CN109873501B - 一种低压配电网拓扑自动识别方法 - Google Patents
一种低压配电网拓扑自动识别方法 Download PDFInfo
- Publication number
- CN109873501B CN109873501B CN201910297607.3A CN201910297607A CN109873501B CN 109873501 B CN109873501 B CN 109873501B CN 201910297607 A CN201910297607 A CN 201910297607A CN 109873501 B CN109873501 B CN 109873501B
- Authority
- CN
- China
- Prior art keywords
- box
- data
- branch
- user side
- branch box
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 16
- 238000007781 pre-processing Methods 0.000 claims abstract description 11
- 238000012545 processing Methods 0.000 claims abstract description 8
- 238000007689 inspection Methods 0.000 claims abstract description 7
- 230000005611 electricity Effects 0.000 claims abstract description 5
- 239000011159 matrix material Substances 0.000 claims description 24
- 239000013598 vector Substances 0.000 claims description 12
- 238000012216 screening Methods 0.000 claims description 6
- 238000012795 verification Methods 0.000 claims description 2
- 239000003550 marker Substances 0.000 claims 1
- 238000005070 sampling Methods 0.000 claims 1
- 230000000739 chaotic effect Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 230000001052 transient effect Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 2
- 238000003696 structure analysis method Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
Images
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
- Y04S10/40—Display of information, e.g. of data or controls
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种低压配电网拓扑自动识别方法，包括如下步骤：从若干个智能电表中分别获取用户侧表箱和分支箱的电表功率数据，并对数据进行预处理得到数据组D；通过用户侧表箱和分支箱的电表功率阶跃利用聚类处理进行分支箱和用户侧表箱匹配，形成用户侧表箱和分支箱一对一匹配关系；利用分支箱和用户侧表箱的一对一匹配关系作出相对应的台区拓扑图结构；利用分支箱和用户表箱的一对一匹配关系用用电量做拓扑检验。本发明利用用户侧表箱和分支箱的用电数据计算功率阶跃，利用聚类处理进行分支箱和用户侧表箱匹配，通过分支箱和用户侧表箱的匹配关系作出相对应的台区拓扑图结构解决现阶段低压台区拓扑结构的混乱关系。
Description
技术领域
本发明涉及配电网拓扑自动识别方法，尤其涉及一种低压配电网拓扑自动识别方法。
背景技术
