CN110826895A - 一种台区拓扑识别方法 - Google Patents
一种台区拓扑识别方法 Download PDFInfo
- Publication number
- CN110826895A CN110826895A CN201911053139.1A CN201911053139A CN110826895A CN 110826895 A CN110826895 A CN 110826895A CN 201911053139 A CN201911053139 A CN 201911053139A CN 110826895 A CN110826895 A CN 110826895A
- Authority
- CN
- China
- Prior art keywords
- area
- topology
- equipment
- concentrator
- identifying
- 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
- 238000000034 method Methods 0.000 title claims abstract description 24
- 230000008014 freezing Effects 0.000 claims abstract description 32
- 238000007710 freezing Methods 0.000 claims abstract description 32
- 238000009825 accumulation Methods 0.000 claims abstract description 11
- 238000004364 calculation method Methods 0.000 claims description 28
- 238000005070 sampling Methods 0.000 claims description 9
- 238000012216 screening Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 abstract description 6
- 230000009467 reduction Effects 0.000 abstract description 3
- 238000012544 monitoring process Methods 0.000 description 15
- 238000007726 management method Methods 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 7
- 230000002159 abnormal effect Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 230000005611 electricity Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000011161 development Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 238000013024 troubleshooting Methods 0.000 description 2
- 101100172719 Mus musculus Ces1e gene Proteins 0.000 description 1
- 101100065692 Mus musculus Ces3a gene Proteins 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- 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
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Development Economics (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (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拓扑识别方法，集中器和台区其他设备冻结数据，然后集中器采集自身和其他台区设备数据，先排除非本台区的用电设备后，再进行拓扑层级计算。本发明提供的台区拓扑识别方法，基于集中器的硬件性能提升，使用特征梯度匹配算法，对台区中的用电设备进行归属识别，再使用时段冻结电量累加和匹配算法，进行台区用电设备拓扑层级计算，实现电网台区用电设备拓扑识别，无需其他附属设备接入，有利于减少电网台区的台区拓扑识别成本，并可以实时计算线路损耗和问题分析，提升运营及管理效率。
Description
技术领域
本发明属于用电数据采集领域，具体涉及一种台区拓扑识别方法。
背景技术
2010年国家电网公司全面启动电力用户用电信息采集系统的建设，截至2018年，我国共安装5.54亿只智能电能表，其中国家电网有限公司供区4.74亿只，中国南方电网有限责任公司供区8000万只，用电信息采集系统覆盖了服务区内99.57％的用户。近年来，智能电表的功能越来越强大，可以采集的数据也越来越多，为电力智能化做出了卓越的贡献。但随着智能电表技术的发展，用电信息采集数据网络的滞后越来越成为智能电网发展的制约瓶颈。
台区变压器是电力能源到达用户所经过的最后一个变压器，不仅承担着将高压电变换为低压市电的能量变换任务，其附属集中器设备还承担着收集其供电范围内用户的用电信息任务，是能量和信息的双枢纽。
然而，随着用电负荷的不断增加导致电力设施的变动调整(如迁建、扩容、割接、布点等)，电网公司在多年的运营过程中会因为各种技术原因、管理不规范或权责调整等造成电表档案与实际不符，以及地缆供电用户的台区归属界定难以确定等台账错乱问题。(即：一台变压器到底给哪些用户供电，搞不清楚；某用户到底是由哪个变压器供电的，也搞不清楚；俗称台区变找不到电表，电表找不到台区变。)
准确的基础台账，是开展台区线损率分析、三相不平衡分析与治理、配网故障定位、抢修工单下发等等一系列高级应用的重要基础，国家电网公司称之为“营配贯通”，即营销系统和配网系统共用一套数据库，实现营配数据信息共享和业务优化协同运作。
国家电网公司近年来非常关注配网基础台账的梳理工作，已花费大量人力、物力、财力用于营配贯通。
用电管理部门为降耗减损，需要使用台区用户识别仪查清用户的台区和相别属性，为实现台区精细化管理提供真实准确的基础数据。传统的台区用户识别仪采用电力载波通信方式，它有两个明显缺点：在相邻台变共高压、共地、共电缆沟的情况下因为载波信号的串线很容易造成误判；电力载波信号是高频信号，衰减严重，距离长、线路干扰大的用户无法识别。
当前，在计量自动化采集系统的运营和管理中，对于台区的三相用电平衡、线路损耗计算以及线路异常故障，需要量化分析，实时监控及异常告警，原来的集中器、采集器的两层逻辑关系，在新的应用场景中，不能很好的表达故障节点、线路，使分析问题工作难度增加。因此迫切的需要一种实用的方法，来获取台区中各个用电设备在台区中具体的拓扑信息，方便问题定位和分析。
随着科技的进步和芯片技术的发展，采集管理设备的运行速度、存储空间和计算能力得到很大提升，集中器能够提供足够算力，进行边缘计算。
综合以上情况，在集中器本地进行数据采集和边缘计算，实现电网台区用电设备台区归属和拓扑识别功能。以便有效提高电力用户用电信息采集系统的稳定性、可靠性和可扩展性，对实现“全覆盖、全采集、全费控”目标具有重要意义。
发明内容
本发明的目的是提供一种台区拓扑识别方法，，在集中器中进行数据计算和结果匹配，对台区中其他用电设备进行台区拓扑识别。
低压台区拓扑关系识别后，可以实现：治理安全管理问题、台区精细化管理关键部分，是更加高效的应用采集系统数据不可或缺的一个环节。
同时，也可以具体实现基于拓扑识别的其他业务功能，包括：阻抗计算、线损精确测量和线路异常定位等。解决需要大量人员到现场排查，安全故障点、线损异常点等涉及线路本身故障的问题排查效率低，周期长成本高等问题。
为了实现上述目的，本发明采取的技术方案如下：
一种台区拓扑识别方法，集中器和台区其他设备冻结数据，然后集中器采集自身和其他台区设备数据，先排除非本台区的用电设备后，再进行拓扑层级计算。
进一步的，非本台区的用电设备排出使用电压相角特征匹配进行。
进一步的，拓扑层级计算使用时段冻结电量进行。
进一步的，集中器首先启动广播冻结命令，告知台区内的其他用电设备冻结时段特征数据和时段冻结电量；使用广播命令的目的是让台区内所有的设备尽可能在同一时间内启动冻结功能。
进一步的，集中器在冻结时间结束之后，采集自身交流采样单元中的时段特征数据和时段冻结电量。
进一步的，集中器同时采集台区中分支箱交流采样单元和表箱交流采样单元中冻结的时段特征数据和时段冻结电量。
进一步的，集中器和台区其他设备冻结数据，然后集中器采集并使用自身计算的特征值对台区档案内的其他设备采用特征梯度匹配算法进行特征梯度匹配，排除非本台区的用电设备；再采用时段冻结电量累加和匹配算法进行拓扑层级计算。
进一步的，特征梯度匹配算法和时段冻结电量累加和匹配算法包括以下步骤：
S10，集中器使用自身时段特征数据与台区其他设备的时段特征数据进行特征梯度匹配；
S20，台区有N个分支箱，每一个分支箱与集中器做一次梯度匹配计算，存在N个计算结果，将计算结果进行纵向比较；
在阈值范围内的，判断归属为本台区设备；不在阈值范围内的，判断归属不是本台区设备；
S30，使用标记在本台区的设备，进行时段冻结电量累加和匹配；
S40，在采集的数据中，抓取N个设备进行电量累加，并与需要比对的上一级节点的电量值进行相似度匹配，其中N为自然数；
S50，在电量值进行相似度匹配成功后，记录匹配成功的组合索引；
S60，对记录的组合索引进行二次筛选，把不满足逻辑关系的组合索引剔除，最终组合即为台区的拓扑关系。
进一步的，步骤S20中，对判断不是本台区的设备进行错误标记。
进一步的，步骤S60中，对不满足逻辑关系的组合索引进行错误标记。
与现有技术相比，本发明所取得的有益效果如下：
本发明与现有技术相比，本发明提供了一种算法，而不需要使用其他外部设备，通过人工的方式来实现台区拓扑识别，节省了大量的精力、物力、人力，也符合当前泛在电力物联网提出的物联网思想，是通过各类终端设备，把任何物品与互联网相连接，进行信息交换和通信，以实现对物品的智能化识别、定位、跟踪、监控和管理的一种网络。电力系统各环节，充分应用移动互联、人工智能等现代信息技术、先进通信技术，实现电力系统各环节万物互联、人机交互，具有状态全面感知、信息高效处理、应用便捷灵活特征的智慧服务系统。
本发明提供的台区拓扑识别方法，基于集中器的硬件性能提升，使用特征梯度匹配算法，对台区中的用电设备进行归属识别，再使用时段冻结电量累加和匹配算法，进行台区用电设备拓扑层级计算，实现电网台区用电设备拓扑识别，无需其他附属设备接入，有利于减少电网台区台区拓扑识别成本，并可以实时计算线路损耗和问题分析，提升运营及管理效率。
本发明识别的台区拓扑信息，为线路阻抗计算提供真实物理线路层级关系，使用已知的设备数据，可以实时计算线路阻抗，对异常情况集中器端就可以实时产生告警信息上报给主站，使用识别信息协助定位故障线路或故障点，方便运维人员及时处理现场问题。
附图说明
附图1是本发明的具体工作流程图；
附图2是本发明特征梯度匹配算法和时段冻结电量累加和匹配算法流程图；
附图3是本发明分支箱与集中器纵向比较示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本申请及其应用或使用的任何限制。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本申请的范围。同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为授权说明书的一部分。在这里示出和讨论的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它示例可以具有不同的值。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
在本申请的描述中，需要理解的是，方位词如“前、后、上、下、左、右”、“横向、竖向、垂直、水平”和“顶、底”等所指示的方位或位置关系通常是基于附图所示的方位或位置关系，仅是为了便于描述本申请和简化描述，在未作相反说明的情况下，这些方位词并不指示和暗示所指的装置或元件必须具有特定的方位或者以特定的方位构造和操作，因此不能理解为对本申请保护范围的限制；方位词“内、外”是指相对于各部件本身的轮廓的内外。
为了便于描述，在这里可以使用空间相对术语，如“在……之上”、“在……上方”、“在……上表面”、“上面的”等，用来描述如在图中所示的一个器件或特征与其他器件或特征的空间位置关系。应当理解的是，空间相对术语旨在包含除了器件在图中所描述的方位之外的在使用或操作中的不同方位。例如，如果附图中的器件被倒置，则描述为“在其他器件或构造上方”或“在其他器件或构造之上”的器件之后将被定位为“在其他器件或构造下方”或“在其他器件或构造之下”。因而，示例性术语“在……上方”可以包括“在……上方”和“在……下方”两种方位。该器件也可以其他不同方式定位(旋转90度或处于其他方位)，并且对这里所使用的空间相对描述作出相应解释。
此外，需要说明的是，使用“第一”、“第二”等词语来限定零部件，仅仅是为了便于对相应零部件进行区别，如没有另行声明，上述词语并没有特殊含义，因此不能理解为对本申请保护范围的限制。
本发明所要解决的是通过现有采集的数据、特征梯度匹配算法和时段冻结电量累加和匹配算法解决电网台区中用电设备拓扑关系识别的问题。
如图1所示，
一种台区拓扑识别方法，集中器和台区其他设备冻结数据，然后集中器采集自身和其他台区设备数据，先排除非本台区的用电设备后，再进行拓扑层级计算。
进一步的，非本台区的用电设备排出使用电压相角特征匹配进行。
进一步的，拓扑层级计算使用时段冻结电量进行。
进一步的，集中器首先启动广播冻结命令，告知台区内的其他用电设备冻结时段特征数据和时段冻结电量；使用广播命令的目的是让台区内所有的设备尽可能在同一时间内启动冻结功能。
进一步的，集中器在冻结时间结束之后，采集自身交流采样单元中的时段特征数据和时段冻结电量。
进一步的，集中器同时采集台区中分支箱交流采样单元和表箱交流采样单元中冻结的时段特征数据和时段冻结电量。
进一步的，集中器和台区其他设备冻结数据，然后集中器采集并使用自身计算的特征值对台区档案内的其他设备采用特征梯度匹配算法进行特征梯度匹配，排除非本台区的用电设备；再采用时段冻结电量累加和匹配算法进行拓扑层级计算。
如图2所示，特征梯度匹配算法和时段冻结电量累加和匹配算法包括以下步骤：
S10，集中器使用自身时段特征数据与台区其他设备的时段特征数据进行特征梯度匹配；
S20，如图3所示，台区有N个分支箱，每一个分支箱与集中器做一次梯度匹配计算，存在N个计算结果，将计算结果进行纵向比较；
在阈值范围内的，判断归属为本台区设备；不在阈值范围内的，判断归属不是本台区设备；
S30，使用标记在本台区的设备，进行时段冻结电量累加和匹配；
S40，在采集的数据中，抓取N个设备进行电量累加，并与需要比对的上一级节点的电量值进行相似度匹配，其中N为自然数；
S50，在电量值进行相似度匹配成功后，记录匹配成功的组合索引；
S60，对记录的组合索引进行二次筛选，把不满足逻辑关系的组合索引剔除，最终组合即为台区的拓扑关系。
进一步的，步骤S20中，对判断不是本台区的设备进行错误标记。
进一步的，步骤S60中，对不满足逻辑关系的组合索引进行错误标记。
本发明技术方案结合下述实施例对本发明作进一步详细说明。
1)电网台区中需配套安装分支计量监测单元和表箱计量监测单元(以下简称监测单元)，保证每一条线路和线路的端点，都有监测设备。
2)监测单元需要支持冻结时段特征数据和时段冻结电量，时段特征数据包括：广播冻结时段内电压有效值的差值(即电压有效值最大值与最小值的差值)、时段内电压越均值次数、时段内越均值时间占比等电压特征数据；时段冻结电量数据包括：广播冻结时段内检测单元采集的用正向有功电量、反向有功电量等数据。
3)集中器使用自身冻结的时段特征数据的各个分项数据与采集回来的监测单元的分项数据进行特征梯度匹配，计算结果在阀值内的，记为本台区设备，不在阀值内的，记为非本台区设备。对电网台区的所有设备梯度匹配后，可以得到所有本台区内的监测单元。
梯度匹配计算公式如下：
其中，Vsdiff为终端的特征数据，Vcdiff为设备的特征数据；
4)集中器对本台区的监测单元再进行拓扑层级计算，具体算法是：
假设三层拓扑网络层次识别，已知：
第一层监测单元为i个：
Energy＝Es1+Es2+Es3+···+Esi
第二层监测单元为j个：
Energy＝Es21+Es22+Es23+···+Esj
第三层监测单元为k个：
Energy＝Es31+Es32+Es33+···+Esk
即：
总时段电量等于第一层各检测单元的时段电量之和：
同上，总电量也等于各层所有监测单元的冻结电量之和：
使用拓扑层级计算，在Es1～Es3k中抓取n个，使得：
Energy＝Es1+Es2+Es3+···+Esn
···
其中，Energy为时段内总的电能量，Es1～i为第一层的各个设备时段内的电能量，Es21～Esj为第二层的各个设备时段内的电能量，Es31～Esk为第三层的各个设备时段内的电能量；
即：总时段电量E为层次1的各个分支箱的总时段电量之和。
本发明提供的算法不需要使用其他外部设备，通过人工的方式来实现台区拓扑识别，节省了大量的精力、物力、人力，也符合当前泛在电力物联网提出的物联网思想，是通过各类终端设备，把任何物品与互联网相连接，进行信息交换和通信，以实现对物品的智能化识别、定位、跟踪、监控和管理的一种网络。电力系统各环节，充分应用移动互联、人工智能等现代信息技术、先进通信技术，实现电力系统各环节万物互联、人机交互，具有状态全面感知、信息高效处理、应用便捷灵活特征的智慧服务系统。
本发明提供的台区拓扑识别方法，基于集中器的硬件性能提升，使用特征梯度匹配算法，对台区中的用电设备进行归属识别，再使用时段冻结电量累加和匹配算法，进行台区用电设备拓扑层级计算，实现电网台区用电设备拓扑识别，无需其他附属设备接入，有利于减少电网台区台区拓扑识别成本，并可以实时计算线路损耗和问题分析，提升运营及管理效率。
本发明识别的台区拓扑信息，为线路阻抗计算提供真实物理线路层级关系，使用已知的设备数据，可以实时计算线路阻抗，对异常情况集中器端就可以实时产生告警信息上报给主站，使用识别信息协助定位故障线路或故障点，方便运维人员及时处理现场问题。
以上所述实例表达了本发明的优选实施例，描述内容较为详细和具体，但并不仅仅局限于本发明；特别指出的是，对于本领域的研究人员或技术人员来讲，在不脱离本发明的结构之内，系统内部的局部改进和子系统之间的改动、变换等，均属于本发明的保护范围之内。
Claims (10)
1.一种台区拓扑识别方法，其特征在于：集中器和台区其他设备冻结数据，然后集中器采集自身和其他台区设备数据，先排除非本台区的用电设备后，再进行拓扑层级计算。
2.根据权利要求1所述的一种台区拓扑识别方法，其特征在于：非本台区的用电设备排出使用电压相角特征匹配进行。
3.根据权利要求2所述的一种台区拓扑识别方法，其特征在于：拓扑层级计算使用时段冻结电量进行。
4.根据权利要求3所述的一种台区拓扑识别方法，其特征在于：集中器首先启动广播冻结命令，告知台区内的其他用电设备冻结时段特征数据和时段冻结电量；使用广播命令的目的是让台区内所有的设备尽可能在同一时间内启动冻结功能。
5.根据权利要求4所述的一种台区拓扑识别方法，其特征在于：集中器在冻结时间结束之后，采集自身交流采样单元中的时段特征数据和时段冻结电量。
6.根据权利要求5所述的一种台区拓扑识别方法，其特征在于：集中器同时采集台区中分支箱交流采样单元和表箱交流采样单元中冻结的时段特征数据和时段冻结电量。
7.根据权利要求6所述的一种台区拓扑识别方法，其特征在于：集中器和台区其他设备冻结数据，然后集中器采集并使用自身计算的特征值对台区档案内的其他设备采用特征梯度匹配算法进行特征梯度匹配，排除非本台区的用电设备；再采用时段冻结电量累加和匹配算法进行拓扑层级计算。
8.根据权利要求7所述的一种台区拓扑识别方法，其特征在于：特征梯度匹配算法和时段冻结电量累加和匹配算法包括以下步骤：
S10，集中器使用自身时段特征数据与台区其他设备的时段特征数据进行特征梯度匹配；
S20，台区有N个分支箱，每一个分支箱与集中器做一次梯度匹配计算，存在N个计算结果，将计算结果进行纵向比较；
在阈值范围内的，判断归属为本台区设备；不在阈值范围内的，判断归属不是本台区设备；
S30，使用标记在本台区的设备，进行时段冻结电量累加和匹配；
S40，在采集的数据中，抓取N个设备进行电量累加，并与需要比对的上一级节点的电量值进行相似度匹配，其中N为自然数；
S50，在电量值进行相似度匹配成功后，记录匹配成功的组合索引；
S60，对记录的组合索引进行二次筛选，把不满足逻辑关系的组合索引剔除，最终组合即为台区的拓扑关系。
9.根据权利要求8所述的一种台区拓扑识别方法，其特征在于：步骤S20中，对判断不是本台区的设备进行错误标记。
10.根据权利要求8所述的一种台区拓扑识别方法，其特征在于：步骤S60中，对不满足逻辑关系的组合索引进行错误标记。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911053139.1A CN110826895B (zh) | 2019-10-31 | 2019-10-31 | 一种台区拓扑识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911053139.1A CN110826895B (zh) | 2019-10-31 | 2019-10-31 | 一种台区拓扑识别方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110826895A true CN110826895A (zh) | 2020-02-21 |
| CN110826895B CN110826895B (zh) | 2022-07-15 |
Family
ID=69551654
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911053139.1A Active CN110826895B (zh) | 2019-10-31 | 2019-10-31 | 一种台区拓扑识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110826895B (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111464366A (zh) * | 2020-04-21 | 2020-07-28 | 烟台东方威思顿电力设备有限公司 | 一种基于电量比对和地理定位的台区拓扑识别方法 |
| CN111741083A (zh) * | 2020-06-06 | 2020-10-02 | 李彩云 | 基于边缘计算和物联网的通信数据处理方法及云服务器 |
| CN111953072A (zh) * | 2020-08-13 | 2020-11-17 | 广东电科院能源技术有限责任公司 | 一种低压台区拓扑识别方法、装置、设备和存储介质 |
| CN112285467A (zh) * | 2020-10-19 | 2021-01-29 | 北京前景无忧电子科技有限公司 | 一种低压台区供电拓扑自动识别的方法 |
| CN112578211A (zh) * | 2020-12-17 | 2021-03-30 | 青岛启超微信息科技有限公司 | 一种台区开关拓扑识别设备及方法 |
| CN112950172A (zh) * | 2021-03-30 | 2021-06-11 | 山东卓文信息科技有限公司 | 一种台区拓扑识别方法 |
| CN113162033A (zh) * | 2021-04-07 | 2021-07-23 | 国网山东省电力公司营销服务中心(计量中心) | 基于冻结电流的配电网台区拓扑关系自动识别方法及系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100039977A1 (en) * | 2007-01-25 | 2010-02-18 | Hitachi Communication Technologies, Ltd. | Radiocommunication system and multicast data distribution method in the radiocommunication system |
| 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 |
| CN110278116A (zh) * | 2019-06-27 | 2019-09-24 | 马晓琴 | 一种台区拓扑结构生成算法 |
-
2019
- 2019-10-31 CN CN201911053139.1A patent/CN110826895B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100039977A1 (en) * | 2007-01-25 | 2010-02-18 | Hitachi Communication Technologies, Ltd. | Radiocommunication system and multicast data distribution method in the radiocommunication system |
| 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 |
| CN110278116A (zh) * | 2019-06-27 | 2019-09-24 | 马晓琴 | 一种台区拓扑结构生成算法 |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111464366A (zh) * | 2020-04-21 | 2020-07-28 | 烟台东方威思顿电力设备有限公司 | 一种基于电量比对和地理定位的台区拓扑识别方法 |
| CN111464366B (zh) * | 2020-04-21 | 2023-04-07 | 烟台东方威思顿电力设备有限公司 | 一种基于电量比对和地理定位的台区拓扑识别方法 |
| CN111741083A (zh) * | 2020-06-06 | 2020-10-02 | 李彩云 | 基于边缘计算和物联网的通信数据处理方法及云服务器 |
| CN111741083B (zh) * | 2020-06-06 | 2021-03-19 | 江苏永鼎通信有限公司 | 基于边缘计算和物联网的通信数据处理方法及云服务器 |
| CN111953072A (zh) * | 2020-08-13 | 2020-11-17 | 广东电科院能源技术有限责任公司 | 一种低压台区拓扑识别方法、装置、设备和存储介质 |
| CN111953072B (zh) * | 2020-08-13 | 2021-09-17 | 南方电网电力科技股份有限公司 | 一种低压台区拓扑识别方法、装置、设备和存储介质 |
| CN112285467A (zh) * | 2020-10-19 | 2021-01-29 | 北京前景无忧电子科技有限公司 | 一种低压台区供电拓扑自动识别的方法 |
| CN112285467B (zh) * | 2020-10-19 | 2023-03-03 | 北京前景无忧电子科技股份有限公司 | 一种低压台区供电拓扑自动识别的方法 |
| CN112578211A (zh) * | 2020-12-17 | 2021-03-30 | 青岛启超微信息科技有限公司 | 一种台区开关拓扑识别设备及方法 |
| CN112950172A (zh) * | 2021-03-30 | 2021-06-11 | 山东卓文信息科技有限公司 | 一种台区拓扑识别方法 |
| CN113162033A (zh) * | 2021-04-07 | 2021-07-23 | 国网山东省电力公司营销服务中心(计量中心) | 基于冻结电流的配电网台区拓扑关系自动识别方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110826895B (zh) | 2022-07-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110826895B (zh) | 一种台区拓扑识别方法 | |
| CN110120668B (zh) | 一种台区拓扑自动识别方法及系统 | |
| CN109274095B (zh) | 基于互信息的低压配电网用户拓扑估计方法及系统 | |
| CN112187518B (zh) | 智能融合终端台区拓扑识别方法及系统 | |
| CN104809665B (zh) | 一种基于改进Apriori算法的配电网预警方法 | |
| CN102798776B (zh) | 一种多参量融合的变电站数据完整性校核方法 | |
| CN207652040U (zh) | 一种增量配电网络系统 | |
| CN106990325B (zh) | 基于突变逻辑阵的配网小电流接地故障判定方法 | |
| CN104538957B (zh) | 用于统计低频低压切负荷容量的电网模型自适应处理方法 | |
| CN107025524B (zh) | 考虑负荷供电可靠性要求的设备过载辅助决策方法 | |
| US11824354B2 (en) | Online state estimation and topology identification using advanced metering infrastructure (AMI) measurements | |
| CN112950172A (zh) | 一种台区拓扑识别方法 | |
| WO2021183305A1 (en) | Topology and phase detection for electrical supply network | |
| CN104537161A (zh) | 一种基于供电安全标准的中压配电网诊断分析方法 | |
| CN112232382A (zh) | 一种低压台区的分路与电表隶属关系识别方法及系统 | |
| Chao et al. | Topology checking method for low voltage distribution network based on fuzzy C-means clustering algorithm | |
| CN111245095A (zh) | 一种低压配电网拓扑识别系统的拓扑识别方法 | |
| CN105866630A (zh) | 一种应对全站信息缺失的故障诊断方法和系统 | |
| CN113868821B (zh) | 一种基于营配大数据融合的配网降损方法及终端机 | |
| CN113011047A (zh) | 一种基于220kV及以下智能变电站二次系统的可靠性分析方法 | |
| Hao et al. | Data-driven lean management for distribution network | |
| CN117216706B (zh) | 一种配电网数据异常溯源方法、系统、计算机设备及介质 | |
| CN115423250B (zh) | 一种台区户变关系分析方法 | |
| Ye et al. | Research on topology data check of distribution network based on graph computing | |
| CN115663801B (zh) | 一种基于谱聚类的低压台区拓扑识别方法 |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20211220 Address after: 050021 No. 238 South Sports street, Hebei, Shijiazhuang Applicant after: STATE GRID HEBEI ELECTRIC POWER Research Institute Applicant after: Marketing service center of State Grid Hebei Electric Power Co.,Ltd. Applicant after: STATE GRID CORPORATION OF CHINA Applicant after: STATE GRID HEBEI ENERGY TECHNOLOGY SERVICE Co.,Ltd. Address before: No.238, TIYU South Street, Shijiazhuang, Hebei 050000 Applicant before: STATE GRID HEBEI ELECTRIC POWER Research Institute Applicant before: STATE GRID CORPORATION OF CHINA Applicant before: STATE GRID HEBEI ENERGY TECHNOLOGY SERVICE Co.,Ltd. |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |