CN110492480A - 配电网拓扑识别方法、装置、计算机设备和可读存储介质 - Google Patents
配电网拓扑识别方法、装置、计算机设备和可读存储介质 Download PDFInfo
- Publication number
- CN110492480A CN110492480A CN201910801446.7A CN201910801446A CN110492480A CN 110492480 A CN110492480 A CN 110492480A CN 201910801446 A CN201910801446 A CN 201910801446A CN 110492480 A CN110492480 A CN 110492480A
- Authority
- CN
- China
- Prior art keywords
- user
- identified
- transformer
- information
- voltage
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种配电网拓扑识别方法，获取待识别用户的空间位置信息。根据所述待识别用户的空间位置信息，确定所述待识别用户的多个相关变压器；确定所述多个相关变压器的台区的重叠区域；若所述待识别用户未处于所述重叠区域，则根据所述待识别用户的空间位置信息确定所述待识别用户所属的配变台区；若所述待识别用户处于所述重叠区域，则获取所述待识别用户和每个所述相关变压器的电压信息和功率信息，确定所述待识别用户所属的配变台区；监测配电网拓扑是否发生改变。本申请提供的方法具有较高的拓扑识别精确度。
Description
技术领域
本申请涉及电力系统技术领域，特别是涉及一种配电网拓扑识别方法、装置、计算机设备和可读存储介质。
背景技术
配电网的网络结构是电网潮流计算、仿真计算、运行维护的基础，中低压配电网庞大并且结构复杂，如果利用人工根据施工工单在地理信息系统更新中低压配电网拓扑结构，不仅耗费人力物力，且易造成模型结构不完整、连线混乱。因而通过技术手段对中低压配电网运行中的变-线-户拓扑结构识别和校核已成为能源物联网研究热点。
配电网中常用的拓扑识别方法有基于uPMU(Phase Measurement Unit，同步向量测量)相位数据、基于离群点检测、基于离散费雷歇(Fréchet)距离和剪辑近邻法、基于深度优先搜索等算法。
然而，传统的拓扑识别算法都是根据用户和配变台区的电压信息进行拓扑识别和校核，也就是从一个维度对配电网的网络拓扑结构进行识别。这种方法存在拓扑识别精确度较低的问题。
发明内容
基于此，有必要针对上述技术问题，提供一种配电网拓扑识别方法、装置、计算机设备和可读存储介质。
为了实现上述目的，一方面，本申请实施例提供了一种配电网拓扑识别方法，所述方法包括：
获取待识别用户的空间位置信息；
根据所述待识别用户的空间位置信息，确定所述待识别用户的多个相关变压器，其中，所述相关变压器是指与所述待识别用户的空间距离不超过预设距离阈值的变压器；
确定所述多个相关变压器的台区的重叠区域；
若所述待识别用户未处于所述重叠区域，则根据所述待识别用户的空间位置信息确定所述待识别用户所属的配变台区；
若所述待识别用户处于所述重叠区域，则获取所述待识别用户的电压信息和所述待识别用户的功率信息，以及每个所述相关变压器的电压信息和每个所述相关变压器的功率信息；
根据所述待识别用户的电压信息、所述待识别用户的功率信息、每个所述相关变压器的电压信息和每个所述相关变压器的功率信息确定所述待识别用户所属的配变台区。
在其中一个实施例中，所述确定所述多个相关变压器的台区的重叠区域包括：
获取每个所述相关变压器的台区的空间位置信息；
根据所述相关变压器的台区的空间位置信息，分别以每个所述相关变压器为中心，以预设半径为半径定义多个辐射区域，其中，所述预设半径大于所述多个相关变压器的配变距离中的最大值；
获取所述多个辐射区域的重叠位置，得到所述重叠区域。
在其中一个实施例中，所述根据所述待识别用户的电压信息、所述待识别用户的功率信息、每个所述相关变压器的电压信息和每个所述相关变压器的功率信息确定所述待识别用户所属的配变台区包括：
基于k均值聚类算法，根据所述待识别用户的电压信息和所述相关变压器的电压信息，确定所述待识别用户所属的配变台区；
若所述待识别用户所属的配变台区数量为多个，则基于主成分分析算法，根据所述待识别用户的功率信息和所述相关变压器的功率信息，确定所述待识别用户所属的配变台区。
在其中一个实施例中，所述待识别用户的电压信息包括多个时间点采集的多个采样电压值，所述相关变压器的电压信息包括多个时间点采集的多个采样电压值，所述基于k均值聚类算法，根据所述待识别用户的电压信息和所述相关变压器的电压信息，确定所述待识别用户所属的配变台区，包括：
根据所述待识别用户的多个采样电压值建立所述待识别用户的电压特征序列；
根据各所述相关变压器的多个采样电压值建立各所述相关变压器的电压特征序列；
以各所述相关变压器的电压特征序列为聚类中心，对所述待识别用户的电压特征序列进行聚类运算，确定所述待识别用户所属的配变台区。
在其中一个实施例中，所述基于主成分分析算法，根据所述待识别用户的功率信息和所述相关变压器的功率信息，确定所述待识别用户所属的配变台区，包括：
根据所述待识别用户的功率信息和所述相关变压器的功率信息，通过主成分分析算法计算所述待识别用户的功率信息和所述相关变压器的功率信息的关联矩阵；
根据所述关联矩阵确定所述待识别用户所属的配变台区。
在其中一个实施例中，所述方法还包括：
监测配电网拓扑是否发生改变；
若所述配电网拓扑发生改变，返回执行步骤所述若所述待识别用户未处于所述重叠区域，则根据所述待识别用户的空间位置信息确定所述待识别用户所属的配变台区。
在其中一个实施例中，所述监测配电网拓扑是否发生改变，包括：
利用时间序列分割时间窗口；
获取分割后的时间窗口内，所述待识别用户的电压信息，得到所述待识别用户的电压变化曲线；
基于动态时间归整算法，监测所述待识别用户的电压变化曲线是否发生改变；
若所述待识别用户的电压变化曲线发生改变，则所述配电网拓扑发生改变；
若所述待识别用户的电压变化曲线未发生改变，则所述配电网拓扑未发生改变。
另一方面，本申请实施例还提供了一种配电网拓扑识别装置，所述装置包括：
信息获取模块，用于获取待识别用户的空间位置信息；
相关变压器确定模块，用于根据所述待识别用户的空间位置信息，确定所述待识别用户的多个相关变压器，其中，所述相关变压器是指与所述待识别用户的空间距离不超过预设距离阈值的变压器；
重叠区域确定模块，用于确定多个所述相关变压器的台区的重叠区域；
