CN110687361A - 一种用于识别低压配网台区相序的方法及系统 - Google Patents
一种用于识别低压配网台区相序的方法及系统 Download PDFInfo
- Publication number
- CN110687361A CN110687361A CN201910892682.4A CN201910892682A CN110687361A CN 110687361 A CN110687361 A CN 110687361A CN 201910892682 A CN201910892682 A CN 201910892682A CN 110687361 A CN110687361 A CN 110687361A
- Authority
- CN
- China
- Prior art keywords
- data
- electric energy
- energy meter
- distribution network
- low
- 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.)
- Pending
Links
- 238000000819 phase cycle Methods 0.000 title claims abstract description 66
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000004458 analytical method Methods 0.000 claims abstract description 19
- 230000002159 abnormal effect Effects 0.000 claims description 14
- 238000009499 grossing Methods 0.000 claims description 13
- 238000007621 cluster analysis Methods 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 4
- 230000005611 electricity Effects 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000010749 BS 2869 Class C1 Substances 0.000 description 1
- 239000010750 BS 2869 Class C2 Substances 0.000 description 1
- 238000010220 Pearson correlation analysis Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000009545 invasion Effects 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R29/00—Arrangements for measuring or indicating electric quantities not covered by groups G01R19/00 - G01R27/00
- G01R29/18—Indicating phase sequence; Indicating synchronism
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种用于识别低压配网台区相序的方法及系统,属于数据处理技术领域。本发明方法,包括:获取低压配网台区信息数据,选取完整数据作为目标日数据;获取多类别聚类数据曲线,根据目标日数据中电能表总表或电能表3相表的电压数据与所述多类别聚类数据曲线的相似度,确定多类别聚类数据曲线对于低压配网台区相序属性。本发明能有效提高对不同供电用户的电能表相序识别的准确率,选取密度聚类这一分析方法不仅能增加相序识别的准确率,同时也能提高户变关系的正确率。
Description
技术领域
本发明涉及数据处理技术领域,并且更具体地,涉及一种用于识别低压配网台区相序的方法及系统。
背景技术
当前电力系统市场化的发展趋势要求线损进行精细化管理,尤其是低压用户的用电管理具有更大提升空间。由于近年来大规模电网改造,城市改造和线路故障等,新增的许多变压器和用电线路,加上存在一些低压用户窃电、私自架设供电线路等情况,使得供电单位在低压用户管理方面存在一些漏洞;而在实际管理过程中,由于当前电能终端只能读取电能表数据和相关时间,无法知道所抄电能表是由哪个台区供电,接在哪一相序上。因此供电单位无法统计出每台变压器供电用户所在电能表的总用电量、各相序的用电量,也无法计算清楚每台变压器的供电损耗,三相电能是否平衡等。要查清每一线路,必须沿着配电线路实地逐条逐段进行勘察,甚至需要停电配合,这将导致非常大的工作量。要解决以上这些问题,就需要一种能识别该线路所在变压器台区编号的方法,同时能判定具体在哪一相序上。因此,自动识别户变关系和相序识别,能为生产部门开展台区智能运检和营配协同提供有力支撑。
目前实现这一目标的技术中只有借助数据分析方法不需要额外增加成本,而且无任何侵害性,有利于大面积推广。具体的数据分析方法包括相关系数法、k-均值聚类方法。但这两种方法在实际应用中都存在准确率不高的情况。究其原因是因为这两种方法都需要将各分表的曲线与某个基准曲线进行一对一的相似度匹配,而实际用电线路上各测量点的电压曲线是随着线路距离增大导致曲线之间相似度逐渐衰减的现象。因此,一对一的相似度匹配方法对导致分类结果的精确性下降。因此该方法仍存在一定的技术缺陷。
发明内容
针对上述问题,本发明提出了一种用于识别低压配网台区相序的方法,包括:
1、一种用于识别低压配网台区相序的方法,所述方法包括:
获取低压配网台区信息数据,获取信息数据的空缺率和完整率,根据空缺率删除预设范围内的数据,进而根据完整率选取完整数据作为目标日数据;
获取多类别聚类数据曲线,根据目标日数据中电能表总表或电能表3相表的电压数据与所述多类别聚类数据曲线的相似度,确定多类别聚类数据曲线对于低压配网台区相序属性。
可选的,信息数据包括:电能表总表编号、测量点编号、电能表总表的相序、电能表3相表的相序、电能表总表和电能表分表的预设点日电压数据和采集时间。
可选的,预设点为96点或24点。
可选的,方法还包括:低压配网台区相序属性与历史低压配网台区信息数据进行比对,核查结果不一致的电能表。
可选的,方法还包括:当确定目标日数据为非完整数据时,对删除空缺率后信息数据确定电压异常数据,对电压异常数据进行平滑处理,平滑处理后进行数据填充,获取目标日数据。
可选的,完整数据为低压配网台区所有用户任意一日的日数据。
可选的,n小于或等于9。
可选的,预设范围为空缺率大于或等于30%。
可选的,多类别聚类数据曲线是对目标日数据进行DBSCAN聚类分析获取,所述对目标日数据进行DBSCAN聚类分析,具体包括:设置搜索半径ε及最小对象数目M,调整搜索半径ε及最小对象数目M,使搜索半径ε及最小对象数目M能聚为3类或3的n倍类。
可选的,低压配网台区相序属性是对所述聚类数据曲线与电能表总表或电能表3相表的电压数据进行匹配确定。
本发明还一种用于识别低压配网台区相序的系统,所述系统包括:
筛选模块,获取低压配网台区信息数据,获取信息数据的空缺率和完整率,根据空缺率删除预设范围内的数据,进而根据完整率选取完整数据作为目标日数据;
识别模块,获取多类别聚类数据曲线,根据目标日数据中电能表总表或电能表3相表的电压数据与所述多类别聚类数据曲线的相似度,确定多类别聚类数据曲线对于低压配网台区相序属性。
可选的,信息数据包括:电能表总表编号、测量点编号、电能表总表的相序、电能表3相表的相序、电能表总表和电能表分表的预设点日电压数据和采集时间。
可选的,预设点为96点或24点。
可选的,系统还包括:比对模块,低压配网台区相序属性与历史低压配网台区信息数据进行比对,核查结果不一致的电能表。
可选的,系统还包括:判断模块,当确定目标日数据为非完整数据时,对删除空缺率后信息数据确定电压异常数据,对电压异常数据进行平滑处理,平滑处理后进行数据填充,获取目标日数据。
可选的,完整数据为低压配网台区所有用户任意一日的日数据。
可选的,n小于或等于9。
可选的,预设范围为空缺率大于或等于30%。
可选的,多类别聚类数据曲线是对目标日数据进行DBSCAN聚类分析获取,所述对目标日数据进行DBSCAN聚类分析,具体包括:设置搜索半径ε及最小对象数目M,调整搜索半径ε及最小对象数目M,使搜索半径ε及最小对象数目M能聚为3类或3的n倍类。
可选的,低压配网台区相序属性是对所述聚类数据曲线与电能表总表或电能表3相表的电压数据进行匹配确定。
本发明的解决了低压配网台区内所有供电用户的电能表究竟对应哪些线路相序及其所在的台区变压器编号的问题,仅通过无监督学习的数据分析方法就能自动识别户变关系和相序识别,能为生产部门开展台区智能运检和营配协同提供有力支撑。
本发明能有效提高对不同供电用户的电能表相序识别的准确率,选取密度聚类这一分析方法不仅能增加相序识别的准确率,同时也能提高户变关系的正确率。
本发明不仅能对未知档案的新用户电能表进行相序识别,还能智能矫正历史档案中存在的错误户变关系。
本发明仅利用电能表所采集的用电数据进行分析计算,相对于借助通信载波技术等其它相序识别分析方法,不需要增添任何硬件设备,属于便捷无损性分析技术。
附图说明
图1为本发明一种用于识别低压配网台区相序的方法流程图;
图2为本发明一种用于识别低压配网台区相序的方法效果图;
图3为本发明一种用于识别低压配网台区相序的系统结构图。
具体实施方式
现在参考附图介绍本发明的示例性实施方式,然而,本发明可以用许多不同的形式来实施,并且不局限于此处描述的实施例,提供这些实施例是为了详尽地且完全地公开本发明,并且向所属技术领域的技术人员充分传达本发明的范围。对于表示在附图中的示例性实施方式中的术语并不是对本发明的限定。在附图中,相同的单元/元件使用相同的附图标记。