随着电网状态估计技术的发展，电力系统拓扑结构分析方法得到了专家和学者的广泛重视，传统的电力系统拓扑分析方法一般将拓扑结构表述为链表关系，用图论中的搜索技术，如深度优先搜索法和广度优先搜索法分析节点的连通性。这种方法一般需要建立反映拓扑结构的链表，通过处理链表实现拓扑分析。现代配电网系统中，中高压配电网的结构以及拓扑关系已经十分清晰，但是低压台区由于很多小区的资产分配不清晰，拓扑结构不明确，导致电网的状态估计很难进行。
长期以来，台区低压配电管理系统都很混乱，很多结构关系都基于电表安装时的人工记录，甚至很多农电或者城中村地区并没有结构记录信息，造成电网公司对当前网络的状态估计无法进行，安全性也无法保证。
当前的网络拓扑识别技术更多基于中压配电网，然而中压配电网拓扑结构已十分清晰，低压拓扑结构更多基于原始数据的记录，考虑到台区用电量的增大，三相表的使用，原始记录已出现信息缺失、信息错误的问题。
因此，亟待解决上述问题。
发明内容
发明目的：本发明的目的是提供一种可解决现阶段低压台区拓扑结构的混乱关系问题的低压配电网拓扑自动识别方法。
技术方案：为实现以上目的，本发明公开了一种低压配电网拓扑自动识别方法，包括如下步骤：
(1)、从若干个智能电表中分别获取用户侧表箱和分支箱的电表功率数据，并对数据进行预处理得到数据组D；
(2)、通过用户侧表箱和分支箱的电表功率阶跃利用聚类处理进行分支箱和用户侧表箱匹配，形成用户侧表箱和分支箱一对一匹配关系；
(3)、利用分支箱和用户侧表箱的一对一匹配关系作出相对应的台区拓扑图结构；
(4)、利用分支箱和用户表箱的一对一匹配关系用用电量做拓扑检验。
其中，所述步骤1中的数据预处理的具体步骤包括如下：
(1.1)、从任一智能电表获取功率数据，P1，P2，…，PN，其中智能电表每0.1s取一个点；
(1.2)、取每20个点为一个时间窗口，即T1，T2，…，Tn，Ti∈[Pj,Pj+1,…Pj+19]，其中j＝20i；
(1.3)、对于每一个时间窗口Ti，对数据进行排序取中值Pj+8，Pj+9，Pj+10，Pj+11，取中值的平均值Di代替此时间窗口功率，
(1.4)、生成新的每2s一个点的数据组D，D＝[D1，D2，…，D43200]，43200为采集一天的数据组D的总数据点。
优选的，所述步骤2中分支箱和用户侧表箱匹配的具体步骤包括：
(2.1)、对于数据组D，计算其功率的阶跃ΔP和ΔP’，其中ΔP为用户侧表箱的电表功率阶跃，ΔP’为分支箱的电表功率阶跃；
(2.2)、筛选ΔP大于300W的数据，并找出对应时刻的ΔP’；
(2.3)、计算各时刻用户侧表箱的电表功率阶跃和各分支箱的电表功率阶跃之间的误差，生成误差序列ε和误差率序列ξ，ξxy＝ΔPxy/ΔP’xy，εxy＝ΔPxy-ΔP’xy，x＝1，2，…，n，n为一天内筛选后数据总数，y＝1，2，…，m，m为分支箱总数；其中ε＝[ε11，ε12，…，ε1m，…，εnm]T，ξ＝[ξ11，ξ12，…，ξ1m，…，ξnm]T，并生成二维数据集E＝[ε，ξ]；
(2.4)、为消除数据量纲的差距将数据集E标准化生成数据集Es；
(2.5)、利用均值漂移聚类找出数据集Es的分类结果中数据量最大的类；其中均值漂移聚类具体步骤包括：
(2.5.1)、在数据集Es所有离散的数据点中随机选择一个点作为中心c；
(2.5.2)、找出离c距离在半径r之内的所有点记为集合M，集合M内的所有点均属于簇C，同时把这些球内点属于簇C类的概率加1；
(2.5.3)、以c为中心点，计算从c开始到集合M中每个点的向量，将所有向量相加得到向量s；
(2.5.4)、c＝c+s，即c沿着s的方向移动，移动距离是||s||；
(2.5.5)、重复步骤2.5.2、2.5.3和2.5.4，迭代直到s收敛，满足s＜10-6，记录当前c；
(2.5.6)、如果收敛时当前簇C的c与其它已经存在簇C2的c2的距离小于阈值10-3，那么把c2和c合并，否则，把当前簇C作为新的聚类，增加1类；
(2.5.7)、重复步骤2.5.1、2.5.2、2.5.3、2.5.4和2.5.5直到所有点均被标记访问；
(2.5.8)、分类：根据每个类对每个点的访问频率，取访问频率最大的那个类作为当前点集的所属类；
(2.6)、最大类数据集中所属某个分支箱数据最多即判定此用户侧表箱为该分支箱所属。
再者，所述步骤3中生成台区拓扑结构的具体步骤包括：
(3.1)、以邻接矩阵记录分支箱和用户侧表箱的连接关系，邻接矩阵即节点相连时，以“1”表示，当没有相连时，以“0”表示；仅记录含有“1”的数据空间，并储存右上边矩阵或左下边矩阵的数据信息；