第一配变台区确定模块，用于若所述待识别用户未处于所述重叠区域，则根据所述待识别用户的空间位置信息确定所述待识别用户所属的配变台区；
第二配变台区确定模块，用于若所述待识别用户处于所述重叠区域，则获取所述待识别用户的电压信息和所述待识别用户的功率信息，以及每个所述相关变压器的电压信息和每个所述相关变压器的功率信息；根据所述待识别用户的电压信息、所述待识别用户的功率信息、每个所述相关变压器的电压信息和每个所述相关变压器的功率信息确定所述待识别用户所属的配变台区。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现如上所述的方法的步骤。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的方法的步骤。
上述配电网拓扑识别方法、装置、计算机设备和可读存储介质，获取待识别用户的空间位置信息，确定所述待识别用户的多个相关变压器，再确定所述多个相关变压器的台区的重叠区域。若所述待识别用户未处于所述重叠区域，则根据所述待识别用户的空间位置信息确定所述待识别用户所属的配变台区。也就是说，首先本申请提供的方法基于空间上的相对静止性这一特性，通过获取所述待识别用户的空间位置信息，从空间维度上对配电网的网络结构进行拓扑识别。另外，在所述待识别用户处在所述重叠区域时，进一步根据所述待识别用户和每个所述相关变压器的电压信息和功率信息，确定所述待识别用户所属的配变台区，从电压维度和功率维度上对配电网的网络结构进行拓扑识别。本申请提供的所述方法基于空间上的相对静止性、上下级拓扑层次能量的守恒性以及电压相似性这三个特性，通过获取所述待识别用户和所述相关变压器的空间位置信息、电压信息和功率信息从三个维度上对配电网的网络结构进行拓扑识别，具有较高的拓扑识别精确度。并且本申请提供的方法，先判断用户是否处于所述重叠区域，随后只需再对处在所述重叠区域的用户进行拓扑识别，这样可以减少对整个配电网的网络结构进行拓扑识别时的运算量，提高拓扑识别效率。
附图说明
图1为本申请一个实施例提供的配电网拓扑识别方法步骤流程示意图；
图2为本申请一个实施例提供的配电网拓扑识别方法步骤流程示意图；
图3为本申请一个实施例提供的配电网拓扑识别方法步骤流程示意图；
图4为本申请一个实施例提供的配电网拓扑识别方法步骤流程示意图；
图5为本申请一个实施例提供的配电网拓扑识别方法步骤流程示意图；
图6为本申请一个实施例提供的配电网拓扑识别方法步骤流程示意图；
图7为本申请一个实施例提供的配电网拓扑识别方法步骤流程示意图；
图8为本申请一个实施例提供的配电网拓扑识别装置示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
配电网的网络结构是电网潮流计算、仿真计算和运行维护的基础，中低压配电网庞大并且结构复杂，如果利用人工根据施工工单在地理信息系统更新中低压配电网拓扑结构，不仅耗费人力物力，且易造成模型结构不完整、连线混乱。因此，需要对所述配电网的网络结构进行准确的识别。
本申请提供的配电网拓扑识别方法，可以应用于中低压配电网系统。所述配电网拓扑识别方法用于对所述中低压配电网系统运行中的变-线-户的拓扑结构进行识别和校核。具体的，可以用于判断每个用户所属的配变台区，进而识别出配电网的网络结构。所述中低压配电网系统可以包括：地理信息系统(Geographic Information System，GIS)、智能电表和拓扑管理装置。GIS和所述智能电表均与所述拓扑管理装置通信连接。GIS可以用于获取用户和变压器的空间位置信息，所述智能电表可以用于获取用户和变压器的电压信息和功率信息等，所述拓扑管理装置用于对所述中低压配电网系统的拓扑结构进行管理。所述拓扑管理装置可以包括计算机设备，所述计算机设备可以包括但不限于个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。
下面以具体的实施例对本申请的技术方案以及本申请的技术方案如何解决技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本申请的实施例进行描述。
请参见图1，本申请的一个实施例提供一种配电网拓扑识别方法，本申请实施例以所述方法应用于所述拓扑管理装置为例进行说明。所述方法包括：
S10，获取待识别用户的空间位置信息。
所述待识别用户是指需要判断拓扑结构的用户，所述待识别的用户可以为一个，也可以为多个。所述空间位置信息可以为经纬度信息。所述拓扑管理装置可以通过GIS获得需要判断拓扑结构的用户的经纬度信息。
S20，根据所述待识别用户的空间位置信息，确定所述待识别用户的多个相关变压器，其中，所述相关变压器是指与所述待识别用户的空间距离不超过预设距离阈值的变压器。
由于所述中低压配电网系统有空间上相对静止性这一特性，因此可以根据所述拓扑管理装置获取的所述待识别用户的空间位置信息，即所述待识别用户的经纬度信息，来确定出与所述待识别用户相邻的多个相关变压器。若变压器与所述待识别用户的距离大于预先设定的距离阈值，则此变压器不是所述待识别用户的相关变压器。若变压器与所述待识别用户的距离小于预先设定的距离阈值，则认为此变压器为所述待识别用户的相关变压器，通过这种方法可以获得多个与所述待识别用户相关的变压器，即为所述待识别用户的多个相关变压器。
S30，确定所述多个相关变压器的台区的重叠区域。
每个相关变压器都有对应供电范围或区域，即所述相关变压器的台区，因此，所述多个相关变压器的台区会存在重叠的区域。
S40，若所述待识别用户未处于所述重叠区域，则根据所述待识别用户的空间位置信息确定所述待识别用户所属的配变台区。
判断所述待识别用户是否处于所述重叠区域。如果所述待识别用户没有处在所述重叠区域，则待识别用户所述的配变台区是唯一的，可以直接判断所述待识别用户所属的配变台区。根据所述待识别用户的空间位置信息即可确定所述的配变台区。
S50，若所述待识别用户处于所述重叠区域，则获取所述待识别用户的电压信息和所述待识别用户的功率信息，以及每个所述相关变压器的电压信息和每个所述相关变压器的功率信息。
由于处在所述重叠区域的用户有大概率会出现跨台区接电的情况，因此，需要重点对所述重叠区域的用户所属的配变台区进行判断。如果所述待识别用户处在所述重叠区域，则获取处在重叠区域的所述待识别用户和所述相关变压器的电压信息和功率信息。
S60，根据所述待识别用户的电压信息、所述待识别用户的功率信息、每个所述相关变压器的电压信息和每个所述相关变压器的功率信息确定所述待识别用户所属的配变台区。
由于所述中低压配电网系统有上下级拓扑层次能量守恒这一特性，因此，可以根据所述拓扑管理装置获取的所述待识别用户和所述相关变压器的功率信息对配电网的网络结构进行识别。另外，由于所述中低压配电网系统有电压相似性这一特性，因此，可以根据所述拓扑管理装置获取的所述待识别用户和所述相关变压器的电压信息对配电网的网络结构进行识别。
所述拓扑管理装置基于S50获取的所述待识别用户和所述相关变压器的电压信息和功率信息，通过预设的算法，判断所述待识别用户所属的配变台区。所述拓扑管理装置通过以上获取的信息判断所述待识别用户所属的配变台区的算法可以有多种，在此不做限定，只要是基于以上信息，能够实现对所述待识别用户所属的配变台区的判断即可。
本实施例提供的方法是确定一个或多个所述待识别用户所属的配变台区的方法，重复以上S10-S60步骤，可以实现所有用户的配变台区的识别，从而实现整个配变网拓扑结构的识别。
本实施例中，获取待识别用户的空间位置信息，确定所述待识别用户的多个相关变压器，再确定所述多个相关变压器的台区的重叠区域。若所述待识别用户未处在所述重叠区域，则根据所述待识别用户的空间位置信息确定所述待识别用户所属的配变台区。也就是说，首先本实施例提供的方法基于空间上的相对静止性这一特性，通过获取所述待识别用户的空间位置信息，从空间维度上对配电网的网络结构进行拓扑识别。另外，在所述待识别用户处在所述重叠区域时，进一步根据所述待识别用户和每个所述相关变压器的电压信息和功率信息，确定所述待识别用户所属的配变台区，从电压维度和功率维度上进行拓扑识别。本实施例提供的方法基于空间上的相对静止性、上下级拓扑层次能量的守恒性和电压相似性这三个特性，通过获取所述待识别用户和所述相关变压器的空间位置信息、电压信息和功率信息从三个维度上对配电网的网路结构进行拓扑识别，具有较高的拓扑识别精确度。并且本实施例提供的方法，先判断用户是否处于所述重叠区域，随后只需再对处在所述重叠区域的用户进行拓扑识别，这样可以减少对整个配电网的网络结构进行拓扑识别时的运算量，提高拓扑识别效率。
本实施例涉及的是“确定所述多个相关变压器的台区的重叠区域”的一种可能的实现方式，如图2所示，S30包括：
S31，获取每个所述相关变压器的台区的空间位置信息；
S32，根据所述相关变压器的台区的空间位置信息，分别以每个所述相关变压器为中心，以预设半径为半径定义多个辐射区域，其中，所述预设半径大于所述多个相关变压器的配变距离中的最大值；
S33，获取所述多个辐射区域的重叠位置，得到所述重叠区域。
在本实施例中，所述相关变压器的台区的空间位置信息是指所述相关变压器的台区的经纬度信息。所述预设半径是指预先设定的半径，所述预设半径的大小可以根据所述待识别用户所在的区域不同而设置不同的值。在一个实施例中，所述预设半径可以为200m、300m或500m。具体的，在农村区域可以将半径预先设定为200m，在县城区域可以将半径预先设定为300m，在城市区域可以将半径预先设定为500m。获取每个所述相关变压器的台区的空间位置信息，根据所述相关变压器台区的经纬度信息，以每个所述相关变压器为中心，以预先设定的半径为半径做辐射区域。辐射区域中覆盖的所述待识别用户为这个所述相关变压器台区的潜在的用户。定义的多个辐射区域会有重叠的位置，获取所述多个辐射区域的重叠位置，可以得到所述重叠区域。
假设所述相关变压器台区为S，所述相关变压器台区覆盖的用户为N，N＝{n1,n2,n3…np}，p为所述用户的数量，S(ni)表示所述用户在所述相关变压器台区中的位置，d为所述相关变压器配变到最远的所述用户距离。则无论所述相关变压器台区的形状如何，都可以找到一个以所述相关变压器为中心，半径为r的圆D可以将所述相关变压器台区中的所有所述用户所囊括，即对于其中，R为预先定义的半径。
本实施例基于所述中低压配电网系统空间上相对静止性这一特性，通过获取所述待识别用户的空间位置信息和所述相关变压器的位置信息，从空间维度上对配电网的网络结构进行初步的拓扑识别，能够为后续的拓扑识别减少计算量，提高拓扑识别精确度。
本实施例涉及的是对处在所述重叠区域的用户，基于K均值聚类算法和主成分分析算法对其进行拓扑识别的一种可能的实现方式，如图3所示，S60包括：
S61，基于k均值聚类算法，根据所述待识别用户的电压信息和所述相关变压器的电压信息，确定所述待识别用户所属的配变台区；
S62，若所述待识别用户所属的配变台区数量为多个，则基于主成分分析算法，根据所述待识别用户的功率信息和所述相关变压器的功率信息，确定所述待识别用户所属的配变台区。
本实施例基于所述中低压配电网系统上下级拓扑层次能量守恒和电压相似性这两个特性，根据所述待识别用户和所述相关变压器的电压信息和功率信息，从电压维度和功率维度上对配电网的网络结构进行进一步拓扑识别，可以提高拓扑识别的精确度。
请参见图4，在一个实施例中，所述待识别用户的电压信息包括多个时间点采集的多个采样电压值，所述相关变压器的电压信息包括多个时间点采集的多个采样电压值。所述基于k均值聚类算法，根据所述待识别用户的电压信息和所述相关变压器的电压信息，确定所述待识别用户所属的配变台区，包括：
S610，根据所述待识别用户的多个采样电压值建立所述待识别用户的电压特征序列；
S611，根据各所述相关变压器的多个采样电压值建立各所述相关变压器的电压特征序列；
S612，以各所述相关变压器的电压特征序列为聚类中心，对所述待识别用户的电压特征序列进行聚类运算，确定所述待识别用户所属的配变台区。
对于处在所述重叠区域的用户，智能电表定时在多个时间点采集每个所述用户和相关变压器的的电压值。每个时间点采集的电压值，都隐藏着所述用户和所述相关变压器之间的拓扑关系。因此，每个时间点采集的电压值，都可以看作是所述用户和所述相关变压器的特征。则根据所述用户在多个时间点采集的多个电压值建立所述用户的电压特征序列。根据各所述相关变压器在多个时间点采集的多个电压值建立各所述相关变压器的电压特征序列。以各所述相关变压器的电压特征序列为聚类中心，对所述用户的电压特征序列进行聚类运算，通过若干次迭代后，就可以确定所述用户所属的配变台区。其中，所述待识别用户可以是处在所述重叠区域的所述用户中的一个或多个。
本实施例基于所述中低压配电网系统电压相似性这一特性，根据获取的所述用户和所述相关变压器的电压信息，从电压维度对配电网的网络结构进行进一步的拓扑识别，可以为后续的拓扑识别减少运算量，并且可以提高拓扑识别的精确度。
