对应的参数ρn和参数σn:
通过下式4计算电压数据xn选择电压数据xb作为其邻域点的条件概率pb|n为:
通过下式5计算电压数据xn与电压数据xb之间的联合概率分布pnb:
将所述原始电压数据集映射到低维空间,假设低维空间中的高维数据点xn和xb的映射点分别是yn和yb,则低维空间中的联合概率分布qnb为:
式6中,a,z均表示常值系数;
以交叉熵做为代价函数,使用梯度下降算法最小化下式7的代价函数,得到降维后的电压数据,其中,代价函数为:
优选地,对所述原始电压数据集进行降维处理,得到降维电压数据集的步骤具体包括:
利用线性化辨识算法对所述原始电压数据集进行降维处理,得到降维电压数据集。
优选地,采用本地离群值因子算法识别所述降维电压数据集中的异常数据,将所述异常数据进行剔除,得到纯净电压数据集的步骤具体包括:
获取配电网台区内的所有用户的地理位置,将所有用户映射至二维平面坐标系上,基于每个用户的坐标位置计算各个用户之间的欧氏距离;
获得每个用户在二维平面上在可达距离内的所有用户,其中,用户p到用户O的距离计算为:
式8中,表示用户p的可达距离,表示用户p到用户O的欧姆距离;=且满足以下条件:至少有h个点O'∈D\{p}在降维电压数据集中使得<,D\{p}表示数据集D中不包括p点在内的集合,最多有h-1个点O'∈D\{p}在集合中使得<,然后获取每个用户的可达距离;
通过下式9获取每个用户的本地可达密度为:
Nh(p)表示用户p的可达距离为h的邻域,且满足下式10:
通过下式11计算异常分数为:
判断用户p的异常分数是否大于预设的分数阈值,若判断用户p的异常分数大于预设的分数阈值,则将用户p的电压数据判定为异常数据,并进行剔除。
优选地,所述采用光谱聚类法对所述纯净电压数据集进行聚类分析,对所有用户的电压数据进行相别归属,得到不同相别下的用户拓扑关系的步骤具体包括:
通过下式12的相似度矩阵计算各个用户之间的相似度为,
通过下式13计算用户度矩阵为:
式13中,Dss表示矩阵D的第s个对角元素,M表示电压数据集中用户个数;
通过下式14获取用户拉普拉斯矩阵为:
式14中,I为单位矩阵,D表示用户矩阵,W表示邻接矩阵;
对拉普拉斯矩阵L进行奇异值分解,得到相应的特征值,对所有特征值以升序方式进行排序,获取前r个特征值,将r个特征值组成近似矩阵E;
利用K-means聚类算法对近似矩阵E进行聚类分析,对所有用户的电压数据进行相别归属,得到不同相别下的用户拓扑关系。
第二方面,本发明还提供了一种低压配电网拓扑参数识别系统,包括:
数据获取模块,用于基于用户表计获取配电网台区内的所有用户的电压数据,构建原始电压数据集;
降维模块,用于对所述原始电压数据集进行降维处理,得到降维电压数据集;
剔除模块,用于采用本地离群值因子算法识别所述降维电压数据集中的异常数据,将所述异常数据进行剔除,得到纯净电压数据集;
聚类模块,用于采用光谱聚类法对所述纯净电压数据集进行聚类分析,对所有用户的电压数据进行相别归属,得到不同相别下的用户拓扑关系。
从以上技术方案可以看出,本发明具有以下优点:
本发明通过获取配电网台区内的所有用户的电压数据后,对原始电压数据集进行降维处理,决原始电压数据集高维度造成的冗余问题,还通过本地离群值因子算法排除电压数据集中的异常数据,采用光谱聚类法对降维的电压数据集进行聚类,实现低压站区单相用户的相位识别,从而提高了配电网拓扑核查工作效率和准确性。
附图说明
图1为本发明实施例提供的一种低压配电网拓扑参数识别方法的流程图;
图2为本发明实施例提供的一种低压配电网拓扑参数识别系统的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
为了便于理解,请参阅图1,本发明提供的一种低压配电网拓扑参数识别方法,包括以下步骤:
S1、基于用户表计获取配电网台区内的所有用户的电压数据,构建原始电压数据集。
可以理解的是,通常情况下,每个用户在同一相位下的电流幅度可能会有很大差异;但由于用户之间的电气距离很小,因此这些用户的电压幅度的差异很小。因此,电压数据可有利于拓扑识别。
S2、对原始电压数据集进行降维处理,得到降维电压数据集;
S3、采用本地离群值因子算法识别降维电压数据集中的异常数据,将异常数据进行剔除,得到纯净电压数据集;
S4、采用光谱聚类法对纯净电压数据集进行聚类分析,对所有用户的电压数据进行相别归属,得到不同相别下的用户拓扑关系。
本实施例提供了一种低压配电网拓扑参数识别方法,通过获取配电网台区内的所有用户的电压数据后,对原始电压数据集进行降维处理,决原始电压数据集高维度造成的冗余问题,还通过本地离群值因子算法排除电压数据集中的异常数据,采用光谱聚类法对降维的电压数据集进行聚类,实现低压站区单相用户的相位识别,从而提高了配电网拓扑核查工作效率和准确性。
在一个具体实施例中,步骤S1还包括:
根据所述电压数据建立电压矩阵为:
式1中,U表示电压,Ui,j表示第i个用户第j个长度的电压数据,1≤i≤C,1≤j≤G,C表示用户总数,G表示电压数据的长度。
在一个具体实施例中,步骤S1之后,步骤S2之前包括:
采用Z-Score标准化方法对所述原始电压数据集进行标准化处理。
需要说明的是,在低压变电站区,由于线路阻抗的存在,用户电压会随着线路的延长而下降。本文主要分析电压曲线的波动成分,因此需要去除电压的直流成分。其次,需要保留数据集的原始分布特征。第三,不同变电站的电压波动特性不同,需要消除统计方差的影响。
在一个具体实施例中,步骤S2具体包括:
采用UMAP算法对所述原始电压数据集进行降维处理,得到降维电压数据集,具体包括:
S201、设所述原始电压数据集为X={x1,…,xn,…,xN},最近邻寻找算法搜索每个电压数据xn的最邻近数据集合{xn1,…,xnk};
S202、通过下式2和式3分别计算电压数据xn对应的参数ρn和参数σn:
S203、通过下式4计算电压数据xn选择电压数据xb作为其邻域点的条件概率pb|n为:
S204、通过下式5计算电压数据xn与电压数据xb之间的联合概率分布pnb:
S205、将所述原始电压数据集映射到低维空间,假设低维空间中的高维数据点xn和xb的映射点分别是yn和yb,则低维空间中的联合概率分布qnb为:
式6中,a,z均表示常值系数;
其中,将数据映射到低维空间后,高维数据点之间的相似性也应反映在低维空间的数据点上。
S206、以交叉熵做为代价函数,使用梯度下降算法最小化下式7的代价函数,得到降维后的电压数据,其中,代价函数为:
基于上述公式,通过仿射变换将数据点映射到概率分布,构建原始数据集X的高维概率分布,并在低维空间里在构建这些点的概率分布,使得这高维与低维概率分布尽可能的相似,变换得到所需降维数据集;通过最小化模糊集交叉熵为代价函数优化随机梯度下降算法。
在一个具体实施例中,步骤S2具体包括:
利用线性化辨识算法对所述原始电压数据集进行降维处理,得到降维电压数据集。
其中,线性化辨识算法为现有技术,在此不再赘述,低压变电站区用户电压数据的相似性与相位密切相关。可以认为,相位信息是用户电压数据集的主要信息。因此,使用线性化辨识解析算法降维可以在保留相位信息的同时减少无关因素的干扰。
在一个具体实施例中,步骤S3具体包括:
S301、获取配电网台区内的所有用户的地理位置,将所有用户映射至二维平面坐标系上,基于每个用户的坐标位置计算各个用户之间的欧氏距离;
S302、获得每个用户在二维平面上在可达距离内的所有用户,其中,用户p到用户O的距离计算为:
式8中,表示用户p的可达距离,表示用户p到用户O的欧姆距离;=且满足以下条件:至少有h个点O'∈D\{p}在降维电压数据集中使得<,D\{p}表示数据集D中不包括p点在内的集合,最多有h-1个点O'∈D\{p}在集合中使得<,然后获取每个用户的可达距离;
S303、通过下式9获取每个用户的本地可达密度为:
Nh(p)表示用户p的可达距离为h的邻域,且满足下式10:
S304、通过下式11计算异常分数为:
S305、判断用户p的异常分数是否大于预设的分数阈值,若判断用户p的异常分数大于预设的分数阈值,则将用户p的电压数据判定为异常数据,并进行剔除。
需要说明的是,通过将变电站区域内所有用户投影到二维空间后,即可计算出每个用户的异常分数。由于非本地用户的电压曲线与变电站区内本地用户的电压曲线具有不同的波动分量特征,异常用户在空间上的分布比变电站区内本地用户远离其他点。一般来说,对于某个数据点,异常分数越大,异构数据的可能性越大。如果异常分数很小甚至小于1,则该点不太可能是异构数据。
在一个具体实施例中,步骤S4具体包括:
S401、通过下式12的相似度矩阵计算各个用户之间的相似度为,
S402、通过下式13计算用户度矩阵为:
式13中,Dss表示矩阵D的第s个对角元素,M表示电压数据集中用户个数;
S403、通过下式14获取用户拉普拉斯矩阵为:
式14中,I为单位矩阵,D表示用户矩阵,W表示邻接矩阵;
S404、对拉普拉斯矩阵L进行奇异值分解,得到相应的特征值,对所有特征值以升序方式进行排序,获取前r个特征值,将r个特征值组成近似矩阵E;
具体地,对拉普拉斯矩阵L进行奇异值分解结果为:
若采用奇异值分解中的近似分解方法,可减小存储空间并提高计算速度,也即选择前r个特征值组成的近似矩阵E,表示为,
近似矩阵E与M个用户个数相对应。
S405、利用K-means聚类算法对近似矩阵E进行聚类分析,对所有用户的电压数据进行相别归属,得到不同相别下的用户拓扑关系。
需要说明的是,低压用户的相识别和管理是控制三相不平衡的前提。然而,现有的GIS平台大多不保存低压变电站区用户的相位数据。一些保存阶段数据的GIS平台没有及时更新数据。在实际低压变电站区,用户相位信息记录不完整,相位变化会导致记录错误等问题,难以根据用户相位信息控制三相不平衡。因此,有必要研究一种在只有部分或没有用户相位信息的情况下,能够实现对所有用户的接入相位识别的方法。
谱聚类是从图论演化而来的聚类算法。谱聚类的主要思想是将数据视为空间中的点,可以通过边连接。对相距较远的两点之间的边分配较低的边权重,为相距较近的两点之间的边分配较高的权重,然后对所有数据点组成的图进行切割,使权重之和为子图之间的边越低越好,子图中边的权重之和越大。
以上为本发明提供的一种低压配电网拓扑参数识别方法的实施例的详细描述,以下为本发明提供的一种低压配电网拓扑参数识别系统的实施例的详细描述。
为了方便理解,请参阅图2,本发明还提供了一种低压配电网拓扑参数识别系统,包括:
数据获取模块100,用于基于用户表计获取配电网台区内的所有用户的电压数据,构建原始电压数据集;
降维模块200,用于对所述原始电压数据集进行降维处理,得到降维电压数据集;
剔除模块300,用于采用本地离群值因子算法识别所述降维电压数据集中的异常数据,将所述异常数据进行剔除,得到纯净电压数据集;
聚类模块400,用于采用光谱聚类法对所述纯净电压数据集进行聚类分析,对所有用户的电压数据进行相别归属,得到不同相别下的用户拓扑关系
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (8)
1.一种低压配电网拓扑参数识别方法,其特征在于,包括以下步骤:
基于用户表计获取配电网台区内的所有用户的电压数据,构建原始电压数据集;
对所述原始电压数据集进行降维处理,得到降维电压数据集;
采用本地离群值因子算法识别所述降维电压数据集中的异常数据,将所述异常数据进行剔除,得到纯净电压数据集;
采用光谱聚类法对所述纯净电压数据集进行聚类分析,对所有用户的电压数据进行相别归属,得到不同相别下的用户拓扑关系。
3.根据权利要求1所述的低压配电网拓扑参数识别方法,其特征在于,所述基于用户表计获取配电网台区内的所有用户的电压数据,构建原始电压数据集之后,所述对所述原始电压数据集进行降维处理,得到降维电压数据集之前包括:
采用Z-Score标准化方法对所述原始电压数据集进行标准化处理。
4.根据权利要求1所述的低压配电网拓扑参数识别方法,其特征在于,对所述原始电压数据集进行降维处理,得到降维电压数据集的步骤具体包括:
采用UMAP算法对所述原始电压数据集进行降维处理,得到降维电压数据集,具体包括:
设所述原始电压数据集为X={x1,…,xn,…,xN},最近邻寻找算法搜索每个电压数据xn的最邻近数据集合{xn1,…,xnk},其中,n表示第n个数据样本,N表示电压数据样本总个数,k表示最邻近数据样本总个数;
通过下式2和式3分别计算电压数据xn对应的局部连通约束ρn和黎曼度量σn:
通过下式4计算电压数据xn选择电压数据xb作为其邻域点的条件概率pb|n为:
通过下式5计算电压数据xn与电压数据xb之间的联合概率分布pnb:
将所述原始电压数据集映射到低维空间,假设低维空间中的高维数据点xn和xb的映射点分别是yn和yb,则低维空间中的联合概率分布qnb为:
式6中,a,z均表示常值系数;
以交叉熵做为代价函数,使用梯度下降算法最小化下式7的代价函数,得到降维后的电压数据,其中,代价函数为:
5.根据权利要求1所述的低压配电网拓扑参数识别方法,其特征在于,对所述原始电压数据集进行降维处理,得到降维电压数据集的步骤具体包括:
利用线性化辨识算法对所述原始电压数据集进行降维处理,得到降维电压数据集。
6.根据权利要求1所述的低压配电网拓扑参数识别方法,其特征在于,采用本地离群值因子算法识别所述降维电压数据集中的异常数据,将所述异常数据进行剔除,得到纯净电压数据集的步骤具体包括:
获取配电网台区内的所有用户的地理位置,将所有用户映射至二维平面坐标系上,基于每个用户的坐标位置计算各个用户之间的欧氏距离;
获得每个用户在二维平面上在可达距离内的所有用户,其中,用户p到用户O的距离计算为:
式8中,表示用户p的可达距离,表示用户p到用户O的欧姆距离;=且满足以下条件:至少有h个点O'∈D\{p}在降维电压数据集中使得<,D\{p}表示数据集D中不包括p点在内的集合,最多有h-1个点O'∈D\{p}在集合中使得<,然后获取每个用户的可达距离;
通过下式9获取每个用户的本地可达密度为:
Nh(p)表示用户p的可达距离为h的邻域,且满足下式10:
通过下式11计算异常分数为:
判断用户p的异常分数是否大于预设的分数阈值,若判断用户p的异常分数大于预设的分数阈值,则将用户p的电压数据判定为异常数据,并进行剔除。
7.根据权利要求1所述的低压配电网拓扑参数识别方法,其特征在于,所述采用光谱聚类法对所述纯净电压数据集进行聚类分析,对所有用户的电压数据进行相别归属,得到不同相别下的用户拓扑关系的步骤具体包括:
基于高斯核函数构建邻接矩阵为,
通过下式13计算用户度矩阵为:
式13中,Dss表示矩阵D的第s个对角元素,M表示电压数据集中用户个数;
通过下式14获取用户拉普拉斯矩阵为:
式14中,I为单位矩阵,D表示用户矩阵,W表示邻接矩阵;
对拉普拉斯矩阵L进行奇异值分解,得到相应的特征值,对所有特征值以升序方式进行排序,获取前r个特征值,将r个特征值组成近似矩阵E;
利用K-means聚类算法对近似矩阵E进行聚类分析,得到聚类结果,用于对所有用户的电压数据进行相别归属,得到不同相别下的用户拓扑关系。
8.一种低压配电网拓扑参数识别系统,其特征在于,包括:
数据获取模块,用于基于用户表计获取配电网台区内的所有用户的电压数据,构建原始电压数据集;
降维模块,用于对所述原始电压数据集进行降维处理,得到降维电压数据集;
剔除模块,用于采用本地离群值因子算法识别所述降维电压数据集中的异常数据,将所述异常数据进行剔除,得到纯净电压数据集;
聚类模块,用于采用光谱聚类法对所述纯净电压数据集进行聚类分析,对所有用户的电压数据进行相别归属,得到不同相别下的用户拓扑关系。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211118564.6A CN115204319A (zh) | 2022-09-15 | 2022-09-15 | 一种低压配电网拓扑参数识别方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211118564.6A CN115204319A (zh) | 2022-09-15 | 2022-09-15 | 一种低压配电网拓扑参数识别方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115204319A true CN115204319A (zh) | 2022-10-18 |
Family
ID=83572352
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211118564.6A Pending CN115204319A (zh) | 2022-09-15 | 2022-09-15 | 一种低压配电网拓扑参数识别方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115204319A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115730592A (zh) * | 2022-11-30 | 2023-03-03 | 贵州电网有限责任公司信息中心 | 电网冗余数据剔除方法、装置、设备及存储介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080122642A1 (en) * | 2006-11-02 | 2008-05-29 | Radtke William O | Power Line Communication and Power Distribution Parameter Measurement System and Method |
US20160126734A1 (en) * | 2013-05-13 | 2016-05-05 | Swanbarton Limited | A Microgrid Control Apparatus, Method and System for Controlling Energy Flow within a Microgrid |
CN110569316A (zh) * | 2019-08-07 | 2019-12-13 | 浙江大学 | 基于t-SNE降维技术和BIRCH聚类的低压台区用户拓扑辨识方法 |
CN111026927A (zh) * | 2019-12-26 | 2020-04-17 | 国网福建省电力有限公司电力科学研究院 | 一种低压台区运行状态智能监测系统 |
CN111917188A (zh) * | 2020-08-11 | 2020-11-10 | 南方电网数字电网研究院有限公司 | 配电台区监测装置、配电台区拓扑识别系统和方法 |
US20200373757A1 (en) * | 2018-03-23 | 2020-11-26 | Electricity North West Property Limited | System for frequency regulation on a power distribution network |
CN113344450A (zh) * | 2021-07-02 | 2021-09-03 | 广东电网有限责任公司 | 低压台区线户识别方法、系统、终端设备及存储介质 |
CN113641723A (zh) * | 2021-07-22 | 2021-11-12 | 太原理工大学 | 一种基于线路阻抗参数估计的窃电预测方法 |
CN113744089A (zh) * | 2021-11-08 | 2021-12-03 | 广东电网有限责任公司佛山供电局 | 一种台区户变关系辨识方法及设备 |
CN113935375A (zh) * | 2021-10-13 | 2022-01-14 | 哈尔滨理工大学 | 一种基于umap降维算法的高速电主轴故障识别方法 |
CN114997321A (zh) * | 2022-06-16 | 2022-09-02 | 广东电网有限责任公司 | 一种台区户变关系识别方法、装置、电子设备及存储介质 |
-
2022
- 2022-09-15 CN CN202211118564.6A patent/CN115204319A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080122642A1 (en) * | 2006-11-02 | 2008-05-29 | Radtke William O | Power Line Communication and Power Distribution Parameter Measurement System and Method |
US20160126734A1 (en) * | 2013-05-13 | 2016-05-05 | Swanbarton Limited | A Microgrid Control Apparatus, Method and System for Controlling Energy Flow within a Microgrid |
US20200373757A1 (en) * | 2018-03-23 | 2020-11-26 | Electricity North West Property Limited | System for frequency regulation on a power distribution network |
CN110569316A (zh) * | 2019-08-07 | 2019-12-13 | 浙江大学 | 基于t-SNE降维技术和BIRCH聚类的低压台区用户拓扑辨识方法 |
CN111026927A (zh) * | 2019-12-26 | 2020-04-17 | 国网福建省电力有限公司电力科学研究院 | 一种低压台区运行状态智能监测系统 |
CN111917188A (zh) * | 2020-08-11 | 2020-11-10 | 南方电网数字电网研究院有限公司 | 配电台区监测装置、配电台区拓扑识别系统和方法 |
CN113344450A (zh) * | 2021-07-02 | 2021-09-03 | 广东电网有限责任公司 | 低压台区线户识别方法、系统、终端设备及存储介质 |
CN113641723A (zh) * | 2021-07-22 | 2021-11-12 | 太原理工大学 | 一种基于线路阻抗参数估计的窃电预测方法 |
CN113935375A (zh) * | 2021-10-13 | 2022-01-14 | 哈尔滨理工大学 | 一种基于umap降维算法的高速电主轴故障识别方法 |
CN113744089A (zh) * | 2021-11-08 | 2021-12-03 | 广东电网有限责任公司佛山供电局 | 一种台区户变关系辨识方法及设备 |
CN114997321A (zh) * | 2022-06-16 | 2022-09-02 | 广东电网有限责任公司 | 一种台区户变关系识别方法、装置、电子设备及存储介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115730592A (zh) * | 2022-11-30 | 2023-03-03 | 贵州电网有限责任公司信息中心 | 电网冗余数据剔除方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111505433B (zh) | 一种低压台区户变关系纠错及相位识别方法 | |
CN112699913A (zh) | 一种台区户变关系异常诊断方法及装置 | |
CN111401775A (zh) | 复杂关系网络的信息分析方法、装置、设备及存储介质 | |
CN108376982A (zh) | 负载相序的识别方法及装置 | |
CN111080105A (zh) | 基于电压时序数据的台区户变关系识别方法及系统 | |
CN107679289B (zh) | 一种降低多馈入直流换相失败风险的动态无功补偿配置方法 | |
CN111505434A (zh) | 一种低压配电表箱线路、表箱故障隐患识别方法 | |
CN110110907B (zh) | 一种低压台区特征参数的提取方法 | |
CN113189418B (zh) | 一种基于电压数据的拓扑关系识别方法 | |
CN106355209B (zh) | 基于决策树算法的窃电诊断系统及方法 | |
CN110601173B (zh) | 基于边缘计算的配网拓扑识别方法及装置 | |
CN115204319A (zh) | 一种低压配电网拓扑参数识别方法及系统 | |
CN112819649A (zh) | 确定台区户变关系的方法及装置 | |
CN115618249A (zh) | 一种基于LargeVis降维与DBSCAN聚类的低压配电台区相位识别方法 | |
CN112510817A (zh) | 一种台区低压拓扑关系智能识别方法 | |
CN117435939B (zh) | 基于大数据的igbt健康状态评估方法 | |
CN112415304B (zh) | 基于低压台区电压数据曲线分群的线路识别方法 | |
CN112215482A (zh) | 一种户变关系识别方法和装置 | |
CN116307844A (zh) | 一种低压台区线损评估分析方法 | |
CN113642645A (zh) | 基于模糊c均值与豪斯多夫距离的低压用户相别识别方法 | |
CN114611869A (zh) | 一种低压台区台户识别方法 | |
CN113128006A (zh) | 一种基于神经网络的高压配电方法及装置 | |
CN113360899A (zh) | 一种机器行为的识别方法及系统 | |
CN115663801B (zh) | 一种基于谱聚类的低压台区拓扑识别方法 | |
CN109816276B (zh) | 一种配电网可靠性指标评价方法、装置和设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20221018 |