(3.2)、利用邻接矩阵生成拓扑图，台区中的变压器互相独立，一个台区中任一变压器的拓扑图生成步骤包括：变压器编号为1；判断与变压器相连的节点，这些节点为分支箱，并编号为2到i；计算分支箱数量，并预留空间，分支箱数量为奇数时，以中位数置于变压器节点下，若为偶数，则以中位数的平均数置于变压器节点下；
(3.3)、计算每个分支箱与之相连的用户侧表箱数量，并预留空间，用户侧表箱数量为奇数时，以中位数置于分支箱节点下，若为偶数，则将中位数的平均数置于分支箱节点下。
进一步，所述拓扑结构校验的具体步骤包括：
设定误差为有功功率的2％～5％并进行校验，利用储存的分支箱与用户侧表箱之间的匹配关系，将所在分支箱的用户侧表箱有功功率与分支箱有功功率进行比较，在满足设定误差的情况下，即分支箱与用户侧表箱对应关系无误。
有益效果：
与现有技术相比，本发明具有以下显著优点：本发明利用用户侧表箱和分支箱的用电数据计算功率阶跃，再利用聚类处理进行分支箱和用户侧表箱匹配，通过分支箱和用户侧表箱的匹配关系作出相对应的台区拓扑图结构解决现阶段低压台区拓扑结构的混乱关系。
附图说明
图1为本发明的系统流程图；
图2是本发明实施例中的配电网模型；
图3是本发明实施例中漂移均值聚类流程示意图；
图4是本发明实施例中生成的配电网拓扑图。
具体实施方式
下面结合附图对本发明的技术方案作进一步说明。
如图1所示，本发明一种低压配电网拓扑自动识别方法，包括如下步骤：
(1)、从若干个智能电表中分别获取用户侧表箱和分支箱的电表功率数据，并对数据进行预处理得到数据组D；数据预处理的具体步骤包括如下：
(1.1)、从任一智能电表获取功率数据，P1，P2，…，PN，其中智能电表每0.1s取一个点；
(1.2)、取每20个点为一个时间窗口，即T1，T2，…，Tn，Ti∈[Pj,Pj+1,…Pj+19]，其中j＝20i；
(1.3)、对于每一个时间窗口Ti，对数据进行排序取中值Pj+8，Pj+9，Pj+10，Pj+11，取中值的平均值Di代替此时间窗口功率，
(1.4)、生成新的每2s一个点的数据组D，D＝[D1，D2，…，D43200]，43200为采集一天的数据组D的总数据点。本发明的数据预处理利用中值滤波降低数据频率，降低暂态的影响和降低计算机计算压力。
(2)、通过用户侧表箱和分支箱的电表功率阶跃利用聚类处理进行分支箱和用户侧表箱匹配，形成用户侧表箱和分支箱一对一匹配关系；其中分支箱和用户侧表箱匹配的具体步骤包括：
(2.1)、对于数据组D，计算其功率的阶跃ΔP和ΔP’，其中ΔP为用户侧表箱的电表功率阶跃，ΔP’为分支箱的电表功率阶跃；
(2.2)、采集一天的数据组D共有43200个数据点，筛选ΔP大于300W的数据，并找出对应时刻的ΔP’；
(2.3)、计算各时刻用户侧表箱的电表功率阶跃和各分支箱的电表功率阶跃之间的误差，生成误差序列ε和误差率序列ξ，ξxy＝ΔPxy/ΔP’xy，εxy＝ΔPxy-ΔP’xy，x＝1，2，…，n，n为一天内筛选后数据总数，y＝1，2，…，m，m为分支箱总数；其中ε＝[ε11，ε12，…，ε1m，…，εnm]T，ξ＝[ξ11，ξ12，…，ξ1m，…，ξnm]T，并生成二维数据集E＝[ε，ξ]；
(2.4)、为消除数据量纲的差距将数据集E标准化生成数据集Es；
(2.5)、利用均值漂移聚类找出数据集Es的分类结果中数据量最大的类；其中均值漂移聚类具体步骤包括：
(2.5.1)、在数据集Es所有离散的数据点中随机选择一个点作为中心c；
(2.5.2)、找出离c距离在半径r之内的所有点记为集合M，集合M内的所有点均属于簇C，同时把这些球内点属于簇C类的概率加1；
(2.5.3)、以c为中心点，计算从c开始到集合M中每个点的向量，将所有向量相加得到向量s；
(2.5.4)、c＝c+s，即c沿着s的方向移动，移动距离是||s||；
(2.5.5)、重复步骤2.5.2、2.5.3和2.5.4，迭代直到s收敛，满足s＜10-6，记录当前c；
(2.5.6)、如果收敛时当前簇C的c与其它已经存在簇C2的c2的距离小于阈值10-3，那么把c2和c合并，否则，把当前簇C作为新的聚类，增加1类；
(2.5.7)、重复步骤2.5.1、2.5.2、2.5.3、2.5.4和2.5.5直到所有点均被标记访问；
(2.5.8)、分类：根据每个类对每个点的访问频率，取访问频率最大的那个类作为当前点集的所属类；
(2.6)、最大类数据集中所属某个分支箱数据最多即判定此用户侧表箱为该分支箱所属。
