CN111505433B - 一种低压台区户变关系纠错及相位识别方法 - Google Patents
一种低压台区户变关系纠错及相位识别方法 Download PDFInfo
- Publication number
- CN111505433B CN111505433B CN202010278071.3A CN202010278071A CN111505433B CN 111505433 B CN111505433 B CN 111505433B CN 202010278071 A CN202010278071 A CN 202010278071A CN 111505433 B CN111505433 B CN 111505433B
- Authority
- CN
- China
- Prior art keywords
- users
- user
- voltage
- data
- abnormal
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/08—Locating faults in cables, transmission lines, or networks
- G01R31/081—Locating faults in cables, transmission lines, or networks according to type of conductors
- G01R31/086—Locating faults in cables, transmission lines, or networks according to type of conductors in power transmission or distribution networks, i.e. with interconnected conductors
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/08—Locating faults in cables, transmission lines, or networks
- G01R31/088—Aspects of digital computing
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及电网技术领域,尤其涉及一种低压台区户变关系纠错及相位识别方法,包括如下步骤:按照用户户号,输入台区全部单相用户的历史电压数据及对应的采集时刻;基于同台区用户的历史电压数据进行分析,采用皮尔逊相关系数提取同台区用户的历史电压数据之间的关联度;计算各个用户的关联性特征向量,建立待分析台区的特征集矩阵;依据各用户的电压特征,排查异常用户;建立正常用户的原始电压数据集合,对原始电压的数据集合作降维处理,输出集合;使用聚类算法,将全体正常用户分为三类,完成三相识别工作。本发明的有益效果:可快速、有效地验证电网GIS系统中用户与台区变压器拓扑连接关系的正确性;可快速、准确地识别出各用户地相位关系。
Description
技术领域
本发明涉及电网技术领域,尤其涉及一种低压台区户变关系纠错及相位识别方法。
背景技术
近年来由于电网建设和发展引起的频繁变动(如迁建、扩容、割接、布点)、用电户数增多和用户用电地址变更等原因,导致低压台区户变关系出现变更。而由于各种条件限制,如线路交叉,地埋线路等,用户表计与户变的隶属关系信息难以得到及时的更新,影响了电网基础数据的准确性。而通过传统方式很难及时、准确地排查台区户变关系,进而造成营配业务系统中的电网拓扑关系数据与现场不一致,异损台区屡屡冒出,使得配网线损的治理工作进入了瓶颈阶段。因而需要研发出新的能够快速准确识别档案记载错误的用户台区户变关系的方法。
针对低压台区中存在的拓扑档案错误问题,传统的纠错方法有现场线路排查和载波通信校验两种方式,且均需投入一定的人力。现场线路排查主要针对线路架设年代较早且未安装智能电表的台区,一线工作人员通过排查现场所有线路完成台区用户接入点的校验,遇到过于复杂的情况需要“拉闸验电”,这将较大程度上影响用户的日常生活。载波通信技术目前应用较为广泛,工作人员使用位于变压器的载波通信终端和用户电表侧的手持接收端进行载波通信,通过分析通信报文特性判断用户所属相位和台区。该方法识别率较高,但仅限于用户电表支持载波通信协议的台区;另一方面,载波通信的噪声源较多且易受干扰,因此该方法在负荷波动较大的台区效果不佳。
发明内容
为解决上述问题,本发明提出一种低压台区户变关系纠错及相位识别方法。
一种低压台区户变关系纠错及相位识别方法,包括如下步骤:
按照用户户号,输入台区全部单相用户的历史电压数据及对应的采集时刻;
基于同台区用户的历史电压数据进行分析,采用皮尔逊相关系数提取同台区用户的历史电压数据之间的关联度;
将相关性系数序列作为各个用户的固有特征,计算各个用户的关联性特征向量Qi=[Ci1,Ci2,…,Cij,…,Cin],并基于各个用户的关联性特征向量,建立待分析台区的特征集矩阵Q=[Q1,Q2,…,Qn];
以特征集矩阵为输入量,调用孤立森林算法,依据各用户的电压特征,排查异常用户A1;
排除异常用户,建立正常用户的原始电压数据集合A2,使用主成分分析法,对原始电压的数据集合作降维处理,输出集合A3;
以A3为输入量,使用聚类算法,指定聚类簇数为3,将全体正常用户分为三类,完成三相识别工作,记录各相户号B1,B2,B3;
输出户变关系异常用户A1户号,输出各相户号B1,B2,B3。
优选的,所述基于同台区用户的历史电压数据进行分析,采用皮尔逊相关系数提取同台区用户的历史电压数据之间的关联度包括:
同台区用户的历史电压数据之间的关联度的计算公式为:
优选的,所述以特征集矩阵为输入量,调用孤立森林算法,依据各用户的电压特征,排查异常用户A1包括:
调用孤立森林算法排查异常点,排查依据为输入的相关系数特征矩阵,对数据进行训练时,不断随机选择一个切分属性和一个切分点,然后对每个样本,根据其属性的值将其划分,对预测数据进行异常检验,根据其划分所用的次数计算异常评分,从而判断用户是否异常。
优选的,所述排除异常用户,建立正常用户的原始电压数据集合A2,使用主成分分析法,对原始电压的数据集合作降维处理,输出集合A3包括:
将原始数据按列组成n行m列矩阵X;
将X的每一行进行零均值化;
求出协方差矩阵:
求出协方差矩阵的特征值及对应的特征向量;
将特征向量按对应特征值大小从上到下按行排列成矩阵,取前k行组成矩阵P,即为降维到k维后的数据。
优选的,所述聚类算法包括:Birch聚类算法,所述Birch聚类算法将划分在同一个特征树下的点归为同一聚类簇。
本发明的有益效果:
1.以特征集矩阵为输入量,调用孤立森林算法,依据各用户的电压特征,排查异常用户A1,可快速、有效地验证电网GIS系统中用户与台区变压器拓扑连接关系的正确性。
2.在户变关系排查纠错的基础上,基于正常匹配用户的电压特征,使用了降维算法,提取各用户的主要特征,最后通过聚类算法,可以快速、准确地识别出各用户地相位关系。
附图说明
下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1是本发明一实施例的示意性流程图;
图2是本发明一实施例中步骤S5的示意性流程图;
图3是本发明一实施例中各用户的相位识别结果示意图。
具体实施方式
以下结合附图,对本发明的技术方案作进一步的描述,但本发明并不限于这些实施例。
本发明的基本思想是以特征集矩阵为输入量,调用孤立森林算法,依据各用户的电压特征,排查异常用户A1,可快速、有效地验证电网GIS系统中用户与台区变压器拓扑连接关系的正确性;在户变关系排查纠错的基础上,基于正常匹配用户的电压特征,使用了降维算法,提取各用户的主要特征,最后通过聚类算法,可以快速、准确地识别出各用户地相位关系。
基于以上思想,本发明提出了一种低压台区户变关系纠错及相位识别方法,包括如下步骤:
S1:按照用户户号,输入台区全部单相用户的历史电压数据及对应的采集时刻。
需要采集同一台区下所有单相用户的历史电压数据,历史电压数据应具有即时性、丰富性的基本特点,而且各用户的采集时刻应该保持相同,而对于其采样跨度不做要求。
S2:基于同台区用户的历史电压数据进行分析,采用皮尔逊相关系数提取同台区用户的历史电压数据之间的关联度。
同台区用户的历史电压数据之间的关联度的计算公式为:
S3:将相关性系数序列作为各个用户的固有特征,计算各个用户的关联性特征向量Qi=[Ci1,Ci2,…,Cij,…,Cin],并基于各个用户的关联性特征向量,建立待分析台区的特征集矩阵Q=[Q1,Q2,…,Qn]。
将步骤S2中计算得到的用户间历史电压数据之间的关联度,需要按照编号顺序,建立待分析台区的特征集矩阵Q。
S4:以特征集矩阵为输入量,调用孤立森林算法,依据各用户的电压特征,排查异常用户A1。
调用孤立森林算法排查异常点,排查依据为输入的相关系数特征矩阵,对数据进行训练时,不断随机选择一个切分属性和一个切分点,然后对每个样本,根据其属性的值将其划分,对预测数据进行异常检验,根据其划分所用的次数计算异常评分,从而判断用户是否异常。
S5:排除异常用户,建立正常用户的原始电压数据集合A2,使用主成分分析法,对原始电压的数据集合作降维处理,输出集合A3。
主成分分析法(PCA)是一种常用的数据分析方法,主成分分析法通过线性变换将原始数据变换为一组各维度线性无关的表示,可用于提取数据的主要特征分量,常用于高维数据的降维。
如图2所示,具体包括以下步骤:
S51:将原始数据按列组成n行m列矩阵X;
S52:将X的每一行进行零均值化;
S53:求出协方差矩阵:
S54:求出协方差矩阵的特征值及对应的特征向量;
S55:将特征向量按对应特征值大小从上到下按行排列成矩阵,取前k行组成矩阵P,即为降维到k维后的数据。
S6:以A3为输入量,使用聚类算法,指定聚类簇数为3,将全体正常用户分为三类,完成三相识别工作,记录各相户号B1,B2,B3。
本实施例中所采用的聚类算法为Birch聚类算法。
Birch聚类算法需要建立一个聚类特征树,树的构造过程实际是一个数据对象的插入过程,最后将划分在同一个特征树下的点归为同一聚类簇。
S7:输出户变关系异常用户A1户号,输出各相户号B1,B2,B3。
以某台区作为算例,整理全部单相用户的历史电压数据及对应的户号,采集时刻等,通过本发明一种低压台区户变关系纠错及相位识别方法经过异常用户排查,最终输出的户变关系不匹配用户请参阅附表1。
表1户变关系不匹配用户表
经过三相识别后,各用户的相位识别结果请参阅图3。
本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
Claims (4)
1.一种低压台区户变关系纠错及相位识别方法,其特征在于,包括如下步骤:
按照用户户号,输入台区全部单相用户的历史电压数据及对应的采集时刻;
基于同台区用户的历史电压数据进行分析,采用皮尔逊相关系数提取同台区用户的历史电压数据之间的关联度;
将相关性系数序列作为各个用户的固有特征,计算各个用户的关联性特征向量Qi=[Ci1,Ci2,...,Cij,...,Cin],并基于各个用户的关联性特征向量,建立待分析台区的特征集矩阵Q=[Q1,Q2,...,Qn];
以特征集矩阵为输入量,调用孤立森林算法,依据各用户的电压特征,排查异常用户A1;
排除异常用户,建立正常用户的原始电压数据集合A2,使用主成分分析法,对原始电压的数据集合作降维处理,输出集合A3;
以A3为输入量,使用聚类算法,指定聚类簇数为3,将全体正常用户分为三类,完成三相识别工作,记录各相户号B1,B2,B3;
输出户变关系异常用户A1户号,输出各相户号B1,B2,B3;
所述以特征集矩阵为输入量,调用孤立森林算法,依据各用户的电压特征,排查异常用户A1包括:
调用孤立森林算法排查异常点,排查依据为输入的相关系数特征矩阵,对数据进行训练时,不断随机选择一个切分属性和一个切分点,然后对每个样本,根据其属性的值将其划分,对预测数据进行异常检验,根据其划分所用的次数计算异常评分,从而判断用户是否异常。
4.根据权利要求1所述的一种低压台区户变关系纠错及相位识别方法,其特征在于,所述聚类算法包括:Birch聚类算法,所述Birch聚类算法将划分在同一个特征树下的点归为同一聚类簇。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010278071.3A CN111505433B (zh) | 2020-04-10 | 2020-04-10 | 一种低压台区户变关系纠错及相位识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010278071.3A CN111505433B (zh) | 2020-04-10 | 2020-04-10 | 一种低压台区户变关系纠错及相位识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111505433A CN111505433A (zh) | 2020-08-07 |
CN111505433B true CN111505433B (zh) | 2022-06-28 |
Family
ID=71870944
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010278071.3A Active CN111505433B (zh) | 2020-04-10 | 2020-04-10 | 一种低压台区户变关系纠错及相位识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111505433B (zh) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112187518B (zh) * | 2020-09-07 | 2023-04-28 | 佳源科技股份有限公司 | 智能融合终端台区拓扑识别方法及系统 |
CN112232382A (zh) * | 2020-09-25 | 2021-01-15 | 国网福建省电力有限公司营销服务中心 | 一种低压台区的分路与电表隶属关系识别方法及系统 |
CN112415304B (zh) * | 2020-10-30 | 2022-08-23 | 国网天津市电力公司 | 基于低压台区电压数据曲线分群的线路识别方法 |
CN112485525B (zh) * | 2020-11-27 | 2022-12-20 | 中国电力科学研究院有限公司 | 一种变压器相位的识别方法及装置、设备、存储介质 |
CN112730984B (zh) * | 2021-03-31 | 2021-07-13 | 国网江西省电力有限公司供电服务管理中心 | 一种基于智能电表的低压配电网相位识别方法 |
CN113189418B (zh) * | 2021-04-12 | 2022-10-25 | 中能瑞通(北京)科技有限公司 | 一种基于电压数据的拓扑关系识别方法 |
CN113269397A (zh) * | 2021-04-25 | 2021-08-17 | 云南电网有限责任公司信息中心 | 一种基于图谱技术的设备关联特征户变关系核查方法 |
CN113297539A (zh) * | 2021-05-07 | 2021-08-24 | 天云融创数据科技(北京)有限公司 | 户变关系异常识别方法、装置、电子设备和介质 |
CN113744089B (zh) * | 2021-11-08 | 2022-02-15 | 广东电网有限责任公司佛山供电局 | 一种台区户变关系辨识方法及设备 |
CN114629117B (zh) * | 2022-05-13 | 2022-08-23 | 国网浙江省电力有限公司宁波供电公司 | 功率时间碎片低压台区拓扑识别方法和装置 |
CN115344567A (zh) * | 2022-10-18 | 2022-11-15 | 国网天津市电力公司营销服务中心 | 一种适用于边缘计算的低压台区数据清洗治理方法及装置 |
CN115954879B (zh) * | 2023-03-13 | 2023-10-27 | 南昌工程学院 | 基于ao算法优化pnn的配电网线变关系精准辨识方法 |
CN116482471B (zh) * | 2023-06-21 | 2023-09-08 | 四川中电启明星信息技术有限公司 | 一种基于电压时空聚合曲线的户变关系识别方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108985632A (zh) * | 2018-07-16 | 2018-12-11 | 国网上海市电力公司 | 一种基于孤立森林算法的用电数据异常检测模型 |
CN109873812A (zh) * | 2019-01-28 | 2019-06-11 | 腾讯科技(深圳)有限公司 | 异常检测方法、装置及计算机设备 |
CN110231528A (zh) * | 2019-06-17 | 2019-09-13 | 国网重庆市电力公司电力科学研究院 | 基于负荷特征模型库的变压器户变异常识别方法及装置 |
CN110469522A (zh) * | 2019-08-13 | 2019-11-19 | 浪潮通用软件有限公司 | 一种排水系统的异常检测方法及装置 |
CN110569316A (zh) * | 2019-08-07 | 2019-12-13 | 浙江大学 | 基于t-SNE降维技术和BIRCH聚类的低压台区用户拓扑辨识方法 |
CN110727662A (zh) * | 2019-09-10 | 2020-01-24 | 国网浙江省电力有限公司电力科学研究院 | 基于相关性分析的低压台区用户相位识别方法和系统 |
WO2021159940A1 (zh) * | 2020-02-14 | 2021-08-19 | 深圳壹账通智能科技有限公司 | 报告的生成管理方法、装置、计算机设备和存储介质 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108776683B (zh) * | 2018-06-01 | 2022-01-21 | 广东电网有限责任公司 | 一种基于孤立森林算法和神经网络的电力运维数据清洗方法 |
CN109145957B (zh) * | 2018-07-26 | 2023-09-12 | 国网浙江省电力有限公司温州供电公司 | 基于大数据的配电网异常指标的识别与处理方法及装置 |
CN110189232A (zh) * | 2019-05-14 | 2019-08-30 | 三峡大学 | 基于孤立森林算法的用电信息采集数据异常分析方法 |
CN111695639A (zh) * | 2020-06-17 | 2020-09-22 | 浙江经贸职业技术学院 | 一种基于机器学习的电力用户用电异常检测方法 |
-
2020
- 2020-04-10 CN CN202010278071.3A patent/CN111505433B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108985632A (zh) * | 2018-07-16 | 2018-12-11 | 国网上海市电力公司 | 一种基于孤立森林算法的用电数据异常检测模型 |
CN109873812A (zh) * | 2019-01-28 | 2019-06-11 | 腾讯科技(深圳)有限公司 | 异常检测方法、装置及计算机设备 |
CN110231528A (zh) * | 2019-06-17 | 2019-09-13 | 国网重庆市电力公司电力科学研究院 | 基于负荷特征模型库的变压器户变异常识别方法及装置 |
CN110569316A (zh) * | 2019-08-07 | 2019-12-13 | 浙江大学 | 基于t-SNE降维技术和BIRCH聚类的低压台区用户拓扑辨识方法 |
CN110469522A (zh) * | 2019-08-13 | 2019-11-19 | 浪潮通用软件有限公司 | 一种排水系统的异常检测方法及装置 |
CN110727662A (zh) * | 2019-09-10 | 2020-01-24 | 国网浙江省电力有限公司电力科学研究院 | 基于相关性分析的低压台区用户相位识别方法和系统 |
WO2021159940A1 (zh) * | 2020-02-14 | 2021-08-19 | 深圳壹账通智能科技有限公司 | 报告的生成管理方法、装置、计算机设备和存储介质 |
Non-Patent Citations (1)
Title |
---|
Insurance Renewal Probability Model Based on Deep Learning Algorithm;Jinsong Wang,等;《2020 Asia-Pacific Conference on Image Processing,Electronics and Computers(IPEC)》;20200416;第252-256页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111505433A (zh) | 2020-08-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111505433B (zh) | 一种低压台区户变关系纠错及相位识别方法 | |
CN112699913B (zh) | 一种台区户变关系异常诊断方法及装置 | |
CN107340492B (zh) | 基于大数据挖掘和场景预判的电能计量装置故障分析方法 | |
CN109829497B (zh) | 一种基于监督学习的台区用户识别及判别方法 | |
CN107508297B (zh) | 一种配网拓扑结构校验与维护方法 | |
CN110727662A (zh) | 基于相关性分析的低压台区用户相位识别方法和系统 | |
CN107370147A (zh) | 一种基于ami数据分析的配电网拓扑修正方法 | |
CN112688428B (zh) | 一种基于物联网技术的10千伏电网同期线损治理方法 | |
CN110687361A (zh) | 一种用于识别低压配网台区相序的方法及系统 | |
CN113189418B (zh) | 一种基于电压数据的拓扑关系识别方法 | |
CN112633658A (zh) | 一种基于cnn-lstm的低压台区拓扑关系识别方法 | |
CN112701675A (zh) | 基于筛选电压数据的配电台区用户相别辨识方法及系统 | |
CN112948757A (zh) | 一种基于改进皮尔逊相关系数的低压台区拓扑校验方法 | |
CN112510817A (zh) | 一种台区低压拓扑关系智能识别方法 | |
CN111091223B (zh) | 一种基于物联网智能感知技术的配变短期负荷预测方法 | |
CN113723844A (zh) | 一种基于集成学习的低压台区理论线损计算方法 | |
CN112615428A (zh) | 一种线损分析治理系统及方法 | |
CN112182499B (zh) | 一种基于时序电量数据的低压配电网拓扑结构辨识方法 | |
CN111709668A (zh) | 基于数据挖掘技术的电网设备参数风险识别方法及装置 | |
CN117154716B (zh) | 一种分布式电源接入配电网的规划方法及系统 | |
CN111651448B (zh) | 一种基于降噪差分进化的低压拓扑识别方法 | |
CN104484546A (zh) | 一种电网规划项目自动潮流校核文件的生成方法 | |
CN116845971A (zh) | 一种光伏并网低压台区拓扑结构自动识别方法 | |
CN116011158A (zh) | 一种低压台区的拓扑识别方法、系统及装置 | |
CN115081933A (zh) | 一种基于改进谱聚类的低压用户拓扑构建方法和系统 |
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 |