CN111458661A - 一种配电网线变关系诊断方法、装置及系统 - Google Patents
一种配电网线变关系诊断方法、装置及系统 Download PDFInfo
- Publication number
- CN111458661A CN111458661A CN202010137790.3A CN202010137790A CN111458661A CN 111458661 A CN111458661 A CN 111458661A CN 202010137790 A CN202010137790 A CN 202010137790A CN 111458661 A CN111458661 A CN 111458661A
- Authority
- CN
- China
- Prior art keywords
- distribution
- bus
- distribution transformer
- correlation coefficient
- coefficient index
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Algebra (AREA)
- Evolutionary Biology (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种配电网线变关系诊断方法、装置及系统,方法包括获取配电网中的配电变压器与母线的量测数据;基于配电变压器与母线的量测数据计算出各配电变压器与其原始所属的母线之间的相关系数指标值;筛选出某历史时段内所有配电变压器与其原始所属的母线之间相关系数指标值构成历史相关系数指标数据集;计算出相关系数指标阈值,筛选出所有疑似线变关系异常的配电变压器;基于经纬度信息将疑似线变关系异常的配电变压器修正到最有可能所属的母线中去,若修正后所属的母线与原始所属的母线不同,判定该疑似异常配电变压器为线变关系错误的配电变压器。本发明以数据驱动方式学习了历史海量数据变化趋势,计算出判断线变关系是否异常的阈值,避免了人为指定。
Description
技术领域
本发明属于中压配电网线变关系诊断领域,涉及一种配电网线变关系诊断方法、装置及系统,尤其涉及一种中压配电网线变关系诊断方法、装置及系统。
背景技术
中压配电网线变关系即为中压母线、配电变压器负荷和联络开关等装置之间相互联络的关系,描述了中压母线至配电变压器负荷的供电路径,由人工维护至能量管理系统(Power Management System,PMS)。由于人为录入错误或线变关系调整未及时更新图纸等因素影响,使得实际现场与PMS中线变关系不一致,进而将引发线路检修安全隐患大、中压线损率计算误差高、可靠性分析准确性低等业务痛点,严重制约了一流配电网建设进程。
传统的线变关系异常诊断主要依赖于基层员工现场排查,设备繁杂、耗时较长、排查难度大,难以获得正确的中压配电网线变关系,没有一个及时准确的配电网线变关系,线损计算等重要工作将难以推进。因此,中压配电网线变关系诊断方法是一个重要的研究课题,研究成果可以帮助运行人员及时发现线变关系错误,夯实电网运维台账基础。
发明内容
针对当前中压配电网线变关系连接复杂、难以及时更新和维护的问题,本发明提出一种配电网线变关系诊断方法、装置及系统,可用于识别任意规模的中压配电网线变关系连接错误,计算简单,原理明确,可帮助配网运行人员及时发现线变关系错误。
为了实现上述技术目的,达到上述技术效果,本发明通过以下技术方案实现:
第一方面,本发明提供了一种配电网线变关系诊断方法,包括:
获取配电网中的配电变压器与母线的量测数据;
基于获得的配电变压器与母线的量测数据,计算出各配电变压器与其原始所属的母线之间的相关系数指标值;
筛选出设定历史时段、设定区域内所有配电变压器与其原始所属的母线之间相关系数指标值,构成历史相关系数指标数据集;
利用机器学习方法基于所述历史相关系数指标数据集计算出相关系数指标阈值,并将各配电变压器与其原始所属的母线之间的相关系数指标值分别与所述相关系数指标阈值进行对比,筛选出所有疑似线变关系异常的配电变压器;
基于经纬度信息,将疑似线变关系异常的配电变压器修正到最有可能所属的母线中去,若修正后所属的母线与原始所属的母线不同,则判定该疑似异常配电变压器为线变关系错误的配电变压器。
作为本发明的进一步改进,所述基于获得的配电变压器与母线的量测数据,计算出各配电变压器与其原始所属的母线之间的相关系数指标值,包括以下子步骤:
某一配电变压器Tk连接在母线f上,配电变压器Tk的电压量测数据为Vk=[vk,1,vk,2,…,vk,i,…,vk,n],母线f的电压量测数据为Vf=[vf,1,vf,2,…,vf,i,…,vf,n],n表示配电变压器与母线电压量测数据采样点个数;
获取配电变压器Tk与所属母线f之间的相关系数计算公式,所述相关系数计算公式为:
从获得的配电变压器与母线的量测数据中筛选出合适的数据,并带入所述相关系数指标计算公式,经计算后得到各配电变压器与其原始所属的母线之间的相关系数指标值。
作为本发明的进一步改进,所述历史相关系数指标数据集的构成方法包括:
选取历史上的某时间段作为典型时间段,针对某一区域内的所有配电变压器,计算所有配电变压器与其原始母线之间的相关系数指标值,构成历史相关系数指标数据集;
所述相关系数指标阈值的计算方法包括:
利用基于贝叶斯信息量准则的概率分布估计方法,基于所述历史相关系数指标数据集,求取历史相关系数指标数据集的正态分布;
利用正态分布的3Sigma原则,计算出相关系数指标阈值;
所述疑似线变关系异常的配电变压器的筛选方法包括:
将各配电变压器与其原始所属的母线之间的相关系数指标值分别与所述相关系数指标阈值进行对比;
若存在配电变压器与其原始所属的母线之间的相关系数指标值低于所述相关系数指标阈值,则判定此配电变压器为疑似线变关系异常配电变压器。
作为本发明的进一步改进,所述基于经纬度信息,将疑似线变关系异常的配电变压器修正到最有可能所属的母线中去,若修正后所属的母线与原始所属的母线不同,则判定该疑似异常配电变压器为线变关系错误的配电变压器,包括以下子步骤:
针对疑似线变关系异常的配电变压器,基于经纬度信息,计算出距离此配电变压器设定地理范围的母线集合;
分别计算疑似异常的配电变压器与集合中所有母线之间的相关系数指标值,将疑似异常的配电变压器修正到相关系数指标值最大对应的母线中;
若修正后所属的母线与原始所属的母线不同,则判定该疑似异常配电变压器为线变关系错误的配电变压器。
作为本发明的进一步改进,所述获取配电网中的配电变压器与母线的量测数据步骤之后还包括:
对获得的配电网中的配电变压器与母线的量测数据进行插值补全处理,获得数据补全后的配电变压器与母线的量测数据。
作为本发明的进一步改进,所述对获得的中压配电网中的配电变压器与母线的量测数据进行插值补全处理,具体为:
采用Hermitte插值方法对获得的配电网中的配电变压器与母线的量测数据进行插值补全处理。
第二方面,本发明提供了一种配电网线变关系诊断装置,包括:
获取单元,用于获取配电网中的配电变压器与母线的量测数据;
计算单元,用于基于获得的配电变压器与母线的量测数据,计算出各配电变压器与其原始所属的母线之间的相关系数指标值;
构建单元,用于筛选出设定历史时段、设定区域内所有配电变压器与其原始所属的母线之间相关系数指标值,构成历史相关系数指标数据集;
筛选单元,用于利用机器学习方法基于所述历史相关系数指标数据集计算出相关系数指标阈值,并将各配电变压器与其原始所属的母线之间的相关系数指标值分别与所述相关系数指标阈值进行对比,筛选出所有疑似线变关系异常的配电变压器;
判断单元,用于基于经纬度信息,将疑似线变关系异常的配电变压器修正到最有可能所属的母线中去,若修正后所属的母线与原始所属的母线不同,则判定该疑似异常配电变压器为线变关系错误的配电变压器。
作为本发明的进一步改进,所述基于获得的配电变压器与母线的量测数据,计算出各配电变压器与其原始所属的母线之间的相关系数指标值,包括以下子步骤:
某一配电变压器Tk连接在母线f上,配电变压器Tk的电压量测数据为Vk=[vk,1,vk,2,…,vk,i,…,vk,n],母线f的电压量测数据为Vf=[vf,1,vf,2,…,vf,i,…,vf,n],n表示配电变压器与母线电压量测数据采样点个数;
获取配电变压器Tk与所属母线f之间的相关系数计算公式,所述相关系数计算公式为:
从获得的配电变压器与母线的量测数据中筛选出合适的数据,并带入所述相关系数指标计算公式,经计算后得到各配电变压器与其原始所属的母线之间的相关系数指标值。
作为本发明的进一步改进,所述历史相关系数指标数据集的构成方法包括:
选取历史上的某时间段作为典型时间段,针对某一区域内的所有配电变压器,计算所有配电变压器与其原始母线之间的相关系数指标值,构成历史相关系数指标数据集;
所述相关系数指标阈值的计算方法包括:
利用基于贝叶斯信息量准则的概率分布估计方法,基于所述历史相关系数指标数据集,求取历史相关系数指标数据集的正态分布;
利用正态分布的3Sigma原则,计算出相关系数指标阈值;
所述疑似线变关系异常的配电变压器的筛选方法包括:
将各配电变压器与其原始所属的母线之间的相关系数指标值分别与所述相关系数指标阈值进行对比;
若存在配电变压器与其原始所属的母线之间的相关系数指标值低于所述相关系数指标阈值,则判定此配电变压器为疑似线变关系异常配电变压器。
作为本发明的进一步改进,所述基于经纬度信息,将疑似线变关系异常的配电变压器修正到最有可能所属的母线中去,若修正后所属的母线与原始所属的母线不同,则判定该疑似异常配电变压器为线变关系错误的配电变压器,包括以下子步骤:
针对疑似线变关系异常的配电变压器,基于经纬度信息,计算出距离此配电变压器设定地理范围的母线集合;
分别计算疑似异常的配电变压器与集合中所有母线之间的相关系数指标值,将疑似异常的配电变压器修正到相关系数指标值最大对应的母线中;
若修正后所属的母线与原始所属的母线不同,则判定该疑似异常配电变压器为线变关系错误的配电变压器。
作为本发明的进一步改进,所述的一种配电网线变关系诊断装置,还包括:
插值补全处理单元,用于对获得的配电网中的配电变压器与母线的量测数据进行插值补全处理,获得数据补全后的配电变压器与母线的量测数据。
第三方面,本发明提供了一种配电网线变关系诊断系统,包括:存储介质和处理器;
所述存储介质用于存储指令;
所述处理器用于根据所述指令进行操作以执行根据权利要求1~6中任一项所述方法的步骤。
所述。
与现有技术相比,本发明的有益效果:
(1)本发明以数据驱动方式学习了历史海量数据变化趋势,计算出判断线变关系是否异常的阈值,避免了人为指定。
(2)本发明能够根据经纬度信息直接确定线变关系错误配电变压器应该所属的母线,避免了现场运行人员盲目巡线。
(3)本发明计算简单,原理明确,可帮助配网运行人员及时发现线变关系错误,具有良好的应用前景。
附图说明
为了使本发明的内容更容易被清楚地理解,下面根据具体实施例并结合附图,对本发明作进一步详细的说明,其中:
图1为本发明一种实施例的配电网线变关系诊断方法的流程图;
图2为中压配电网线变关系示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明的保护范围。
下面结合附图对本发明的应用原理作详细的描述。
实施例1
本发明实施例中提供了一种配电网线变关系诊断方法,如图1所示,包括以下步骤:
(1)获取配电网中的配电变压器与母线的量测数据;