假设处在所述重叠区域的所述用户的电压向量可以表示为xi，xi中的样本用b个属性A1,A2,A3…Ad表示，并且b个属性描述的都是连续性数据，则处在所述重叠区域的所述用户的电压特征可以表示为xi＝(A1i,A2i…Adi)。假设处在所述重叠区域的所述用户数量为M，则M个用户的电压特征序列为X＝(xm|m＝1,2,…M)。假设X包括K个聚类子集，K的数值为与所述用户临近的所述相关变压器的数量。所述相关变压器的台区内的所述用户可能链接的方向，可以表示为X1，X2，…XK。各个聚类子集中的样本量分别为m1,m2,…mK。聚类中心定义为所述相关变压器的电压特征序列，通过若干次迭代，可以最终确定子集X1，X2，…XK中的元素，这些元素就是进行聚类后的处在所述重叠区域的所述用户的电压向量，从而可以确定所述用户所属的配变台区。其中所述待识别用户可以是处在所述重叠区域的所述用户中的一个或多个。
请参见图5，在一个实施例中，所述基于主成分分析算法，根据所述待识别用户的功率信息和所述相关变压器的功率信息，确定所述待识别用户所属的配变台区，包括：
S620，根据所述待识别用户的功率信息和所述相关变压器的功率信息，通过主成分分析算法计算所述待识别用户的功率信息和所述相关变压器的功率信息的关联矩阵；
S621，根据所述关联矩阵确定所述待识别用户所属的配变台区。
在本实施例中，如果处在所述重叠区域的所述用户的电压信息和所述相关变压器的电压信息之间存在较高的相似性，就要基于主成分分析算法，对配电网的网路结构进行拓扑识别。通过主成分分析算法计算处在所述重叠区域的所述用户的功率信息和所述相关变压器的功率信息的关联矩阵，将关联矩阵的“1”和“0”的量化特征，作为判断处在所述重叠区域的所述用户和所述相关变压器之间的拓扑连接关系。关联矩阵中的“1”表示处在所述重叠区域的所述用户和所述相关变压器之间存在拓扑连接关系，即处在所述重叠区域的所述用户归属于所述相关变压器的台区。关联矩阵中的“0”表示处在所述重叠区域的所述用户和所述相关变压器之间不存在拓扑连接关系，即处在所述重叠区域的所述用户不属于所述相关变压器的台区。其中，所述待识别用户可以是处在所述重叠区域的所述用户中的一个或多个。
本实施例基于所述中低压配电网系统上下级拓扑层次能量守恒性这一特性，根据获取的处在所述重叠区域的所述用户和所述相关变压器的功率信息，从功率维度对配电网的网络结构进行进一步的拓扑识别，可以提高拓扑识别的精确度。
在另一个实施例中，如果所述待识别用户属于三相用户，则只能基于主成分分析算法判断所述待识别用户所属的配电台区。
配电网的网络结构复杂，拓扑结构可能会发生改变，因此，需要对已经进行过拓扑识别的配电网的拓扑结构进行监测。如图6所示，在一个实施例中，所述配电网拓扑识别方法还包括：
S70，监测配电网拓扑是否发生改变；
S80，若所述配电网拓扑发生改变，返回执行步骤S40-S60。
在本实施例中，处在所述重叠区域的用户可能存在转负荷或者转供电的情况，或者所述待识别用户可能自己请求转供电。这样配电网的拓扑结构就会发生改变，因此，需要对配电网的拓扑结构进行监测，若监测到配电网的拓扑结构发生变化，就返回步骤S40-S60重新识别配电网的网络结构。本实施例提供的方法可以监测配电网的拓扑结构是否发生变化，能够更好的确定配电网的拓扑结构，提高配电网拓扑结构的精确度。
请参见图7，在一个实施例中，S70包括：
S71，利用时间序列分割时间窗口；
S72，获取分割后的时间窗口内，所述待识别用户的电压信息，得到所述待识别用户的电压变化曲线；
S73，基于动态时间归整算法，监测所述待识别用户的电压变化曲线是否发生改变；
S74，若所述待识别用户的电压变化曲线发生改变，则所述配电网拓扑发生改变；
S75，若所述待识别用户的电压变化曲线未发生改变，则所述配电网拓扑未发生改变。
在本实施例中，配电网的拓扑识别结构发生变化可能是所述待识别用户存在转供电的情况，而转供电情况存在的时间可能是短暂的，单次持续的时间可能只有几个小时，如果以一天为一个时间窗口去监视所述待识别用户的电压变化曲线，将无法有效或灵敏地分析出所述待识别用户的电压变化情况。利用时间序列分割时间窗口，利用分割后的时间窗口，可以高效灵敏地分析出所述待识别用户的电压变化情况。利用时间序列分割时间窗口，将量测对比分为两个部分，第一部分为利用时间窗口对比所述待识别用户的历史电压变化曲线，第二部分为利用时间窗口对比现下时间所述待识别用户电压变化曲线与所述相关变压器的电压变化曲线的相似性。
往往所述相关变压器采集的电压信息与所述待识别用户采集的电压信息质量不一样，在相同时间的维度也不一样。需要基于动态时间归整算法，去监测所述待识别用户的电压变化曲线是否发生改变。正常情况下，如果所述配电网拓扑没有发生改变，即所述待识别用户的拓扑结构没有发生改变，则所述待识别用户每天的电压变化曲线会随着时间的变化产生有规律的周期波动，即所述待识别用户每天的电压变化曲线有一定的相似性。如果所述待识别用户的电压变化曲线在一天的某个时刻发生以前都没出现过的变化，则所述待识别用户的拓扑结构发生改变，即所述配电网拓扑发生改变。本实施例基于动态时间归整算法，监测配电网拓扑是否发生改变。可以有效的判断配电网的拓扑结构的准确性，能够提高拓扑识别的精确度。
应该理解的是，虽然图中的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
请参见图8，本申请一个实施例还提供了一种配电网拓扑识别装置10，所述装置包括：信息获取模块100、相关变压器确定模块200、重叠区域确定模块300、第一配变台区确定模块400和第二配变台区确定模块500。其中，
所述信息获取模块100，用于获取待识别用户的空间位置信息；
所述相关变压器确定模块200，用于根据所述待识别用户的空间位置信息，确定所述待识别用户的多个相关变压器，其中，所述相关变压器是指与所述待识别用户的空间距离不超过预设距离阈值的变压器；
所述重叠区域确定模块300，用于确定多个所述相关变压器的台区的重叠区域；
所述第一配变台区确定模块400，用于若所述待识别用户未处于所述重叠区域，则根据所述待识别用户的空间位置信息确定所述待识别用户所属的配变台区；
所述第二配变台区确定模块500，用于若所述待识别用户处于所述重叠区域，则获取所述待识别用户的电压信息和所述待识别用户的功率信息，以及每个所述相关变压器的电压信息和每个所述相关变压器的功率信息；根据所述待识别用户的电压信息、所述待识别用户的功率信息、每个所述相关变压器的电压信息和每个所述相关变压器的功率信息确定所述待识别用户所属的配变台区。
在一个实施例中，所述重叠区域确定模块300包括：
获取每个所述相关变压器的台区的空间位置信息；
根据所述相关变压器的台区的空间位置信息，分别以每个所述相关变压器为中心，以预设半径为半径定义多个辐射区域；
获取所述多个辐射区域的重叠位置，得到所述重叠区域。
在一个实施例中，所述第二配变台区确定模块500包括：
基于k均值聚类算法，根据所述待识别用户的电压信息和所述相关变压器的电压信息，确定所述待识别用户所属的配变台区；
若所述待识别用户所属的配变台区数量为多个，则基于主成分分析算法，根据所述待识别用户的功率信息和所述相关变压器的功率信息，确定所述待识别用户所属的配变台区。
在一个实施例中，所述待识别用户的电压信息包括多个时间点采集的多个采样电压值，所述相关变压器的电压信息包括多个时间点采集的多个采样电压值，所述基于k均值聚类算法，根据所述待识别用户的电压信息和所述相关变压器的电压信息，确定所述待识别用户所属的配变台区，包括：
根据所述待识别用户的多个采样电压值建立所述待识别用户的电压特征序列；
根据各所述相关变压器的多个采样电压值建立各所述相关变压器的电压特征序列；
以各所述相关变压器的电压特征序列为聚类中心，对所述待识别用户的电压特征序列进行聚类运算，确定所述待识别用户所属的配变台区。
在一个实施例中，所述基于主成分分析算法，根据所述待识别用户的功率信息和所述相关变压器的功率信息，确定所述待识别用户所属的配变台区，包括：
根据所述待识别用户的功率信息和所述相关变压器的功率信息，通过主成分分析算法计算所述待识别用户的功率信息和所述相关变压器的功率信息的关联矩阵；
根据所述关联矩阵确定所述待识别用户所属的配变台区。
在一个实施例中，所述装置还包括：
监测装置600，用于监测配电网拓扑是否发生改变；若所述配电网拓扑发生改变，返回执行步骤S40-S60。
在一个实施例中，所述监测配电网拓扑是否发生改变，包括：
利用时间序列分割时间窗口；
获取分割后的时间窗口内，所述待识别用户的电压信息，得到所述待识别用户的电压变化曲线；
基于动态时间归整算法，监测所述待识别用户的电压变化曲线是否发生改变；
若所述待识别用户的电压变化曲线发生改变，则所述配电网拓扑发生改变；
若所述待识别用户的电压变化曲线未发生改变，则所述配电网拓扑未发生改变。
关于所述配电网拓扑识别装置10的具体限定可以参见上文中对于配电网拓扑识别方法的限定，在此不再赘述。上述配电网拓扑识别装置10中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，所述处理器执行计算机程序时实现以下步骤：
S10，获取待识别用户的空间位置信息；
S20，根据所述待识别用户的空间位置信息，确定所述待识别用户的多个相关变压器，其中，所述相关变压器是指在与所述待识别用户的空间距离不超过预设距离阈值的变压器；
S30，确定所述多个相关变压器的台区的重叠区域；
S40，若所述待识别用户未处于所述重叠区域，则根据所述待识别用户的空间位置信息确定所述待识别用户所属的配变台区；
S50，若所述待识别用户处于所述重叠区域，则获取所述待识别用户的电压信息和所述待识别用户的功率信息，以及每个所述相关变压器的电压信息和每个所述相关变压器的功率信息；
S60，根据所述待识别用户的电压信息、所述待识别用户的功率信息、每个所述相关变压器的电压信息和每个所述相关变压器的功率信息确定所述待识别用户所属的配变台区。
在一个实施例中，S30包括：
获取每个所述相关变压器的台区的空间位置信息；
根据所述相关变压器的台区的空间位置信息，分别以每个所述相关变压器为中心，以预设半径为半径定义多个辐射区域，其中，所述预设半径大于所述多个相关变压器的配变距离中的最大值；
获取所述多个辐射区域的重叠位置，得到所述重叠区域。
在一个实施例中，S60包括：
基于k均值聚类算法，根据所述待识别用户的电压信息和所述相关变压器的电压信息，确定所述待识别用户所属的配变台区；
若所述待识别用户所属的配变台区数量为多个，则基于主成分分析算法，根据所述待识别用户的功率信息和所述相关变压器的功率信息，确定所述待识别用户所属的配变台区。
在一个实施例中，所述待识别用户的电压信息包括多个时间点采集的多个采样电压值，所述相关变压器的电压信息包括多个时间点采集的多个采样电压值，所述基于k均值聚类算法，根据所述待识别用户的电压信息和所述相关变压器的电压信息，确定所述待识别用户所属的配变台区，包括：
根据所述待识别用户的多个采样电压值建立所述待识别用户的电压特征序列；
根据各所述相关变压器的多个采样电压值建立各所述相关变压器的电压特征序列；
以各所述相关变压器的电压特征序列为聚类中心，对所述待识别用户的电压特征序列进行聚类运算，确定所述待识别用户所属的配变台区。
在一个实施例中，所述基于主成分分析算法，根据所述待识别用户的功率信息和所述相关变压器的功率信息，确定所述待识别用户所属的配变台区，包括：
根据所述待识别用户的功率信息和所述相关变压器的功率信息，通过主成分分析算法计算所述待识别用户的功率信息和所述相关变压器的功率信息的关联矩阵；
根据所述关联矩阵确定所述待识别用户所属的配变台区。
在一个实施例中，所述方法还包括：
监测配电网拓扑是否发生改变；
若所述配电网拓扑发生改变，返回执行步骤S40-S60。
在一个实施例中，所述监测配电网拓扑是否发生改变，包括：
利用时间序列分割时间窗口；
获取分割后的时间窗口内，所述待识别用户的电压信息，得到所述待识别用户的电压变化曲线；
基于动态时间归整算法，监测所述待识别用户的电压变化曲线是否发生改变；
若所述待识别用户的电压变化曲线发生改变，则所述配电网拓扑发生改变；
若所述待识别用户的电压变化曲线未发生改变，则所述配电网拓扑未发生改变。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
S10，获取待识别用户的空间位置信息；
S20，根据所述待识别用户的空间位置信息，确定所述待识别用户的多个相关变压器，其中，所述相关变压器是指与所述待识别用户的空间距离不超过预设距离阈值的变压器；
S30，确定所述多个相关变压器的台区的重叠区域；
S40，若所述待识别用户未处于所述重叠区域，则根据所述待识别用户的空间位置信息确定所述待识别用户所属的配变台区；
S50，若所述待识别用户处于所述重叠区域，则获取所述待识别用户的电压信息和所述待识别用户的功率信息，以及每个所述相关变压器的电压信息和每个所述相关变压器的功率信息；
S60，根据所述待识别用户的电压信息、所述待识别用户的功率信息、每个所述相关变压器的电压信息和每个所述相关变压器的功率信息确定所述待识别用户所属的配变台区。
在一个实施例中，S30包括：
获取每个所述相关变压器的台区的空间位置信息；
根据所述相关变压器的台区的空间位置信息，分别以每个所述相关变压器为中心，以预设半径为半径定义多个辐射区域，其中，所述预设半径大于所述多个相关变压器的配变距离中的最大值；
获取所述多个辐射区域的重叠位置，得到所述重叠区域。
在一个实施例中，S60包括：
基于k均值聚类算法，根据所述待识别用户的电压信息和所述相关变压器的电压信息，确定所述待识别用户所属的配变台区；
若所述待识别用户所属的配变台区数量为多个，则基于主成分分析算法，根据所述待识别用户的功率信息和所述相关变压器的功率信息，确定所述待识别用户所属的配变台区。
在一个实施例中，所述待识别用户的电压信息包括多个时间点采集的多个采样电压值，所述相关变压器的电压信息包括多个时间点采集的多个采样电压值，所述基于k均值聚类算法，根据所述待识别用户的电压信息和所述相关变压器的电压信息，确定所述待识别用户所属的配变台区，包括：
根据所述待识别用户的多个采样电压值建立所述待识别用户的电压特征序列；
根据各所述相关变压器的采样点电压值建立各所述相关变压器的电压特征序列；
以各所述相关变压器的电压特征序列为聚类中心，对所述待识别用户的电压特征序列进行聚类运算，确定所述待识别用户所属的配变台区。
在一个实施例中，所述基于主成分分析算法，根据所述待识别用户的功率信息和所述相关变压器的功率信息，确定所述待识别用户所属的配变台区，包括：
根据所述待识别用户的功率信息和所述相关变压器的功率信息，通过主成分分析算法计算所述待识别用户的功率信息和所述相关变压器的功率信息的关联矩阵；
根据所述关联矩阵确定所述待识别用户所属的配变台区。
在一个实施例中，所述方法还包括：
监测配电网拓扑是否发生改变；
若所述配电网拓扑发生改变，返回执行步骤S40-S60。
在一个实施例中，所述监测配电网拓扑是否发生改变，包括：
利用时间序列分割时间窗口；
获取分割后的时间窗口内，所述待识别用户的电压信息，得到所述待识别用户的电压变化曲线；
基于动态时间归整算法，监测所述待识别用户的电压变化曲线是否发生改变；
若所述待识别用户的电压变化曲线发生改变，则所述配电网拓扑发生改变；
若所述待识别用户的电压变化曲线未发生改变，则所述配电网拓扑未发生改变。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种配电网拓扑识别方法，其特征在于，所述方法包括：
S10，获取待识别用户的空间位置信息；
S20，根据所述待识别用户的空间位置信息，确定所述待识别用户的多个相关变压器，其中，所述相关变压器是指与所述待识别用户的空间距离不超过预设距离阈值的变压器；
S30，确定所述多个相关变压器的台区的重叠区域；
S40，若所述待识别用户未处于所述重叠区域，则根据所述待识别用户的空间位置信息确定所述待识别用户所属的配变台区；
S50，若所述待识别用户处于所述重叠区域，则获取所述待识别用户的电压信息和所述待识别用户的功率信息，以及每个所述相关变压器的电压信息和每个所述相关变压器的功率信息；
S60，根据所述待识别用户的电压信息、所述待识别用户的功率信息、每个所述相关变压器的电压信息和每个所述相关变压器的功率信息确定所述待识别用户所属的配变台区。
2.根据权利要求1所述的方法，其特征在于，S30包括：
获取每个所述相关变压器的台区的空间位置信息；
根据所述相关变压器的台区的空间位置信息，分别以每个所述相关变压器为中心，以预设半径为半径定义多个辐射区域，其中，所述预设半径大于所述多个相关变压器的配变距离中的最大值；
获取所述多个辐射区域的重叠位置，得到所述重叠区域。
3.根据权利要求1所述的方法，其特征在于，S60包括：
基于k均值聚类算法，根据所述待识别用户的电压信息和所述相关变压器的电压信息，确定所述待识别用户所属的配变台区；
若所述待识别用户所属的配变台区数量为多个，则基于主成分分析算法，根据所述待识别用户的功率信息和所述相关变压器的功率信息，确定所述待识别用户所属的配变台区。
4.根据权利要求3所述的方法，其特征在于，所述待识别用户的电压信息包括多个时间点采集的多个采样电压值，所述相关变压器的电压信息包括多个时间点采集的多个采样电压值，所述基于k均值聚类算法，根据所述待识别用户的电压信息和所述相关变压器的电压信息，确定所述待识别用户所属的配变台区，包括：
根据所述待识别用户的多个采样电压值建立所述待识别用户的电压特征序列；
根据各所述相关变压器的多个采样电压值建立各所述相关变压器的电压特征序列；
以各所述相关变压器的电压特征序列为聚类中心，对所述待识别用户的电压特征序列进行聚类运算，确定所述待识别用户所属的配变台区。
5.根据权利要求3所述的方法，其特征在于，所述基于主成分分析算法，根据所述待识别用户的功率信息和所述相关变压器的功率信息，确定所述待识别用户所属的配变台区，包括：
根据所述待识别用户的功率信息和所述相关变压器的功率信息，通过主成分分析算法计算所述待识别用户的功率信息和所述相关变压器的功率信息的关联矩阵；
根据所述关联矩阵确定所述待识别用户所属的配变台区。
6.根据权利要求1所述的方法，其特征在于，所述方法还包括：
监测配电网拓扑是否发生改变；
若所述配电网拓扑发生改变，返回执行步骤S40-S60。
7.根据权利要求6所述的方法，其特征在于，所述监测配电网拓扑是否发生改变，包括：
利用时间序列分割时间窗口；
获取分割后的时间窗口内，所述待识别用户的电压信息，得到所述待识别用户的电压变化曲线；
基于动态时间归整算法，监测所述待识别用户的电压变化曲线是否发生改变；
若所述待识别用户的电压变化曲线发生改变，则所述配电网拓扑发生改变；
若所述待识别用户的电压变化曲线未发生改变，则所述配电网拓扑未发生改变。
8.一种配电网拓扑识别装置，其特征在于，所述装置包括：
信息获取模块，用于获取待识别用户的空间位置信息；
相关变压器确定模块，用于根据所述待识别用户的空间位置信息，确定所述待识别用户的多个相关变压器，其中，所述相关变压器是指与所述待识别用户的空间距离不超过预设距离阈值的变压器；
重叠区域确定模块，用于确定多个所述相关变压器的台区的重叠区域；
第一配变台区确定模块，用于若所述待识别用户未处于所述重叠区域，则根据所述待识别用户的空间位置信息确定所述待识别用户所属的配变台区；
第二配变台区确定模块，用于若所述待识别用户处于所述重叠区域，则获取所述待识别用户的电压信息和所述待识别用户的功率信息，以及每个所述相关变压器的电压信息和每个所述相关变压器的功率信息；根据所述待识别用户的电压信息、所述待识别用户的功率信息、每个所述相关变压器的电压信息和每个所述相关变压器的功率信息确定所述待识别用户所属的配变台区。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910801446.7A CN110492480B (zh) | 2019-08-28 | 2019-08-28 | 配电网拓扑识别方法、装置、计算机设备和可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910801446.7A CN110492480B (zh) | 2019-08-28 | 2019-08-28 | 配电网拓扑识别方法、装置、计算机设备和可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110492480A true CN110492480A (zh) | 2019-11-22 |
| CN110492480B CN110492480B (zh) | 2021-02-02 |
Family
ID=68554874
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910801446.7A Active CN110492480B (zh) | 2019-08-28 | 2019-08-28 | 配电网拓扑识别方法、装置、计算机设备和可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110492480B (zh) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111273126A (zh) * | 2020-01-20 | 2020-06-12 | 湖南大学 | 一种配电网拓扑快速感知方法 |
| 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 |
| CN112054557A (zh) * | 2020-09-07 | 2020-12-08 | 上海交通大学 | 一种基于随机矩阵理论的配电网络拓扑变化类型识别方法 |
| CN112488478A (zh) * | 2020-11-24 | 2021-03-12 | 中能新电(浙江)电力发展有限公司 | 一种用于低压台区拓扑识别方法、装置及储存介质 |
| CN112562038A (zh) * | 2020-12-22 | 2021-03-26 | 广东电网有限责任公司茂名供电局 | 一种基于聚类分析的低压配电网图形生成方法 |
| CN112803406A (zh) * | 2021-03-09 | 2021-05-14 | 杭州电力设备制造有限公司 | 配电变压器位置容量优化方法、装置、设备和存储介质 |
| CN113572164A (zh) * | 2021-08-06 | 2021-10-29 | 国网四川省电力公司营销服务中心 | 一种基于k-means聚类分析的配电网台区识别方法 |
| CN113656937A (zh) * | 2021-07-06 | 2021-11-16 | 北京智芯微电子科技有限公司 | 用于识别电力设备拓扑的方法、装置、存储介质及处理器 |
| WO2021253806A1 (zh) * | 2020-06-16 | 2021-12-23 | 华南理工大学 | 一种基于电压关联特性的低压台区相户关系识别方法 |
| EP4050350A1 (en) * | 2021-02-27 | 2022-08-31 | Hitachi Energy Switzerland AG | Determination of phase connections in a power grid |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108054755A (zh) * | 2017-12-26 | 2018-05-18 | 广州市捷信通科技发展有限公司 | 一种基于k最近邻分类算法的配电网拓扑结构校验方法 |
| CN108964034A (zh) * | 2018-07-17 | 2018-12-07 | 国网四川省电力公司电力科学研究院 | 一种台区拓扑辨识方法 |
| 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 |
| 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 |
| CN109325545A (zh) * | 2018-10-16 | 2019-02-12 | 南方电网科学研究院有限责任公司 | 低压配电网拓扑结构校验方法、装置、设备及存储介质 |
-
2019
- 2019-08-28 CN CN201910801446.7A patent/CN110492480B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108054755A (zh) * | 2017-12-26 | 2018-05-18 | 广州市捷信通科技发展有限公司 | 一种基于k最近邻分类算法的配电网拓扑结构校验方法 |
| CN108964034A (zh) * | 2018-07-17 | 2018-12-07 | 国网四川省电力公司电力科学研究院 | 一种台区拓扑辨识方法 |
| CN109325545A (zh) * | 2018-10-16 | 2019-02-12 | 南方电网科学研究院有限责任公司 | 低压配电网拓扑结构校验方法、装置、设备及存储介质 |
| 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 |
| 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 |
Cited By (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111273126B (zh) * | 2020-01-20 | 2021-01-29 | 湖南大学 | 一种配电网拓扑快速感知方法 |
| CN111273126A (zh) * | 2020-01-20 | 2020-06-12 | 湖南大学 | 一种配电网拓扑快速感知方法 |
| 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 |
| 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 |
| WO2021253806A1 (zh) * | 2020-06-16 | 2021-12-23 | 华南理工大学 | 一种基于电压关联特性的低压台区相户关系识别方法 |
| CN112054557A (zh) * | 2020-09-07 | 2020-12-08 | 上海交通大学 | 一种基于随机矩阵理论的配电网络拓扑变化类型识别方法 |
| CN112054557B (zh) * | 2020-09-07 | 2021-12-28 | 上海交通大学 | 一种基于随机矩阵理论的配电网络拓扑变化类型识别方法 |
| CN112488478A (zh) * | 2020-11-24 | 2021-03-12 | 中能新电(浙江)电力发展有限公司 | 一种用于低压台区拓扑识别方法、装置及储存介质 |
| CN112562038A (zh) * | 2020-12-22 | 2021-03-26 | 广东电网有限责任公司茂名供电局 | 一种基于聚类分析的低压配电网图形生成方法 |
| EP4050350A1 (en) * | 2021-02-27 | 2022-08-31 | Hitachi Energy Switzerland AG | Determination of phase connections in a power grid |
| JP2022132275A (ja) * | 2021-02-27 | 2022-09-08 | ヒタチ・エナジー・スウィツァーランド・アクチェンゲゼルシャフト | 電力グリッドにおける相接続の決定 |
| JP7448745B2 (ja) | 2021-02-27 | 2024-03-13 | ヒタチ・エナジー・リミテッド | 電力グリッドにおける相接続の決定 |
| CN112803406A (zh) * | 2021-03-09 | 2021-05-14 | 杭州电力设备制造有限公司 | 配电变压器位置容量优化方法、装置、设备和存储介质 |
| CN113656937A (zh) * | 2021-07-06 | 2021-11-16 | 北京智芯微电子科技有限公司 | 用于识别电力设备拓扑的方法、装置、存储介质及处理器 |
| CN113572164A (zh) * | 2021-08-06 | 2021-10-29 | 国网四川省电力公司营销服务中心 | 一种基于k-means聚类分析的配电网台区识别方法 |
| CN113572164B (zh) * | 2021-08-06 | 2023-08-29 | 国网四川省电力公司营销服务中心 | 一种基于k-means聚类分析的配电网台区识别方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110492480B (zh) | 2021-02-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110492480A (zh) | 配电网拓扑识别方法、装置、计算机设备和可读存储介质 | |
| CN112417273B (zh) | 区域画像图生成方法、装置、计算机设备及存储介质 | |
| WO2018107993A1 (zh) | 一种虚假地址信息识别的方法及装置 | |
| CN112990976B (zh) | 基于开源数据挖掘的商业网点选址方法、系统、设备及介质 | |
| CN106488400B (zh) | 生成地理围栏的方法及装置 | |
| Wang et al. | Comparative performance of logistic regression and survival analysis for detecting spatial predictors of land-use change | |
| CN109756842B (zh) | 基于注意力机制的无线室内定位方法及系统 | |
| CN108984785A (zh) | 一种基于历史数据和增量的指纹库的更新方法及装置 | |
| CN110020144B (zh) | 一种推荐模型建立方法及其设备、存储介质、服务器 | |
| CN105307121A (zh) | 一种信息处理方法及装置 | |
| CN109886554A (zh) | 违规行为判别方法、装置、计算机设备和存储介质 | |
| CN111639092B (zh) | 一种人员流动分析方法、装置、电子设备及存储介质 | |
| WO2023050534A1 (zh) | 轨道交通站点设备能耗预测方法、装置、设备和存储介质 | |
| CN109769210A (zh) | 用户活动区域相似度判断方法、装置、计算机设备 | |
| CN109635056A (zh) | 用电地址数据处理方法、装置、计算机设备和存储介质 | |
| CN109991591A (zh) | 基于深度学习的定位方法、装置、计算机设备及存储介质 | |
| CN111537884A (zh) | 获取动力电池寿命数据的方法、装置、计算机设备及介质 | |
| CN110147903A (zh) | 用于预测景区的客流量的方法、系统及存储介质 | |
| CN106488401B (zh) | 生成无缝相邻的地理围栏的方法及装置 | |
| CN106470435B (zh) | 识别WiFi群的方法及系统 | |
| CN110046093A (zh) | 接口测试方法、装置、计算机设备和存储介质 | |
| CN114077912A (zh) | 数据预测方法以及数据预测装置 | |
| CN114049463A (zh) | 一种二叉树的数据网格化、网格点数据的获取方法及装置 | |
| CN111126422A (zh) | 行业模型的建立及行业的确定方法、装置、设备及介质 | |
| CN108882191A (zh) | 对象定位方法、装置、计算机设备和存储介质 |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20200922 Address after: 510620 Tianhe District, Guangzhou, Tianhe South Road, No. two, No. 2, No. Applicant after: Guangzhou Power Supply Bureau of Guangdong Power Grid Co.,Ltd. Address before: 510620 Tianhe District, Guangzhou, Tianhe South Road, No. two, No. 2, No. Applicant before: GUANGZHOU POWER SUPPLY Co.,Ltd. |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |