CN110212518A - 台区识别方法、计算机可读取的存储介质 - Google Patents

台区识别方法、计算机可读取的存储介质 Download PDF

Info

Publication number
CN110212518A
CN110212518A CN201910357968.2A CN201910357968A CN110212518A CN 110212518 A CN110212518 A CN 110212518A CN 201910357968 A CN201910357968 A CN 201910357968A CN 110212518 A CN110212518 A CN 110212518A
Authority
CN
China
Prior art keywords
domain
power
ammeter
identified
identification
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
Application number
CN201910357968.2A
Other languages
English (en)
Other versions
CN110212518B (zh
Inventor
常洪山
何光
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Teng River Wisdom Energy Technology Co Ltd
Original Assignee
Beijing Teng River Wisdom Energy Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Teng River Wisdom Energy Technology Co Ltd filed Critical Beijing Teng River Wisdom Energy Technology Co Ltd
Priority to CN201910357968.2A priority Critical patent/CN110212518B/zh
Publication of CN110212518A publication Critical patent/CN110212518A/zh
Application granted granted Critical
Publication of CN110212518B publication Critical patent/CN110212518B/zh
Priority to US17/594,528 priority patent/US11982695B2/en
Priority to PCT/CN2020/085512 priority patent/WO2020221035A1/zh
Priority to JP2021562065A priority patent/JP2022531101A/ja
Priority to EP20798782.7A priority patent/EP3965246B1/en
Priority to MA055819A priority patent/MA55819A/fr
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R21/00—Arrangements for measuring electric power or power factor
    • G01R21/133—Arrangements for measuring electric power or power factor by using digital technique
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R22/00—Arrangements for measuring time integral of electric power or current, e.g. electricity meters
    • G01R22/06—Arrangements for measuring time integral of electric power or current, e.g. electricity meters by electronic methods
    • G01R22/061—Details of electronic electricity meters
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
    • G01R19/25—Arrangements for measuring currents or voltages or for indicating presence or sign thereof using digital measurement techniques
    • G01R19/2513—Arrangements for monitoring electric power systems, e.g. power lines or loads; Logging
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R22/00—Arrangements for measuring time integral of electric power or current, e.g. electricity meters
    • G01R22/06—Arrangements for measuring time integral of electric power or current, e.g. electricity meters by electronic methods
    • G01R22/061—Details of electronic electricity meters
    • G01R22/063—Details of electronic electricity meters related to remote communication
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R22/00—Arrangements for measuring time integral of electric power or current, e.g. electricity meters
    • G01R22/06—Arrangements for measuring time integral of electric power or current, e.g. electricity meters by electronic methods
    • G01R22/10—Arrangements for measuring time integral of electric power or current, e.g. electricity meters by electronic methods using digital techniques
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种台区识别方法和计算机可读取的存储介质。本发明的台区识别方法基于对台区供电网络中各节点的功率统计，通过对功率跳变特征的识别，实现对相应电表挂载关系的判断，消除了线损功率的影响，增加了识别的准确性；另外，基于未识别总功率和待识别域中电表功率的变化特征进行识别，减少已识别电表的功率波动对识别的干扰，增加了识别的准确性；并且，采用迭代识别，待识别域越来越小，收敛速度越来越快。本发明的台区识别方法采用功率跳变算法来对台区进行识别，消除了线损功率的影响，增加了识别的准确性，并且结合了迭代识别，随着识别过程的不断进行，收敛速度越来越快，识别准确性也越来越高。