(2)基于获得的配电变压器与母线的量测数据,计算出各配电变压器与其原始所属的母线之间的相关系数指标值;
(3)筛选出设定历史时段、设定区域内所有配电变压器与其原始所属的母线之间相关系数指标值,构成历史相关系数指标数据集;
(4)利用机器学习方法基于所述历史相关系数指标数据集计算出相关系数指标阈值,并将各配电变压器与其原始所属的母线之间的相关系数指标值分别与所述相关系数指标阈值进行对比,筛选出所有疑似线变关系异常的配电变压器;
(5)基于经纬度信息,将疑似线变关系异常的配电变压器修正到最有可能所属的母线中去,若修正后所属的母线与原始所属的母线不同,则判定该疑似异常配电变压器为线变关系错误的配电变压器。
在本发明实施例的一种具体实施方式中,所述配电网中的配电变压器与母线的量测数据的获取方法,包括以下步骤:
在能量管理系统(该系统为现有技术中存在的系统)中选择待处理的配电网,比如中压配电网,读取现有系统存储的“母线-配电变压器负荷”的线变关系,导出按照设定时间采样一次的配电变压器与母线的电压数据,在实际应用过程中,比如导出每15min采样一次的配电变压器与母线的电压数据,前述的每15min采样一次的采样频率可以根据实际情况进行修改。
在本发明实施例的一种具体实施方式中,所述基于获得的配电变压器与母线的量测数据,计算出各配电变压器与其原始所属的母线之间的相关系数指标值,包括以下子步骤:
获取各配电变压器与其原始所属的母线之间的相关系数指标计算公式。所述相关指标是用于衡量配电变压器与母线连接关系的,其是通过比较配电变压器电压数据与母线电压数据相似性,经皮尔逊相关系数计算出的,如图2所示。当母线电压波动时,会带动本线路上配电变压器的电压随之波动,即两者的电压曲线具有相似性。若某配电变压器错误连接在此线路上,则配电变压器的电压波动与母线电压波动不具有相似性,皮尔逊相关系数较低。
假设某一配电变压器Tk连接在母线f上,配电变压器Tk的电压量测数据为Vk=[vk,1,vk,2,…,vk,i,…,vk,n],母线f的电压量测数据为Vf=[vf,1,vf,2,…,vf,i,…,vf,n],n表示配电变压器与母线电压量测数据采样点个数,获取配电变压器Tk与所属母线f之间的相关系数计算公式,所述相关系数计算公式为:
从获得的配电变压器与母线的量测数据中筛选出合适的数据,并带入所述相关系数指标计算公式,经计算后得到各配电变压器与其原始所属的母线之间的相关系数指标值。
在本发明实施例的一种具体实施方式中,所述历史相关系数指标数据集的构成方法包括:
选取历史上的某时间段作为典型时间段,针对某一区域内的所有配电变压器,计算所有配电变压器与其原始母线之间的相关系数指标值,构成历史相关系数指标数据集;
更具体地,所述历史相关系数指标数据集的构成方法包括:以历史上的1天作为典型历史时间段,读取该地市的所有配电变压器为T={T1,T2…Tk},其中k为该地市配电变压器数量;计算配电变压器集合T中所有配电变压器与其原始所属母线之间的相关系数指标,形成指标集合D={D1,D2…Dk};
所述相关系数指标阈值的计算方法包括:
利用基于贝叶斯信息量准则的概率分布估计方法,基于所述历史相关系数指标数据集,求取历史相关系数指标数据集的正态分布;
利用正态分布的3Sigma原则,计算出相关系数指标阈值;
更具体地,所述相关系数指标阈值的计算方法包括:
基于贝叶斯信息量准则的概率分布估计方法,求取数据集D的正态分布,记为N(μ,σ2),其中μ为正态分布的期望值,σ为正态分布的标准差;
根据正态分布的3Sigma原则,数值分布在(μ-3σ,μ+3σ)中的概率为0.9974,即正态分布在μ-3σ处存在重要拐点;
基于计算出的数据集D的正态分布,设定μ-3σ为相关系数指标阈值;
若存在配电变压器与其原始所属的母线之间的相关系数指标值高于相关系数指标阈值,判定此配电变压器为线变关系正常配电变压器,否则,判定此配电变压器为疑似线变关系异常配电变压器,形成疑似异常配电变压器集合M={M1,M2…Ml},其中l为该地市经判断后疑似线变关系异常配电变压器数量。
所述疑似线变关系异常的配电变压器的筛选方法包括:
将各配电变压器与其原始所属的母线之间的相关系数指标值分别与所述相关系数指标阈值进行对比;
若存在配电变压器与其原始所属的母线之间的相关系数指标值低于所述相关系数指标阈值,则判定此配电变压器为疑似线变关系异常配电变压器,否则判定此配电变压器为线变关系正常配电变压器。
具体地,所述疑似线变关系异常的配电变压器的筛选方法包括:
将各配电变压器与其原始所属的母线之间的相关系数指标值分别与所述相关系数指标阈值进行对比;
若存在配电变压器与其原始所属的母线之间的相关系数指标值高于相关系数指标阈值,判定此配电变压器为线变关系正常配电变压器,否则,判定此配电变压器为疑似线变关系异常配电变压器,形成疑似异常配电变压器集合M={M1,M2…Ml},其中l为该地市经判断后疑似线变关系异常配电变压器数量。
在本发明实施例的一种具体实施方式中,所述基于经纬度信息,将疑似线变关系异常的配电变压器修正到最有可能所属的母线中去,若修正后所属的母线与原始所属的母线不同,则判定该疑似异常配电变压器为线变关系错误的配电变压器,包括以下子步骤:
针对疑似线变关系异常的配电变压器Mj,基于经纬度信息,计算出距离此配电变压器设定地理范围(比如5km)的母线集合F;
分别计算疑似异常的配电变压器Mj与集合F中所有母线之间的相关系数指标,将疑似异常的配电变压器Mj修正到相关系数指标最大对应的母线中;
若修正后所属的母线与原始所属的母线不同,则判定该疑似异常配电变压器为线变关系错误的配电变压器;
重复上述步骤直到集合M中所有疑似线变关系异常配电变压器均判断完毕。
综上:
(1)本发明实施例中的配电网线变关系诊断方法是一种基于海量数据分析的配电网线变关系诊断方法,以数据驱动方式学习了历史海量数据变化趋势,计算了线变关系是否异常的阈值,避免了人为指定。
(2)本发明实施例中的配电网线变关系诊断方法,能够根据经纬度信息直接确定线变关系错误配电变压器应该所属的母线,避免了现场运行人员盲目巡线。
(3)本发明实施例中的配电网线变关系诊断方法,计算简单,原理明确,可帮助配网运行人员及时发现线变关系错误,具有良好的应用前景。
实施例2
基于实施例1,本发明实施例与实施例1的区别在于:
所述获取配电网中的配电变压器与母线的量测数据步骤之后还包括:
对获得的配电网中的配电变压器与母线的量测数据进行插值补全处理,获得数据补全后的配电变压器与母线的量测数据。
在本发明实施例的一种具体实施方式中,所述对获得的中压配电网中的配电变压器与母线的量测数据进行插值补全处理,具体为:
采用Hermitte插值方法对获得的配电网中的配电变压器与母线的量测数据进行插值补全处理,其基本思想是使插值函数能更好地逼近原始数据,不但要求二者在节点上函数值相等,而且还要求插值函数在某些节点或全部节点上与原始数据的导数值也相等。设已知原始数据f(i)及其导数值f′(i),其中i=1,2,3,…,n,n为原始数据采样长度。Hermitte插值构造了一个插值函数H(x),使其在节点处的函数值和导数值与f(i)的函数值和各阶导数值f′(i)对应相等,即:
H(xi)=f(i) (2)
H′(xi)=f′(i) (3)
i=1,2,3,...,n (4)
现常用构造法计算出插值函数H(x),若原始数据在i=m处存在数据缺失情况,即f(m)为空值,则f(m)=H(xm),补全原始采样数据缺失情况。
其余部分均与实施例1相同。
实施例3
基于与实施例1相同的发明构思,本发明实施例中提供了一种配电网线变关系诊断装置,包括:
获取单元,用于获取配电网中的配电变压器与母线的量测数据;
计算单元,用于基于获得的配电变压器与母线的量测数据,计算出各配电变压器与其原始所属的母线之间的相关系数指标值;
构建单元,用于筛选出设定历史时段、设定区域内所有配电变压器与其原始所属的母线之间相关系数指标值,构成历史相关系数指标数据集;
筛选单元,用于利用机器学习方法基于所述历史相关系数指标数据集计算出相关系数指标阈值,并将各配电变压器与其原始所属的母线之间的相关系数指标值分别与所述相关系数指标阈值进行对比,筛选出所有疑似线变关系异常的配电变压器;
判断单元,用于基于经纬度信息,将疑似线变关系异常的配电变压器修正到最有可能所属的母线中去,若修正后所属的母线与原始所属的母线不同,则判定该疑似异常配电变压器为线变关系错误的配电变压器。
在本发明实施例的一种具体实施方式中,所述配电网中的配电变压器与母线的量测数据的获取方法,包括以下步骤:
在能量管理系统(该系统为现有技术中存在的系统)中选择待处理的配电网,比如中压配电网,读取现有系统存储的“母线-配电变压器负荷”的线变关系,导出按照设定时间采样一次的配电变压器与母线的电压数据,在实际应用过程中,比如导出每15min采样一次的配电变压器与母线的电压数据,前述的每15min采样一次的采样频率可以根据实际情况进行修改。
在本发明实施例的一种具体实施方式中,所述基于获得的配电变压器与母线的量测数据,计算出各配电变压器与其原始所属的母线之间的相关系数指标值,包括以下子步骤:
获取各配电变压器与其原始所属的母线之间的相关系数指标计算公式。所述相关指标是用于衡量配电变压器与母线连接关系的,其是通过比较配电变压器电压数据与母线电压数据相似性,经皮尔逊相关系数计算出的,如图2所示。当母线电压波动时,会带动本线路上配电变压器的电压随之波动,即两者的电压曲线具有相似性。若某配电变压器错误连接在此线路上,则配电变压器的电压波动与母线电压波动不具有相似性,皮尔逊相关系数较低。
假设某一配电变压器Tk连接在母线f上,配电变压器Tk的电压量测数据为Vk=[vk,1,vk,2,…,vk,i,…,vk,n],母线f的电压量测数据为Vf=[vf,1,vf,2,…,vf,i,…,vf,n],n表示配电变压器与母线电压量测数据采样点个数,获取配电变压器Tk与所属母线f之间的相关系数计算公式,所述相关系数计算公式为:
从获得的配电变压器与母线的量测数据中筛选出合适的数据,并带入所述相关系数指标计算公式,经计算后得到各配电变压器与其原始所属的母线之间的相关系数指标值。
在本发明实施例的一种具体实施方式中,所述历史相关系数指标数据集的构成方法包括:
选取历史上的某时间段作为典型时间段,针对某一区域内的所有配电变压器,计算所有配电变压器与其原始母线之间的相关系数指标值,构成历史相关系数指标数据集;
更具体地,所述历史相关系数指标数据集的构成方法包括:以历史上的1天作为典型历史时间段,读取该地市的所有配电变压器为T={T1,T2…Tk},其中k为该地市配电变压器数量;计算配电变压器集合T中所有配电变压器与其原始所属母线之间的相关系数指标,形成指标集合D={D1,D2…Dk};
所述相关系数指标阈值的计算方法包括:
利用基于贝叶斯信息量准则的概率分布估计方法,基于所述历史相关系数指标数据集,求取历史相关系数指标数据集的正态分布;
利用正态分布的3Sigma原则,计算出相关系数指标阈值;
更具体地,所述相关系数指标阈值的计算方法包括:
基于贝叶斯信息量准则的概率分布估计方法,求取数据集D的正态分布,记为N(μ,σ2),其中μ为正态分布的期望值,σ为正态分布的标准差;
根据正态分布的3Sigma原则,数值分布在(μ-3σ,μ+3σ)中的概率为0.9974,即正态分布在μ-3σ处存在重要拐点;
基于计算出的数据集D的正态分布,设定μ-3σ为相关系数指标阈值;
若存在配电变压器与其原始所属的母线之间的相关系数指标值高于相关系数指标阈值,判定此配电变压器为线变关系正常配电变压器,否则,判定此配电变压器为疑似线变关系异常配电变压器,形成疑似异常配电变压器集合M={M1,M2…Ml},其中l为该地市经判断后疑似线变关系异常配电变压器数量。
所述疑似线变关系异常的配电变压器的筛选方法包括:
将各配电变压器与其原始所属的母线之间的相关系数指标值分别与所述相关系数指标阈值进行对比;
若存在配电变压器与其原始所属的母线之间的相关系数指标值低于所述相关系数指标阈值,则判定此配电变压器为疑似线变关系异常配电变压器。
具体地,所述疑似线变关系异常的配电变压器的筛选方法包括:
将各配电变压器与其原始所属的母线之间的相关系数指标值分别与所述相关系数指标阈值进行对比;
若存在配电变压器与其原始所属的母线之间的相关系数指标值高于相关系数指标阈值,判定此配电变压器为线变关系正常配电变压器,否则,判定此配电变压器为疑似线变关系异常配电变压器,形成疑似异常配电变压器集合M={M1,M2…Ml},其中l为该地市经判断后疑似线变关系异常配电变压器数量。
在本发明实施例的一种具体实施方式中,所述基于经纬度信息,将疑似线变关系异常的配电变压器修正到最有可能所属的母线中去,若修正后所属的母线与原始所属的母线不同,则判定该疑似异常配电变压器为线变关系错误的配电变压器,包括以下子步骤:
针对疑似线变关系异常的配电变压器Mj,基于经纬度信息,计算出距离此配电变压器设定地理范围(比如5km)的母线集合F;
分别计算疑似异常的配电变压器Mj与集合F中所有母线之间的相关系数指标,将疑似异常的配电变压器Mj修正到相关系数指标最大对应的母线中;
若修正后所属的母线与原始所属的母线不同,则判定该疑似异常配电变压器为线变关系错误的配电变压器;
重复上述步骤直到集合M中所有疑似线变关系异常配电变压器均判断完毕。
实施例4
基于实施例3,本发明实施例与实施例3的区别在于:
所述配电网线变关系诊断装置,还包括:
插值补全处理单元,用于对获得的配电网中的配电变压器与母线的量测数据进行插值补全处理,获得数据补全后的配电变压器与母线的量测数据。
实施例5
本发明实施例中提供了一种配电网线变关系诊断系统,包括:存储介质和处理器;
所述存储介质用于存储指令;
所述处理器用于根据所述指令进行操作以执行根据实施例1中任一项所述方法的步骤。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上结合附图对本发明的实施例进行了描述,但是本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权利要求所保护的范围情况下,还可做出很多形式,这些均属于本发明的保护之内。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,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。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (12)
1.一种配电网线变关系诊断方法,其特征在于,包括:
获取配电网中的配电变压器与母线的量测数据;
基于获得的配电变压器与母线的量测数据,计算出各配电变压器与其原始所属的母线之间的相关系数指标值;
筛选出设定历史时段、设定区域内所有配电变压器与其原始所属的母线之间相关系数指标值,构成历史相关系数指标数据集;
基于所述历史相关系数指标数据集计算出相关系数指标阈值,并将各配电变压器与其原始所属的母线之间的相关系数指标值分别与所述相关系数指标阈值进行对比,筛选出所有疑似线变关系异常的配电变压器;
基于经纬度信息,将疑似线变关系异常的配电变压器修正到最有可能所属的母线中去,若修正后所属的母线与原始所属的母线不同,则判定该疑似异常配电变压器为线变关系错误的配电变压器。
2.根据权利要求1所述的一种配电网线变关系诊断方法,其特征在于:所述基于获得的配电变压器与母线的量测数据,计算出各配电变压器与其原始所属的母线之间的相关系数指标值,包括以下子步骤:
某一配电变压器Tk连接在母线f上,配电变压器Tk的电压量测数据为Vk=[vk,1,vk,2,…,vk,i,…,vk,n],母线f的电压量测数据为Vf=[vf,1,vf,2,…,vf,i,…,vf,n],n表示配电变压器与母线电压量测数据采样点个数;
获取配电变压器Tk与所属母线f之间的相关系数计算公式,所述相关系数计算公式为:
从获得的配电变压器与母线的量测数据中筛选出合适的数据,并带入所述相关系数指标计算公式,经计算后得到各配电变压器与其原始所属的母线之间的相关系数指标值。
3.根据权利要求1所述的一种配电网线变关系诊断方法,其特征在于:所述历史相关系数指标数据集的构成方法包括:
选取历史上的某时间段作为典型时间段,针对某一区域内的所有配电变压器,计算所有配电变压器与其原始母线之间的相关系数指标值,构成历史相关系数指标数据集;
所述相关系数指标阈值的计算方法包括:
利用基于贝叶斯信息量准则的概率分布估计方法,基于所述历史相关系数指标数据集,求取历史相关系数指标数据集的正态分布;
利用正态分布的3Sigma原则,计算出相关系数指标阈值;
所述疑似线变关系异常的配电变压器的筛选方法包括:
将各配电变压器与其原始所属的母线之间的相关系数指标值分别与所述相关系数指标阈值进行对比;
若存在配电变压器与其原始所属的母线之间的相关系数指标值低于所述相关系数指标阈值,则判定此配电变压器为疑似线变关系异常配电变压器。
4.根据权利要求1所述的一种配电网线变关系诊断方法,其特征在于:所述基于经纬度信息,将疑似线变关系异常的配电变压器修正到最有可能所属的母线中去,若修正后所属的母线与原始所属的母线不同,则判定该疑似异常配电变压器为线变关系错误的配电变压器,包括以下子步骤:
针对疑似线变关系异常的配电变压器,基于经纬度信息,计算出距离此配电变压器设定地理范围的母线集合;
分别计算疑似异常的配电变压器与集合中所有母线之间的相关系数指标值,将疑似异常的配电变压器修正到相关系数指标值最大对应的母线中;
若修正后所属的母线与原始所属的母线不同,则判定该疑似异常配电变压器为线变关系错误的配电变压器。
5.根据权利要求1所述的一种配电网线变关系诊断方法,其特征在于:所述获取配电网中的配电变压器与母线的量测数据步骤之后还包括:
对获得的配电网中的配电变压器与母线的量测数据进行插值补全处理,获得数据补全后的配电变压器与母线的量测数据。
6.根据权利要求5所述的一种配电网线变关系诊断方法,其特征在于:所述对获得的中压配电网中的配电变压器与母线的量测数据进行插值补全处理,具体为:
采用Hermitte插值方法对获得的配电网中的配电变压器与母线的量测数据进行插值补全处理。
7.一种配电网线变关系诊断装置,其特征在于,包括:
获取单元,用于获取配电网中的配电变压器与母线的量测数据;
计算单元,用于基于获得的配电变压器与母线的量测数据,计算出各配电变压器与其原始所属的母线之间的相关系数指标值;
构建单元,用于筛选出设定历史时段、设定区域内所有配电变压器与其原始所属的母线之间相关系数指标值,构成历史相关系数指标数据集;
筛选单元,用于基于所述历史相关系数指标数据集计算出相关系数指标阈值,并将各配电变压器与其原始所属的母线之间的相关系数指标值分别与所述相关系数指标阈值进行对比,筛选出所有疑似线变关系异常的配电变压器;
判断单元,用于基于经纬度信息,将疑似线变关系异常的配电变压器修正到最有可能所属的母线中去,若修正后所属的母线与原始所属的母线不同,则判定该疑似异常配电变压器为线变关系错误的配电变压器。
8.根据权利要求7所述的一种配电网线变关系诊断装置,其特征在于:所述基于获得的配电变压器与母线的量测数据,计算出各配电变压器与其原始所属的母线之间的相关系数指标值,包括以下子步骤:
某一配电变压器Tk连接在母线f上,配电变压器Tk的电压量测数据为Vk=[vk,1,vk,2,…,vk,i,…,vk,n],母线f的电压量测数据为Vf=[vf,1,vf,2,…,vf,i,…,vf,n],n表示配电变压器与母线电压量测数据采样点个数;
获取配电变压器Tk与所属母线f之间的相关系数计算公式,所述相关系数计算公式为:
从获得的配电变压器与母线的量测数据中筛选出合适的数据,并带入所述相关系数指标计算公式,经计算后得到各配电变压器与其原始所属的母线之间的相关系数指标值。
9.根据权利要求7所述的一种配电网线变关系诊断装置,其特征在于:所述历史相关系数指标数据集的构成方法包括:
选取历史上的某时间段作为典型时间段,针对某一区域内的所有配电变压器,计算所有配电变压器与其原始母线之间的相关系数指标值,构成历史相关系数指标数据集;
所述相关系数指标阈值的计算方法包括:
利用基于贝叶斯信息量准则的概率分布估计方法,基于所述历史相关系数指标数据集,求取历史相关系数指标数据集的正态分布;
利用正态分布的3Sigma原则,计算出相关系数指标阈值;
所述疑似线变关系异常的配电变压器的筛选方法包括:
将各配电变压器与其原始所属的母线之间的相关系数指标值分别与所述相关系数指标阈值进行对比;
若存在配电变压器与其原始所属的母线之间的相关系数指标值低于所述相关系数指标阈值,则判定此配电变压器为疑似线变关系异常配电变压器。
10.根据权利要求7所述的一种配电网线变关系诊断装置,其特征在于:所述基于经纬度信息,将疑似线变关系异常的配电变压器修正到最有可能所属的母线中去,若修正后所属的母线与原始所属的母线不同,则判定该疑似异常配电变压器为线变关系错误的配电变压器,包括以下子步骤:
针对疑似线变关系异常的配电变压器,基于经纬度信息,计算出距离此配电变压器设定地理范围的母线集合;
分别计算疑似异常的配电变压器与集合中所有母线之间的相关系数指标值,将疑似异常的配电变压器修正到相关系数指标值最大对应的母线中;
若修正后所属的母线与原始所属的母线不同,则判定该疑似异常配电变压器为线变关系错误的配电变压器。
11.根据权利要求7所述的一种配电网线变关系诊断装置,其特征在于:还包括:
插值补全处理单元,用于对获得的配电网中的配电变压器与母线的量测数据进行插值补全处理,获得数据补全后的配电变压器与母线的量测数据。
12.一种配电网线变关系诊断系统,其特征在于,包括:存储介质和处理器;
所述存储介质用于存储指令;
所述处理器用于根据所述指令进行操作以执行根据权利要求1~6中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010137790.3A CN111458661A (zh) | 2020-03-03 | 2020-03-03 | 一种配电网线变关系诊断方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010137790.3A CN111458661A (zh) | 2020-03-03 | 2020-03-03 | 一种配电网线变关系诊断方法、装置及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111458661A true CN111458661A (zh) | 2020-07-28 |
Family
ID=71684165
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010137790.3A Pending CN111458661A (zh) | 2020-03-03 | 2020-03-03 | 一种配电网线变关系诊断方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111458661A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111859709A (zh) * | 2020-07-31 | 2020-10-30 | 河北地质大学 | 一种含水层结构变异转移概率的地质统计模拟方法及装置 |
