CN110932917A - 一种基于高频同步采集和边缘计算的台区拓扑发现方法 - Google Patents

Abstract

本发明提出一种基于高频同步采集和边缘计算的台区拓扑发现方法，包括如下步骤：获取电表的电气量数据，并存储形成时序电气量数据；在集中器处进行时序电气量数据曲线相似度分析；结合时序电气量数据的相关性，分析节点之间的连接关系；生成台区电气拓扑。本发明所述的基于高频同步采集和边缘计算的台区拓扑发现方法具有无需增加硬件设备、避免了现场安装维护的工作量、保证了数据的同时性、收敛的时间短、提高低压台区电气拓扑判断的准确性的优点，且在网络中所有设备组网成功后，整个拓扑判断过程在集中器处进行，即将数据处理下放到本地执行端，降低了主站的压力，同时满足数据分析的实时性和低时延的业务要求，提高了系统效率。

Description

一种基于高频同步采集和边缘计算的台区拓扑发现方法

技术领域

本发明涉及基于低压配电网电气物理拓扑识别技术，特别涉及一种基于高频同步采集和边缘计算的台区拓扑发现方法。

背景技术

目前已有的低压台区配电台区电气拓扑发现的方法主要包括：

(1)在低压配电网的节点上(如表箱处)增加阻波器等硬件设备，通过阻断传来的信号(如集中器发来的电力线载波信号)，从而判断出各个节点的拓扑位置。该方法的特点是简单易行，但是需要增加额外硬件设备，也增加了安装维护工作量，在效率上并无太大的提升。

(2)通过在低压台区节点上加装硬件设备对供电线路进行极短时间的短路，从而实现拓扑发现。该方法同样需要增加硬件设备，并且对供电线短路可能会对台区用电设备造成危害，同时影响台区供电稳定性。

(3)通过低压配电网用电信采集系统主站的历史电压数据的相似性或DTW距离，通过软件算法判断台区电气拓扑关系。该方法的特点是不需要增加硬件设备，但该方法利用从主站提取的历史数据，不能保证数据的同时性，数据的数量、质量、密度、完整性都取决于AMI系统建设和运行的情况，在面对目前复杂多变的低压配电网时，其拓扑识别准确性不够高、易受噪声影响、收敛时间极长(该时间内台区拓扑有可能已发生变化，因此无法准确反应出拓扑的变化)、适应能力也较差。

发明内容

本发明的目的是提供一种基于高频同步采集和边缘计算的台区拓扑发现方法，解决上述的需要增加硬件设备，增加了安装维护工作量，不能保证数据的同时性，拓扑识别准确性不够高的问题。

本发明提出一种基于高频同步采集和边缘计算的台区拓扑发现方法，包括如下步骤：

获取电表的电气量数据，并存储形成时序电气量数据；

在集中器处进行时序电气量数据曲线相似度分析，确定时序电气量数据的相关性；

结合时序电气量数据的相关性，分析节点之间的连接关系；

生成台区电气拓扑。

在某些实施方案中，电气量数据获取前基于HPLC高速载波通信技术实现对台区下的电表进行时钟对时，通过集中器载波模块CCO读取台区下电表的实时负荷曲线数据，实时负荷曲线数据即为电气量数据。

在某些实施方案中，获取电表的时序电气量数据前制定抄读频率，根据抄读频率全台区高频采集，并将采集到的电表的时序电气量数据进行存储。

在某些实施方案中，所述抄读频率为分钟级或秒级。

在某些实施方案中，所述电气量数据在存储前进行同时性验证，遇到其中一电表在某时刻的电气量数据采集失败时，将其他电表相同时刻的电气量数据删除。

在某些实施方案中，所述电气量数据在存储前进行同时性验证，遇到其中一电表在某时刻的电气量数据采集失败时，利用插值法补充该电表在该时刻的电气量数据。

在某些实施方案中，所述电气量数据包括电压、电流以及相角。

在某些实施方案中，所述时序电气量数据曲线相似度是通过计算信息熵进行互信息分析，信息熵越大，两个时序电气量数据曲线之间的相似度越高，时序电气量数据的相关性越强。

在某些实施方案中，所述台区电气拓扑利用生成树算法生成，生成树算法使用成对互信息判断的最短物理连接距离作为权重生成树。

本发明所述的一种基于高频同步采集和边缘计算的台区拓扑发现方法的优点为：

1)利用软件算法通过对比连续变化信息之间的相关性实现拓扑发现，无需增加硬件设备，避免了现场安装维护的工作量；

2)利用HPLC高速载波通信技术对台区下的电表进行时钟对时，确保时钟的一致性；

3)通过集中器采集电气量数据，使得高频采集能够同步进行，保证了数据的同时性；

4)收敛的时间短，可及时反映拓扑放入变化，使得低压台区电器拓扑判断更加的精准；

5)使用成对互信息判断的最短物理连接距离作为权重生成树，不依赖于已知的拓扑结构，能够有效的避免应用中发生错误传播，进一步提高低压台区电器拓扑判断的准确性；

6)在网络中所有设备组网成功后，整个拓扑判断过程在集中器处进行，即将数据处理下放到本地执行端，降低了主站的压力，同时满足数据分析的实时性和低时延的业务要求，提高了系统效率。

附图说明

图1为本发明的一种实施方式中基于高频同步采集和边缘计算的台区拓扑发现方法的流程图。

定义

互信息是一种衡量两个随机变量之间的相互依赖强弱程度的准则，由信息论中的熵延伸而来，两个随机变量之间的互信息越大，表示两者之间的相关性越强。

具体实施方式

本发明提出一种基于高频同步采集和边缘计算的台区拓扑发现方法，在获取电表的电气量数据前在集中器载波模块中设定抄读频率，其中抄读频率可以为分钟级或秒级，并基于HPLC高速载波通信技术实现对台区下的电表进行时钟对时，确保时钟的一致性，

如图1所示，基于高频同步采集和边缘计算的台区拓扑发现方法包括如下步骤：

步骤1、获取电表的电气量数据，通过集中器载波模块CCO，根据抄读频率进行全台区下的电表进行读取，读取台区下电表的实时负荷曲线数据作为电气量数据传输给集中器，其中电气量数据包括电压、电流以及相角；

步骤2、对电气量数据进行同时性验证(指的是全台区下的电表是否在同一时刻均采集到数据)，遇到其中一电表在某时刻的数据采集失败(数据采集失败指的是未采集到数据)时，验证失败，将其他电表相同时刻的电气量数据删除(或利用插值法补充该电表在该时刻的电气量数据，并结合其他电表相同时刻的电气量数据存储于集中器中形成时序电气量数据)，验证成功，则将电气量数据存储于集中器中形成时序电气量数据；

步骤3、在集中器处进行时序电气量数据曲线(时序电气量数据曲线指的是横坐标是时刻，纵坐标是电气数据值的曲线，因为在用电过程中，用电设备上的电气数据值是在波动变化的，因此每个时刻采集到的电气数据值是不同的，这些数据随着时间是呈曲线变化)相似度分析，时序电气量数据曲线相似度通过计算信息熵进行互信息分析，确定时序电气量数据的相关性，信息熵具体的计算过程如下：

计算信息熵H(x)，

式中p代表一个信息出现的概率，p越大，p所含的信息量越小；

H(x)表示一个信息源在整体特征上的一个信息量，H(x)值越大表示所包含的信息越多，反之则越少；

利用从低压台区电表采集的大量时序电气量数据，假设电表M的时序电气量数据为p(x)＝p(x₁,x₂,x₃……x_n)，代表电表时序电气测量值x_n(t)，其中x_n是一个连续的随机变量。根据公式，p(x)＝p(x₁,x₂,x₃……x_n)的联合分布为：

其中μ(i)是i的父节点；

配电网通常具有辐射状结构，相邻节点之间的相关性高于非相邻节点之间的相关性，两个电表电气数据之间的互信息为：

当x，y为两个离散型随机变量的情况下，利用式(2)写作熵：

根据式(1)和式(2)计算出每个特征的信息熵H(x)，再根据式(4)计算出每个电表之间的互信息，组成互信息矩阵U_Ixy，

互信息值非负，当两个变量不相关时，互信息为0，否则为正数；

步骤4、结合时序电气量数据的相关性，分析节点之间的连接关系，互信息矩阵里的数值作为节点之间的权重赋予在每个分支上面，寻找一棵以互信息为权值、变量为节点的生成树，要连接n个电表节点，需要n-1条连接线路，可以把连接线上的权值解释为电表节点的物理距离，而物理距离可通过互信息系数大小来判断，具体的判断过程示例如下：

从某个顶点开始，假设R₁₁，此时R₁₁属于生成树结点中的一个元素，该集合假设U，剩下的R-R₁₁为待判定的点，此时选取U中的顶点到R-R₁₁中顶点的一个路径最小的边，并且将其中非U中的顶点加入到U中，循环直到U中的顶点包含图所有的顶点为止；

步骤5、利用生成树算法生成台区电气拓扑，其中生成树算法使用成对互信息判断的最短物理连接距离作为权重生成树，其中涉及的拓扑构建算法如下：

1).输入：一个加权连通图，其中顶点集合为U，边集合为E；

2).初始化：U_new＝{x}，其中x为集合U中的任一节点(起始点)，E_new＝{},为空；

3).重复下列操作，直到U_new＝U：

a.在集合E中选取权值最小的边<u,v>，其中u为集合U_new中的元素，而v不在U_new集合当中，并且v∈U(如果存在有多条满足前述条件即具有相同权值的边，则可任意选取其中之一)；

b.将v加入集合U_new中，将<u,v>边加入集合E_new中；

4).输出：使用集合U_new和E_new来描述所得到的生成树。

以离台区总表最近的电表为拓扑结构的根节点，然后按照互信息矩阵里的关系数大小，找出离根节点最近的电表，即跟总表互信息系数最大的电表，在此过程中可能会出现多块互信息极度相似的电表，则可以利用皮尔逊相关系数对其进行“聚类”(当两个电表之间的皮尔逊相关系数大于等于0.8是就可以分到同一组)，并进行分组。将确定下来的分组作为下游节点，同理，再以此节点为父节点，从剩余的电表中找出与其最近的电表，作为子节点，以此类推，直至所有的电表都被确定为拓扑节点，即可构建出整个网络的树形拓扑结构。

以上所述仅是本发明的优选方式，应当指出，对于本领域普通技术人员来说，在不脱离本发明创造构思的前提下，还可以做出若干相似的变形和改进，这些也应视为本发明的保护范围之内。

Claims (9)

1.一种基于高频同步采集和边缘计算的台区拓扑发现方法，其特征在于，包括如下步骤：

获取电表的电气量数据，并存储形成时序电气量数据；

在集中器处进行时序电气量数据曲线相似度分析，确定时序电气量数据的相关性；

结合时序电气量数据的相关性，分析节点之间的连接关系；

生成台区电气拓扑。

2.根据权利要求1所述的基于高频同步采集和边缘计算的台区拓扑发现方法，其中，所述时序电气量数据获取前基于HPLC高速载波通信技术实现对台区下的电表进行时钟对时，通过集中器载波模块CCO读取台区下电表的实时负荷曲线数据，实时负荷曲线数据即为时序电气量数据。

3.根据权利要求1所述的基于高频同步采集和边缘计算的台区拓扑发现方法，其中，获取电表的时序电气量数据前制定抄读频率，根据抄读频率全台区高频采集，并将采集到的电表的时序电气量数据进行存储。

4.根据权利要求3所述的基于高频同步采集和边缘计算的台区拓扑发现方法，其中，所述抄读频率为分钟级或秒级。

5.根据权利要求3所述的基于高频同步采集和边缘计算的台区拓扑发现方法，其中，所述电气量数据在存储前进行同时性验证，遇到其中一电表在某时刻的电气量数据采集失败时，将其他电表相同时刻的电气量数据删除。

6.根据权利要求3所述的基于高频同步采集和边缘计算的台区拓扑发现方法，其中，所述电气量数据在存储前进行同时性验证，遇到其中一电表在某时刻的电气量数据采集失败时，利用插值法补充该电表在该时刻的电气量数据。

7.根据权利要求1、2、3、5或6所述的基于高频同步采集和边缘计算的台区拓扑发现方法，其中，所述电气量数据包括电压、电流以及相角。

8.根据权利要求1所述的基于高频同步采集和边缘计算的台区拓扑发现方法，其中，所述时序电气量数据曲线相似度是通过计算信息熵进行互信息分析，信息熵越大，两个时序电气量数据曲线之间的相似度越高，时序电气量数据的相关性越强。

9.根据权利要求1所述的基于高频同步采集和边缘计算的台区拓扑发现方法，其中，所述台区电气拓扑利用生成树算法生成，生成树算法使用成对互信息判断的最短物理连接距离作为权重生成树。

Images