(3)、利用分支箱和用户侧表箱的一对一匹配关系作出相对应的台区拓扑图结构；生成台区拓扑结构的具体步骤包括：
(3.1)、以邻接矩阵记录分支箱和用户侧表箱的连接关系，邻接矩阵即节点相连时，以“1”表示，当没有相连时，以“0”表示；仅记录含有“1”的数据空间，并储存右上边矩阵或左下边矩阵的数据信息；
(3.2)、利用邻接矩阵生成拓扑图，台区中的变压器互相独立，一个台区中任一变压器的拓扑图生成步骤包括：变压器编号为1；判断与变压器相连的节点，这些节点为分支箱，并编号为2到i；计算分支箱数量，并预留空间，分支箱数量为奇数时，以中位数置于变压器节点下，若为偶数，则以中位数的平均数置于变压器节点下；
(3.3)、计算每个分支箱与之相连的用户侧表箱数量，并预留空间，用户侧表箱数量为奇数时，以中位数置于分支箱节点下，若为偶数，则将中位数的平均数置于分支箱节点下。
(4)、利用分支箱和用户表箱的一对一匹配关系用用电量做拓扑检验，拓扑结构校验的具体步骤包括：设定误差为有功功率的2％～5％并进行校验，利用储存的分支箱与用户侧表箱之间的匹配关系，将所在分支箱的用户侧表箱有功功率与分支箱有功功率进行比较，在满足设定误差的情况下，即分支箱与用户侧表箱对应关系无误。
实施例1
本实施例是以AMI系统的量测数据、用户信息，GIS系统提供的中低压配电网拓扑结构数据为基础，如图2所示为，现有已知的配电网模型，其中ZTE为变压器，L1、L2、L3为分支箱，ZC1～ZC9表示电阻，C1～C9为用户侧表箱；利用分支箱和用户侧表箱数据进行低压配电网拓扑自动识别方法，包括如下步骤：
(1)、从AMI系统中分别获取用户侧表箱和分支箱的电表功率数据，并对数据进行预处理得到数据组D，利用中值滤波降低数据频率，降低暂态的影响和降低计算机计算压力；数据预处理的具体步骤包括如下：
(1.1)、从任一智能电表获取功率数据，P1，P2，…，PN，其中智能电表每0.1s取一个点；
(1.2)、取每20个点为一个时间窗口，即T1，T2，…，Tn，Ti∈[Pj,Pj+1,…Pj+19]，其中j＝20i；
(1.3)、对于每一个时间窗口Ti，对数据进行排序取中值Pj+8，Pj+9，Pj+10，Pj+11，取中值的平均值Di代替此时间窗口功率，
(1.4)、生成新的每2s一个点的数据组D，D＝[D1，D2，…，D43200]，43200为采集一天的数据组D的总数据点。本发明的数据预处理利用中值滤波降低数据频率，降低暂态的影响和降低计算机计算压力。
(2)、如图3所示，通过用户侧表箱和分支箱的电表功率阶跃利用聚类处理进行分支箱和用户侧表箱匹配，形成用户侧表箱和分支箱一对一匹配关系；按照图3中(a)～(d)的顺序，其中分支箱和用户侧表箱匹配的具体步骤包括：
(2.1)、对于数据组D，计算其功率的阶跃ΔP和ΔP’，其中ΔP为用户侧表箱的电表功率阶跃，ΔP’为分支箱的电表功率阶跃；
(2.2)、采集一天的数据组D共有43200个数据点，筛选ΔP大于300W的数据，并找出对应时刻的ΔP’；
(2.3)、计算各时刻用户侧表箱的电表功率阶跃和各分支箱的电表功率阶跃之间的误差，生成误差序列ε和误差率序列ξ，ξxy＝ΔPxy/ΔP’xy，εxy＝ΔPxy-ΔP’xy，x＝1，2，…，n，n为一天内筛选后数据总数，y＝1，2，…，m，m为分支箱总数；其中ε＝[ε11，ε12，…，ε1m，…，εnm]T，ξ＝[ξ11，ξ12，…，ξ1m，…，ξnm]T，并生成二维数据集E＝[ε，ξ]；
(2.4)、为消除数据量纲的差距将数据集E标准化生成数据集Es；
(2.5)、利用均值漂移聚类找出数据集Es的分类结果中数据量最大的类；其中均值漂移聚类具体步骤包括：
(2.5.1)、在数据集Es所有离散的数据点中随机选择一个点作为中心c；
(2.5.2)、找出离c距离在半径r之内的所有点记为集合M，其中r取0.25，集合M内的所有点均属于簇C，同时把这些球内点属于簇C类的概率加1；
(2.5.3)、以c为中心点，计算从c开始到集合M中每个点的向量，将所有向量相加得到向量s；
(2.5.4)、c＝c+s，即c沿着s的方向移动，移动距离是||s||；
(2.5.5)、重复步骤2.5.2、2.5.3和2.5.4，迭代直到s收敛，满足s＜10-6，记录当前c；
(2.5.6)、如果收敛时当前簇C的c与其它已经存在簇C2的c2的距离小于阈值10-3，那么把c2和c合并，否则，把当前簇C作为新的聚类，增加1类；
(2.5.7)、重复步骤2.5.1、2.5.3、2.5.4和2.5.5直到所有点均被标记访问；
