CN109857975A - 一种电能表台区和三相自动识别方法 - Google Patents
一种电能表台区和三相自动识别方法 Download PDFInfo
- Publication number
- CN109857975A CN109857975A CN201811647877.4A CN201811647877A CN109857975A CN 109857975 A CN109857975 A CN 109857975A CN 201811647877 A CN201811647877 A CN 201811647877A CN 109857975 A CN109857975 A CN 109857975A
- Authority
- CN
- China
- Prior art keywords
- voltage
- phase
- electric energy
- area
- energy meter
- 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
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明涉及一种电能表台区和三相自动识别方法,属于配电网电参数测量应用领域。首先在已有台区准确数据的基础上,建立一个电压损耗模型。然后基于电压损耗模型和用户端数据,估计出台区总表电压以及三相。最后将估计电压与实际电压进行相关性分析,综合决策出待识别用户电能表的台区和三相,并给出两者相关系数,从而提高电网管理能力,促进电网健康稳定的运行。
Description
技术领域
本发明属于配电网电参数测量应用领域,涉及一种电能表台区和三相自动识别方法。
背景技术
在电力公司对配电网的日常管理工作中,经常会涉及与用户电能表所属台区相关的问题,如远程费控、时钟校时、三相功率平衡、相序控制和线损规算等。准确地识别用户电能表所属的台区能够实现精细化的营销并且有效地降耗减损。
目前,用户的台区识别主要依靠电力载波技术,需要从集中器发送载波信号,然后用户端接上测量工具进行测量,不仅工作量非常大,而且容易受到电磁信号的干扰。
依据2007年12月发布的《DL/T 645-2007多功能电能表通信协议》中所规定的数据交换协议,可以实时采集电网运行时的各种状态信息。若能够充分利用这些采集到的运行数据,对配电网进行分析,有效地识别出用户电能表的台区,将会大大降低电力公司管理人员的工作难度,提高电网的运行效率。
发明内容
有鉴于此,本发明的目的在于提供一种电能表台区和三相自动识别方法。通过在已有台区准确数据的基础上,建立一个电压损耗模型。然后基于电压损耗模型,利用同一时刻用户电能表的电压、功率值和台区总表某相的功率值,估计出台区总表该相的电压值和三相。最后,通过计算几个时刻台区总表的电压估计值与电压实际值的Spearman秩相关系数,来确定带识别用户电能表所属的台区和三相。
为达到上述目的,本发明提供如下技术方案:
一种电能表台区和三相自动识别方法,该方法包括以下步骤:
S1:利用已知的正确的台区数据采集若干时刻台区总表、台区关口表与用户电能表的电压与功率值;
S2:利用采集到的电压与功率值建立一个电压损耗模型;
S3:利用电压损耗模型和待识别用户电能表数据,估计出每个时刻每个台区总表和关口表每相的电压以及三相;
S4:基于所述时刻台区总表和关口表每相电压的估计值与实际值的数据,计算出他们的Spearman秩相关系数;
S5:利用实际值与估计值的Spearman秩相关系数,综合决策待识别用户电能表所属的台区以及三相。
进一步,所述步骤S1具体为:
在一定天数内每隔1~15分钟,同时采集一次用户电能表电压Vu、功率Wu和该用户电能表对应台区总表在对应相位的电压Vt、功率Wt;最后根据采集的数据,构建一个训练数据集D(Wu Vu,Wt,Vt)。
进一步,所述步骤S2具体为:
S21:将采集到的训练数据集D运用零-均值规范化的方法归一化处理,消除他们之间的量纲,得到新的训练数据集D*具体转化公式为:
S22:依据梯度下降法原理,通过使目标函数局部最小,来得出电压损耗模型的参数(k0,k1,k2,k3);目标函数为:
其中,λ为正则化参数,m为训练数据集D*中采集的样本数量,分别为训练集D*中的第i个样本。
进一步,所述S3具体为:
S31:在一定天数内每隔1~15分钟,同时采集一次待识别用户电能表电压Vux、功率Wux和每个台区总表和关口表在每个相位的电压Vt、功率Wt;最后根据采集的数据,构建3×k个数据集Tij(Wux Vux,Wtij,Vtij);其中,k为台区的总数量,i为台区编号,j为A、B、C相中的一个;
S32:将数据集Tij中的每条数据按照S21中的均值和方差进行规范化;
S33:根据电压损耗模型,估计出每个台区每个相位在相应时刻的电压值;电压损耗模型的具体公式为:
其中,V′tij代表第i个台区总表在j相的电压估计值,Vux、Wux分别代表待识别用户电能表电压和功率,Wtij V′tij代表第i个台区总表在j相的功率。
进一步,所述S4具体为:
S41:将每个数据集Tij所得到的第i个台区第j相的电压估计值和实际值分别从小到大排序,计算出相应的秩次Ri和Qi;
S42:根据计算出的秩次,计算Spearman秩相关系数,具体公式为:
进一步,所述S5具体为:
S51:取第i个台区计算出的三个相关系数riA、riB、riC中的最大值的平方作为台区相关度ri 2;
S52:若台区相关度ri 2小于γ1,则将第i个台区从备选台区中移除;其中,0≤r2≤1,ri 2越接近于1则用户电能表与第i个台区相关性越强;γ1为阈值,根据经验获得;
S53:在余下的备选台区中,寻找相关度最大的ri 2,那么待识别用户电能表就属于第i个台区,与台区关口表三相一致;
S54:若最终无法匹配到合适的台区和三相数据,则取得更多的数据后再进行分析;重复步骤S3到S5,对更多的用户电能表进行识别,无需再构建电压损失模型。
本发明的有益效果在于:
其一,通过电能表可以测量电压和功率的功能,运用数据分析的方法,自动识别出用户电能表所属的台区和三相,无需添加额外的专用设备,减少了成本;
其二,可实现跨台区识别,有效解决电力公司档案录入错误的问题,提高统计的准确率。
附图说明
为了使本发明的目的、技术方案和有益效果更加清楚,本发明提供如下附图进行说明:
图1为一种电能表台区和三相自动识别方法流程图;
图2为待识别用户电能表所属台区和三相综合决策图。
具体实施方式
下面将结合附图,对本发明的优选实施例进行详细的描述。
图1为一种电能表台区和三相自动识别方法流程图,图2为待识别用户电能表所属台区和三相综合决策图。如图所示:本发明提供的一种电能表台区和三相自动识别方法,包括以下步骤:
S1:利用已知的正确的台区数据采集某几个时刻台区总表和关口表与用户电能表的电压与功率值;
S2:利用采集的电压与功率值建立一个电压损耗模型;
S3:利用电压损耗模型和待识别用户电能表数据,估计出每个时刻每个台区总表和关口表每相的电压和三相;
S4:基于某几个时刻台区总表每相电压的估计值与实际值的数据,计算出他们的Spearman秩相关系数;
S5:利用实际值与估计值的Spearman秩相关系数,综合决策待识别用户电能表所属的台区和三相;
进一步,所述步骤S1中利用已知的正确的台区数据采集某几个时刻台区总表与用户电能表的电压与功率值的具体方法为:在一定天数内每隔1~15分钟,同时采集一次用户电能表电压Vu、功率Wu和该用户电能表对应台区总表在对应相位的电压Vt、功率Wt。最后根据采集的数据,构建一个训练数据集D(Wu Vu,Wt,Vt);
进一步,所述S2中的利用采集的电压与功率值建立一个电压损耗模型,包括以下具体步骤:
S21:将采集到的训练数据集D运用零-均值规范化的方法归一化处理,消除他们之间的量纲,得到新的训练数据集D*具体转化公式为:
S22:依据梯度下降法原理,通过使目标函数局部最小,来得出电压损耗模型的参数(k0,k1,k2,k3);
进一步,所述S22中的目标函数为
其中,λ为正则化参数,m为训练数据集D*中采集的样本数量,分别为训练集D*中的第i个样本。
进一步,所述步骤S3中利用电压损耗模型和待识别用户电能表数据,估计出每个时刻每个台区总表每相的电压,包括以下具体步骤:
S31:在30天内每隔15分钟,同时采集一次待识别用户电能表电压Vux、功率Wux和每个台区总表在每个相位的电压Vt、功率Wt。最后根据采集的数据,构建3×k个数据集Tij(WuxVux,Wtij,Vtij)。其中,k为台区的总数量,i为台区编号,j为A、B、C相中的一个;
S32:将数据集Tij中的每条数据按照S21中的均值和方差进行规范化;
S33:根据电压损耗模型,估计出每个台区每个相位在相应时刻的电压值。电压损耗模型的具体公式为:
其中,V′tij代表第i个台区总表在j相的电压估计值,Vux、Wux分别代表待识别用户电能表电压和功率,Wtij V′tij代表第i个台区总表在j相的功率。
进一步,所述步骤S4中基于某几个时刻台区总表每相电压的估计值与实际值的数据,计算出他们的Spearman秩相关系数,包括以下具体步骤:
S41:将每个数据集Tij所得到的第i个台区第j相的电压估计值和实际值分别从小到大排序,计算出相应的秩次Ri和Qi;
S42:根据计算出的秩次,计算Spearman秩相关系数,具体公式为:
进一步,所述步骤S5中利用实际值与估计值的Spearman秩相关系数,综合决策待识别用户电能表所属的台区和三相,包括以下具体步骤:
S51:取第i个台区计算出的三个相关系数riA、riB、riC中的最大值的平方作为台区相关度ri 2;
S52:若台区相关度ri 2(0≤r2≤1,ri 2越接近于1则用户电能表与第i个台区相关性越强)小于γ1(阈值,由专家根据经验给出),则将第i个台区从备选台区中移除;
S53:在余下的备选台区中,寻找相关度最大的ri 2,那么待识别用户电能表就属于第i个台区,并与台区总表三相一致;
S54:若最终无法匹配到合适的台区和三相,则取得更多的数据后再进行分析。重复步骤S3到S5,可对更多的用户电能表进行识别,无需再构建电压损失模型。
本实施例基于岭回归和Spearman秩相关的方法,提出了一种电能表台区和三相自动识别方法,不仅能有效的识别出用户电能表所属的台区和三相,还可以给出相应的相关系数,从而提供精确的台区和三相识别,促进电网安全有效运行。
最后说明的是,以上优选实施例仅用以说明本发明的技术方案而非限制,尽管通过上述优选实施例已经对本发明进行了详细的描述,但本领域技术人员应当理解,可以在形式上和细节上对其作出各种各样的改变,而不偏离本发明权利要求书所限定的范围。
Claims (6)
1.一种电能表台区和三相自动识别方法,其特征在于:该方法包括以下步骤:
S1:利用已知的正确的台区数据采集若干时刻台区总表、台区关口表与用户电能表的电压与功率值;
S2:利用采集到的电压与功率值建立一个电压损耗模型;
S3:利用电压损耗模型和待识别用户电能表数据,估计出每个时刻每个台区总表和关口表每相的电压以及三相;
S4:基于所述时刻台区总表和关口表每相电压的估计值与实际值的数据,计算出他们的Spearman秩相关系数;
S5:利用实际值与估计值的Spearman秩相关系数,综合决策待识别用户电能表所属的台区以及三相。
2.根据权利要求1所述的一种电能表台区和三相自动识别方法,其特征在于:所述步骤S1具体为:
在一定天数内每隔1~15分钟,同时采集一次用户电能表电压Vu、功率Wu和该用户电能表对应台区总表在对应相位的电压Vt、功率Wt;最后根据采集的数据,构建一个训练数据集D(Wu Vu,Wt,Vt)。
3.根据权利要求1所述的一种电能表台区和三相自动识别方法,其特征在于:所述步骤S2具体为:
S21:将采集到的训练数据集D运用零-均值规范化的方法归一化处理,消除他们之间的量纲,得到新的训练数据集D*具体转化公式为:
S22:依据梯度下降法原理,通过使目标函数局部最小,来得出电压损耗模型的参数(k0,k1,k2,k3);目标函数为:
其中,λ为正则化参数,m为训练数据集D*中采集的样本数量,分别为训练集D*中的第i个样本。
4.根据权利要求1所述的一种电能表台区和三相自动识别方法,其特征在于:所述S3具体为:
S31:在一定天数内每隔1~15分钟,同时采集一次待识别用户电能表电压Vux、功率Wux和每个台区总表和关口表在每个相位的电压Vt、功率Wt;最后根据采集的数据,构建3×k个数据集Tij(Wux Vux,Wtij,Vtij);其中,k为台区的总数量,i为台区编号,j为A、B、C相中的一个;
S32:将数据集Tij中的每条数据按照S21中的均值和方差进行规范化;
S33:根据电压损耗模型,估计出每个台区每个相位在相应时刻的电压值;电压损耗模型的具体公式为:
其中,V′tij代表第i个台区总表在j相的电压估计值,Vux、Wux分别代表待识别用户电能表电压和功率,Wtij V′tij代表第i个台区总表在j相的功率。
5.根据权利要求1所述的一种电能表台区和三相自动识别方法,其特征在于:所述S4具体为:
S41:将每个数据集Tij所得到的第i个台区第j相的电压估计值和实际值分别从小到大排序,计算出相应的秩次Ri和Qi;
S42:根据计算出的秩次,计算Spearman秩相关系数,具体公式为:
6.根据权利要求1所述的一种电能表台区和三相自动识别方法,其特征在于:所述S5具体为:
S51:取第i个台区计算出的三个相关系数riA、riB、riC中的最大值的平方作为台区相关度ri 2;
S52:若台区相关度ri 2小于γ1,则将第i个台区从备选台区中移除;其中,0≤r2≤1,ri 2越接近于1则用户电能表与第i个台区相关性越强;γ1为阈值,根据经验获得;
S53:在余下的备选台区中,寻找相关度最大的ri 2,那么待识别用户电能表就属于第i个台区,与台区关口表三相一致;
S54:若最终无法匹配到合适的台区和三相数据,则取得更多的数据后再进行分析;重复步骤S3到S5,对更多的用户电能表进行识别,无需再构建电压损失模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811647877.4A CN109857975B (zh) | 2018-12-29 | 2018-12-29 | 一种电能表台区和三相自动识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811647877.4A CN109857975B (zh) | 2018-12-29 | 2018-12-29 | 一种电能表台区和三相自动识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109857975A true CN109857975A (zh) | 2019-06-07 |
CN109857975B CN109857975B (zh) | 2023-04-07 |
Family
ID=66893509
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811647877.4A Active CN109857975B (zh) | 2018-12-29 | 2018-12-29 | 一种电能表台区和三相自动识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109857975B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110389267A (zh) * | 2019-07-17 | 2019-10-29 | 国网陕西省电力公司电力科学研究院 | 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 |
CN110749852A (zh) * | 2019-10-15 | 2020-02-04 | 南京林洋电力科技有限公司 | 一种基于瞬时三相功率不平衡的相位识别方法 |
CN112611997A (zh) * | 2020-12-01 | 2021-04-06 | 国网河南省电力公司电力科学研究院 | 一种台区关口表挂接关系在线校验方法和系统 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060091877A1 (en) * | 2004-10-19 | 2006-05-04 | Robinson Andrew J | Method and apparatus for an electric meter |
CN102075213A (zh) * | 2010-10-28 | 2011-05-25 | 青岛鼎信通讯有限公司 | 基于电力线特点的全新台区识别技术 |
CN103457635A (zh) * | 2013-08-06 | 2013-12-18 | 珠海中慧微电子有限公司 | 低压电力线载波通信系统中通信节点的相位识别方法 |
CN106526319A (zh) * | 2016-11-17 | 2017-03-22 | 苏州斯威高科信息技术有限公司 | 一种同步测相方法及系统 |
CN107271946A (zh) * | 2017-06-01 | 2017-10-20 | 宁波迦南智能电气股份有限公司 | 一种电能表相位识别方法 |
CN107517071A (zh) * | 2017-08-05 | 2017-12-26 | 青岛鼎信通讯股份有限公司 | 低压交流市电台区智能识别方法 |
CN107977902A (zh) * | 2016-10-25 | 2018-05-01 | 中国电力科学研究院 | 一种基于少数据的配电台区电压测算方法 |
CN108519514A (zh) * | 2018-04-24 | 2018-09-11 | 宁波三星医疗电气股份有限公司 | 基于皮尔逊相关系数算法的台区相位识别方法 |
CN108734603A (zh) * | 2018-05-24 | 2018-11-02 | 河南工业大学 | 基于聚类的大数据相位识别方法 |
CN108805457A (zh) * | 2018-06-19 | 2018-11-13 | 宁波迦南智能电气股份有限公司 | 一种高准确性的电能表台区识别方法 |
CN109725219A (zh) * | 2018-12-29 | 2019-05-07 | 重庆邮电大学 | 一种电能表台区自动识别方法 |
CN109738723A (zh) * | 2018-12-29 | 2019-05-10 | 重庆邮电大学 | 一种电能表三相自动识别方法 |
-
2018
- 2018-12-29 CN CN201811647877.4A patent/CN109857975B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060091877A1 (en) * | 2004-10-19 | 2006-05-04 | Robinson Andrew J | Method and apparatus for an electric meter |
CN102075213A (zh) * | 2010-10-28 | 2011-05-25 | 青岛鼎信通讯有限公司 | 基于电力线特点的全新台区识别技术 |
CN103457635A (zh) * | 2013-08-06 | 2013-12-18 | 珠海中慧微电子有限公司 | 低压电力线载波通信系统中通信节点的相位识别方法 |
CN107977902A (zh) * | 2016-10-25 | 2018-05-01 | 中国电力科学研究院 | 一种基于少数据的配电台区电压测算方法 |
CN106526319A (zh) * | 2016-11-17 | 2017-03-22 | 苏州斯威高科信息技术有限公司 | 一种同步测相方法及系统 |
CN107271946A (zh) * | 2017-06-01 | 2017-10-20 | 宁波迦南智能电气股份有限公司 | 一种电能表相位识别方法 |
CN107517071A (zh) * | 2017-08-05 | 2017-12-26 | 青岛鼎信通讯股份有限公司 | 低压交流市电台区智能识别方法 |
CN108519514A (zh) * | 2018-04-24 | 2018-09-11 | 宁波三星医疗电气股份有限公司 | 基于皮尔逊相关系数算法的台区相位识别方法 |
CN108734603A (zh) * | 2018-05-24 | 2018-11-02 | 河南工业大学 | 基于聚类的大数据相位识别方法 |
CN108805457A (zh) * | 2018-06-19 | 2018-11-13 | 宁波迦南智能电气股份有限公司 | 一种高准确性的电能表台区识别方法 |
CN109725219A (zh) * | 2018-12-29 | 2019-05-07 | 重庆邮电大学 | 一种电能表台区自动识别方法 |
CN109738723A (zh) * | 2018-12-29 | 2019-05-10 | 重庆邮电大学 | 一种电能表三相自动识别方法 |
Non-Patent Citations (3)
Title |
---|
张剑;徐向阳;陈文福;: "基于台区电表相位自动识别的动态三相分相线损计算方法" * |
李琮琮;范学忠;王清;杜艳;朱红霞;于超;: "基于用电信息采集系统的配电网台区识别" * |
赵宇东;: "一种智能电能表台区归属自动判定方法" * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110389267A (zh) * | 2019-07-17 | 2019-10-29 | 国网陕西省电力公司电力科学研究院 | 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 |
CN110389267B (zh) * | 2019-07-17 | 2021-05-04 | 国网陕西省电力公司电力科学研究院 | 一种低压台区台户关系识别方法 |
CN110749852A (zh) * | 2019-10-15 | 2020-02-04 | 南京林洋电力科技有限公司 | 一种基于瞬时三相功率不平衡的相位识别方法 |
CN110749852B (zh) * | 2019-10-15 | 2022-02-01 | 南京林洋电力科技有限公司 | 一种基于瞬时三相功率不平衡的相位识别方法 |
CN112611997A (zh) * | 2020-12-01 | 2021-04-06 | 国网河南省电力公司电力科学研究院 | 一种台区关口表挂接关系在线校验方法和系统 |
CN112611997B (zh) * | 2020-12-01 | 2022-05-06 | 国网河南省电力公司电力科学研究院 | 一种台区关口表挂接关系在线校验方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109857975B (zh) | 2023-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109725219A (zh) | 一种电能表台区自动识别方法 | |
WO2021073462A1 (zh) | 基于相似日负荷曲线的10kV静态负荷模型参数辨识方法 | |
CN109738723A (zh) | 一种电能表三相自动识别方法 | |
CN103197138B (zh) | 一种具有供电可靠率和电压合格率监测功能的智能电表及监测方法 | |
CN109857975A (zh) | 一种电能表台区和三相自动识别方法 | |
CN103038971B (zh) | 用于控制供电网络中的光伏设备的方法 | |
CN103792425B (zh) | 基于无线网络的电量测量系统及节电方法 | |
CN110489783B (zh) | 一种基于qrnn的低压台区线损率合理范围估计方法 | |
CN109767054A (zh) | 基于深度神经网络算法的能效云评估方法及边缘能效网关 | |
CN109840691B (zh) | 基于深度神经网络的非侵入式分项电量估计方法 | |
CN110276511A (zh) | 一种基于电量与线损关联性的线变关系异常判别方法 | |
CN110334952A (zh) | 一种基于改进灰色关联度的配电网规划后评价方法 | |
CN102116857A (zh) | 电网关口电量校核方法 | |
CN109784532A (zh) | 一种基于深度学习的厂区能耗预测方法及系统 | |
CN105868073A (zh) | 一种基于时间序列分析的数据中心节能策略实现方法 | |
CN111476427A (zh) | 低压台区拓扑识别方法及识别装置 | |
CN102856896B (zh) | 一种直流输电损耗的在线分析方法 | |
CN106339811A (zh) | 一种低压配电网精确线损分析方法 | |
CN102750815B (zh) | 一种具有环境检测功能的集中器及其控制方法 | |
CN109164407A (zh) | 一种基于移动作业终端的电能计量装置现场检验管理系统 | |
CN104392603B (zh) | 一种现场用电信息采集设备智能诊断系统 | |
CN108226664A (zh) | 一种用户侧电能质量综合评估系统和方法 | |
CN110378578A (zh) | 一种基于点估计的交直流混联配电网风险评估方法 | |
CN105067876A (zh) | 末端电压合格率监测装置 | |
CN105590148A (zh) | 一种用于能源管理的信息采集设备及其方法 |
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 |