CN111598374A - 低压交流市电台区智能识别方法 - Google Patents

低压交流市电台区智能识别方法 Download PDF

Info

Publication number
CN111598374A
CN111598374A CN201910434125.8A CN201910434125A CN111598374A CN 111598374 A CN111598374 A CN 111598374A CN 201910434125 A CN201910434125 A CN 201910434125A CN 111598374 A CN111598374 A CN 111598374A
Authority
CN
China
Prior art keywords
distinguishing
area
slave
nodes
node
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
Application number
CN201910434125.8A
Other languages
English (en)
Other versions
CN111598374B (zh
Inventor
严由辉
张乐群
周佳
李勇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Qingdao Topscomm Communication Co Ltd
Original Assignee
Qingdao Topscomm Communication Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Qingdao Topscomm Communication Co Ltd filed Critical Qingdao Topscomm Communication Co Ltd
Priority to CN201910434125.8A priority Critical patent/CN111598374B/zh
Publication of CN111598374A publication Critical patent/CN111598374A/zh
Application granted granted Critical
Publication of CN111598374B publication Critical patent/CN111598374B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0639Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393Score-carding, benchmarking or key performance indicator [KPI] analysis
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R23/00Arrangements for measuring frequencies; Arrangements for analysing frequency spectra
    • G01R23/02Arrangements for measuring frequency, e.g. pulse repetition rate; Arrangements for measuring period of current or voltage
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06Energy or water supply
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02EREDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04SSYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00Systems supporting electrical power generation, transmission or distribution
    • Y04S10/16Electric power substations

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)

Abstract

本发明公开了一种低压交流市电台区智能识别方法,属于用电信息采集领域。该方法通过分析待区分目标电能表(从节点)与配电变压器(主节点)处市电频率波动的一致性对电能表进行物理台区归属分析。本发明基本流程是:首先分别在主节点和从节点采集固定时间长度的工频值波动曲线;然后将以上数据在从节点处汇总,初步计算出台区区分指标;第三步重复进行大量上述台区区分指标的计算,基于最大似然准则实现区分指标的精确估计;最后对从节点与不同台区主节点的区分指标进行比较,判断目标电能表归属台区。该方法目前可完全由模块芯片软件实现而无需增加任何外设,提高了台区区分的准确性,且极大降低了台区区分成本,为台区治理提供重要依据。

Description

低压交流市电台区智能识别方法
技术领域
本发明涉及一种低压交流市电台区智能识别方法,属于用电信息采集领域。
背景技术
近年来,用电信息采集业务大规模实行以台区为单位的管理。但智能电能 表安装后的物理台区归属并不明确,与主站的台区档案记录可能并不相符,电 能表台区归属混乱与错误问题亟待解决。另外,台区归属混乱还会影响抄读效 率,跨台区抄表因距离过长,通信信号衰减,极大影响抄读成功率。综上,准 确的低压电力台区识别技术显得尤为重要。
目前电力台区识别技术主要是采用FSK电力载波信号法或脉冲电流法 FSK电力载波信号法相结合的方法。FSK电力载波信号法本身会由于共高压串 线、共地串线、电缆耦合等情况造成台区识别的误判;而脉冲电流法不仅无法 很好的集成在载波电能表中,且抗噪声能力较弱,因而两种方式在实际应用中 效果并不理想。
针对以上问题,青岛鼎信通讯有限公司提出一种低压交流市电台区智能识 别方法。该方法原理主要基于不同台区市电频率波动存在差异,而相同台区供 电点频率波动一致性较强的特征。
首先获取配电变压器(主节点)和电能表(从节点)同步时间点,主从节 点分别采集自身市电工频波动曲线,然后从节点汇总以上曲线数据并计算台区 区分指标,当从节点完成与多个台区主节点的台区指标计算后,通过比较各指 标大小,确定自身的台区归属。其中台区区分指标采用Pearson相关系数反映 主从节点的工频波动一致性,并采用多次测量取最大似然估计的方法拉来提高 测量准确性。该算法具有较强的鲁棒性和稳定性,为低压用电台区用电信息采 集系统的台区治理等工作提供可靠的依据。
发明内容
因为供电台区之间通讯串扰问题的存在,现场台区的智能电能表可能会与 多个台区的配电变压器处的终端建立通讯连接,产生跨台区现场。若电能表归 属到错误的台区,采集系统的档案管理会出现错误或者混乱。不仅如此,跨台 区抄表通信成功率也较低,当两个或以上终端抄读同一电能表时又会影响电能 表真实归属台区终端的抄读,且占用跨台区终端的工作时间,降低用电信息采 集系统的工作效率。因此,在智能电能表存在跨台区通讯的情况下,使电能表 能够区分自身正确的真实台区归属具有重要的意义。基于此,本发明提出了一 种低压交流供电台区智能识别方法,该方法依据不同台区市电频率波动的差异 性来区分台区。首先对目标电能表与配电变压器同步采集市电频率波动曲线,然后在电能表处进行数据的汇总和区分指标的计算,目标电能表比较自身与多 个台区配电变压器的区分指标,选取最大的作为归属台区。计算区分指标时, 采用取多次测量结果的最大似然估计以达到优化区分指标的目的。现场运行结 果表明此方法提升了台区区分的准确性与稳定性。上述台区区分过程包括以下 操作步骤:
(1)采集同步工频波动曲线。目标电能表(从节点)与台区配电变压器(主 节点)获取时间同步信息。主节点向从节点发出区分命令,从节点自收到采集 命令后开始采集,主节点考虑通信时间,延迟一段时间开始采集,至此主从节 点同步采集了各自市电的频率波动曲线。
(2)从节点汇总数据计算区分指标。从节点获取(1)中主节点采集的频率曲 线,在本地与自身采集的曲线计算二者的Pearson相关系数作为区分指标。
(3)利用最大似然估计提高指标准确性。由步骤(2)得到的结论易受到随 机扰动的影响,为了消除此影响,从节点与主节点多次采集同步曲线计算区分 指标,即重复(2)的步骤。依据最大似然准则,对多次区分指标取均值即为最 大似然估计,可进一步提升台区区分结果准确性与稳定性。
(4)从节点根据区分指标得出台区归属。当从节点与多个台区主节点完成步 骤(3)后,对指标进行大小比较,区分指标最大主节点对应的台区即为从节点 的归属台区。
整套技术方案可全由软件实现,不需要增加任何外设,台区区分结果准确 稳定且大大降低了成本。
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施 例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述 中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创 造性劳动性的前提下,还可以根据这些附图获得其他的附图。
附图说明
图1为本发明低压智能台区区分方法步骤图;
图2本发明计算的区分指标均值曲线;
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下面结合本发明实施 例附图,对本发明实施例中的技术方案做进一步清楚、完整的描述,显然,所 描述的实施例是本发明实施例的一种,而不是全部的实施例。基于本发明中的 实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他 实施例,都属于本发明保护的范围。
现场电力台区虽然设置为固定工作频率,但是由于设备,线路和负载的影 响,低压供电台区的工频是存在小范围起伏的。由于影响工频波动的因素在同 一台区基本一致,所以同台区供电点的工频起伏具有较高的一致性;而非同台 区的两个供电点的工频波动在小范围时间内一致性较弱。本发明充分利用低压 供电台区工频的这一特性,主从节点通过同步采集工频数据,得到台区区分指 标,从节点对自身与多个主节点的区分结果进行比较,进而得出区分指标最大 的主节点对应台区为自身归属台区。本发明基本原理描述如下:
主从节点的同步原理:
通信主模块发送台区区分命令。在时间t,收到命令的从节点i以此作为工 频波动曲线采集起点。主节点,通过命令报文的速率预估从节点的采集时间点 t′,作为主节点的工频波动曲线的采集起点。本发明要求主从节点同步偏差小于 10us,即
|t-t′|<10us
台区区分指标的计算:
主从节点分别采集一段长度为n的同步工频波动曲线,记为数列X,Y∈
Figure BDA0002069984020000042
n, 在从节点处汇总数据计算二者的Pearson相关系数,等价公式较多,参考之一如 下
Figure BDA0002069984020000041
其中cov(X,Y)为X与Y的协方差,Var[X]为X的方差,Var[Y]为Y的方差。
台区区分指标的优化:
由上述分析可知由于采集本身存在一定的测量误差,所以区分指标c应是 在某一理想值附近变化的随机变量,假设c服从正态分布(μ,σ2),那么n次计 算区分指标{cn}之后得到关于ci的极大似然函数为
Figure BDA0002069984020000051
求L(ΔTi,μ,σ2)的极大值可得ci的极大似然估计为
Figure RE-GDA0002205223270000052
即n次测量的最大似然估计值即为n个区分指标的均值。根据极大似然估 计原理,区分次数n越大,区分指标越趋于稳定和准确。
从节点判断台区归属依据:
根据Pearson相关系数的性质可知,区分指标越大代表从节点与主节点处的 市电工频波动也就更加一致,也就是更有可能处于同一台区。依此,从节点首 先完成与多个主节点的区分,得出优化的台区指标,然后取指标最大的主节点 对应的台区为自身归属台区。
基于上述分析,所提台区区分方法分为以下四个步骤执行:
步骤1,电能表(从节点)和配电变压器(主节点)采集同步市电工频波动 曲线。该步骤包括下列操作内容:
主节点向从几点发出台区区分命令,二者根据以上所述基本原理获取同步 时间,并采集长度为n的频率曲线。
步骤2,从节点计算自身与主节点的区分指标。该步骤包括以下操作内容:
主节点将步骤1的采集内容发送至从节点,从节点计算二者的Pearson相关 系数作为区分指标
步骤3,优化指标准确性。该步骤包含以下操作内容:
从节点与同一主节点多次完成步骤2操作,获取多个台区区分指标,然后 计算这些指标的均值(最大似然估计),作为从节点与此主节点的台区区分最终 指标。
步骤4,根据区分指标比较结果得出台区归属。该步骤包含以下操作内容:
从节点与多个可通信主节点完成步骤3,每个主节点对应一个台区区分指 标。从节点对所有指标比较大小,将指标最大的主节点对应台区作为自身所属 台区,结果根据需要上报或等待提取。
图2给出了一个目标节点对两个主节点进行台区区分计算的累积分析结果。 由结果可见,在区分一开始同台区与非同台区的区别就非常明显,基本可以直 接作出准确的台区判断。但是初期,两个主节点的偏移值非常不稳定,说明台 区的工频波动在短时间内还是存在较多的随机干扰。随着时间的推移,两条累 积的偏移均值曲线逐渐趋于平稳,也就是说累积数据的联合运用,增加了区分 结果和指标的稳定性,使得偶发的或短时的干扰不会体现在区分指标上,这样 即使出现了更大的干扰,只要是足够短时间内发生的,就不会对台区区分的准 确性造成任何影响,即本方案的台区区分具有较强的鲁棒性,适合应用场景将 会十分广泛。
本发明已经过多次现场验证。人为调整档案,产生跨台区表计,将H3台区 中的11只表计添加到H1台区。清除台区识别测试的历史数据,然后分别发送 20轮台区识别命令。之后令两个台区的变压器处终端开始抄表,在主站查看上 报结果,并且现场进行验证。11只表计只要被抄读到第一次,就可以正确的进 行区分,如下表所示,20轮抄读后跨台区表计全部被置跨台区标识。
表1台区现场测试记录
Figure BDA0002069984020000071
最后需要说明的是,以上实施例仅用以说明本发明的技术方案,而非对其 限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人 员应当理解;其依然可以对前述实施例所记载的技术方案进行修改,或者对其 中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的 本质脱离本发明实施例技术方案的精神和范围。

Claims (1)

1.一种低压交流市电台区智能识别方法,该方法基于电能表(从节点)与不同台区(主节点)市电工频变化一致性指标进行区分,结合最大似然估计使台区区分指标更加精确,该方法包括以下几个步骤:
(1)同步采集市电频率曲线:为了反映电能表与某台区市电工频的一致性,需要获取时间同步的市电频率波动曲线数据进行分析。主节点发出数据采集命令,从节点收到命令后采集频率曲线,主节点依据通信耗时确定采集时间点,从而做到主从节点同步采集数据;
(2)从节点汇总采集数据,计算区分指标:主节点将(1)采集的数据发送至从节点,从节点计算两段曲线的Pearson相关系数作为台区区分指标;
(3)多次测量提升指标准确性:主从节点重复步骤(2)得到多组台区区分指标,依据最大似然原理,计算多个区分指标的均值得到更加准确的区分指标;
(4)从节点综合与多个台区主节点的台区区分指标,得出自身台区归属:当从节点与多个主节点完成步骤(3)时,区分指标最大的主节点台区即为从节点物理归属台区。
CN201910434125.8A 2019-05-23 2019-05-23 低压交流市电台区智能识别方法 Active CN111598374B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910434125.8A CN111598374B (zh) 2019-05-23 2019-05-23 低压交流市电台区智能识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910434125.8A CN111598374B (zh) 2019-05-23 2019-05-23 低压交流市电台区智能识别方法

Publications (2)

Publication Number Publication Date
CN111598374A true CN111598374A (zh) 2020-08-28
CN111598374B CN111598374B (zh) 2024-03-19

Family

ID=72188926

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910434125.8A Active CN111598374B (zh) 2019-05-23 2019-05-23 低压交流市电台区智能识别方法

Country Status (1)

Country Link
CN (1) CN111598374B (zh)

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060101048A1 (en) * 2004-11-08 2006-05-11 Mazzagatti Jane C KStore data analyzer
CN103033856A (zh) * 2012-12-06 2013-04-10 南京信息工程大学 基于水文气象一致性地区分析的雨量频率估计方法
CN103078666A (zh) * 2013-01-10 2013-05-01 青岛鼎信通讯股份有限公司 基于电力线特点的全新台区识别技术
WO2014101850A1 (zh) * 2012-12-31 2014-07-03 瑞斯康微电子(深圳)有限公司 一种低压配电网载波终端自动注册算法
CN104092481A (zh) * 2014-07-17 2014-10-08 江苏林洋电子股份有限公司 一种通过电压特征区分台区和相别的方法
CN105958639A (zh) * 2016-06-17 2016-09-21 江苏南自通华电力自动化股份有限公司 市电和油机发电类型判断方法及其判断设备
CN106253950A (zh) * 2016-08-31 2016-12-21 中电华瑞技术有限公司 一种宽带载波台区识别方法
CN107221148A (zh) * 2017-06-05 2017-09-29 国网浙江省电力公司电力科学研究院 一种基于电力线载波的终端台区识别方法
CN107517071A (zh) * 2017-08-05 2017-12-26 青岛鼎信通讯股份有限公司 低压交流市电台区智能识别方法
CN108766465A (zh) * 2018-06-06 2018-11-06 华中师范大学 一种基于enf通用背景模型的数字音频篡改盲检测方法
CN108766464A (zh) * 2018-06-06 2018-11-06 华中师范大学 基于电网频率波动超矢量的数字音频篡改自动检测方法
CN108805457A (zh) * 2018-06-19 2018-11-13 宁波迦南智能电气股份有限公司 一种高准确性的电能表台区识别方法
CN108964034A (zh) * 2018-07-17 2018-12-07 国网四川省电力公司电力科学研究院 一种台区拓扑辨识方法
CN109285087A (zh) * 2018-07-17 2019-01-29 国网四川省电力公司电力科学研究院 一种基于NB-IoT和GPU加速的台区拓扑识别方法
CN109376366A (zh) * 2018-08-09 2019-02-22 国网北京市电力公司 一种异常线损影响因素的分析方法及装置

Patent Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060101048A1 (en) * 2004-11-08 2006-05-11 Mazzagatti Jane C KStore data analyzer
CN103033856A (zh) * 2012-12-06 2013-04-10 南京信息工程大学 基于水文气象一致性地区分析的雨量频率估计方法
WO2014101850A1 (zh) * 2012-12-31 2014-07-03 瑞斯康微电子(深圳)有限公司 一种低压配电网载波终端自动注册算法
CN103078666A (zh) * 2013-01-10 2013-05-01 青岛鼎信通讯股份有限公司 基于电力线特点的全新台区识别技术
CN104092481A (zh) * 2014-07-17 2014-10-08 江苏林洋电子股份有限公司 一种通过电压特征区分台区和相别的方法
US20170207818A1 (en) * 2014-07-17 2017-07-20 Jiangsu Linyang Energy Co., Ltd. Method for differentiating power distribution areas and phases by using voltage characteristics
CN105958639A (zh) * 2016-06-17 2016-09-21 江苏南自通华电力自动化股份有限公司 市电和油机发电类型判断方法及其判断设备
CN106253950A (zh) * 2016-08-31 2016-12-21 中电华瑞技术有限公司 一种宽带载波台区识别方法
CN107221148A (zh) * 2017-06-05 2017-09-29 国网浙江省电力公司电力科学研究院 一种基于电力线载波的终端台区识别方法
CN107517071A (zh) * 2017-08-05 2017-12-26 青岛鼎信通讯股份有限公司 低压交流市电台区智能识别方法
CN108766465A (zh) * 2018-06-06 2018-11-06 华中师范大学 一种基于enf通用背景模型的数字音频篡改盲检测方法
CN108766464A (zh) * 2018-06-06 2018-11-06 华中师范大学 基于电网频率波动超矢量的数字音频篡改自动检测方法
CN108805457A (zh) * 2018-06-19 2018-11-13 宁波迦南智能电气股份有限公司 一种高准确性的电能表台区识别方法
CN108964034A (zh) * 2018-07-17 2018-12-07 国网四川省电力公司电力科学研究院 一种台区拓扑辨识方法
CN109285087A (zh) * 2018-07-17 2019-01-29 国网四川省电力公司电力科学研究院 一种基于NB-IoT和GPU加速的台区拓扑识别方法
CN109376366A (zh) * 2018-08-09 2019-02-22 国网北京市电力公司 一种异常线损影响因素的分析方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
熊秋: "居民用电异常识别系统的研究实现", 《中国优秀硕士期刊全文数据库 工程科技Ⅱ辑》, 15 November 2018 (2018-11-15), pages 1 - 4 *

Also Published As

Publication number Publication date
CN111598374B (zh) 2024-03-19

Similar Documents

Publication Publication Date Title
CN107517071B (zh) 低压交流市电台区智能识别方法
CN108535599B (zh) 基于电压曲线聚类分析的低压台区用户相位识别方法
CN111061821B (zh) 基于改进k值聚类算法的低压配电网拓扑校验方法及系统
CN110633744B (zh) 一种智能电表的台区识别方法
US20220196714A1 (en) Transformer area identification method and computer-readable storage medium
EP2806572A1 (en) Detecting and locating power outages via low voltage grid mapping
CN111650431B (zh) 一种电表台区识别方法
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
CN111835006B (zh) 一种基于电压曲线和最小二乘的低压台区拓扑识别方法
CN112463849A (zh) 进行台区户变关系识别的方法、计算机可读取的存储介质
CN112636335B (zh) 基于电压数据去相关遴选和相关分析的低压配电网户变关系校验方法及系统
CN112804292B (zh) 一种电表台区识别方法
CN113466548B (zh) 一种基于相量测量技术的智能电表台区识别方法
CN114912526A (zh) 台区识别方法及系统、电子设备、存储介质
Chen et al. Big data analysis based identification method of low-voltage substation area
CN113992241A (zh) 一种基于工频通信的台区拓扑自动识别分析方法
CN113985098A (zh) 一种基于实时计量的提高防窃电分析准确度的方法
CN111598374A (zh) 低压交流市电台区智能识别方法
CN115207909B (zh) 一种台区拓扑识别方法、装置、设备及存储介质
CN113572164B (zh) 一种基于k-means聚类分析的配电网台区识别方法
CN116319350A (zh) 一种电表量测数据与电力线通信的低压配网拓扑识别方法
CN115470858A (zh) 基于ddtw距离和最小最大距离算法的配电台区拓扑辨识方法
CN114722971A (zh) 一种低压台区相位识别方法
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
CN102486502B (zh) 电力特征辨识装置及其方法

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