CN111487488A - 一种基于灰色关联分析的智能台区户变识别方法 - Google Patents

Abstract

本发明公开了一种基于灰色关联分析的智能台区户变识别方法，S01：采集某一时段内已知台区电能表及待识别台区电能表的线路电压数据曲线，并进行储存；S02：利用灰色关联分析方法，计算已知台区电能表与待识别台区电能表的线路电压关联度；S03：罗列出所有电能表的关联度三线表，并对相关度进行分析，确定待识别台区电能表所归属的台区。本方法实现了台区档案的快、准、全的区分，无多、漏、错报的现象，降低了后期人工劳动强度和安全隐患，提高了台区识别的时效性，具有较大的应用价值。

Description

一种基于灰色关联分析的智能台区户变识别方法

技术领域

本发明涉及一种基于灰色关联分析的智能台区户变识别方法，属于电网变压器识别和电力系统检测技术领域。

背景技术

现有电网建设的发展极大地改善了配电网的基础设施，以至于降低了部署成本和运维成本，准确的台区档案作为精细化管理的重要组成部分，将有力地支持配电网计量资产的管理，提高配电网供电的可靠性，它的重要性也是不言而喻的和突出的。

然而现有的社会技术的快速发展导致传统的粗放式管理越来越不相匹配。由于信息记录丢失、更新不准确、信息不完整等多种原因，导致台区档案的记录不准确，造成部分电能表读取信息失败，它不仅影响到台区线损的准确计算，而且也影响到了供用电双方的计量纠纷，将会进一步给供电公司留下负面影响。

发明内容

目的：为了解决现有技术中传统台区识别工作量巨大，使得台区识别错误的问题，本发明提供一种基于灰色关联分析的智能台区户变识别方法。

技术方案：为解决上述技术问题，本发明采用的技术方案为：

一种基于灰色关联分析的智能台区户变识别方法，包括如下步骤：

S01：采集某一时段内已知台区电能表及待识别台区电能表的线路电压数据曲线，并进行储存；

S02：利用灰色关联分析方法，计算已知台区电能表与待识别台区电能表的线路电压关联度；

S03：罗列出所有电能表的关联度三线表，并对相关度进行分析，确定待识别台区电能表所归属的台区。

作为优选方案，所述步骤S01中线路电压数据曲线利用采集器或者集中器进行采集。

作为优选方案，所述步骤S02中，灰色关联分析方法包括以下步骤：

S02.1：设置初始矩阵Δ，计算Δ_jk＝{N₀(k)-M_j(k)}，公式如下：

其中：n是电压特征值的采样量，m是待识别的电能表总数目；j＝1,2,…,m；k＝1,2,…,n；Δ_jk是已知台区电能表与第j个待识别台区电能表的第k个电压特征值的绝对值；N₀(k)是已知台区电能表的第k个电压特征值的绝对值；M_j(k)是第j个待识别台区电能表的第k个电压特征值的绝对值；

S02.2：计算第j个待识别台区电能表的第k个电压特征值出现的相对概率p_jk为：

S02.3：计算第k个电压特征值的冗余度，其方程为：

D_k＝1-e_k

e_k＝E_k/E_max

E_max＝lnM；

其中：e_k，E_k，E_max分别表示第k个电压特征值的相对熵，熵和最大熵，M指已知台区的数量。

S02.4：计算第k个电压特征值的权重a_j(k)，其计算方程为：

得到

S02.5：计算灰色关联分析的关联度，将固定权重值1/n替换为可变权重a_j(k)，计算表达式为:

ξ_j(k)代表已知台区电能表与待识别台区电能表电压特征值的关联系数。

作为优选方案，所述ξ_j(k)计算公式如下：

式中，ρ为分辨系数，其取值范围为[0,1]。

作为优选方案，所述ρ优选为0.5。

作为优选方案，所述电能表的关联度三线表包括三列，分别为已知台区电能表的台区，已知台区电能表与待识别台区电能表关联度，是否同一台区。

作为优选方案，根据电能表的关联度三线表中的已知台区电能表与待识别台区电能表关联度的数值进行断判，如果关联度γ_j的值越接近于1，且与1的差值达到阈值，则判断待识别台区电能表与已知台区电能表属于同一台区。

有益效果：本发明提供的一种基于灰色关联分析的智能台区户变识别方法，具备以下有益效果：

(1)为了对电能表采集到的线路电压进行关联度分析，本方法引入了信息熵的概念。信息熵是对系统不确定性的描述，熵值越大，系统的不确定性就越大，反之则越小。在灰色关联分析中引入信息熵，有效地克服了灰色关联分析中存在的主观判断性。

(2)本方法能够在复杂环境条件下准确识别变压器区域，配电台区用户拓扑形式为辐射状，不同时刻接入电网的负荷会实时发生变化，线路电压呈现一定的波动性，不受台区环境的影响。

总之，本方法实现了台区档案的快、准、全的区分，无多、漏、错报的现象，降低了后期人工劳动强度和安全隐患，提高了台区识别的时效性，具有较大的应用价值。

附图说明

图1为本发明提出的方法流程示意图；

图2为本发明中灰色关联分析的关联度计算的流程示意图；

图3为本发明中台区的结构示意图；

图4为本发明中A台区电能表关联度示意图；

图5为本发明中B台区电能表关联度示意图；

图6为本发明中A台区中电能表1#和2#线路电压曲线图；

图7为本发明中A台区电能表1#、B台区电能表8#线路电压曲线图。

具体实施方式

下面结合附图对本发明作更进一步的说明。

如图1-图2所示，一种基于灰色关联分析的智能台区户变识别方法，包括以下步骤：

S01：利用采集器或者集中器采集某一时段内已知台区电能表及待识别台区电能表的线路电压数据曲线，并进行储存；

S02：利用灰色关联分析方法，计算已知台区电能表与待识别台区电能表的线路电压关联度；

S03：罗列出所有电能表的关联度三线表，并对相关度进行分析，确定待识别台区电能表所归属的台区。

步骤S02中，灰色关联分析方法包括以下步骤：

S02.1：设置初始矩阵Δ，计算Δ_jk＝{N₀(k)-M_j(k)}，公式如下：

Δ＝(Δ_jk)_m×n＝[Δ_j1,Δ_j2,Δ_j3,…,Δ_jn]；

其中：n是电压特征值的采样量，m是待识别的电能表总数目；j＝1,2,…,m；k＝1,2,…,n；Δ_jk是已知台区电能表与第j个待识别台区电能表的第k个电压特征值的绝对值；N₀(k)是已知台区电能表的第k个电压特征值的绝对值；M_j(k)是第j个待识别台区电能表的第k个电压特征值的绝对值。

S02.2：计算相对概率，即第j个待识别台区电能表的第k个电压特征值出现的相对概率p_jk为：

S02.3：根据信息论中冗余度的概念，计算第k个电压特征值的冗余度，其方程为：

D_k＝1-e_k

e_k＝E_k/E_max

E_max＝lnM；

其中：e_k，E_k，E_max分别表示第k个电压特征值的相对熵，熵和最大熵，M指已知台区的数量。

S02.4：计算第k个电压特征值的权重a_j(k)，其计算方程为：

得到

S02.5：计算灰色关联分析的关联度，将固定权重值1/n替换为可变权重a_j(k)，计算表达式为:

ξ_j(k)代表已知台区电能表与待识别台区电能表电压特征值的关联系数；其计算公式如下。

式中，ρ为分辨系数，其取值范围为[0,1]，通常取值为0.5。

若关联度γ_j的值越接近于1，可以得到，待识别台区电能表和已知台区电能表之间的关联度就越高。相反，若关联度γ_j的值越远离1，则待识别台区电能表和已知台区电能表之间的关联度就越低。通过比较待识别台区电能表与归属不同台区的已知电能表之间的关联度数值，就可以得带待识别电能表的台区属性。

步骤S02.3中，从统计学的角度来看，大偏差特征更能反映类型之间的差异。因此，差异程度越大，它的特征就越重要。

步骤S02.3中，用1减去相对熵，实际上意味着去掉第k个电能表特征熵和最优特征熵之间的差值。因此，冗余度D_k越大表示特征熵的重要性更大，应该给予更大的权重。

步骤S02.5中，如果采用固定权重1/n来计算灰色关联分析的关联度，其计算方程为：

一种基于灰色关联分析的智能台区户变识别系统，摆脱了一定的主观判断性和较强的适用性：包括数据采集模块、关联度计算模块和智能识别模块；

数据采集模块用于采集不同台区内智能电能表上的实时线路电压数据，获取已识别和待识别的电压曲线；

关联度计算模块用于对获取的线路电压数据进行关联度的相关计算，获取关联度计算数据；

智能识别模块用于识别关联度计算结果，并对计算结果进行分析，实现智能台区户变的识别效果。

作为上述实施方式的其中一个实施例，处于同一台区中的不同智能电能表，电能表的接线端为同一个电压器的输出，物理电气距离很近。因此，电能表采集到的线路电压的波动趋势基本一致。然而，处于不同台区的智能电能表，其接线端为不同变压器的输出，物理电气距离较远，接入不同台区的负荷变化不同。因此，电能表采集到的线路电压的波动趋势存在一定的差异性。

假设以下两个台区共有15个电表申请认可，如图3所示，A区1#和4#、B区8#和15#为已知电能表，剩下的电能表就是那些需要待识别的。对15台电表的线电压数据进行改进的灰色关联分析，相应的关联度数据列于图6和图7；

从图4和图5可以看出，属于同一地区的电表的关联度很高，本实施例中关联度为0.90，属于不同地区的电表的关联度相对较低，本实施例中关联度为0.70，不同区域之间的相关程度因电气距离、负荷分布等的不同而不同，在本实施例中选择的两个区域的电气距离相对较短，并且用户类型非常接近，此外，两地区用电行为相似，具有较高的关联度。

本实施例中的数据也足以识别变压器的面积，在其他情况下，不同变压器区域的电能表之间的相关度较低，根据以前的讨论，A区的1#、4#、B区的8#、15#是公认的电表，利用关联度可以很容易地确定未识别电度表的变压器面积，根据图4和图5的结果，电压表1#～7#和电压表8#～15#属于两个不同的变压器区域，识别准确率达到100％。

因此，结果表明，本文提出的改进的灰色关联分析方法能够在变压器区域准确有效地实现变压器的台区户变识别。

以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (7)

1.一种基于灰色关联分析的智能台区户变识别方法，其特征在于：包括如下步骤：

S01：采集某一时段内已知台区电能表及待识别台区电能表的线路电压数据曲线，并进行储存；

S02：利用灰色关联分析方法，计算已知台区电能表与待识别台区电能表的线路电压关联度；

S03：罗列出所有电能表的关联度三线表，并对相关度进行分析，确定待识别台区电能表所归属的台区。

2.根据权利要求1所述的一种基于灰色关联分析的智能台区户变识别方法，其特征在于：所述步骤S01中线路电压数据曲线利用采集器或者集中器进行采集。

3.根据权利要求1所述的一种基于灰色关联分析的智能台区户变识别方法，其特征在于：所述步骤S02中，灰色关联分析方法包括以下步骤：

S02.1：设置初始矩阵Δ，计算Δ_jk＝{N₀(k)-M_j(k)}，公式如下：

其中：n是电压特征值的采样量，m是待识别的电能表总数目；j＝1,2,…,m；k＝1,2,…,n；Δ_jk是已知台区电能表与第j个待识别台区电能表的第k个电压特征值的绝对值；N₀(k)是已知台区电能表的第k个电压特征值的绝对值；M_j(k)是第j个待识别台区电能表的第k个电压特征值的绝对值；

S02.2：计算第j个待识别台区电能表的第k个电压特征值出现的相对概率p_jk为：

S02.3：计算第k个电压特征值的冗余度，其方程为：

D_k＝1-e_k

e_k＝E_k/E_max

E_max＝lnM；

其中：e_k，E_k，E_max分别表示第k个电压特征值的相对熵，熵和最大熵，M指已知台区的数量。

S02.4：计算第k个电压特征值的权重a_j(k)，其计算方程为：

得到

a_j(k)≥0；

S02.5：计算灰色关联分析的关联度，将固定权重值1/n替换为可变权重a_j(k)，计算表达式为:

ξ_j(k)代表已知台区电能表与待识别台区电能表电压特征值的关联系数。

4.根据权利要求3所述的一种基于灰色关联分析的智能台区户变识别方法，其特征在于：所述ξ_j(k)计算公式如下：

式中，ρ为分辨系数，其取值范围为[0,1]。

5.根据权利要求4所述的一种基于灰色关联分析的智能台区户变识别方法，其特征在于：所述ρ优选为0.5。

6.根据权利要求1所述的一种基于灰色关联分析的智能台区户变识别方法，其特征在于：所述电能表的关联度三线表包括三列，分别为已知台区电能表的台区，已知台区电能表与待识别台区电能表关联度，是否同一台区。

7.根据权利要求6所述的一种基于灰色关联分析的智能台区户变识别方法，其特征在于：根据电能表的关联度三线表中的已知台区电能表与待识别台区电能表关联度的数值进行断判，如果关联度γ_j的值越接近于1，且与1的差值达到阈值，则判断待识别台区电能表与已知台区电能表属于同一台区。

Images