(2.5.8)、分类：根据每个类对每个点的访问频率，取访问频率最大的那个类作为当前点集的所属类；
(2.6)、最大类数据集中所属某个分支箱数据最多即判定此用户侧表箱为该分支箱所属。
(3)、利用分支箱和用户侧表箱的一对一匹配关系作出相对应的台区拓扑图结构；生成台区拓扑结构的具体步骤包括：
(3.1)、以邻接矩阵记录分支箱和用户侧表箱的连接关系，邻接矩阵即节点相连时，以“1”表示，当没有相连时，以“0”表示；考虑到计算机的空间，仅记录含有“1”的数据空间，又由于矩阵为对称矩阵，故仅储存右上边矩阵的数据信息；如表1为拓扑结构连接关系，表2为拓扑结构连接关系所对应的邻接矩阵，表3为计算机存储矩阵；
表1拓扑结构连接关系
表2拓扑结构连接关系所对应的邻接矩阵
| 节点编号 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | 13 |
| 1 | 0 | 1 | 1 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 2 | 1 | 0 | 0 | 0 | 1 | 1 | 1 | 0 | 0 | 0 | 0 | 0 | 0 |
| 3 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 1 | 0 | 0 | 0 |
| 4 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 1 |
| 5 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 6 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 7 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 8 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 9 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 10 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 11 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 12 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 13 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
表3为计算机的存储矩形
(3.2)、利用邻接矩阵生成拓扑图，台区中的变压器互相独立，一个台区中任一变压器的拓扑图生成步骤包括：变压器编号为1；判断与变压器相连的节点，这些节点为分支箱，并编号为2到i；计算分支箱数量，并预留空间，分支箱数量为奇数时，以中位数置于变压器节点下，若为偶数，则以中位数的平均数置于变压器节点下；
(3.3)、计算每个分支箱与之相连的用户侧表箱数量，并预留空间，用户侧表箱数量为奇数时，以中位数置于分支箱节点下，若为偶数，则将中位数的平均数置于分支箱节点下，如图4所示。
(4)、利用分支箱和用户表箱的一对一匹配关系用用电量做拓扑检验，拓扑结构校验的具体步骤包括：以图4中2号分支箱为例，γ＝abs(p2-p5-p6-p7)≤2％p2，其中，p2为平均功率，γ为所在分支箱的匹配误差。
Claims (4)
1.一种低压配电网拓扑自动识别方法，其特征在于，包括如下步骤：
(1)、从若干个智能电表中分别获取用户侧表箱和分支箱的电表功率数据，并对数据进行预处理得到数据组D；
(2)、通过用户侧表箱和分支箱的电表功率阶跃利用聚类处理进行分支箱和用户侧表箱匹配，形成用户侧表箱和分支箱一对一匹配关系；其中分支箱和用户侧表箱匹配的具体步骤包括：
(2.1)、对于数据组D，计算其功率的阶跃ΔP和ΔP’，其中ΔP为用户侧表箱的电表功率阶跃，ΔP’为分支箱的电表功率阶跃；
(2.2)、筛选ΔP大于300W的数据，并找出对应时刻的ΔP’；
(2.3)、计算各时刻用户侧表箱的电表功率阶跃和各分支箱的电表功率阶跃之间的误差，生成误差序列ε和误差率序列ξ，ξxy＝ΔPx/ΔP’xy，εxy＝ΔPx-ΔP’xy，x＝1，2，…，n，n为一天内筛选后数据总数，y＝1，2，…，m，m为分支箱总数，ΔPx为ΔP中此用户表箱第x个筛选数据，ΔP’xy为ΔP’中第y个分支箱第x个筛选数据，ξxy为第y个分支箱第x个误差率数据，εxy为第y个分支箱对应的第x个误差数据；其中ε＝[ε11，ε12，…，ε1m，…，εnm]T，ξ＝[ξ11，ξ12，…，ξ1m，…，ξnm]T，并生成二维数据集E＝[ε，ξ]；
(2.4)、为消除数据量纲的差距将数据集E标准化生成数据集Es；
(2.5)、利用均值漂移聚类找出数据集Es的分类结果中数据量最大的类；其中均值漂移聚类具体步骤包括：
(2.5.1)、在数据集Es所有离散的数据点中随机选择一个点作为中心c；
(2.5.2)、找出离c距离在半径r之内的所有点记为集合M，集合M内的所有点均属于簇C，同时把这些球内点属于簇C类的概率加1；
(2.5.3)、以c为中心点，计算从c开始到集合M中每个点的向量，将所有向量相加得到向量s；
(2.5.4)、c＝c+s，即c沿着s的方向移动，移动距离是||s||；
(2.5.5)、重复步骤2.5.2、2.5.3和2.5.4，迭代直到s收敛，满足s＜10-6，记录当前c；
(2.5.6)、如果收敛时当前簇C的c与其它已经存在簇C2的c2的距离小于阈值10-3，那么把c2和c合并，否则，把当前簇C作为新的聚类，增加1类；
(2.5.7)、重复步骤2.5.1至2.5.6直到所有点均被标记访问；
(2.5.8)、分类：根据每个类对每个点的访问频率，取访问频率最大的那个类作为当前点集的所属类；
(2.6)、最大类数据集中所属某个分支箱数据最多即判定此用户侧表箱为该分支箱所属；
(3)、利用分支箱和用户侧表箱的一对一匹配关系作出相对应的台区拓扑图结构；
(4)、利用分支箱和用户表箱的一对一匹配关系用用电量做拓扑检验。
2.根据权利要求1所述的一种低压配电网拓扑自动识别方法，其特征在于：所述步骤1中的数据预处理的具体步骤包括如下：
(1.1)、从任一智能电表获取功率数据，P1，P2，…，PN，其中智能电表每0.1s取一个点，其中N为智能电表的采样点数量；
(1.2)、取每20个点为一个时间窗口，即T1，T2，…，Tn，Ti∈[Pj,Pj+1,…Pj+19]，其中j＝20i；
(1.3)、对于每一个时间窗口Ti，对数据进行排序取中值Pj+8，Pj+9，Pj+10，Pj+11，取中值的平均值Di代替此时间窗口功率，
(1.4)、生成新的每2s一个点的数据组D，D＝[D1，D2，…，D43200]，43200为采集一天的数据组D的总数据点。
3.根据权利要求1所述的一种低压配电网拓扑自动识别方法，其特征在于：所述步骤3中生成台区拓扑结构的具体步骤包括：
(3.1)、以邻接矩阵记录分支箱和用户侧表箱的连接关系，邻接矩阵即节点相连时，以“1”表示，当没有相连时，以“0”表示；仅记录含有“1”的数据空间，并储存右上边矩阵或左下边矩阵的数据信息；
(3.2)、利用邻接矩阵生成拓扑图，台区中的变压器互相独立，一个台区中任一变压器的拓扑图生成步骤包括：变压器编号为1；判断与变压器相连的节点，这些节点为分支箱，并编号为2到i；计算分支箱数量，并预留空间，分支箱数量为奇数时，以中位数置于变压器节点下，若为偶数，则以中位数的平均数置于变压器节点下；
(3.3)、计算每个分支箱与之相连的用户侧表箱数量，并预留空间，用户侧表箱数量为奇数时，以中位数置于分支箱节点下，若为偶数，则将中位数的平均数置于分支箱节点下。
4.根据权利要求1所述的一种低压配电网拓扑自动识别方法，其特征在于：所述拓扑结构校验的具体步骤包括：
设定误差为有功功率的2％～5％并进行校验，利用储存的分支箱与用户侧表箱之间的匹配关系，将所在分支箱的用户侧表箱有功功率与分支箱有功功率进行比较，在满足设定误差的情况下，即分支箱与用户侧表箱对应关系无误。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910297607.3A CN109873501B (zh) | 2019-04-15 | 2019-04-15 | 一种低压配电网拓扑自动识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910297607.3A CN109873501B (zh) | 2019-04-15 | 2019-04-15 | 一种低压配电网拓扑自动识别方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109873501A CN109873501A (zh) | 2019-06-11 |
| CN109873501B true CN109873501B (zh) | 2020-09-11 |
Family
ID=66922659
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910297607.3A Expired - Fee Related CN109873501B (zh) | 2019-04-15 | 2019-04-15 | 一种低压配电网拓扑自动识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109873501B (zh) |
Families Citing this family (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110518576B (zh) * | 2019-08-05 | 2021-01-12 | 华南理工大学 | 基于回路矩阵识别低压台区拓扑结构的优化方法及系统 |
| CN110874452B (zh) * | 2019-10-28 | 2022-07-15 | 国网江苏省电力有限公司无锡供电分公司 | 电网低压台区拓扑自动识别方法 |
| CN110854845B (zh) * | 2019-11-01 | 2021-10-01 | 深圳供电局有限公司 | 一种低压配电网的拓扑识别方法和系统 |
| CN110865328B (zh) * | 2019-11-08 | 2021-10-08 | 上海电力大学 | 基于ami的智能电表相位识别、拓扑辨识及阻抗估计方法 |
| CN111223008A (zh) * | 2020-01-13 | 2020-06-02 | 南京软核科技有限公司 | 一种低压配电台区拓扑自动识别系统 |
| CN111615021B (zh) * | 2020-05-07 | 2022-05-13 | 杭州东方通信软件技术有限公司 | 一种odn的逻辑拓扑信息的获取方法、设备和存储介质 |
| CN111625991A (zh) * | 2020-05-20 | 2020-09-04 | 国网河北省电力有限公司电力科学研究院 | 一种低压配电网拓扑校验方法 |
| CN111864771B (zh) * | 2020-07-24 | 2021-11-12 | 石家庄科林电气股份有限公司 | 一种低压台区拓扑自动辨识方法 |
| CN112000917B (zh) * | 2020-10-30 | 2021-02-09 | 杭州电子科技大学 | 融合已知相别和地址信息的低压用户计量表箱识别方法 |
| CN113435799B (zh) * | 2021-08-26 | 2021-12-14 | 江苏智臻能源科技有限公司 | 一种基于自然辨识的切面冻结置信度的提升方法 |
| CN113746094B (zh) * | 2021-09-06 | 2024-04-12 | 东南大学 | 基于高密度数据序列匹配的低压台区户变关系识别方法 |
| CN115082950B (zh) * | 2022-06-07 | 2024-07-09 | 国网山东省电力公司莱芜供电公司 | 一种电网厂站接线图自动识别与转换存储方法 |
| CN115800287B (zh) * | 2022-10-27 | 2023-10-27 | 深圳市国电科技通信有限公司 | 一种基于阈值分割聚类的低压台区拓扑识别方法 |
| CN116722658B (zh) * | 2023-08-11 | 2023-12-29 | 北京智芯微电子科技有限公司 | 低压台区拓扑识别方法、装置、存储介质和芯片设备 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160109491A1 (en) * | 2014-10-20 | 2016-04-21 | Itron, Inc. | Grid topology mapping with voltage data |
| CN106548252A (zh) * | 2016-10-28 | 2017-03-29 | 深圳大图科创技术开发有限公司 | 基于改进K‑means聚类的配电网网架构建系统 |
| CN109061541B (zh) * | 2018-05-09 | 2022-04-12 | 浙江华云信息科技有限公司 | 一种低压台区电气拓扑辨识系统及其工作方法 |
| CN109034666B (zh) * | 2018-09-04 | 2021-06-22 | 国家电网有限公司 | 一种基于负荷突变的低压电网拓扑大数据辨识系统及方法 |
| CN109617231A (zh) * | 2018-12-13 | 2019-04-12 | 天津大学 | 一种用于低压台区的用户网络拓扑识别装置及方法 |
-
2019
- 2019-04-15 CN CN201910297607.3A patent/CN109873501B/zh not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| CN109873501A (zh) | 2019-06-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109873501B (zh) | 一种低压配电网拓扑自动识别方法 | |
| CN111061821A (zh) | 基于改进k值聚类算法的低压配电网拓扑校验方法及系统 | |
| CN104809658B (zh) | 一种低压配网台区线损的快速分析方法 | |
| CN112149873B (zh) | 一种基于深度学习的低压台区线损合理区间预测方法 | |
| CN110687361A (zh) | 一种用于识别低压配网台区相序的方法及系统 | |
| CN113189418B (zh) | 一种基于电压数据的拓扑关系识别方法 | |
| CN114519514B (zh) | 一种低压台区合理线损值测算方法、系统及计算机设备 | |
| CN111505443B (zh) | 低压台区线户关系识别方法、装置和计算机设备 | |
| 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 | |
| CN110717619A (zh) | 一种自下而上配电网多尺度时空负荷预测方法及系统 | |
| CN115563477B (zh) | 谐波数据识别方法、装置、计算机设备和存储介质 | |
| CN113595071A (zh) | 台区用户辨识与电压影响评估方法 | |
| CN113872204A (zh) | 一种基于电网图拓扑计算的用电负荷性质确定方法及装置 | |
| CN116845971A (zh) | 一种光伏并网低压台区拓扑结构自动识别方法 | |
| CN111178690A (zh) | 基于风控评分卡模型的用电客户窃电风险评估方法 | |
| CN104820942A (zh) | 一种基于层次聚类的电力市场交易评价标准测算方法 | |
| CN106651630B (zh) | 关键用电行业识别方法和系统 | |
| CN113112177A (zh) | 一种基于混合指标的台区线损处理方法及系统 | |
| CN117540317A (zh) | 基于余弦相似度与孤立森林的配网异常线变关系辨识方法 | |
| CN117154707A (zh) | 基于主成分分析和相关性分析的低压配电网拓扑识别方法 | |
| CN114372835B (zh) | 综合能源服务潜力客户识别方法、系统及计算机设备 | |
| CN113902485B (zh) | 一种专变电力用户行业识别方法、装置及设备 | |
| CN114065129A (zh) | 一种基于谱聚类方法的线变关系检测方法及检测系统 | |
| CN108320512B (zh) | 基于拉普拉斯谱分析的宏观道路安全分析单元选取方法 | |
| Kohan et al. | Comparison of modified k-means and hierarchical algorithms in customers load curves clustering for designing suitable tariffs in electricity market |
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 | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200911 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |