CN104820956B - 一种基于数据特征分析的低压配电系统拓扑自动识别方法 - Google Patents
一种基于数据特征分析的低压配电系统拓扑自动识别方法 Download PDFInfo
- Publication number
- CN104820956B CN104820956B CN201510260815.8A CN201510260815A CN104820956B CN 104820956 B CN104820956 B CN 104820956B CN 201510260815 A CN201510260815 A CN 201510260815A CN 104820956 B CN104820956 B CN 104820956B
- Authority
- CN
- China
- Prior art keywords
- data
- analysis
- voltage distribution
- distribution system
- formula
- 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.)
- Active
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 36
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000007405 data analysis Methods 0.000 claims abstract description 6
- 238000013459 approach Methods 0.000 claims description 21
- 238000010606 normalization Methods 0.000 claims description 18
- 238000003556 assay Methods 0.000 claims description 7
- 238000011156 evaluation Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 claims description 4
- 230000003247 decreasing effect Effects 0.000 claims description 3
- 230000007774 longterm Effects 0.000 claims description 3
- 238000004891 communication Methods 0.000 description 2
- 238000004134 energy conservation Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000002775 capsule Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000012423 maintenance 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
- 230000008569 process Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000010937 topological data analysis Methods 0.000 description 1
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种基于数据特征分析的低压配电系统拓扑自动识别方法,包括以下步骤:数据采集,数据分析,数据互操作。本发明基于数据特征分析的低压配电系统拓扑自动识别方法,融合了用电信息采集、电力营销应用业务、地理信息、园区能源管理、楼宇能源管理等系统的基础数据和运行数据,基于数据相似原理的充分挖掘各系统之间的数据关系,算法简单,编程容易实现,具有较高的可靠性、稳定性。
Description
技术领域
本发明属于电力系统信息技术领域,具体涉及一种基于数据特征分析的低压配电系统拓扑自动识别方法。
背景技术
低压配电系统拓扑自动识别方法实质上就是计算园区、小区、楼宇内各电气设备的连接关系,并用一定的方式把这些连接关系进行存储。拓扑分析在低压配电系统线损计算、节能分析中处于十分重要的位置。
由于低压配电系统的地理信息系统(GIS)定位为设备管理系统,数据的更新维护采用多用户分布方式,很难保证同一时间断面上数据的一致性,无法完全反映电网真实状态。
现有技术主要通过对GIS系统中的拓扑数据进行分析、优化算法,以提高拓扑的准确性,如深度优先搜索法,广度优先搜索法等。但都是从自身系统出发解决自身问题,不能间接的通过第三方的形式检验自己的准确性。
随着物联网智能传感、计算机网络通信和自动化技术的飞速发展,园区、小区、楼宇安装了大量智能传感设备,并与之相配套建立了数据采集和监测系统,沉淀了大量数据。通过对这些系统数据的融合、分析,能够实现数据的增值。本发明正是在此多平台提供数据的基础上提出一种基于数据特征分析的低压配电系统拓扑自动识别方法。
发明内容
本发明的目的是提供一种基于数据特征分析的低压配电系统拓扑自动识别方法,融合用电信息采集、电力营销应用业务、地理信息、园区能源管理、楼宇能源管理等系统的基础数据和运行数据,充分挖掘各系统之间的数据关系。
为了实现上述发明目的,本发明采取如下技术方案:
本发明提供一种基于数据特征分析的低压配电系统拓扑自动识别方法,该方法包括以下步骤:
(1)数据采集;
(2)数据分析;
(3)数据互操作。
所述数据采集频率为48点以上/周波、数据存储频率为96点以上/日。
所述数据分析包括数据贴近度计算、同一时间断面低压配电系统运行数据变化趋势特征分析、数据离群点特征分析。
所述数据贴近度计算包括抽取每日电压、有功功率、有功电量曲线,计算曲线贴近度及部分敏感变化贴近度,按照贴近度排序,把贴近度0.1的曲线列入待判定集。
所述同一时间断面低压配电系统运行数据变化趋势特征分析包括抽取每日电压、有功功率、有功电量曲线,计算选定时间断面数据对时间增加量,按照计算结果进行趋势判定,把趋势变化异常的曲线列入待判定集。
所述数据离群点特征分析包括抽取每日有功电量曲线,计算选定时间断面数据对时间增加量,按照计算结果进行变化量快速增减或振荡指标判断,把变化量快速增减或振荡的曲线列入待判定集。
所述步骤(1)和所述步骤(2)具体实现如下:
(1)提取数据特征
式中:Rj为经典域物元;Pj为第j个分析评价等级;c1,c2,...,cn为Pj的n个不同特征;v1j,v2j,...,vnj分别是Pj对应于c1,c2,...,cn的取值范围,即经典域;aij和bij为vij的取值边界;
令
式中:Rp为评价对象等级全体的物元;P为分析评价对象等级的全体;v1p,v2p,…,vnp分别是P对应于c1,c2,…,cn的取值范围,即节域;
式中:R0为待评对象;v1,v2,…,vn分别是P0关于c1,c2,…,cn的实测数据;
(2)规格化处理
对待分析对象经典域物元Rj进行规格化处理,可得Rj’:
式中:Rj’规格化的物元;Vij’规格化后的取值范围。
对待评对象R0进行规格化处理,可得:
(3)建立贴近度函数,计算贴近度函数值
通过对贴近度准则代替最大隶属度准则进行了理论分析,对其提出的非对称贴近度公式(p=1)整理可得:
式中:Nj(p0)为为待评对象p0的贴近度;wi为待评价指标的权重;n为评价指标的个数;D为待评对象物元R0与规格化后的经典域物元R′j之间的距离,D可以通过下式(7)求取,也可以采用本领域技术人员公知的其他方法求取:
式中,v′i为待评价对象的真实值规格化后的值,a′ij和b′ij是经典域规格
化后的值,
(4)数据特征等级评估
由Nj′=(p0)=max{Nj(p0)}可得待评对象属于j′等级;
j′为最接近待评价物元的评价等级。
(5)数据特征变化趋势分析
在数据归一化的基础上,计算同一时间断面供电电源点和负荷监测点数据对时间增量,计算公式是:
ΔU=[U(T+ΔT)-U(T)]/ΔT (8)
U表示前述3种电气量每日电压、有功功率、有功电量曲线,计算完成后判断其变化趋势,如变化趋势一致则表示应属于同一电气回路,否则列入待判别回路;T为时间;ΔT为时间增量;
(6)数据离群点的时间位置分析
离群点具有数据偏移正常曲线,从数据特征看是该点附近数据对时间增量异常增减或急剧变化,离群点是判断曲线相似性的一个重要特征,判别方法是数据对时间增量越限值来判断。
所述数据互操作通过TCP/IP、WebService及ESB实现低压配电系统拓扑识别信息交换和服务。
所述数据采集包括对用电信息采集系统、电力营销应用业务系统、地理信息系统、园区能源管理系统、楼宇能源管理系统的基础数据和运行数据的采集。
与现有技术相比,本发明的有益效果在于:
1、本发明申请融合了用电信息采集、电力营销应用业务、地理信息、园区能源管理、楼宇能源管理等系统的基础数据和运行数据,充分挖掘各系统之间的数据关系,解决了单个系统以前无法有效解决的实际问题。同时,此专利不需增加现场采集、通信设备,只需增加数据分析计算机即可完成,节省了资金投入。
2、本发明申请提出的基于数据特征相似性原理的低压配电系统拓扑识方法,算法简单,编程容易实现,具有较高的可靠性性、稳定性。
3、本发明申请可用于园区、小区、楼宇的低压配电系统线损计算和节能管理,对提高电网公司和用电企业管理效益,促进国家节能减排等具有多重价值。
附图说明
图1是本发明提供的低压配电系统拓扑关系自动识别信息集成图。
图2是本发明提供的低压配电系统拓扑自动识别算法流程图。
具体实施方式
下面结合附图对本发明作进一步详细说明。
如图2所示,本发明提出一种基于数据特征分析的低压配电系统拓扑自动识别方法,包括以下步骤,
步骤(1)数据采集:
数据采集包括提取数据特征、数据规范化处理,数据采集频率为48点以上/周波、数据存储频率为96点以上/日。
步骤(2)数据分析:
数据分析包括数据贴近度计算、同一时间断面低压配电系统运行数据变化趋势特征分析、数据离群点特征分析。
数据贴近度计算包括抽取每日电压、有功功率、有功电量曲线,计算曲线贴近度及部分敏感变化贴近度,按照贴近度排序,把贴近度较低的曲线列入待判定集。
同一时间断面低压配电系统运行数据变化趋势特征分析包括抽取每日电压、有功功率、有功电量曲线,计算选定时间断面数据对时间增加量,按照计算结果进行趋势判定,把趋势变化异常的曲线列入待判定集。
数据离群点特征分析包括抽取每日有功电量曲线,计算选定时间断面数据对时间增加量,按照计算结果进行变化量快速增减或振荡指标判断,把变化量快速增减或振荡的曲线列入待判定集。
步骤(1)和步骤(2)具体实现如下:
(1)提取数据特征
式中:Pj为第j个分析评价等级;c1,c2,...,cn为Pj的n个不同特征;v1j,v2j,...,vnj分别是Pj对应于c1,c2,...,cn的取值范围,即经典域;aij和bij为vij的取值边界;
令
式中:P为分析评价对象等级的全体;v1p,v2p,…,vnp分别是P对应于c1,c2,…,cn的取值范围,即节域;
式中:R0为待评对象;v1,v2,…,vn分别是P0关于c1,c2,…,cn的实测数据;
(2)数据规范化处理
对待分析对象Rj进行数据规范化处理,可得:
对待评对象R0进行数据规范化处理,可得:
(3)建立贴近度函数,计算贴近度函数值
通过对贴近度准则代替最大隶属度准则进行了理论分析,对其提出的非对称贴近度公式(p=1)整理可得:
式中:N为贴近度;D为距离;wi为权重;
进而,待评对象对应于各等级的贴近度为:
式中:为待评对象R0与规格化经典域的距离;wi(X)为评价指标的权重;n为评价指标的个数;
(4)数据特征等级评估
通过计算Nj(p0),由Nj′=(p0)=max{Nj(p0)}可得待评对象属于j′等级;
(5)数据特征变化趋势分析
在数据归一化的基础上,计算同一时间断面供电电源点和负荷监测点数据对时间增量,计算公式是:
DelatU=[u(T+delatT)-u(T)]/deltaT (8)
U表示前述3种电气量,计算完成后判断其变化趋势,如变化趋势一致则表示应属于同一电气回路,否则列入待判别回路;
(6)数据离群点的时间位置分析
离群点具有数据偏移正常曲线,从数据特征看是该点附近数据对时间增量异常增减或急剧变化,离群点是判断曲线相似性的一个重要特征,判别方法是数据对时间增量越限值来判断。
步骤(3)数据互操作:
数据互操作通过TCP/IP、WebService及ESB实现低压配电系统拓扑识别信息交换和服务。
如图1所示,该方法融合了用电信息采集、地理信息、园区能源管理、楼宇能源管理等系统的基础数据和运行数据,挖掘各系统之间的数据关联关系,提升其数据价值。本方案首先实现各种数据的集成,数据特征的分析、选取,拓扑关系的识别等主要过程。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,所属领域的普通技术人员参照上述实施例依然可以对本发明的具体实施方式进行修改或者等同替换,这些未脱离本发明精神和范围的任何修改或者等同替换,均在申请待批的本发明的权利要求保护范围之内。
Claims (3)
1.一种基于数据特征分析的低压配电系统拓扑自动识别方法,其特征在于,所述方法包括以下步骤:
(1)数据采集;
(2)数据分析;
(3)数据互操作;
所述数据采集频率为48点以上/周波、数据存储频率为96点以上/日;
所述数据分析包括数据贴近度计算、同一时间断面低压配电系统运行数据变化趋势特征分析、数据离群点特征分析;
所述数据贴近度计算包括抽取每日电压、有功功率、有功电量曲线,计算曲线贴近度及部分敏感变化贴近度,按照贴近度排序,把贴近度0.1的曲线列入待判定集;
所述数据分析具体实现如下:
(1)通过下式的贴近度函数计算贴近度:
式中:Nj(p0)为待评对象p0的贴近度;wi为待评价指标的权重;n为评价指标的个数;D为待评对象物元R0与规格化后的经典域物元R′j之间的距离;
(2)数据特征等级评估:
由Nj′(p0)=max{Nj(p0)}可得待评对象属于j′等级;j′为最接近待评价物元的评价等级;
(3)数据特征变化趋势分析:
在数据归一化的基础上,计算同一时间断面供电电源点和负荷监测点数据对时间增量,计算公式是:
ΔU=[U(T+ΔT)-U(T)]/ΔT(7)
式中,U表示每日电压、有功功率、有功电量曲线3种电气量,计算完成后判断其变化趋势,如变化趋势一致则表示应属于同一电气回路,否则列入待判别回路;T为时间;ΔT为时间增量;
(4)数据离群点的时间位置分析:
通过对离群点分析判断曲线相似性,判别方法是数据对时间增量越限值来判断;
所述数据采集包括对用电信息采集系统、电力营销应用业务系统、地理信息系统、园区能源管理系统、楼宇能源管理系统的基础数据和运行数据的采集;
所述数据采集具体实现如下:
(1)通过下式分别提取数据特征Rj、Rp和R0:
式中:Rj为经典域物元;j是评价等级的个数;Pj为第j个分析评价等级;c1,c2,…,cn为Pj的n个不同特征;v1j,v2j,…,vnj分别是Pj对应于c1,c2,…,cn的取值范围,即经典域;aij和bij为vij的取值边界;
式中:Rp为评价对象等级全体的物元;P为分析评价对象等级的全体;v1p,v2p,…,vnp分别是P对应于c1,c2,…,cn的取值范围,即节域;
式中:R0为待评对象的物元;P0是分析评价对象的指标;v1,v2,…,vn分别是P0关于c1,c2,…,cn的实测数据;
(2)通过下式对待分析对象的经典域物元Rj进行规格化处理,可得:
式中:R′j规格化的经典域物元;V′ij规格化后的Pj对应于c1,c2,…,cn取值范围;
通过下式对待评对象R0进行规格化处理,可得:
所述数据互操作通过TCP/IP、WebService及ESB实现低压配电系统拓扑识别信息交换和服务。
2.根据权利要求1所述的基于数据特征分析的低压配电系统拓扑自动识别方法,其特征在于,所述同一时间断面低压配电系统运行数据变化趋势特征分析包括抽取每日电压、有功功率、有功电量曲线,计算选定时间断面数据对时间增加量,按照计算结果进行趋势判定,把趋势变化异常的曲线列入待判定集。
3.根据权利要求1所述的基于数据特征分析的低压配电系统拓扑自动识别方法,其特征在于,所述数据离群点特征分析包括抽取每日有功电量曲线,计算选定时间断面数据对时间增加量,按照计算结果进行变化量快速增减或振荡指标判断,把变化量快速增减或振荡的曲线列入待判定集。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510260815.8A CN104820956B (zh) | 2015-05-21 | 2015-05-21 | 一种基于数据特征分析的低压配电系统拓扑自动识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510260815.8A CN104820956B (zh) | 2015-05-21 | 2015-05-21 | 一种基于数据特征分析的低压配电系统拓扑自动识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104820956A CN104820956A (zh) | 2015-08-05 |
CN104820956B true CN104820956B (zh) | 2019-03-08 |
Family
ID=53731241
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510260815.8A Active CN104820956B (zh) | 2015-05-21 | 2015-05-21 | 一种基于数据特征分析的低压配电系统拓扑自动识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104820956B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109344144A (zh) * | 2018-09-06 | 2019-02-15 | 葛得辉 | 一种低压台区户变关系识别方法和系统 |
CN113162033B (zh) * | 2021-04-07 | 2023-04-28 | 国网山东省电力公司营销服务中心(计量中心) | 基于冻结电流的配电网台区拓扑关系自动识别方法及系统 |
CN113111226A (zh) * | 2021-04-14 | 2021-07-13 | 广东电网有限责任公司佛山供电局 | 配网线路分布图的实时量测数据自动加载方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103107535A (zh) * | 2013-01-17 | 2013-05-15 | 中国电力科学研究院 | 一种基于熵权法的电网结构安全性综合评估方法 |
CN103280894A (zh) * | 2013-06-14 | 2013-09-04 | 山东理工大学 | 一种配电网控制应用网络拓扑自动识别方法 |
-
2015
- 2015-05-21 CN CN201510260815.8A patent/CN104820956B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103107535A (zh) * | 2013-01-17 | 2013-05-15 | 中国电力科学研究院 | 一种基于熵权法的电网结构安全性综合评估方法 |
CN103280894A (zh) * | 2013-06-14 | 2013-09-04 | 山东理工大学 | 一种配电网控制应用网络拓扑自动识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104820956A (zh) | 2015-08-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ye et al. | A data-driven bottom-up approach for spatial and temporal electric load forecasting | |
CN109145949A (zh) | 基于集成学习的非侵入式电力负荷监测与分解方法及系统 | |
CN106022509B (zh) | 考虑地域和负荷性质双重差异的配电网空间负荷预测方法 | |
Li et al. | Development of low voltage network templates—Part I: Substation clustering and classification | |
CN109325545A (zh) | 低压配电网拓扑结构校验方法、装置、设备及存储介质 | |
WO2018082523A1 (zh) | 一种负荷周期的模式识别方法 | |
CN103678766B (zh) | 一种基于pso算法的异常用电客户检测方法 | |
CN105069469B (zh) | 一种基于模糊c均值聚类算法和熵理论的数据流检测方法 | |
CN110045209A (zh) | 用电数据异常的检测方法、装置、设备及可读存储介质 | |
Batra et al. | Neighbourhood nilm: A big-data approach to household energy disaggregation | |
CN107169145A (zh) | 一种基于聚类算法的用户窃电严重等级检测的方法 | |
CN104820956B (zh) | 一种基于数据特征分析的低压配电系统拓扑自动识别方法 | |
CN105548949A (zh) | 一种智能电能表的故障远程判断方法及其系统 | |
CN110389267A (zh) | 一种基于智能电能表采集数据的低压台区台户关系识别方法 | |
CN105809573A (zh) | 一种基于大数据分析的用电性质认证方法 | |
CN111177208A (zh) | 基于大数据分析的用电异常检测方法 | |
Dent et al. | The application of a data mining framework to energy usage profiling in domestic residences using UK data | |
CN107729939A (zh) | 一种面向新增电网资源的cim模型扩展方法及装置 | |
CN106296315A (zh) | 基于用户用电数据的情境感知系统 | |
Justo et al. | Behavioral similarity of residential customers using a neural network based on adaptive resonance theory | |
Ghosh et al. | Non-intrusive identification of harmonic polluting loads in a smart residential system | |
Grigoraş et al. | Load estimation for distribution systems using clustering techniques | |
CN103745417A (zh) | 一种电网负荷特征曲线分析方法 | |
CN110264014A (zh) | 一种预测老井产油量的方法及装置 | |
Liu et al. | A clustering-based feature enhancement method for short-term natural gas consumption forecasting |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |