CN109753762A - 基于类别修正的配电网两阶段网络拓扑识别方法及装置 - Google Patents
基于类别修正的配电网两阶段网络拓扑识别方法及装置 Download PDFInfo
- Publication number
- CN109753762A CN109753762A CN201910163848.9A CN201910163848A CN109753762A CN 109753762 A CN109753762 A CN 109753762A CN 201910163848 A CN201910163848 A CN 201910163848A CN 109753762 A CN109753762 A CN 109753762A
- Authority
- CN
- China
- Prior art keywords
- distribution transforming
- feeder line
- distribution
- index
- doubtful
- 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.)
- Granted
Links
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
- Y04S10/52—Outage or fault management, e.g. fault detection or location
Abstract
本发明公开了一种基于类别修正的配电网两阶段网络拓扑识别方法及装置,包括获取配变与馈线的相关数据,基于获得的配变与馈线的相关数据,计算出各配变与其原始所属的馈线之间的相关指标值;基于各配变与其原始所属的馈线之间的相关指标值以及设定的相关指标阈值,筛选出所有疑似拓扑异常的配变;基于类别修正将疑似拓扑异常配变逐步修正到最有可能所属的馈线中,最终找到拓扑连接错误的配变。本发明的配网拓扑识别方法计算简单,能够帮助运行人员及时发现拓扑错误,进一步挖掘配网信息,具有良好的应用前景。
Description
技术领域
本发明属于涉及中压配电网网络拓扑识别技术领域,具体涉及一种基于类别修正的配电网两阶段网络拓扑识别方法,尤其涉及一种基于类别修正的中压配电网两阶段网络拓扑识别方法及装置。
背景技术
中压配电网网络拓扑由中压馈线、配变负荷、联络开关和输电线路等相互连接组成,但是由于实际运行过程中,大量联络开关频繁切换和更新配置,以及量测装置准确性低、人工操作主观性差等因素影响,使得当前配电网网络拓扑难以维护。
正确的配电网网络拓扑是电力系统线损计算、规划设计和稳定运行的研究基础,没有一个及时准确的配电网网络拓扑,线损计算等重要工作将难以推进。因此,中压配电网网络拓扑识别方法是一个重要的研究课题,研究成果可以帮助运行人员及时发现拓扑错误,进一步挖掘配网信息。
发明内容
针对当前中压配电网络拓扑连接复杂、难以及时更新和维护的问题,本发明提出一种基于类别修正的配电网两阶段网络拓扑识别方法及装置,可用于识别任意规模的中压配电网拓扑连接错误,该方法计算简单,原理明确,可帮助配网运行人员及时发现拓扑连接错误。
实现上述技术目的,达到上述技术效果,本发明通过以下技术方案实现:
第一方面,本发明提供了一种基于类别修正的配电网两阶段网络拓扑识别方法,包括:
获取配变网络中的配变与馈线的相关数据;
基于获得的配变与馈线的相关数据,计算出各配变与其原始所属的馈线之间的相关指标值;
基于各配变与其原始所属的馈线之间的相关指标值以及设定的相关指标阈值,筛选出所有疑似拓扑异常的配变;
基于类别修正方法,逐个将所有疑似拓扑异常的配变修正到最有可能所属的馈线中,若修正后所属的馈线与原始所属的馈线不同,则判定该疑似异常配变为拓扑连接错误的配变。
优选地,所述基于获得的配变与馈线的相关数据,计算出各配变与其原始所属的馈线之间的相关指标值,具体为:
获取各配变与其原始所属的馈线之间的相关指标计算公式,所述相关指标计算公式为:
其中,R表示相关指标;Vj表示配变Tj的电压采样数据;Vj *表示配变Tj的拟合电压数据,Vj,mean表示配变Tj的电压采样数据的平均值;
从获得的配变与馈线的相关数据中筛选出合适的数据并带入所述相关指标计算公式,经计算后得到各配变与其原始所属的馈线之间的相关指标值。
优选地,所述基于各配变与其原始所属的馈线之间的相关指标值以及设定的相关指标阈值,筛选出所有疑似拓扑异常的配变,具体包括以下子步骤:
选择一个配变Tj,并计算配变Tj与馈线fi之间的相关系数Rj,i,其中i=1,2…n,进而获得相关指标集合Rj={Rj,1,Rj,2…Rj,n};
若配变Tj与原始所属的馈线之间的相关指标值低于设定的相关指标阈值,则判定配变Tj为疑似拓扑连接异常配变,否则判定配变Tj为拓扑连接正常配变;
上述步骤重复进行至所有配变均完成判断,最终获得所有配变的相关指标集合以及所有疑似拓扑连接异常的配变。
优选地,所述基于类别修正方法,逐个将所有疑似拓扑异常的配变修正到最有可能所属的馈线中,若修正后所属的馈线与原始所属的馈线不同,则判定该疑似异常配变为拓扑连接错误的配变,具体包括以下子步骤:
将属于同一条馈线下的,且判定为拓扑连接正常的配变归为一个类,每一类的类别中心为该类中各配变与其原始所属的馈线之间的相关指标值的平均值;
计算所有疑似拓扑连接异常配变与各类别中心之间的欧式距离;
找到欧式距离最小所对应的疑似拓扑连接异常配变与类,将该疑似拓扑连接异常配变修正到此类中,并更新该类的类别中心;
重复上述步骤直到所有疑似拓扑连接异常配变均修正到与其欧式距离最小的类中;
若被修正的类与原始所述的馈线对应的类不同,则判定该疑似拓扑连接异常配变为拓扑连接错误的配变。
优选地,所述获取配变网络中的配变与馈线的相关数据步骤之后还包括:
对获得的配变网络中的配变与馈线的相关数据进行滤波处理,获得滤波后的配变与馈线的相关数据。
优选地,所述对获得的配变网络中的配变与馈线的相关数据进行滤波处理,具体为:
采用高斯滤波器对获得的配变网络中的配变与馈线的相关数据进行滤波处理。
第二方面,本发明提供了一种基于类别修正的配电网两阶段网络拓扑识别装置,包括:
获取模块,用于获取配变网络中的配变与馈线的相关数据;
计算模块,用于基于获得的配变与馈线的相关数据,计算出各配变与其原始所属的馈线之间的相关指标值;
筛选模块,用于基于各配变与其原始所属的馈线之间的相关指标值以及设定的相关指标阈值,筛选出所有疑似拓扑异常的配变;
判定模块,用于基于类别修正方法,逐个将所有疑似拓扑异常的配变修正到最有可能所属的馈线中,若修正后所属的馈线与原始所属的馈线不同,则判定该疑似异常配变为拓扑连接错误的配变。
优选地,所述基于获得的配变与馈线的相关数据,计算出各配变与其原始所属的馈线之间的相关指标值,具体为:
获取各配变与其原始所属的馈线之间的相关指标计算公式,所述相关指标计算公式为:
其中,R表示相关指标;Vj表示配电Tj的电压采样数据;Vj *表示配电Tj的拟合电压数据,Vj,mean表示配电Tj的电压采样数据的平均值;
从获得的配变与馈线的相关数据中筛选出合适的数据并带入所述相关指标计算公式,经计算后得到各配变与其原始所属的馈线之间的相关指标值。
优选地,所述基于类别修正的配电网两阶段网络拓扑识别装置还包括:
滤波模块,用于对获得的配变网络中的配变与馈线的相关数据进行滤波处理,获得滤波后的配变与馈线的相关数据。
优选地,所述基于类别修正方法,逐个将所有疑似拓扑异常的配变修正到最有可能所属的馈线中,若修正后所属的馈线与原始所属的馈线不同,则判定该疑似异常配变为拓扑连接错误的配变,具体包括以下子步骤:
将属于同一条馈线下的,且判定为拓扑连接正常的配变归为一个类,每一类的类别中心为该类中各配变与其原始所属的馈线之间的相关指标值的平均值;
计算所有疑似拓扑连接异常配变与各类别中心之间的欧式距离;
找到欧式距离最小所对应的疑似拓扑连接异常配变与类,将该疑似拓扑连接异常配变修正到此类中,并更新该类的类别中心;
重复上述步骤直到所有疑似拓扑连接异常配变均修正到与其欧式距离最小的类中;
若被修正的类与原始所述的馈线对应的类不同,则判定该疑似拓扑连接异常配变为拓扑连接错误的配变。
与现有技术相比,本发明的有益效果:
(1)本发明的基于类别修正的配电网两阶段网络拓扑识别方法,避免了直接聚类时初始化阶段的随机性。
(2)本发明的基于类别修正的配电网两阶段网络拓扑识别方法,避免了直接聚类时若拓扑连接异常配变数量上占据主导地位,则聚类中心会向拓扑连接异常配变方向偏移。
(3)本发明的基于类别修正的配电网两阶段网络拓扑识别方法,计算简单,原理明确,可帮助配网运行人员及时发现拓扑连接错误,具有良好的应用前景。
附图说明
图1为本发明的基于类别修正的配电网两阶段网络拓扑识别方法的流程图;
图2为高斯滤波器的原理图;
图3为两个配变Tj和Tk连接在同一个联络点的示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
下面结合附图对本发明的应用原理作详细的描述。
实施例1
本发明实施例提供了一种基于类别修正的配电网两阶段网络拓扑识别方法,如图1所示,具体包括以下步骤:
步骤(A),获取配变网络中的配变与馈线的相关数据;
在本发明实施例的一种具体实施方式中,所述步骤(1)具体实现过程为:
在设备管理系统(该系统为现有技术中存在的系统)中选择待处理的配变网络,比如中压配变网络,导出每15min采样一次的配变与馈线的电压及功率数据,前述的每15min采样一次的采用频率可以根据实际情况进行修改;
步骤(B),采用高斯滤波器对原始采集数据作滤波处理,获得滤波后的配变与馈线的电压及功率数据;
所述采用高斯滤波器对原始采集数据作滤波处理,其基本思想是将高斯核函数与原始信号进行卷积得到滤波输出后的信号,其基本原理图如图2所示,设一维高斯函数为:
其一阶导数为:
其中g(1)(t,σ)称为高斯滤波器,输入数据f(t)被g(1)(t,σ)滤波后的结果S(t,σ)为:
S(t,σ)=f(t)*g(1)(t,σ) (3)
式中:“*”为卷积运算符;σ为高斯函数的标准方差。高斯滤波器的平滑效果可以通过σ来控制,σ越大,则滤波后的原始数据越平滑。
步骤(C),基于获得的配变与馈线的相关数据,计算出各配变与其原始所属的馈线之间的相关指标值;
在本发明实施例的一种具体实施方式中,所述步骤(C)具体包括以下子步骤:
获取各配变与其原始所属的馈线之间的相关指标计算公式,所述相关指标是用于衡量配变与馈线连接关系的,其是由电压和功率数据经最小二乘法拟合计算出;若配变与其原始所属的(即相连接的)馈线之间的相关指标小于设定的相关指标阈值,所述设定的相关指标阈值根据系统的实际情况来设定具体的值,比如可以设为0.9,则将其判别为疑似拓扑异常配变,进而筛选出所有疑似拓扑异常的配变;
假设一个联络单元F={f1,f2…fn},其中fi代表第i条馈线,同时一个联络单元下的馈线相互之间通过联络开关互联,且不与其余馈线连接,每一条馈线下连接了多个配变。假设有两个配变Tj和Tk连接在同一个联络点上,如图3所示。
其中Vj,Vk和V0分别是配变Tj和Tk与联络点每15分钟采样一个点的电压采样数据,电流符号也同理表示;基于基尔霍夫定律,可以通过给定的Ij、Ik、Vj以及Vk来估计出V0,如下式所示:
V0=Vj+R1Ij,R+X1Ij,X=Vk+R2Ik,R+X2Ik,X (4)
其中,R1、X1、R2和X2分别是图3对应线路的电阻和电抗,Ij,R、Ij,X、Ik,R和Ik,X分别是图3对应线路的电流有功和无功部分,可以通过式(5)来近似计算:
其中,Pj和Qj分别是配变Tj每15分钟采样一个点的有功和无功数据,将式(4)转换成线性回归方程:
Vj=β0+β1Vk+R2Ik,R+X2Ik,X+R1(-Ij,R)+X1(-Ij,X) (6)
其中,β0、β1、R1、R2、X1和X2可以看成线性回归方程的系数,Vk、Ik,R、Ik,X、Ij,R和Ij,X可以看成线性回归方程的自变量,Vj即为线性回归方程的因变量,进一步拓展,馈线可以看成图3中配变Tk,即图3变换为配变与馈线之间的连接,因此通过式(6),建立了配变与馈线之间的线性回归关系。之后,利用最小二乘法,基于配变Tj的Ij,R和Ij,X以及馈线的Ik,R、Ik,X和Vk,去拟合Vj,进而得到拟合值Vj *。利用决定系数R作为相关指标来判断拟合效果,其中相关指标R可以由下式计算:
其中Vj,mean是Vj数据的平均值,拟合效果越好,则相关指标R越接近于1,因此,相关指标R越大,表明此配变与馈线之间直接相连接的可能性越高。具体的计算步骤如下:
步骤1:选择一个配变Tj,并计算配变Tj与馈线fi之间的相关系数Rj,i,其中i=1,2…n,进而获得相关指标集合Rj={Rj,1,Rj,2…Rj,n};
步骤2:若配变Tj与原始所属的馈线之间的相关指标值低于设定的相关指标阈值,则判定配变Tj被视为疑似拓扑连接异常配变,否则判定配变Tj为拓扑连接正常配变;
步骤3:上述步骤重复进行至所有配变均完成判断,最终获得所有配变的相关指标集合以及所有疑似拓扑连接异常的配变。
步骤(D),基于类别修正方法,逐步将疑似拓扑异常的配变修正到最有可能所属的馈线中;如果修正后所属的馈线与原始所属馈线不同,则可判断此疑似异常配变为拓扑连接错误的配变,完成配电网两阶段网络拓扑识别;
在本发明实施例的一种具体实施方式中,所述步骤(D)具体为:
在步骤(C)中,已经获得了所有疑似拓扑连接异常的配变和所有配变的相关指标集合。很明显的是,连接在同一条馈线下的配变具有相似的相关指标R,接下来的问题就是如何将疑似拓扑连接异常的配变修正到最有可能连接的馈线中去,具体的步骤如下:
步骤1:将属于同一条馈线下的,且判定为拓扑连接正常的配变归为一个类,每一类的类别中心为该类中各配变与其原始所属的馈线之间的相关指标值的平均值;
步骤2:计算所有疑似拓扑连接异常配变与各类别中心之间的欧式距离;
步骤3:找到欧式距离最小所对应的疑似拓扑连接异常配变与类,将该疑似拓扑连接异常配变修正到此类中,并更新该类的类别中心;
步骤4:重复上述步骤直到所有疑似拓扑连接异常配变均修正到与其欧式距离最小的类中;
步骤5:若被修正的类与原始所述的馈线对应的类不同,则判定该疑似拓扑连接异常配变为拓扑连接错误的配变。
实施例2
基于与实施例1相同的发明构思,本发明实施例提供了一种基于类别修正的配电网两阶段网络拓扑识别装置,包括:
获取模块,用于获取配变网络中的配变与馈线的相关数据;
滤波模块,用于对获得的配变网络中的配变与馈线的相关数据进行滤波处理,获得滤波后的配变与馈线的相关数据;
在本发明实施例的一种具体实施方式中,所述对获得的配变网络中的配变与馈线的相关数据进行滤波处理,具体为:
采用高斯滤波器对获得的配变网络中的配变与馈线的相关数据进行滤波处理;
计算模块,用于基于获得的配变与馈线的相关数据,计算出各配变与其原始所属的馈线之间的相关指标值;
在本发明实施例的一种具体实施方式中,所述基于获得的配变与馈线的相关数据,计算出各配变与其原始所属的馈线之间的相关指标值,具体为:
获取各配变与其原始所属的馈线之间的相关指标计算公式,所述相关指标计算公式为:
其中,R表示相关指标;Vj表示配电Tj的电压采样数据;Vj *表示配电Tj的拟合电压数据,Vj,mean表示配电Tj的电压采样数据的平均值;
从获得的配变与馈线的相关数据中筛选出合适的数据并带入所述相关指标计算公式,经计算后得到各配变与其原始所属的馈线之间的相关指标值;
筛选模块,用于基于各配变与其原始所属的馈线之间的相关指标值以及设定的相关指标阈值,筛选出所有疑似拓扑异常的配变;
判定模块,用于基于类别修正方法,逐个将所有疑似拓扑异常的配变修正到最有可能所属的馈线中,若修正后所属的馈线与原始所属的馈线不同,则判定该疑似异常配变为拓扑连接错误的配变;
在本发明实施例的一种具体实施方式中,所述基于类别修正方法,逐个将所有疑似拓扑异常的配变修正到最有可能所属的馈线中,若修正后所属的馈线与原始所属的馈线不同,则判定该疑似异常配变为拓扑连接错误的配变,具体包括以下子步骤:
将属于同一条馈线下的,且判定为拓扑连接正常的配变归为一个类,每一类的类别中心为该类中各配变与其原始所属的馈线之间的相关指标值的平均值;
计算所有疑似拓扑连接异常配变与各类别中心之间的欧式距离;
找到欧式距离最小所对应的疑似拓扑连接异常配变与类,将该疑似拓扑连接异常配变修正到此类中,并更新该类的类别中心;
重复上述步骤直到所有疑似拓扑连接异常配变均修正到与其欧式距离最小的类中;
若被修正的类与原始所述的馈线对应的类不同,则判定该疑似拓扑连接异常配变为拓扑连接错误的配变。
综上所述:
(1)本发明的基于类别修正的配电网两阶段网络拓扑识别方法,避免了直接聚类时初始化阶段的随机性。
(2)本发明的基于类别修正的配电网两阶段网络拓扑识别方法,避免了直接聚类时若拓扑连接异常配变数量上占据主导地位,则聚类中心会向拓扑连接异常配变方向偏移。
(3)本发明的基于类别修正的配电网两阶段网络拓扑识别方法,计算简单,原理明确,可帮助配网运行人员及时发现拓扑连接错误,具有良好的应用前景。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上结合附图对本发明的实施例进行了描述,但是本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权利要求所保护的范围情况下,还可做出很多形式,这些均属于本发明的保护之内。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (10)
1.一种基于类别修正的配电网两阶段网络拓扑识别方法,其特征在于,包括:
获取配变网络中的配变与馈线的相关数据;
基于获得的配变与馈线的相关数据,计算出各配变与其原始所属的馈线之间的相关指标值;
基于各配变与其原始所属的馈线之间的相关指标值以及设定的相关指标阈值,筛选出所有疑似拓扑异常的配变;
基于类别修正方法,逐个将所有疑似拓扑异常的配变修正到最有可能所属的馈线中,若修正后所属的馈线与原始所属的馈线不同,则判定该疑似异常配变为拓扑连接错误的配变。
2.根据权利要求1所述的一种基于类别修正的配电网两阶段网络拓扑识别方法,其特征在于:所述基于获得的配变与馈线的相关数据,计算出各配变与其原始所属的馈线之间的相关指标值,具体为:
获取各配变与其原始所属的馈线之间的相关指标计算公式,所述相关指标计算公式为:
其中,R表示相关指标;Vj表示配变Tj的电压采样数据;Vj *表示配变Tj的拟合电压数据,Vj,mean表示配变Tj的电压采样数据的平均值;
从获得的配变与馈线的相关数据中筛选出合适的数据并带入所述相关指标计算公式,经计算后得到各配变与其原始所属的馈线之间的相关指标值。
3.根据权利要求1或2所述的一种基于类别修正的配电网两阶段网络拓扑识别方法,其特征在于:所述基于各配变与其原始所属的馈线之间的相关指标值以及设定的相关指标阈值,筛选出所有疑似拓扑异常的配变,具体包括以下子步骤:
选择一个配变Tj,并计算配变Tj与馈线fi之间的相关系数Rj,i,其中i=1,2…n,进而获得相关指标集合Rj={Rj,1,Rj,2…Rj,n};
若配变Tj与原始所属的馈线之间的相关指标值低于设定的相关指标阈值,则判定配变Tj为疑似拓扑连接异常配变,否则判定配变Tj为拓扑连接正常配变;
上述步骤重复进行至所有配变均完成判断,最终获得所有配变的相关指标集合以及所有疑似拓扑连接异常的配变。
4.根据权利要求2或3所述的一种基于类别修正的配电网两阶段网络拓扑识别方法,其特征在于:所述基于类别修正方法,逐个将所有疑似拓扑异常的配变修正到最有可能所属的馈线中,若修正后所属的馈线与原始所属的馈线不同,则判定该疑似异常配变为拓扑连接错误的配变,具体包括以下子步骤:
将属于同一条馈线下的,且判定为拓扑连接正常的配变归为一个类,每一类的类别中心为该类中各配变与其原始所属的馈线之间的相关指标值的平均值;
计算所有疑似拓扑连接异常配变与各类别中心之间的欧式距离;
找到欧式距离最小所对应的疑似拓扑连接异常配变与类,将该疑似拓扑连接异常配变修正到此类中,并更新该类的类别中心;
重复上述步骤直到所有疑似拓扑连接异常配变均修正到与其欧式距离最小的类中;
若被修正的类与原始所述的馈线对应的类不同,则判定该疑似拓扑连接异常配变为拓扑连接错误的配变。
5.根据权利要求1或2所述的一种基于类别修正的配电网两阶段网络拓扑识别方法,其特征在于:所述获取配变网络中的配变与馈线的相关数据步骤之后还包括:
对获得的配变网络中的配变与馈线的相关数据进行滤波处理,获得滤波后的配变与馈线的相关数据。
6.根据权利要求5所述的一种基于类别修正的配电网两阶段网络拓扑识别方法,其特征在于:所述对获得的配变网络中的配变与馈线的相关数据进行滤波处理,具体为:
采用高斯滤波器对获得的配变网络中的配变与馈线的相关数据进行滤波处理。
7.一种基于类别修正的配电网两阶段网络拓扑识别装置,其特征在于,包括:
获取模块,用于获取配变网络中的配变与馈线的相关数据;
计算模块,用于基于获得的配变与馈线的相关数据,计算出各配变与其原始所属的馈线之间的相关指标值;
筛选模块,用于基于各配变与其原始所属的馈线之间的相关指标值以及设定的相关指标阈值,筛选出所有疑似拓扑异常的配变;
判定模块,用于基于类别修正方法,逐个将所有疑似拓扑异常的配变修正到最有可能所属的馈线中,若修正后所属的馈线与原始所属的馈线不同,则判定该疑似异常配变为拓扑连接错误的配变。
8.根据权利要求7所述的一种基于类别修正的配电网两阶段网络拓扑识别装置,其特征在于:所述基于获得的配变与馈线的相关数据,计算出各配变与其原始所属的馈线之间的相关指标值,具体为:
获取各配变与其原始所属的馈线之间的相关指标计算公式,所述相关指标计算公式为:
其中,R表示相关指标;Vj表示配电Tj的电压采样数据;Vj *表示配电Tj的拟合电压数据,Vj,mean表示配电Tj的电压采样数据的平均值;
从获得的配变与馈线的相关数据中筛选出合适的数据并带入所述相关指标计算公式,经计算后得到各配变与其原始所属的馈线之间的相关指标值。
9.根据权利要求7所述的一种基于类别修正的配电网两阶段网络拓扑识别装置,其特征在于,所述基于类别修正的配电网两阶段网络拓扑识别装置还包括:
滤波模块,用于对获得的配变网络中的配变与馈线的相关数据进行滤波处理,获得滤波后的配变与馈线的相关数据。
10.根据权利要求7所述的一种基于类别修正的配电网两阶段网络拓扑识别装置,其特征在于:所述基于类别修正方法,逐个将所有疑似拓扑异常的配变修正到最有可能所属的馈线中,若修正后所属的馈线与原始所属的馈线不同,则判定该疑似异常配变为拓扑连接错误的配变,具体包括以下子步骤:
将属于同一条馈线下的,且判定为拓扑连接正常的配变归为一个类,每一类的类别中心为该类中各配变与其原始所属的馈线之间的相关指标值的平均值;
计算所有疑似拓扑连接异常配变与各类别中心之间的欧式距离;
找到欧式距离最小所对应的疑似拓扑连接异常配变与类,将该疑似拓扑连接异常配变修正到此类中,并更新该类的类别中心;
重复上述步骤直到所有疑似拓扑连接异常配变均修正到与其欧式距离最小的类中;
若被修正的类与原始所述的馈线对应的类不同,则判定该疑似拓扑连接异常配变为拓扑连接错误的配变。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910163848.9A CN109753762B (zh) | 2019-03-05 | 2019-03-05 | 基于类别修正的配电网两阶段网络拓扑识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910163848.9A CN109753762B (zh) | 2019-03-05 | 2019-03-05 | 基于类别修正的配电网两阶段网络拓扑识别方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109753762A true CN109753762A (zh) | 2019-05-14 |
CN109753762B CN109753762B (zh) | 2022-08-19 |
Family
ID=66406826
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910163848.9A Active CN109753762B (zh) | 2019-03-05 | 2019-03-05 | 基于类别修正的配电网两阶段网络拓扑识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109753762B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110601173A (zh) * | 2019-06-24 | 2019-12-20 | 国网甘肃省电力公司电力科学研究院 | 基于边缘计算的配网拓扑识别方法及装置 |
CN110718908A (zh) * | 2019-09-29 | 2020-01-21 | 肖家锴 | 基于层次聚类法的配电网拓扑结构识别方法及系统 |
CN111426905A (zh) * | 2020-03-03 | 2020-07-17 | 国网江苏省电力有限公司电力科学研究院 | 一种配电网同母线变关系异常诊断方法、装置及系统 |
CN111445108A (zh) * | 2020-03-03 | 2020-07-24 | 国网江苏省电力有限公司电力科学研究院 | 数据驱动的配电网线变关系诊断方法、装置及系统 |
CN111458661A (zh) * | 2020-03-03 | 2020-07-28 | 国网江苏省电力有限公司电力科学研究院 | 一种配电网线变关系诊断方法、装置及系统 |
CN112798895A (zh) * | 2021-02-09 | 2021-05-14 | 南京软核科技有限公司 | 一种联络开关位置识别方法 |
CN110718908B (zh) * | 2019-09-29 | 2024-05-03 | 中科合创科技实业(深圳)有限公司 | 基于层次聚类法的配电网拓扑结构识别方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105162119A (zh) * | 2015-09-22 | 2015-12-16 | 贵州电网公司信息通信分公司 | 一种适用于大规模配电网的局部修正潮流计算方法 |
CN106096810A (zh) * | 2016-05-26 | 2016-11-09 | 广东电网有限责任公司佛山供电局 | 基于配电网运行数据与地理拓扑信息的规划方法及系统 |
CN108173263A (zh) * | 2017-12-29 | 2018-06-15 | 国网天津市电力公司电力科学研究院 | 一种基于ami量测信息的配电网拓扑错误辨识算法 |
CN108318782A (zh) * | 2018-01-29 | 2018-07-24 | 国网江苏省电力有限公司电力科学研究院 | 基于网络拓扑与配变停电信息的配电网故障区域辨识方法 |
CN109274095A (zh) * | 2018-10-30 | 2019-01-25 | 东北大学秦皇岛分校 | 基于互信息的低压配电网用户拓扑估计方法及系统 |
-
2019
- 2019-03-05 CN CN201910163848.9A patent/CN109753762B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105162119A (zh) * | 2015-09-22 | 2015-12-16 | 贵州电网公司信息通信分公司 | 一种适用于大规模配电网的局部修正潮流计算方法 |
CN106096810A (zh) * | 2016-05-26 | 2016-11-09 | 广东电网有限责任公司佛山供电局 | 基于配电网运行数据与地理拓扑信息的规划方法及系统 |
CN108173263A (zh) * | 2017-12-29 | 2018-06-15 | 国网天津市电力公司电力科学研究院 | 一种基于ami量测信息的配电网拓扑错误辨识算法 |
CN108318782A (zh) * | 2018-01-29 | 2018-07-24 | 国网江苏省电力有限公司电力科学研究院 | 基于网络拓扑与配变停电信息的配电网故障区域辨识方法 |
CN109274095A (zh) * | 2018-10-30 | 2019-01-25 | 东北大学秦皇岛分校 | 基于互信息的低压配电网用户拓扑估计方法及系统 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110601173A (zh) * | 2019-06-24 | 2019-12-20 | 国网甘肃省电力公司电力科学研究院 | 基于边缘计算的配网拓扑识别方法及装置 |
CN110601173B (zh) * | 2019-06-24 | 2021-07-16 | 国网甘肃省电力公司电力科学研究院 | 基于边缘计算的配网拓扑识别方法及装置 |
CN110718908A (zh) * | 2019-09-29 | 2020-01-21 | 肖家锴 | 基于层次聚类法的配电网拓扑结构识别方法及系统 |
CN110718908B (zh) * | 2019-09-29 | 2024-05-03 | 中科合创科技实业(深圳)有限公司 | 基于层次聚类法的配电网拓扑结构识别方法及系统 |
CN111426905A (zh) * | 2020-03-03 | 2020-07-17 | 国网江苏省电力有限公司电力科学研究院 | 一种配电网同母线变关系异常诊断方法、装置及系统 |
CN111445108A (zh) * | 2020-03-03 | 2020-07-24 | 国网江苏省电力有限公司电力科学研究院 | 数据驱动的配电网线变关系诊断方法、装置及系统 |
CN111458661A (zh) * | 2020-03-03 | 2020-07-28 | 国网江苏省电力有限公司电力科学研究院 | 一种配电网线变关系诊断方法、装置及系统 |
CN111426905B (zh) * | 2020-03-03 | 2022-02-15 | 国网江苏省电力有限公司电力科学研究院 | 一种配电网同母线变关系异常诊断方法、装置及系统 |
CN112798895A (zh) * | 2021-02-09 | 2021-05-14 | 南京软核科技有限公司 | 一种联络开关位置识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109753762B (zh) | 2022-08-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109753762A (zh) | 基于类别修正的配电网两阶段网络拓扑识别方法及装置 | |
Chawda et al. | Comprehensive review on detection and classification of power quality disturbances in utility grid with renewable energy penetration | |
CN109034244B (zh) | 基于电量曲线特征模型的线损异常诊断方法及装置 | |
CN111505433B (zh) | 一种低压台区户变关系纠错及相位识别方法 | |
Yu et al. | An adaptive Kalman filter for dynamic harmonic state estimation and harmonic injection tracking | |
US10503839B2 (en) | Detecting state estimation network model data errors | |
CN106505557B (zh) | 一种遥测错误辨识方法及装置 | |
CN110632546B (zh) | 基于全网域证据集的电子式互感器可信度评估方法和装置 | |
CN110601173B (zh) | 基于边缘计算的配网拓扑识别方法及装置 | |
CN106786567B (zh) | 一种基于pmu类噪声数据的在线负荷建模方法 | |
CN110518590A (zh) | 考虑负荷电压静特性的配电网线性潮流计算方法 | |
Mahaei et al. | Power system state estimation with weighted linear least square | |
CN109378835A (zh) | 基于互信息冗余性最优的大规模电力系统暂态稳定评估系统 | |
CN115480204A (zh) | 基于大数据推演的电流互感器运行误差在线评估优化方法 | |
CN115201563A (zh) | 一种基于联合熵的多谐波源定位方法及系统 | |
CN115392141A (zh) | 一种自适应的电流互感器误差评估方法 | |
Do Coutto Filho et al. | Off-line validation of power network branch parameters | |
CN107132500A (zh) | 一种同步相量测量单元在线校准方法与装置 | |
CN105701265A (zh) | 一种双馈风电机组建模方法及装置 | |
CN109193639B (zh) | 一种电力系统抗差估计方法 | |
CN104252685A (zh) | 电力系统暂态稳定评估预想故障快速强壮分类方法 | |
Donmez et al. | Robust state estimation using node-breaker substation models and phasor measurements | |
JP4690991B2 (ja) | 系統インピーダンスの演算方法 | |
CN114325107A (zh) | 一种谐波阻抗计算结果准确性判断方法 | |
Aeiad et al. | Bad data detection for smart grid state estimation |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |