CN110932264A - 基于台区末端智能感知的拓扑识别方法 - Google Patents
基于台区末端智能感知的拓扑识别方法 Download PDFInfo
- Publication number
- CN110932264A CN110932264A CN201911239161.5A CN201911239161A CN110932264A CN 110932264 A CN110932264 A CN 110932264A CN 201911239161 A CN201911239161 A CN 201911239161A CN 110932264 A CN110932264 A CN 110932264A
- Authority
- CN
- China
- Prior art keywords
- node
- area
- concentrator
- nodes
- distribution area
- 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
- 230000008447 perception Effects 0.000 title claims abstract description 5
- 238000012423 maintenance Methods 0.000 claims abstract description 4
- 238000001914 filtration Methods 0.000 claims description 21
- 238000002955 isolation Methods 0.000 claims description 2
- 238000005070 sampling Methods 0.000 claims description 2
- 238000004422 calculation algorithm Methods 0.000 abstract description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000035772 mutation Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
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
Abstract
一种基于台区末端智能感知的拓扑识别方法，包括如下步骤，步骤S1、通过载波自维护，搜索该本台区下的表箱节点及分支箱节点；步骤S2、集中器通过载波对搜索到的各节点发送特征波命令；步骤S3、查询集中器内的户变识别信息，判断该表箱节点或分支箱节点是否在该台区下，再查询每个载波自维护到的表箱节点和分支箱节点的识别信息，若没有查询到信息，则该节点不在该台区下，剔除该节点，若有，则该节点属于该台区下。步骤S4、集中器根据台区下的节点形成正确的拓扑结构表，并上传至主站。本发明提出了基于台区末端智能感知的拓扑识别方法，与现有方案对比，本发明的算法正确率和识别成功率均达到100%。
Description
技术领域
本发明属于低压配电技术领域，具体涉及一种基于台区末端智能感知的拓扑识别方法。
背景技术
据申请人了解，现有的拓扑识别技术存在识别正确率和成功率不高的问题，即使较好的识别技术也只能达到65％；目前常用的拓扑识别方法包括电力线载波技术和基于工频畸变的拓扑识别方法，然而，电力线载波技术由于存在电力载波信号串台区的问题，不能有效识别台区拓扑。基于工频畸变的拓扑识别方法采用小波算法，存在离散性较大的问题，识别不稳定。
发明内容
本发明所要解决的技术问题是克服现有技术的不足，提供一种基于台区末端智能感知的拓扑识别方法，采用最优曲线拟合算法，使正确率和识别成功率均达到100％。
本发明提供一种基于台区末端智能感知的拓扑识别方法，包括如下步骤，
步骤S1、通过载波自维护，搜索该本台区下的表箱节点及分支箱节点；
步骤S2、集中器通过载波对搜索到的各节点发送特征波命令；
步骤S3、查询集中器内的户变识别信息，判断该表箱节点或分支箱节点是否在该台区下，再查询每个载波自维护到的表箱节点和分支箱节点的识别信息，若没有查询到信息，则该节点不在该台区下，剔除该节点，若有，则该节点属于该台区下。
步骤S4、集中器根据台区下的节点形成正确的拓扑结构表，并上传至主站。
作为本发明的进一步技术方案，查询集中器中户变识别采用二阶电压隔点差值法，首先对电网波形采样，再对每个周波做前后周波的减法，滤除规律性干扰波，然后对特征波进行二阶差值计算，即，前1周期减后1周期的差值为firstdiffbuff[16]；seconddiffbuff＝firstdiffbuff[n+2]-firstdiffbuff[n]；隔1个点差值是为了拉大突变的幅值，获取特征阈值，最后判断特征阈值是否在预设范围内，范围要求：即，使用电阻模拟法，经过AD采样数字处理，特征波的二次电压隔点差值，阈值设定为大于200，能较好的识别绝大部分现场的特征波，若是，则记录此识别状态，否则丢弃此干扰波。
更进一步的，滤除规律性干扰波包括中值滤波、直流分量滤波和全波拟合各波形的滤除方法：(1)中值滤波，常规的中值滤波，可以滤除很多高频毛刺波；(2)直流分量滤波：即特征波突变前的直流分量应该在一个较低的范围，其阈值设定为小于±200之间；(3)全波拟合：即将电流特征波，分为波前、波峰、波后，3个特征区间；波前特征判定，隔1点计算差值，阈值小于-4000；波峰特征判定，差值峰值必须在突变开始后的前5个点；波后特征判定，波后波形需是下降趋势，且隔两点计算差值，阈值小于800，并且特征波的最后一个点阈值为-4000～6000之间。
本发明将二阶差值计算方法与拓扑识别相结合，提出了基于台区末端智能感知的拓扑识别方法，与现有方案对比，本发明的算法正确率和识别成功率均达到100％。
附图说明
图1为本发明的方法流程图；
图2为本发明的二阶电压隔点差值法计算流程图；
图3为本发明的滤除规律性干扰波的流程图。
具体实施方式
请参阅图1，本实施例提供一种基于台区末端智能感知的拓扑识别方法，包括如下步骤，
步骤S1、通过载波自维护，搜索该本台区下的表箱节点及分支箱节点；
步骤S2、集中器通过载波对搜索到的各节点发送特征波命令；
步骤S3、查询集中器内的户变识别信息，判断该表箱节点或分支箱节点是否在该台区下，再查询每个载波自维护到的表箱节点和分支箱节点的识别信息，若没有查询到信息，则该节点不在该台区下，剔除该节点，若有，则该节点属于该台区下。
步骤S4、集中器根据台区下的节点形成正确的拓扑结构表，并上传至主站。
如图2所示，查询集中器中户变识别采用二阶电压隔离差值法，首先对电网波形采样，再对每个周波做前后周波的减法，滤除规律性干扰波，然后对特征波进行二阶差值计算，即，前1周期减后1周期的差值为firstdiffbuff[16]；seconddiffbuff＝firstdiffbuff[n+2]-firstdiffbuff[n]；隔1个点差值是为了拉大突变的幅值，获取特征阈值，最后判断特征阈值是否在预设范围内，阈值设定为大于200，，若是，则记录此识别状态，否则丢弃此干扰波。
如图3所示，滤除规律性干扰波包括中值滤波、直流分量滤波和全波拟合。各波形的滤除方法：(1)中值滤波，常规的中值滤波，可以滤除很多高频毛刺波；(2)直流分量滤波：即特征波突变前的直流分量应该在一个较低的范围，其阈值设定为小于±200之间；(3)全波拟合：即将电流特征波，分为波前、波峰、波后，3个特征区间；波前特征判定，隔1点计算差值，阈值小于-4000；波峰特征判定，差值峰值必须在突变开始后的前5个点；波后特征判定，波后波形需是下降趋势，且隔两点计算差值，阈值小于800，并且特征波的最后一个点阈值为-4000～6000之间。
本实施例以8583台区为例，安装了1台台区智能感知终端，4台分支箱终端(包括11个分路扩展模块)，18台表箱终端(即此台区有18个表箱，包括独立表箱和集中表箱)；进行了24小时全天候的拓扑测试验证，并稳定运行1个月；8583台区拓扑识别正确率100％，并且成功率可以达到100％，如表1所示。
表1、台区分支节点参数表
以上显示和描述了本发明的基本原理、主要特征和优点。本领域的技术人员应该了解，本发明不受上述具体实施例的限制，上述具体实施例和说明书中的描述只是为了进一步说明本发明的原理，在不脱离本发明精神范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护的范围由权利要求书及其等效物界定。
Claims (3)
1.一种基于台区末端智能感知的拓扑识别方法，其特征在于，包括如下步骤，
步骤S1、通过载波自维护，搜索该本台区下的表箱节点及分支箱节点；
步骤S2、集中器通过载波对搜索到的各节点发送特征波命令；
步骤S3、查询集中器内的户变识别信息，判断该表箱节点或分支箱节点是否在该台区下，再查询每个载波自维护到的表箱节点和分支箱节点的识别信息，若没有查询到信息，则该节点不在该台区下，剔除该节点，若有，则该节点属于该台区下。
步骤S4、集中器根据台区下的节点形成正确的拓扑结构表，并上传至主站。
2.根据权利要求1所述的一种基于台区末端智能感知的拓扑识别方法，其特征在于，所述查询集中器中户变识别采用二阶电压隔离差值法，首先对电网波形采样，再对每个周波做前后周波的减法，滤除规律性干扰波，然后对特征波进行二阶电压隔点差值计算，获取特征阈值，最后判断特征阈值是否在预设范围内，若是，则记录此识别状态，否则丢弃此干扰波。
3.根据权利要求2所述的一种基于台区末端智能感知的分支拓扑识别方法，其特征在于，所述滤除规律性干扰波包括中值滤波、直流分量滤波和全波拟合。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911239161.5A CN110932264B (zh) | 2019-12-06 | 2019-12-06 | 基于台区末端智能感知的拓扑识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911239161.5A CN110932264B (zh) | 2019-12-06 | 2019-12-06 | 基于台区末端智能感知的拓扑识别方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110932264A true CN110932264A (zh) | 2020-03-27 |
| CN110932264B CN110932264B (zh) | 2022-11-29 |
Family
ID=69858065
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911239161.5A Active CN110932264B (zh) | 2019-12-06 | 2019-12-06 | 基于台区末端智能感知的拓扑识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110932264B (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112186740A (zh) * | 2020-09-09 | 2021-01-05 | 北京市腾河电子技术有限公司 | 对小负荷用户进行台区识别的方法及系统、存储介质 |
| CN112821553A (zh) * | 2021-01-11 | 2021-05-18 | 北京智联迅腾科技有限公司 | 基于低压配电网台区智慧物联网感知调控系统及方法 |
| CN113098131A (zh) * | 2021-03-24 | 2021-07-09 | 浙江瑞银电子有限公司 | 一种基于电流信号的电网拓扑识别方法 |
| CN113612632A (zh) * | 2021-07-23 | 2021-11-05 | 广东电网有限责任公司广州供电局 | 应用于网关设备的拓扑识别方法、装置、网关设备和介质 |
| CN114047372A (zh) * | 2021-11-16 | 2022-02-15 | 国网福建省电力有限公司营销服务中心 | 一种基于电压特征的台区拓扑辨识系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108600362A (zh) * | 2018-04-19 | 2018-09-28 | 南京林洋电力科技有限公司 | 一种基于电压特征自动管理台区档案的方法 |
| 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 |
| CN109639321A (zh) * | 2018-12-21 | 2019-04-16 | 云南电网有限责任公司电力科学研究院 | 基于电力线宽带载波通信的台区户变关系识别系统及方法 |
| CN109728838A (zh) * | 2018-12-14 | 2019-05-07 | 珠海慧信微电子有限公司 | 基于宽带电力线载波与工频通讯的台区识别系统及识别方法 |
-
2019
- 2019-12-06 CN CN201911239161.5A patent/CN110932264B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108600362A (zh) * | 2018-04-19 | 2018-09-28 | 南京林洋电力科技有限公司 | 一种基于电压特征自动管理台区档案的方法 |
| 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 |
| CN109728838A (zh) * | 2018-12-14 | 2019-05-07 | 珠海慧信微电子有限公司 | 基于宽带电力线载波与工频通讯的台区识别系统及识别方法 |
| CN109639321A (zh) * | 2018-12-21 | 2019-04-16 | 云南电网有限责任公司电力科学研究院 | 基于电力线宽带载波通信的台区户变关系识别系统及方法 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112186740A (zh) * | 2020-09-09 | 2021-01-05 | 北京市腾河电子技术有限公司 | 对小负荷用户进行台区识别的方法及系统、存储介质 |
| CN112821553A (zh) * | 2021-01-11 | 2021-05-18 | 北京智联迅腾科技有限公司 | 基于低压配电网台区智慧物联网感知调控系统及方法 |
| CN113098131A (zh) * | 2021-03-24 | 2021-07-09 | 浙江瑞银电子有限公司 | 一种基于电流信号的电网拓扑识别方法 |
| CN113612632A (zh) * | 2021-07-23 | 2021-11-05 | 广东电网有限责任公司广州供电局 | 应用于网关设备的拓扑识别方法、装置、网关设备和介质 |
| CN114047372A (zh) * | 2021-11-16 | 2022-02-15 | 国网福建省电力有限公司营销服务中心 | 一种基于电压特征的台区拓扑辨识系统 |
| CN114047372B (zh) * | 2021-11-16 | 2024-03-12 | 国网福建省电力有限公司营销服务中心 | 一种基于电压特征的台区拓扑辨识系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110932264B (zh) | 2022-11-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110932264B (zh) | 基于台区末端智能感知的拓扑识别方法 | |
| CN110350528A (zh) | 一种低压台区拓扑自动辨识方法 | |
| CN110633744B (zh) | 一种智能电表的台区识别方法 | |
| CN110658397B (zh) | 一种基于电阻投切和频域分析的户变关系识别方法及系统 | |
| CN103323702B (zh) | 复合电能质量扰动信号识别方法 | |
| CN109828184B (zh) | 一种基于互近似熵的电压暂降源识别方法 | |
| CN104459397A (zh) | 采用自适应多分辨率广义s变换的电能质量扰动识别方法 | |
| CN108448721B (zh) | 电力系统主站监控信号与标准信号自动匹配的方法 | |
| CN110609204B (zh) | 基于形态学小波分析消噪的配电网单相接地故障定位方法 | |
| CN110554235A (zh) | 一种基于相邻周期相位差的台区识别方法及系统 | |
| CN113484667A (zh) | 一种应用于配网终端的柔性直流配电网故障定位方案 | |
| CN111817301A (zh) | 载波台区的低压分支拓扑识别方法 | |
| CN113300343B (zh) | 一种基于余弦相似度的柔性直流电网故障线路识别方法 | |
| CN111103498A (zh) | 一种低压台区变线户关系识别系统及方法 | |
| CN110542823A (zh) | 一种配电线路单相接地故障区段定位方法 | |
| CN108614154B (zh) | 一种基于频谱分析的电力用户相位识别方法 | |
| CN112883998B (zh) | 一种电力台区户变关系识别方法 | |
| CN111398676B (zh) | 一种通过次/超同步振荡频率判定振荡传播路径的方法 | |
| CN114301175A (zh) | 基于注入信号的配电台区户变关系识别的方法及装置 | |
| CN115149981A (zh) | 相位识别方法、装置、通信装置和通信系统以及存储介质 | |
| CN114629117A (zh) | 功率时间碎片低压台区拓扑识别方法和装置 | |
| CN113904325A (zh) | 一种基于特征电流低压台区电气拓扑识别方法 | |
| CN110927525A (zh) | 一种基于电压变化sod曲线簇的线路故障识别pca聚类方法 | |
| CN112505477B (zh) | 一种基于配电网同步相量数据的扰动初判方法 | |
| CN113572164A (zh) | 一种基于k-means聚类分析的配电网台区识别方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240102 Address after: No. 128, Jiangjun Avenue, Jiangning District, Nanjing, Jiangsu 210000 Patentee after: JIANGSU SUYUAN GUANGYI SCIENCE & TECHNOLOGY Co.,Ltd. Address before: No. 128, Jiangjun Avenue, Jiangning District, Nanjing City, Jiangsu Province, 211106 Patentee before: ELEFIRST SCIENCE & TECH Co.,Ltd. |