Description

台区识别方法、计算机可读取的存储介质
技术领域
本发明涉及智能电网技术领域，特别地，涉及一种台区识别方法和计算机可读取的存储介质。
背景技术
在电力系统中，台区是指变压器的供电范围或区域，它是一个电力经济运行管理的名词。因此，对台区进行准确、有效的识别可以显著提升电力管理效率。
但是，现有的台区识别方法都是基于电网安装时的供电线路连接来进行台区识别，但是在电网安装时可能会存在供电线路连接错误的情况，从而导致台区识别结果错误。另外，现有的台区识别方法无法消除线损功率的影响而导致识别结果准确性差，无法对台区进行快速、准确的识别。
针对现有的台区识别方法存在的识别准确性差的问题，目前尚未提出有效的解决方案。
发明内容
本发明提供了一种台区识别方法和计算机可读取的存储介质，以解决现有的台区识别方法存在的识别准确性差的技术问题。
根据本发明的一个方面，提供一种台区识别方法，包括以下步骤：
步骤S1：采集并统计识别域中各电表的功率和总表的功率，识别域包括当前状态的已识别域和当前状态的待识别域，当前状态的已识别域包括当前状态的已识别包含域和当前状态的已识别排除域；
步骤S2：计算未识别总功率，未识别总功率为总表的功率和当前状态的已识别包含域的总功率之差；
步骤S3：计算未识别总功率的变化和当前状态的待识别域中各电表的功率变化；
步骤S4：根据未识别总功率的变化和当前状态的待识别域中各电表的功率变化进行台区识别；
步骤S5：重复执行步骤S1-S4，直至将识别域划分为稳定状态的已识别包含域、稳定状态的已识别排除域和稳定状态的待识别域。
进一步地，所述步骤S4具体包括以下步骤：
步骤S41a：未识别总功率平滑波动，若当前状态的待识别域中只有一只电表发生电表功率有效跳变，则将该电表判定为疑似排除状态；
步骤S42a：若该电表被判定为疑似排除状态的次数超过阈值，则将该电表移出当前状态的待识别域，并移入当前状态的已识别排除域。
进一步地，所述步骤S4具体包括以下步骤：
步骤S41b：未识别总功率发生有效跳变，若当前状态的待识别域中只有一只电表发生电表功率有效跳变，且为等值跳变，将该电表判定为疑似包含状态；
步骤S42b：若该电表被判定为疑似包含状态的次数超过阈值，则将该电表移出当前状态的待识别域，并移入当前状态的已识别包含域。
进一步地，所述步骤S4还包括以下步骤：
步骤S43：若同一电表先后被判定为疑似排除状态和疑似包含状态的情况或者先后被判定为疑似包含状态和疑似排除状态的情况，则将该电表置回初始状态。
进一步地，所述台区识别方法还包括以下步骤：
步骤S6：合并相邻的识别域，并重复执行上述步骤S1-S5，直至对完整的台区供电网络完成识别。
进一步地，所述台区识别方法基于纯载波网络进行功率数据的采集。
进一步地，所述台区识别方法还包括以下步骤：
步骤S7：将多个台区供电网络合并以形成完备域，完备域包括合并后的已识别域和合并后的待识别域，合并后的已识别域由已经确认台区供电网络的电表组成，合并后的待识别域由未识别的电表组成；
步骤S8：计算每个供电网络的未识别总功率和合并后的待识别域中各电表的功率；
步骤S9：基于合并后的待识别域中各电表功率的变化和每个供电网络的未识别总功率的变化进行台区识别。
进一步地，所述步骤S9具体包括以下步骤：
步骤S91：合并后的待识别域中只有一只电表发生电表功率有效跳变，若哪个供电网络的未识别总功率出现相应的变动，则将该电表划分到该供电网络中；
步骤S92：合并后的待识别域中有多只电表发生同方向的电表功率有效跳变，若哪个供电网络的未识别总功率出现相应的变动，则将这些电表划分到该供电网络中；
步骤S93：合并后的待识别域中只有两只电表发生反方向的电表功率有效跳变，若哪个供电网络的未识别总功率在相对应的方向上出现相应变动，则按照对应的方向对两只电表的归属进行划分；
步骤S94：合并后的待识别域中有一只电表的功率发生变化，其变化值大于其余电表功率变化的绝对值之和，若哪个供电网络出现相应的未识别总功率变动，则将该电表划分到该供电网络中。
进一步地，所述步骤S1还包括以下步骤：
对于功率一直为零的空户，直接剔除识别域。
本发明还提供一种计算机可读取的存储介质，用于存储进行台区识别的计算机程序，所述计算机程序在计算机上运行时执行以下步骤：
步骤S1：采集并统计识别域中各电表的功率和总表的功率，识别域包括当前状态的已识别域和当前状态的待识别域，当前状态的已识别域包括当前状态的已识别包含域和当前状态的已识别排除域；
步骤S2：计算未识别总功率，未识别总功率为总表的功率和当前状态的已识别包含域的总功率之差；
步骤S3：计算未识别总功率的变化和当前状态的待识别域中各电表的功率变化；
步骤S4：根据未识别总功率的变化和当前状态的待识别域中各电表的功率变化进行台区识别；
步骤S5：重复执行步骤S1-S4，直至将识别域划分为稳定状态的已识别包含域、稳定状态的已识别排除域和稳定状态的待识别域。
本发明具有以下有益效果：
本发明的台区识别方法采用功率跳变识别算法且基于对台区供电网络中各节点的功率统计，通过对功率跳变特征的识别，实现对相应电表挂载关系的判断，基于功率跳变进行识别，可以最大程度地消除线损功率的影响，增加了识别的准确性；另外，基于未识别总功率和待识别域中电表功率的变化特征进行识别，减少已识别电表的功率波动对识别的干扰，增加了识别的准确性；并且，采用迭代识别，待识别域越来越小，收敛速度越来越快。本发明的台区识别方法采用功率跳变算法来对台区进行识别，消除了线损功率的影响，增加了识别的准确性，并且结合了迭代识别，随着识别过程的不断进行，收敛速度越来越快，识别准确性也越来越高。
另外，本发明的台区识别方法首次提出利用载波网络高精度的时间同步，由载波模块定期抄读各自所在节点的功率，以实现所有抄读数据的时间同步。载波模块定期抄读功率，并增加时戳和表ID，生成功率数据，经集中器汇总后，形成功率统计，应用于后续识别。另外，载波模块在每次抄读时按窗口去抄读，确保了各个电表之间延时的同步，进一步确保了台区识别的准确性。
除了上面所描述的目的、特征和优点之外，本发明还有其它的目的、特征和优点。下面将参照图，对本发明作进一步详细的说明。
附图说明
构成本申请的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是本发明优选实施例的台区识别方法的流程示意图。
图2是本发明优选实施例的台区识别方法所基于的台区载波网络和台区供电网络的结构示意图。
图3是本发明优选实施例的图1中的步骤S4的子流程示意图。
图4是本发明优选实施例的图1中的步骤S4的子流程示意图。
图5是本发明的优选实施例的图1中的步骤S5中完成台区识别后的识别域的示意图。
图6是本发明的优选实施例的图1中的步骤S6中合并两个相邻识别域的示意图。
图7是本发明优选实施例的台区识别方法的流程示意图。
图8是本发明优选实施例的图7中的步骤S9的子流程示意图。
具体实施方式
以下结合附图对本发明的实施例进行详细说明，但是本发明可以由下述所限定和覆盖的多种不同方式实施。
如图1，本发明的优选实施例提供一种台区识别方法，其采用功率跳变算法来对台区进行识别，消除了线损功率的影响，增加了识别的准确性，并且结合了迭代识别，随着识别过程的不断进行，收敛速度越来越快，识别准确性也越来越高。所述台区识别方法包括以下步骤：
步骤S1：采集并统计识别域中各电表的功率和总表的功率，识别域包括当前状态的已识别域和当前状态的待识别域，当前状态的已识别域包括当前状态的已识别包含域和当前状态的已识别排除域；
步骤S2：计算未识别总功率，未识别总功率为总表的功率和当前状态的已识别包含域的总功率之差；
步骤S3：计算未识别总功率的变化和当前状态的待识别域中各电表的功率变化；
步骤S4：根据未识别总功率的变化和当前状态的待识别域中各电表的功率变化进行台区识别；
步骤S5：重复执行步骤S1-S4，直至将识别域划分为稳定状态的已识别包含域、稳定状态的已识别排除域和稳定状态的待识别域。
可以理解，如图2所示，台区供电网络包括多个台区供电子网络，图2中仅示出台区供电子网络A和台区供电子网络B是用于做示例说明，台区供电子网络的数量在此不做限定。台区供电网络包括若干个集中器(即总表)和若干个智能电表，一个集中器与多个智能电表通过供电线路连接，一个集中器和与之相连的多个智能电表构成了一个台区供电子网络。另外，集中器上设置有载波模块，每个智能电表上也设置有载波模块，一个集中器上的载波模块和与该集中器相连的智能电表上的载波模块构成了一个载波子网络，每一个载波子网络即为一个识别域，载波子网络中的多个载波模块之间是通过虚拟的电力线载波线路连接，而电力线载波线路并不是物理存在的，只是一个逻辑线路，在供电线路的基础上通过特定的算法上生成，但在实际应用中由于存在各种干扰，可能会存在线路配错的情况从而导致台区识别错误。例如，台区供电子网络A中的智能电表An应当属于台区供电子网络A，由于载波网络的线路配错情况，在基于载波网络进行台区识别时将智能电表An错误地划分到台区供电子网络B中，从而导致台区识别错误。在理想的情况下，台区供电网络与台区载波网络是一致的，但在现实中，由于各种原因两个网络会出现了偏差，本发明的台区识别方法则是从台区初始载波网络中导出准确的台区供电网络的过程。本发明的台区识别方法是基于纯载波网络来进行功率数据的采集，在宽带载波系统中，由于全网站点(STA)都和网关(CCO)的网络基准时间保持同步，也就是集中器的载波模块(CCO)和该集中器下通过载波网络连接的所有电表的载波模块(STA)依网络基准时间保持同步。因而以载波系统网络基准时间为基准的功率数据，具备很好的同步性，确保了功率数据采集的同步和准确性。可以理解，载波模块定期抄读实时功率，并结合表ID和识别域精准时间戳，从而形成基础的功率数据。
另外，作为优选的，由于电表的MCU对功率的读取时刻与电表计量芯片的实际测量时刻之间可能有零到几百毫秒的延时，且各电表间该延时值随机，无法保持延时的同步。本发明的台区识别方法采用载波模块在每次抄读时按窗口去抄读，比如，窗口为3秒，每秒读一次，这样一轮可以读到3个功率数据，间隔1秒，如果这一轮的3个数据是平滑波动，可以采用平均值进行特征匹配；如果这一轮的3个数据恰好存在跳变，按照预先制定的策略进行处理，策略可以是放弃本次数据，也可以是尝试进行特征匹配。
可以理解，集中器上的载波模块作为载波子网络的中央协调器，智能电表上的载波模块作为载波子网络的站点。集中器是一个台区供电子网络中的统一的电力数据采集设备，它可以通过载波网络收集网络内各电表的功率等电力数据，同时集中器也可以测量出整个台区供电子网络的总功率等电力数据。
可以理解，在所述步骤S1中，通过集中器采集一个识别域(即台区供电子网络)中各个电表的功率数据和总表(即集中器)的功率数据，将识别域划为当前状态的已识别域和当前状态的待识别域，其中，所述当前状态的已识别域包括当前状态的已识别包含域和当前状态的已识别排除域。所述当前状态的已识别包含域由识别域中已经确认包含于台区供电子网络的电表组成，当前状态的已识别排除域由已经确认排除于台区供电子网络的电表组成，当前状态的待识别域由台区供电子网络中未识别的电表组成。还可以理解，对于功率一直为零的空户，直接将其剔除出识别域，不对其进行识别，以提高识别效率。
可以理解，在所述步骤S2中，未识别总功率等于台区供电子网络的总功率与当前状态的已识别包含域的总功率之差，其中当前状态的已识别包含域的总功率是其所包含的电表的功率之和。另外，未识别总功率不是当前状态的未识别域中所包含的电表的功率之和。
可以理解，在所述步骤S3中，基于步骤S1中统计的识别域中各电表的功率和总表的功率来计算未识别总功率的变化和当前状态的待识别域中各电表的功率变化。
如图3所示，可以理解，所述步骤S4具体包括以下步骤：
步骤S41a：未识别总功率平滑波动，若当前状态的待识别域中只有一只电表发生电表功率有效跳变，则将该电表判定为疑似排除状态；
步骤S42a：若该电表被判定为疑似排除状态的次数超过阈值，则将该电表移出当前状态的待识别域，并移入当前状态的已识别排除域。
其中，当一个电表的相邻两个统计点的功率变化小于功率平滑波动阈值时，认为该电表下没有新的电器投切，此时称为电表功率平滑波动。在电表功率平滑波动下，近似认为该电表下没有功率变化。当一个电表的相邻两个统计点的功率变化大于功率有效跳变阈值时，认为该电表下发生了具有识别意义的电器投切，此时称为电表功率有效跳变。为了防止功率波动的干扰，功率有效跳变阈值应该显著大于当前状态的未识别域中所有电表功率平滑波动阈值之和，并且功率平滑波动阈值和功率有效跳变阈值可以进行动态调节。
可以理解，在所述步骤S41a中，由于载波模块抄读频率较高，两次抄读间隔时间较短，如果未识别总功率平滑波动，意味着大概率台区供电子网络内所有未识别电表的功率平滑波动，此时如果当前状态的待识别域中只有一只电表发生电表功率有效跳变，那么这个电表大概率不属于本台区供电子网络，此特征定义为疑似排除特征，该电表的状态置为疑似排除状态。
在所述步骤S42a中，如果统计过程中，对于某电表，疑似排除特征出现的次数大于一个阈值，例如3次，则确认该电表不属于本台区供电子网络，此阈值定义为确认排除阈值，则将该电表移出当前状态的待识别域，并移入当前状态的已识别排除域。将疑似排除特征出现次数累加，当累加次数大于指定阈值后，才确认排除，以此提高对计算结果的容错能力。
如图4所示，可以理解，所述步骤S4还包括以下步骤：
步骤S41b：未识别总功率发生有效跳变，若当前状态的待识别域中只有一只电表发生电表功率有效跳变，且近似等值跳变，将该电表判定为疑似包含状态；
步骤S42b：若该电表被判定为疑似包含状态的次数超过阈值，则将该电表移出当前状态的待识别域，并移入当前状态的已识别包含域。
可以理解，在所述步骤S41b中，未识别总功率发生有效跳变，此时如果当前状态的待识别域中只有一只电表发生电表功率有效跳变，且近似等值跳变，那么这个电表大概率属于本台区供电子网络，此特征定义为疑似包含特征，该电表的状态置为疑似包含状态。
在所述步骤S42b中，如果统计过程中，对于某电表，疑似包含特征出现次数大于一个阈值，例如3次，则确认该电表属于本台区供电子网络，此阈值定义为确认包含阈值，则将该电表移出当前状态的待识别域，移入当前状态的已识别包含域。将疑似包含出现次数累加，当累加次数大于指定阈值后，才确认包含，以此提高对计算结果的容错能力。
可以理解，所述步骤S4还包括以下步骤：
步骤S43：若同一电表先后被判定为疑似排除状态和疑似包含状态的情况或者先后被判定为疑似包含状态和疑似排除状态的情况，则将该电表置回初始状态，防止出现误判的情况，确保了台区识别的准确性。
如图5所示，在所述步骤S5中，通过对功率跳变特征的识别，功率跳变特征包括上述的疑似排除特征和疑似包含特征，独立计算出各自的已识别包含域和已识别排除域，通过不断迭代，形成稳定状态的已识别域包含域、稳定状态的已识别排除域和稳定状态的待识别域。
如图1和图6所示，所述台区识别方法还包括以下步骤：
步骤S6：合并相邻的识别域，并重复执行上述步骤S1-S5，直至对完整的台区供电网络完成识别。网络合并后，对每个集中器重新形成各自的已识别包含域、已识别排除域和待识别域，对新形成的待识别域进行识别，再重复合并相邻的载波子网络，直至导出完整的台区供电网络。
如图7所示，作为优选的，所述台区识别方法还包括以下步骤：
步骤S7：将多个台区的载波网络合并以形成完备域，完备域包括合并后的已识别域和合并后的待识别域，合并后的已识别域由已经确认台区供电网络的电表组成，合并后的待识别域由未识别的电表组成；
步骤S8：计算每个供电网络的未识别总功率和合并后的待识别域中各电表的功率，其中每个供电网络的未识别总功率等于该供电网络的总功率和合并后的已识别域中属于该供电网络的电表的功率之和的差值；
步骤S9：基于合并后的待识别域中各电表功率的变化和每个供电网络的未识别总功率的变化进行台区识别。
可以理解，在所述步骤S7中，如果两个或几个台区的载波网络合并后的结果，与相应台区的供电网络合并后的结果一致，即合并的多个台区的所有电表都在识别域中，同时合并的多个台区外的电表都不在识别域中，我们称这几个载波网络构成完备域，对于完备域，我们使用主站对合并后的网络进行统一识别。另外，当各供电网络的总功率之和与合并后的识别域中电表功率之和出现较大偏差时，意味着统计结果出错，放弃本次数据，其中合并后的识别域包括合并后的已识别域和合并后的待识别域。
可以理解，所述步骤S7、S8、S9可以单独执行，也可以在步骤S6之后执行。
可以理解，如图8所示，所述步骤S9具体包括以下步骤：
步骤S91：合并后的待识别域中只有一只电表发生电表功率有效跳变，若哪个供电网络的未识别总功率出现相应的变动，则将该电表划分到该供电网络中；
步骤S92：合并后的待识别域中有多只电表发生同方向的电表功率有效跳变，若哪个供电网络的未识别总功率出现相应的变动，则将这些电表划分到该供电网络中；
步骤S93：合并后的待识别域中只有两只电表发生反方向的电表功率有效跳变，若哪个供电网络的未识别总功率在相对应的方向上出现相应变动，则按照对应的方向对两只电表的归属进行划分；
步骤S94：合并后的待识别域中有一只电表的功率发生变化，其变化值明显大于其余电表功率变化的绝对值之和，若哪个供电网络出现相应的未识别总功率变动，则将该电表划分到该供电网络中。
本发明的台区识别方法，采用功率跳变识别算法且基于对台区供电网络中各节点的功率统计，通过对功率跳变特征的识别，实现对相应电表挂载关系的判断，基于功率跳变进行识别，可以最大程度地消除线损功率的影响，增加了识别的准确性；另外，基于未识别总功率和待识别域中电表功率的变化特征进行识别，减少已识别电表的功率波动对识别的干扰，增加了识别的准确性；并且，采用迭代识别，待识别域越来越小，收敛速度越来越快。本发明的台区识别方法采用功率跳变算法来对台区进行识别，消除了线损功率的影响，增加了识别的准确性，并且结合了迭代识别，随着识别过程的不断进行，收敛速度越来越快，识别准确性也越来越高。
并且，本发明的台区识别方法首次提出利用载波网络高精度的时间同步，由载波模块定期抄读各自所在节点的功率，以实现所有抄读数据的时间同步。载波模块定期抄读功率，并增加时戳和表ID，生成功率数据，经集中器汇总后，形成功率统计，应用于后续识别。另外，载波模块在每次抄读时按窗口去抄读，确保了各个电表之间延时的同步，进一步确保了台区识别的准确性。
本发明的另一实施例还提供一种计算机可读取的存储介质，用于存储进行台区识别的计算机程序，所述计算机程序在计算机上运行时执行以下步骤：
步骤S1：采集并统计识别域中各电表的功率和总表的功率，识别域包括当前状态的已识别域和当前状态的待识别域，当前状态的已识别域包括当前状态的已识别包含域和当前状态的已识别排除域；
步骤S2：计算未识别总功率，未识别总功率为总表的功率和当前状态的已识别包含域的总功率之差；
步骤S3：计算未识别总功率的变化和当前状态的待识别域中各电表的功率变化；
步骤S4：根据未识别总功率的变化和当前状态的待识别域中各电表的功率变化进行台区识别；
步骤S5：重复执行步骤S1-S4，直至将识别域划分为稳定状态的已识别包含域、稳定状态的已识别排除域和稳定状态的待识别域。
可以理解，作为优选的，所述步骤S4包括以下步骤：
步骤S41a：未识别总功率平滑波动，若当前状态的待识别域中只有一只电表发生电表功率有效跳变，则将该电表判定为疑似排除状态；
步骤S42a：若该电表被判定为疑似排除状态的次数超过阈值，则将该电表移出当前状态的待识别域，并移入当前状态的已识别排除域。
可以理解，所述步骤S4还包括以下步骤：
步骤S41b：未识别总功率发生有效跳变，若当前状态的待识别域中只有一只电表发生电表功率有效跳变，且近似等值跳变，将该电表判定为疑似包含状态；
步骤S42b：若该电表被判定为疑似包含状态的次数超过阈值，则将该电表移出当前状态的待识别域，并移入当前状态的已识别包含域。
可以理解，所述步骤S4还包括以下步骤：
步骤S43：若同一电表先后被判定为疑似排除状态和疑似包含状态的情况或者先后被判定为疑似包含状态和疑似排除状态的情况，则将该电表置回初始状态，防止出现误判的情况，确保了台区识别的准确性。
可以理解，所述计算机程序在计算机上运行时还执行以下步骤：
步骤S6：合并相邻的识别域，并重复执行上述步骤S1-S5，直至对完整的台区供电网络完成识别。
可以理解，所述计算机程序在计算机上运行时还执行以下步骤：
步骤S7：将多个台区供电网络合并以形成完备域，完备域包括合并后的已识别域和合并后的待识别域，合并后的已识别域由已经确认台区供电网络的电表组成，合并后的待识别域由未识别的电表组成；
步骤S8：计算每个供电网络的未识别总功率和合并后的待识别域中各电表的功率，其中每个供电网络的未识别总功率等于该供电网络的总功率和合并后的已识别域中属于该供电网络的电表的功率之和的差值；
步骤S9：基于合并后的待识别域中各电表功率的变化和每个供电网络的未识别总功率的变化进行台区识别。
可以理解，所述步骤S9具体包括以下步骤：
步骤S91：合并后的待识别域中只有一只电表发生电表功率有效跳变，若哪个供电网络的未识别总功率出现相应的变动，则将该电表划分到该供电网络中；
步骤S92：合并后的待识别域中有多只电表发生同方向的电表功率有效跳变，若哪个供电网络的未识别总功率出现相应的变动，则将这些电表划分到该供电网络中；
步骤S93：合并后的待识别域中只有两只电表发生反方向的电表功率有效跳变，若哪个供电网络的未识别总功率在相对应的方向上出现相应变动，则按照对应的方向对两只电表的归属进行划分；
步骤S94：合并后的待识别域中有一只电表的功率发生变化，其变化值明显大于其余电表功率变化的绝对值之和，若哪个供电网络出现相应的未识别总功率变动，则将该电表划分到该供电网络中。
一般计算机可读取介质的形式包括：软盘(floppy disk)、可挠性盘片(flexibledisk)、硬盘、磁带、任何其余的磁性介质、CD-ROM、任何其余的光学介质、打孔卡片(punchcards)、纸带(paper tape)、任何其余的带有洞的图案的物理介质、随机存取存储器(RAM)、可编程只读存储器(PROM)、可抹除可编程只读存储器(EPROM)、快闪可抹除可编程只读存储器(FLASH-EPROM)、其余任何存储器芯片或卡匣、或任何其余可让计算机读取的介质。指令可进一步被一传输介质所传送或接收。传输介质这一术语可包含任何有形或无形的介质，其可用来存储、编码或承载用来给机器执行的指令，并且包含数字或模拟通信信号或其与促进上述指令的通信的无形介质。传输介质包含同轴电缆、铜线以及光纤，其包含了用来传输一计算机数据信号的总线的导线。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种台区识别方法，其特征在于，
包括以下步骤：
步骤S1：采集并统计识别域中各电表的功率和总表的功率，识别域包括当前状态的已识别域和当前状态的待识别域，当前状态的已识别域包括当前状态的已识别包含域和当前状态的已识别排除域；
步骤S2：计算未识别总功率，未识别总功率为总表的功率和当前状态的已识别包含域的总功率之差；
步骤S3：计算未识别总功率的变化和当前状态的待识别域中各电表的功率变化；
步骤S4：根据未识别总功率的变化和当前状态的待识别域中各电表的功率变化进行台区识别；
步骤S5：重复执行步骤S1-S4，直至将识别域划分为稳定状态的已识别包含域、稳定状态的已识别排除域和稳定状态的待识别域。
2.如权利要求1所述的台区识别方法，其特征在于，
所述步骤S4具体包括以下步骤：
步骤S41a：未识别总功率平滑波动，若当前状态的待识别域中只有一只电表发生电表功率有效跳变，则将该电表判定为疑似排除状态；
步骤S42a：若该电表被判定为疑似排除状态的次数超过阈值，则将该电表移出当前状态的待识别域，并移入当前状态的已识别排除域。
3.如权利要求2所述的台区识别方法，其特征在于，
所述步骤S4具体包括以下步骤：
步骤S41b：未识别总功率发生有效跳变，若当前状态的待识别域中只有一只电表发生电表功率有效跳变，且为等值跳变，将该电表判定为疑似包含状态；
步骤S42b：若该电表被判定为疑似包含状态的次数超过阈值，则将该电表移出当前状态的待识别域，并移入当前状态的已识别包含域。
4.如权利要求3所述的台区识别方法，其特征在于，
所述步骤S4还包括以下步骤：
步骤S43：若同一电表先后被判定为疑似排除状态和疑似包含状态的情况或者先后被判定为疑似包含状态和疑似排除状态的情况，则将该电表置回初始状态。
5.如权利要求1所述的台区识别方法，其特征在于，
所述台区识别方法还包括以下步骤：
步骤S6：合并相邻的识别域，并重复执行上述步骤S1-S5，直至对完整的台区供电网络完成识别。
6.如权利要求1所述的台区识别方法，其特征在于，
所述台区识别方法基于纯载波网络进行功率数据的采集。
7.如权利要求1所述的台区识别方法，其特征在于，
所述台区识别方法还包括以下步骤：
步骤S7：将多个台区供电网络合并以形成完备域，完备域包括合并后的已识别域和合并后的待识别域，合并后的已识别域由已经确认台区供电网络的电表组成，合并后的待识别域由未识别的电表组成；
步骤S8：计算每个供电网络的未识别总功率和合并后的待识别域中各电表的功率；
步骤S9：基于合并后的待识别域中各电表功率的变化和每个供电网络的未识别总功率的变化进行台区识别。
8.如权利要求7所述的台区识别方法，其特征在于，
所述步骤S9具体包括以下步骤：
步骤S91：合并后的待识别域中只有一只电表发生电表功率有效跳变，若哪个供电网络的未识别总功率出现相应的变动，则将该电表划分到该供电网络中；
步骤S92：合并后的待识别域中有多只电表发生同方向的电表功率有效跳变，若哪个供电网络的未识别总功率出现相应的变动，则将这些电表划分到该供电网络中；
步骤S93：合并后的待识别域中只有两只电表发生反方向的电表功率有效跳变，若哪个供电网络的未识别总功率在相对应的方向上出现相应变动，则按照对应的方向对两只电表的归属进行划分；
步骤S94：合并后的待识别域中有一只电表的功率发生变化，其变化值大于其余电表功率变化的绝对值之和，若哪个供电网络出现相应的未识别总功率变动，则将该电表划分到该供电网络中。
9.如权利要求1所述的台区识别方法，其特征在于，
所述步骤S1还包括以下步骤：
对于功率一直为零的空户，直接剔除识别域。
10.一种计算机可读取的存储介质，用于存储进行台区识别的计算机程序，其特征在于，所述计算机程序在计算机上运行时执行以下步骤：
步骤S1：采集并统计识别域中各电表的功率和总表的功率，识别域包括当前状态的已识别域和当前状态的待识别域，当前状态的已识别域包括当前状态的已识别包含域和当前状态的已识别排除域；
步骤S2：计算未识别总功率，未识别总功率为总表的功率和当前状态的已识别包含域的总功率之差；
步骤S3：计算未识别总功率的变化和当前状态的待识别域中各电表的功率变化；
步骤S4：根据未识别总功率的变化和当前状态的待识别域中各电表的功率变化进行台区识别；
步骤S5：重复执行步骤S1-S4，直至将识别域划分为稳定状态的已识别包含域、稳定状态的已识别排除域和稳定状态的待识别域。
CN201910357968.2A 2019-04-30 2019-04-30 台区识别方法、计算机可读取的存储介质 Active CN110212518B (zh)

Priority Applications (6)

Application Number Priority Date Filing Date Title
CN201910357968.2A CN110212518B (zh) 2019-04-30 2019-04-30 台区识别方法、计算机可读取的存储介质
US17/594,528 US11982695B2 (en) 2019-04-30 2020-04-20 Transformer area identification method and computer-readable storage medium
PCT/CN2020/085512 WO2020221035A1 (zh) 2019-04-30 2020-04-20 台区识别方法、计算机可读取的存储介质
JP2021562065A JP2022531101A (ja) 2019-04-30 2020-04-20 配電エリア認識方法、コンピュータ読み取り可能な記憶媒体
EP20798782.7A EP3965246B1 (en) 2019-04-30 2020-04-20 Transformer area identification method and computer-readable storage medium
MA055819A MA55819A (fr) 2019-04-30 2020-04-20 Procédé d'identification de zone de transformateur et support d'informations lisible par ordinateur

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910357968.2A CN110212518B (zh) 2019-04-30 2019-04-30 台区识别方法、计算机可读取的存储介质

Publications (2)

Publication Number Publication Date
CN110212518A true CN110212518A (zh) 2019-09-06
CN110212518B CN110212518B (zh) 2020-03-24

Family

ID=67786621

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910357968.2A Active CN110212518B (zh) 2019-04-30 2019-04-30 台区识别方法、计算机可读取的存储介质

Country Status (6)

Country Link
US (1) US11982695B2 (zh)
EP (1) EP3965246B1 (zh)
JP (1) JP2022531101A (zh)
CN (1) CN110212518B (zh)
MA (1) MA55819A (zh)
WO (1) WO2020221035A1 (zh)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110932917A (zh) * 2019-12-24 2020-03-27 深圳市国电科技通信有限公司 一种基于高频同步采集和边缘计算的台区拓扑发现方法
CN111208351A (zh) * 2020-01-17 2020-05-29 北京市腾河电子技术有限公司 基于负荷跳变计算供电线路阻抗的方法、存储介质
CN111289942A (zh) * 2020-01-21 2020-06-16 北京市腾河电子技术有限公司 基于单一负荷跳变进行测量域误差分析的方法及系统、存储介质
CN111650431A (zh) * 2020-05-26 2020-09-11 珠海中慧微电子有限公司 一种电表台区识别方法
WO2020221035A1 (zh) * 2019-04-30 2020-11-05 北京市腾河智慧能源科技有限公司 台区识别方法、计算机可读取的存储介质
CN112581306A (zh) * 2019-09-30 2021-03-30 广东电网有限责任公司佛山供电局 一种基于穷举的区域网络拓扑关系确认方法、装置和系统
CN113517687A (zh) * 2021-05-28 2021-10-19 国网浙江省电力有限公司营销服务中心 一种基于特征信号的低压台区拓扑识别方法及装置
CN113746589A (zh) * 2021-09-01 2021-12-03 钜泉光电科技(上海)股份有限公司 基于过零ntb的台区识别方法
CN114123190A (zh) * 2021-11-30 2022-03-01 广东电网有限责任公司 确定电表所属目标台区的方法、装置、电子设备及存储介质
CN114125586A (zh) * 2021-11-22 2022-03-01 国网辽宁省电力有限公司鞍山供电公司 一种基于混合数据驱动的hplc设备id校对方法
JP7573199B2 (ja) 2020-01-21 2024-10-25 北京市騰河電子技術有限公司 単一の負荷ジャンプに基づいて測定領域の誤差解析を行う方法及びシステム、記憶媒体

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112672418B (zh) * 2020-12-03 2024-03-12 江苏林洋能源股份有限公司 一种电表和主站之间通过载波集中器自注册的方法
CN114912526B (zh) * 2022-05-13 2024-04-26 北京市腾河电子技术有限公司 台区识别方法及系统、电子设备、存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013033387A1 (en) * 2011-08-31 2013-03-07 Tollgrade Communications, Inc. Methods and apparatus for determining conditions of power lines
CN108683437A (zh) * 2018-05-17 2018-10-19 杭州海兴电力科技股份有限公司 基于宽带载波的台区识别方法
CN109066990A (zh) * 2018-09-07 2018-12-21 光科技股份有限公司 基于集中调度的台区电网末端扰动拓扑结构识别方法
CN109217478A (zh) * 2018-11-19 2019-01-15 深圳市均方根科技有限公司 低压台区拓扑关系识别方法、集中器以及存储介质
CN109256866A (zh) * 2018-11-19 2019-01-22 国网四川省电力公司成都供电公司 提升台区拓扑识别效率及线损精度的检测终端
CN109444800A (zh) * 2018-09-28 2019-03-08 国网湖南省电力有限公司 基于无线通信采集的台区识别方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104092481B (zh) * 2014-07-17 2016-04-20 江苏林洋能源股份有限公司 一种通过电压特征区分台区和相别的方法
US20160109491A1 (en) * 2014-10-20 2016-04-21 Itron, Inc. Grid topology mapping with voltage data
US10418811B2 (en) * 2017-09-12 2019-09-17 Sas Institute Inc. Electric power grid supply and load prediction using cleansed time series data
CN108535543B (zh) * 2018-05-22 2021-05-11 宁波三星医疗电气股份有限公司 基于集中器与电表同步采样的台区相位识别方法
CN108805457B (zh) 2018-06-19 2021-05-14 宁波迦南智能电气股份有限公司 一种电能表台区识别方法
CN110212518B (zh) 2019-04-30 2020-03-24 北京市腾河智慧能源科技有限公司 台区识别方法、计算机可读取的存储介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013033387A1 (en) * 2011-08-31 2013-03-07 Tollgrade Communications, Inc. Methods and apparatus for determining conditions of power lines
CN108683437A (zh) * 2018-05-17 2018-10-19 杭州海兴电力科技股份有限公司 基于宽带载波的台区识别方法
CN109066990A (zh) * 2018-09-07 2018-12-21 光科技股份有限公司 基于集中调度的台区电网末端扰动拓扑结构识别方法
CN109444800A (zh) * 2018-09-28 2019-03-08 国网湖南省电力有限公司 基于无线通信采集的台区识别方法
CN109217478A (zh) * 2018-11-19 2019-01-15 深圳市均方根科技有限公司 低压台区拓扑关系识别方法、集中器以及存储介质
CN109256866A (zh) * 2018-11-19 2019-01-22 国网四川省电力公司成都供电公司 提升台区拓扑识别效率及线损精度的检测终端

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
余鹤等: "低压用电"台区识别技术"研究", 《通信与信息技术》 *

Cited By (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11982695B2 (en) 2019-04-30 2024-05-14 Beijing Tengineer Aiot Tech Co., Ltd. Transformer area identification method and computer-readable storage medium
WO2020221035A1 (zh) * 2019-04-30 2020-11-05 北京市腾河智慧能源科技有限公司 台区识别方法、计算机可读取的存储介质
CN112581306A (zh) * 2019-09-30 2021-03-30 广东电网有限责任公司佛山供电局 一种基于穷举的区域网络拓扑关系确认方法、装置和系统
CN110932917A (zh) * 2019-12-24 2020-03-27 深圳市国电科技通信有限公司 一种基于高频同步采集和边缘计算的台区拓扑发现方法
CN111208351A (zh) * 2020-01-17 2020-05-29 北京市腾河电子技术有限公司 基于负荷跳变计算供电线路阻抗的方法、存储介质
JP2023525946A (ja) * 2020-01-21 2023-06-20 北京市騰河電子技術有限公司 単一の負荷ジャンプに基づいて測定領域の誤差解析を行う方法及びシステム、記憶媒体
US11947624B2 (en) 2020-01-21 2024-04-02 Beijing Tenhe Electronic Technology Co., Ltd. Method and system for analyzing error of measurement domain based on single load jump, and storage medium
JP7573199B2 (ja) 2020-01-21 2024-10-25 北京市騰河電子技術有限公司 単一の負荷ジャンプに基づいて測定領域の誤差解析を行う方法及びシステム、記憶媒体
CN111289942A (zh) * 2020-01-21 2020-06-16 北京市腾河电子技术有限公司 基于单一负荷跳变进行测量域误差分析的方法及系统、存储介质
WO2021147501A1 (zh) * 2020-01-21 2021-07-29 北京市腾河电子技术有限公司 基于单一负荷跳变进行测量域误差分析的方法及系统、存储介质
CN111650431B (zh) * 2020-05-26 2022-06-14 珠海中慧微电子有限公司 一种电表台区识别方法
CN111650431A (zh) * 2020-05-26 2020-09-11 珠海中慧微电子有限公司 一种电表台区识别方法
CN113517687A (zh) * 2021-05-28 2021-10-19 国网浙江省电力有限公司营销服务中心 一种基于特征信号的低压台区拓扑识别方法及装置
CN113517687B (zh) * 2021-05-28 2023-07-21 国网浙江省电力有限公司营销服务中心 一种基于特征信号的低压台区拓扑识别方法及装置
CN113746589A (zh) * 2021-09-01 2021-12-03 钜泉光电科技(上海)股份有限公司 基于过零ntb的台区识别方法
CN113746589B (zh) * 2021-09-01 2024-01-30 钜泉光电科技(上海)股份有限公司 基于过零ntb的台区识别方法
CN114125586B (zh) * 2021-11-22 2024-03-19 国网辽宁省电力有限公司鞍山供电公司 一种基于混合数据驱动的hplc设备id校对方法
CN114125586A (zh) * 2021-11-22 2022-03-01 国网辽宁省电力有限公司鞍山供电公司 一种基于混合数据驱动的hplc设备id校对方法
CN114123190A (zh) * 2021-11-30 2022-03-01 广东电网有限责任公司 确定电表所属目标台区的方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
US11982695B2 (en) 2024-05-14
EP3965246A4 (en) 2023-01-18
EP3965246A1 (en) 2022-03-09
EP3965246C0 (en) 2024-04-17
US20220196714A1 (en) 2022-06-23
JP2022531101A (ja) 2022-07-06
MA55819A (fr) 2022-03-09
CN110212518B (zh) 2020-03-24
EP3965246B1 (en) 2024-04-17
WO2020221035A1 (zh) 2020-11-05

Similar Documents

Publication Publication Date Title
CN110212518A (zh) 台区识别方法、计算机可读取的存储介质
CN101267116B (zh) 一种配电网电能质量扰动源自动定位方法
WO2020252785A1 (zh) 用电异常识别方法、装置和计算机可读存储介质
CN104635114B (zh) 一种电能质量扰动源定位系统及定位方法
CN110266524B (zh) 一种基于分簇递归算法的电气拓扑识别方法
CN110826895B (zh) 一种台区拓扑识别方法
CN108022002A (zh) 一种基于支持张量机的中性点接地方式决策方法及系统
CN104505820B (zh) 基于多信息关联利用的配电网智能重构方法
CN102403718B (zh) 基于Arcgis的电网拓扑关系生成方法
CN104156835A (zh) 一种大电网广域分布式一体化拓扑分析方法
CN109802382A (zh) 一种低压配电网用户连接关系识别方法及系统
CN109470997A (zh) 一种利用多因素降维的配电网区段定位方法
CN112232382B (zh) 一种低压台区的分路与电表隶属关系识别方法及系统
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
CN107453926B (zh) 一种电力通信网站点通信带宽估算方法及装置
CN111651448B (zh) 一种基于降噪差分进化的低压拓扑识别方法
CN106685090B (zh) 一种微电网区域保护控制一体化装置的插件在线检测方法
Fan et al. Integration of electric vehicle load and charging infrastructure in distribution network
CN109038554A (zh) 一种智能配电终端局部拓扑生成方法
CN102957206A (zh) 面向智能电网的多粒度离线模型拼接方法
CN109471854A (zh) 一种大数据能耗在线监测系统所采集数据的验证方法
CN116345460B (zh) 一种电力系统智能精准化电力分配方法、系统及存储介质
CN110571848B (zh) 一种适用于强迫振荡分布式定位的自适应电网划分方法
CN118554642B (zh) 一种基于智能集中器的电力数据采集分析终端
CN117407572B (zh) 用于配网应急一体化指挥的故障信息处理方法及系统

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