除非另有说明,此处使用的术语(包括科技术语)对所属技术领域的技术人员具有通常的理解含义。另外,可以理解的是,以通常使用的词典限定的术语,应当被理解为与其相关领域的语境具有一致的含义,而不应该被理解为理想化的或过于正式的意义。
本发明提出了一种用于识别低压配网台区相序的方法,如图1所示,包括:
获取低压配网台区信息数据,对信息数据进行统计,获取信息数据的空缺率和完整率,根据空缺率删除预设范围为空缺率大于或等于30%内的数据,进而根据完整率选取完整数据作为目标日数据;
当确定目标日数据为非完整数据时,对删除空缺率后信息数据确定电压异常数据,对电压异常数据进行平滑处理,平滑处理后进行数据填充,获取目标日数据。
完整数据为低压配网台区所有用户任意一日的日数据。
所述信息数据包括:电能表总表编号、测量点编号、电能表总表的相序、电能表3相表的相序、电能表总表和电能表分表的预设点为96点或24点的日电压数据和采集时间。
对目标日数据进行DBSCAN(Density-Based Spatial Clustering ofApplications with Noise,具有噪声的基于密度的聚类方法)聚类分析,获取多类别聚类数据曲线;
对目标日数据进行DBSCAN聚类分析:具体包括:设置搜索半径ε及最小对象数目M,调整搜索半径ε及最小对象数目M,使搜索半径ε及最小对象数目M能聚为3类或3的n倍类,n小于或等于9。
聚类分析:数据曲线间差异程度抽象成一种距离来度量,曲线相似度高,则距离近,相似度低,则距离远,距离近的多,则密度大。
后面的搜索半径是指,一个曲线距离的设定,最小对象数目是半径内包括的曲线数目,也就是设定一个最小密度,高于这个密度的是核心对象,由各核心对象密度可达的区域集合构成不同簇类。
根据目标日数据中电能表总表或电能表3相表的电压数据与所述多类别聚类数据曲线的相似度,对所述聚类数据曲线与电能表总表或电能表3相表的电压数据进行匹配,确定多类别聚类数据曲线对于低压配网台区相序属性。
低压配网台区相序属性可与历史低压配网台区信息数据进行比对,核查结果不一致的电能表。
下面结合某区用电采集系统所采集某台区内连续多日内连续96点日电流电压数据,共有1个总表,6个3相表,324个单向表相序未知,因此共有1234条记录;
首先删除空缺率较高的行和列,剩余1021行89列数据,汇总统计数据完整率较高的日期,选取完整率最高的日期作2018-5-13日为目标分析日,共计356行89列数据,对这一数据集内所包含的所有空缺值使用近邻相似法进行数据填充;
对于明显的电压异常数据进行均值平滑处理;
对2018-5-13日的数据集进行预处理后,对该数据集内的日电压数据进行DBSCAN聚类分析,通过设置发现将搜索半径ε设置为4.5及最小对象数目minPts设置为5时,刚好能聚为3类;
从聚类所得的3类电压曲线中,每类各选1条典型曲线,分别与某一3相表的电压曲线数据进行Pearson相关分析,3条曲线C1,C2,C3与3相表A、B、C相序曲线的相似度分别如表1所述:
表1
识别结果 | C1类 | C2类 | C3类 |
A | 0.743 | 0.998 | 0.643 |
B | 0.996 | 0.852 | 0.713 |
C | 0.472 | 0.651 | 0.876 |
与依据最大相似度进行匹配,进而确定每类曲线对应的相序属性,结果如表2所示,效果图如图2所示:
表2
再通过同期内其他5个台区内的96点的电压数据,同时利用k-means算法和DBSCAN密度算法进行相位识别分析自动识别出台区分表所属相位信息,利用台区停电与现场核查,k-means算法分析准确率达95.2%,DBSCAN密度算法准确率达98.4%,具体如下表3所示:
表3
将分析后所识别的相序结果与历史档案数据进行对比分析,核查相序结果不一致的电能表,可发现历史档案中存在户变关系错误的用户记录以及异常用电用户,可反馈给相关业务人员进行校核和修正。
本发明还提出了一种用于识别低压配网台区相序的系统200,如图3所示,包括:
筛选模块201,获取低压配网台区信息数据,对信息数据进行统计,获取信息数据的空缺率和完整率,根据空缺率删除预设范围为空缺率大于或等于30%内的数据,进而根据完整率选取完整数据作为目标日数据;
信息数据包括:电能表总表编号、测量点编号、电能表总表的相序、电能表3相表的相序、电能表总表和电能表分表的预设点为96点或24点的日电压数据和采集时间。
判断模块204,当确定目标日数据为非完整数据时,对删除空缺率后信息数据确定电压异常数据,对电压异常数据进行平滑处理,平滑处理后进行数据填充,获取目标日数据。
完整数据为低压配网台区所有用户任意一日的日数据。
识别模块202,对目标日数据进行DBSCAN聚类分析,获取多类别聚类数据曲线,根据目标日数据中电能表总表或电能表3相表的电压数据与所述多类别聚类数据曲线的相似度,对所述聚类数据曲线与电能表总表或电能表3相表的电压数据进行匹配,确定多类别聚类数据曲线对于低压配网台区相序属性。
对目标日数据进行DBSCAN聚类分析具体包括:设置搜索半径ε及最小对象数目M,调整搜索半径ε及最小对象数目M,使搜索半径ε及最小对象数目M能聚为3类或3的n倍类,n小于或等于9。
比对模块203,低压配网台区相序属性可与历史低压配网台区信息数据进行比对,核查结果不一致的电能表。
本发明的解决了低压配网台区内所有供电用户的电能表究竟对应哪些线路相序及其所在的台区变压器编号的问题,仅通过无监督学习的数据分析方法就能自动识别户变关系和相序识别,能为生产部门开展台区智能运检和营配协同提供有力支撑。
本发明能有效提高对不同供电用户的电能表相序识别的准确率,选取密度聚类这一分析方法不仅能增加相序识别的准确率,同时也能提高户变关系的正确率。
本发明不仅能对未知档案的新用户电能表进行相序识别,还能智能矫正历史档案中存在的错误户变关系。
本发明仅利用电能表所采集的用电数据进行分析计算,相对于借助通信载波技术等其它相序识别分析方法,不需要增添任何硬件设备,属于便捷无损性分析技术。
Claims (20)
1.一种用于识别低压配网台区相序的方法,所述方法包括:
获取低压配网台区信息数据,获取信息数据的空缺率和完整率,根据空缺率删除预设范围内的数据,进而根据完整率选取完整数据作为目标日数据;
获取多类别聚类数据曲线,根据目标日数据中电能表总表或电能表3相表的电压数据与所述多类别聚类数据曲线的相似度,确定多类别聚类数据曲线对于低压配网台区相序属性。
2.根据权利要求1所述的方法,所述的信息数据包括:电能表总表编号、测量点编号、电能表总表的相序、电能表3相表的相序、电能表总表和电能表分表的预设点日电压数据和采集时间。
3.根据权利要求2所述的方法,所述的预设点为96点或24点。
4.根据权利要求1所述的方法,所述的方法,还包括:低压配网台区相序属性与历史低压配网台区信息数据进行比对,核查结果不一致的电能表。
5.根据权利要求1所述的方法,所述的方法,还包括:当确定目标日数据为非完整数据时,对删除空缺率后信息数据确定电压异常数据,对电压异常数据进行平滑处理,平滑处理后进行数据填充,获取目标日数据。
6.根据权利要求1所述的方法,所述的完整数据为低压配网台区所有用户任意一日的日数据。
7.根据权利要求1所述的方法,所述的n小于或等于9。
8.根据权利要求1所述的方法,所述的预设范围为空缺率大于或等于30%。
9.根据权利要求1所述的方法,所述的多类别聚类数据曲线是对目标日数据进行DBSCAN聚类分析获取,所述对目标日数据进行DBSCAN聚类分析,具体包括:设置搜索半径ε及最小对象数目M,调整搜索半径ε及最小对象数目M,使搜索半径ε及最小对象数目M能聚为3类或3的n倍类。
10.根据权利要求1所述的方法,所述的低压配网台区相序属性是对所述聚类数据曲线与电能表总表或电能表3相表的电压数据进行匹配确定。
11.一种用于识别低压配网台区相序的系统,所述系统包括:
筛选模块,获取低压配网台区信息数据,获取信息数据的空缺率和完整率,根据空缺率删除预设范围内的数据,进而根据完整率选取完整数据作为目标日数据;
识别模块,获取多类别聚类数据曲线,根据目标日数据中电能表总表或电能表3相表的电压数据与所述多类别聚类数据曲线的相似度,确定多类别聚类数据曲线对于低压配网台区相序属性。
12.根据权利要求11所述的系统,所述的信息数据包括:电能表总表编号、测量点编号、电能表总表的相序、电能表3相表的相序、电能表总表和电能表分表的预设点日电压数据和采集时间。
13.根据权利要求12所述的系统,所述的预设点为96点或24点。
14.根据权利要求11所述的系统,所述的系统,还包括:比对模块,低压配网台区相序属性与历史低压配网台区信息数据进行比对,核查结果不一致的电能表。
15.根据权利要求11所述的系统,所述的系统,还包括:判断模块,当确定目标日数据为非完整数据时,对删除空缺率后信息数据确定电压异常数据,对电压异常数据进行平滑处理,平滑处理后进行数据填充,获取目标日数据。
16.根据权利要求11所述的系统,所述的完整数据为低压配网台区所有用户任意一日的日数据。
17.根据权利要求11所述的系统,所述的n小于或等于9。
18.根据权利要求11所述的系统,所述的预设范围为空缺率大于或等于30%。
19.根据权利要求11所述的系统,所述的多类别聚类数据曲线是对目标日数据进行DBSCAN聚类分析获取,所述对目标日数据进行DBSCAN聚类分析,具体包括:设置搜索半径ε及最小对象数目M,调整搜索半径ε及最小对象数目M,使搜索半径ε及最小对象数目M能聚为3类或3的n倍类。
20.根据权利要求11所述的系统,所述的低压配网台区相序属性是对所述聚类数据曲线与电能表总表或电能表3相表的电压数据进行匹配确定。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910892682.4A CN110687361A (zh) | 2019-09-20 | 2019-09-20 | 一种用于识别低压配网台区相序的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910892682.4A CN110687361A (zh) | 2019-09-20 | 2019-09-20 | 一种用于识别低压配网台区相序的方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110687361A true CN110687361A (zh) | 2020-01-14 |
Family
ID=69109675
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910892682.4A Pending CN110687361A (zh) | 2019-09-20 | 2019-09-20 | 一种用于识别低压配网台区相序的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110687361A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111612056A (zh) * | 2020-05-16 | 2020-09-01 | 青岛鼎信通讯股份有限公司 | 一种基于模糊聚类和过零偏移的低压户变关系识别方法 |
CN112070118A (zh) * | 2020-08-06 | 2020-12-11 | 许继集团有限公司 | 基于数据聚类拟合分析的台区相序识别方法 |
CN112215482A (zh) * | 2020-09-29 | 2021-01-12 | 广东电网有限责任公司广州供电局 | 一种户变关系识别方法和装置 |
CN112348046A (zh) * | 2020-05-20 | 2021-02-09 | 南方电网数字电网研究院有限公司 | 电力设备定位方法、装置、计算机设备和存储介质 |
CN112485525A (zh) * | 2020-11-27 | 2021-03-12 | 中国电力科学研究院有限公司 | 一种变压器相位的识别方法及装置、设备、存储介质 |
CN112798878A (zh) * | 2021-02-25 | 2021-05-14 | 山东科汇电力自动化股份有限公司 | 一种基于电压同步比较的线路换位自动相序识别方法 |
CN113839384A (zh) * | 2021-09-24 | 2021-12-24 | 华南理工大学 | 基于矩阵补全的低压配电网相户关系识别方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018082523A1 (zh) * | 2016-11-02 | 2018-05-11 | 中国电力科学研究院有限公司 | 一种负荷周期的模式识别方法 |
CN108376982A (zh) * | 2017-11-24 | 2018-08-07 | 上海泰豪迈能能源科技有限公司 | 负载相序的识别方法及装置 |
CN108535599A (zh) * | 2018-04-16 | 2018-09-14 | 国网河南省电力公司电力科学研究院 | 基于电压曲线聚类分析的低压台区用户相位识别方法 |
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 |
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 |
CN110097297A (zh) * | 2019-05-21 | 2019-08-06 | 国网湖南省电力有限公司 | 一种多维度窃电态势智能感知方法、系统、设备及介质 |
-
2019
- 2019-09-20 CN CN201910892682.4A patent/CN110687361A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018082523A1 (zh) * | 2016-11-02 | 2018-05-11 | 中国电力科学研究院有限公司 | 一种负荷周期的模式识别方法 |
CN108376982A (zh) * | 2017-11-24 | 2018-08-07 | 上海泰豪迈能能源科技有限公司 | 负载相序的识别方法及装置 |
CN108535599A (zh) * | 2018-04-16 | 2018-09-14 | 国网河南省电力公司电力科学研究院 | 基于电压曲线聚类分析的低压台区用户相位识别方法 |
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 |
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 |
CN110097297A (zh) * | 2019-05-21 | 2019-08-06 | 国网湖南省电力有限公司 | 一种多维度窃电态势智能感知方法、系统、设备及介质 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111612056A (zh) * | 2020-05-16 | 2020-09-01 | 青岛鼎信通讯股份有限公司 | 一种基于模糊聚类和过零偏移的低压户变关系识别方法 |
CN112348046A (zh) * | 2020-05-20 | 2021-02-09 | 南方电网数字电网研究院有限公司 | 电力设备定位方法、装置、计算机设备和存储介质 |
CN112070118A (zh) * | 2020-08-06 | 2020-12-11 | 许继集团有限公司 | 基于数据聚类拟合分析的台区相序识别方法 |
CN112215482A (zh) * | 2020-09-29 | 2021-01-12 | 广东电网有限责任公司广州供电局 | 一种户变关系识别方法和装置 |
CN112485525A (zh) * | 2020-11-27 | 2021-03-12 | 中国电力科学研究院有限公司 | 一种变压器相位的识别方法及装置、设备、存储介质 |
CN112485525B (zh) * | 2020-11-27 | 2022-12-20 | 中国电力科学研究院有限公司 | 一种变压器相位的识别方法及装置、设备、存储介质 |
CN112798878A (zh) * | 2021-02-25 | 2021-05-14 | 山东科汇电力自动化股份有限公司 | 一种基于电压同步比较的线路换位自动相序识别方法 |
CN113839384A (zh) * | 2021-09-24 | 2021-12-24 | 华南理工大学 | 基于矩阵补全的低压配电网相户关系识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110687361A (zh) | 一种用于识别低压配网台区相序的方法及系统 | |
WO2022110557A1 (zh) | 一种台区户变关系异常诊断方法及装置 | |
CN108535599B (zh) | 基于电压曲线聚类分析的低压台区用户相位识别方法 | |
US11043808B2 (en) | Method for identifying pattern of load cycle | |
CN111505433B (zh) | 一种低压台区户变关系纠错及相位识别方法 | |
Wang et al. | Phase identification in electric power distribution systems by clustering of smart meter data | |
CN111061821B (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 | |
Li et al. | Development of low voltage network templates—Part I: Substation clustering and classification | |
CN110231528B (zh) | 基于负荷特征模型库的变压器户变异常识别方法及装置 | |
CN103678766B (zh) | 一种基于pso算法的异常用电客户检测方法 | |
WO2016008263A1 (zh) | 一种通过电压特征区分台区和相别的方法 | |
CN107340492A (zh) | 基于大数据挖掘和场景预判的电能计量装置故障分析方法 | |
CN109858522A (zh) | 一种基于数据挖掘的管理线损异常识别方法 | |
EP3968040A1 (en) | Abnormal electricity use recognition method and device, and computer readable storage medium | |
CN111080105A (zh) | 基于电压时序数据的台区户变关系识别方法及系统 | |
CN109444800B (zh) | 基于无线通信采集的台区识别方法 | |
CN113189418B (zh) | 一种基于电压数据的拓扑关系识别方法 | |
CN112257013A (zh) | 高损台区基于动态时间弯曲算法的窃电用户识别定位方法 | |
CN112510817A (zh) | 一种台区低压拓扑关系智能识别方法 | |
CN108428055A (zh) | 一种考虑负荷纵向特性的负荷聚类方法 | |
CN112258337A (zh) | 一种自我补全修正的基站能耗模型预测方法 | |
CN111091223B (zh) | 一种基于物联网智能感知技术的配变短期负荷预测方法 | |
CN112615428A (zh) | 一种线损分析治理系统及方法 | |
CN112182499B (zh) | 一种基于时序电量数据的低压配电网拓扑结构辨识方法 | |
CN112415304B (zh) | 基于低压台区电压数据曲线分群的线路识别方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200114 |