CN112345972A (zh) * | 2020-11-02 | 2021-02-09 | 国网江苏省电力有限公司电力科学研究院 | 基于停电事件的配电网线变关系异常诊断方法、装置及系统 |
CN112564095A (zh) * | 2020-12-01 | 2021-03-26 | 国网河南省电力公司电力科学研究院 | 一种配电网线变关系数据校验方法和系统 |
CN113436030A (zh) * | 2021-06-25 | 2021-09-24 | 南京智盟电力有限公司 | 一种配电网多维度监测方法和系统 |
CN113673904A (zh) * | 2021-08-31 | 2021-11-19 | 江苏省电力试验研究院有限公司 | 一种数据驱动的配电网变户关系诊断方法及设备 |
CN115377976A (zh) * | 2022-10-25 | 2022-11-22 | 四川中电启明星信息技术有限公司 | 一种基于皮尔逊相关系数的配网线变关系识别方法 |
CN117708749A (zh) * | 2024-02-05 | 2024-03-15 | 江苏省电力试验研究院有限公司 | 多模型融合的配电网分时分段线损精细诊断方法及系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160371137A1 (en) * | 2015-06-22 | 2016-12-22 | Hitachi Power Solutions Co., Ltd. | Preprocessor of Abnormality Sign Diagnosing Device and Processing Method of the Same |
CN106980905A (zh) * | 2017-03-15 | 2017-07-25 | 南方电网科学研究院有限责任公司 | 配电网供电可靠性预测方法和系统 |
CN107508297A (zh) * | 2017-08-10 | 2017-12-22 | 国家电网公司 | 一种配网拓扑结构校验与维护方法 |
CN109753762A (zh) * | 2019-03-05 | 2019-05-14 | 国网江苏省电力有限公司电力科学研究院 | 基于类别修正的配电网两阶段网络拓扑识别方法及装置 |
CN110059737A (zh) * | 2019-04-11 | 2019-07-26 | 东南大学 | 基于集成深度神经网络的配电变压器连接关系辨识方法 |
CN110086165A (zh) * | 2018-12-10 | 2019-08-02 | 国网江苏省电力有限公司扬州供电分公司 | 基于大数据的智能识别母线与馈线及变压器拓扑结构挂接关系的方法 |
CN110276511A (zh) * | 2019-04-16 | 2019-09-24 | 国网浙江海盐县供电有限公司 | 一种基于电量与线损关联性的线变关系异常判别方法 |
CN110350528A (zh) * | 2019-07-22 | 2019-10-18 | 石家庄科林电气股份有限公司 | 一种低压台区拓扑自动辨识方法 |
-
2020
- 2020-03-03 CN CN202010137790.3A patent/CN111458661A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160371137A1 (en) * | 2015-06-22 | 2016-12-22 | Hitachi Power Solutions Co., Ltd. | Preprocessor of Abnormality Sign Diagnosing Device and Processing Method of the Same |
CN106980905A (zh) * | 2017-03-15 | 2017-07-25 | 南方电网科学研究院有限责任公司 | 配电网供电可靠性预测方法和系统 |
CN107508297A (zh) * | 2017-08-10 | 2017-12-22 | 国家电网公司 | 一种配网拓扑结构校验与维护方法 |
CN110086165A (zh) * | 2018-12-10 | 2019-08-02 | 国网江苏省电力有限公司扬州供电分公司 | 基于大数据的智能识别母线与馈线及变压器拓扑结构挂接关系的方法 |
CN109753762A (zh) * | 2019-03-05 | 2019-05-14 | 国网江苏省电力有限公司电力科学研究院 | 基于类别修正的配电网两阶段网络拓扑识别方法及装置 |
CN110059737A (zh) * | 2019-04-11 | 2019-07-26 | 东南大学 | 基于集成深度神经网络的配电变压器连接关系辨识方法 |
CN110276511A (zh) * | 2019-04-16 | 2019-09-24 | 国网浙江海盐县供电有限公司 | 一种基于电量与线损关联性的线变关系异常判别方法 |
CN110350528A (zh) * | 2019-07-22 | 2019-10-18 | 石家庄科林电气股份有限公司 | 一种低压台区拓扑自动辨识方法 |
Non-Patent Citations (1)
Title |
---|
唐泽洋等: "基于配电网运行数据的线变关系校验方法", 《高电压技术》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111859709A (zh) * | 2020-07-31 | 2020-10-30 | 河北地质大学 | 一种含水层结构变异转移概率的地质统计模拟方法及装置 |
CN111859709B (zh) * | 2020-07-31 | 2022-10-18 | 河北地质大学 | 一种含水层结构变异转移概率的地质统计模拟方法及装置 |
CN112345972A (zh) * | 2020-11-02 | 2021-02-09 | 国网江苏省电力有限公司电力科学研究院 | 基于停电事件的配电网线变关系异常诊断方法、装置及系统 |
CN112564095A (zh) * | 2020-12-01 | 2021-03-26 | 国网河南省电力公司电力科学研究院 | 一种配电网线变关系数据校验方法和系统 |
CN112564095B (zh) * | 2020-12-01 | 2022-07-26 | 国网河南省电力公司电力科学研究院 | 一种配电网线变关系数据校验方法和系统 |
CN113436030A (zh) * | 2021-06-25 | 2021-09-24 | 南京智盟电力有限公司 | 一种配电网多维度监测方法和系统 |
CN113673904A (zh) * | 2021-08-31 | 2021-11-19 | 江苏省电力试验研究院有限公司 | 一种数据驱动的配电网变户关系诊断方法及设备 |
CN115377976A (zh) * | 2022-10-25 | 2022-11-22 | 四川中电启明星信息技术有限公司 | 一种基于皮尔逊相关系数的配网线变关系识别方法 |
CN115377976B (zh) * | 2022-10-25 | 2023-02-17 | 四川中电启明星信息技术有限公司 | 一种基于皮尔逊相关系数的配网线变关系识别方法 |
WO2024087325A1 (zh) * | 2022-10-25 | 2024-05-02 | 四川中电启明星信息技术有限公司 | 一种基于皮尔逊相关系数的配网线变关系识别方法 |
CN117708749A (zh) * | 2024-02-05 | 2024-03-15 | 江苏省电力试验研究院有限公司 | 多模型融合的配电网分时分段线损精细诊断方法及系统 |
CN117708749B (zh) * | 2024-02-05 | 2024-04-19 | 江苏省电力试验研究院有限公司 | 多模型融合的配电网分时分段线损精细诊断方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111458661A (zh) | 一种配电网线变关系诊断方法、装置及系统 | |
CN112699913B (zh) | 一种台区户变关系异常诊断方法及装置 | |
US10387590B2 (en) | Techniques for iterative reduction of uncertainty in water distribution networks | |
CN112684401B (zh) | 轻载台区电能表运行误差数据的处理方法及系统 | |
CN113239132B (zh) | 一种电压互感器的超差在线辨识方法 | |
CN111445108B (zh) | 数据驱动的配电网线变关系诊断方法、装置及系统 | |
CN110738346A (zh) | 一种基于威布尔分布的批次电能表可靠度预测方法 | |
CN111680398B (zh) | 一种基于Holt-Winters模型的单机性能退化预测方法 | |
CN111881124A (zh) | 一种基于改进算法的状态估计的数据处理方法及系统 | |
CN113406558A (zh) | 基于线性回归的电表失准检测方法、装置及电子设备 | |
CN111737249A (zh) | 基于Lasso算法的异常数据检测方法及装置 | |
CN112345972B (zh) | 基于停电事件的配电网线变关系异常诊断方法、装置及系统 | |
CN116662771A (zh) | 电容式电压互感器自适应pca误差定量评价的方法及系统 | |
CN115508770A (zh) | 一种基于kl-nb算法的电能表运行状态在线评估方法 | |
CN118013468B (zh) | 一种风电机组部件健康度监测方法、装置、设备及介质 | |
CN104076284A (zh) | 电池荷电状态soc的跟踪方法和装置 | |
CN114879070A (zh) | 一种电池状态评估方法及相关设备 | |
CN114970665A (zh) | 模型训练方法、电解电容剩余寿命预测方法及系统 | |
CN113378398A (zh) | 一种基于电能表的健康度分析方法、系统及存储介质 | |
CN117748447A (zh) | 一种基于调压事件分析的配电网线变关系诊断方法、系统 | |
CN111967168A (zh) | 一种加速退化试验方案优化设计方法 | |
CN116819364A (zh) | 电池健康度的确定方法、应用方法、电子设备及存储介质 | |
CN113933725B (zh) | 一种基于数据驱动确定动力电池荷电状态的方法 | |
CN115598546A (zh) | 锂离子电池soh、soc和rul的联合估计方法 | |
CN111751732B (zh) | 一种基于自适应高斯卷积积分法的电量计算方法 |
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: 20200728 |