CN111612044A - 一种基于电压数据的台区拓扑识别方法 - Google Patents
一种基于电压数据的台区拓扑识别方法 Download PDFInfo
- Publication number
- CN111612044A CN111612044A CN202010347725.3A CN202010347725A CN111612044A CN 111612044 A CN111612044 A CN 111612044A CN 202010347725 A CN202010347725 A CN 202010347725A CN 111612044 A CN111612044 A CN 111612044A
- Authority
- CN
- China
- Prior art keywords
- voltage data
- identified
- time
- correlation
- probability
- 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
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000000611 regression analysis Methods 0.000 claims abstract description 7
- 238000007476 Maximum Likelihood Methods 0.000 claims abstract description 5
- 238000004458 analytical method Methods 0.000 claims abstract description 4
- 238000004364 calculation method Methods 0.000 claims abstract description 3
- 238000010219 correlation analysis Methods 0.000 claims abstract description 3
- 238000012549 training Methods 0.000 claims description 5
- 230000002123 temporal effect Effects 0.000 claims description 3
- 239000004576 sand Substances 0.000 claims description 2
- 238000007726 management method Methods 0.000 abstract description 7
- 230000005611 electricity Effects 0.000 abstract description 3
- 238000012544 monitoring process Methods 0.000 abstract description 2
- 230000009286 beneficial effect Effects 0.000 abstract 1
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000004304 visual acuity Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
- G01R19/0084—Arrangements for measuring currents or voltages or for indicating presence or sign thereof measuring voltage only
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提出的是一种基于电压数据的台区拓扑识别方法,通过搜集确定台区归属的所有采集设备的电压数据及台区归属关系,采用回归分析实现的方式对样本进行时间和空间相关性分析,通过最大似然估计计算得到时间分类器、空间分类器及其回归系数,并分别计算时间和空间相关性概率,最后综合考虑时间相关性和空间相关性,分别计算待识别采集设备归属于两个台区部分的概率并进行比较。本发明能够提高台区归属与拓扑关系辨识的精确度,利用台区设备电压数据作为判断依据,综合考虑时间和空间相关性系数,可精确判别待识别设备在台区中的状态与位置,有效避免外部干扰,有利于台区资产管理、线损分析与窃电监测等各方面工作进行。
Description
技术领域
本发明涉及的是一种基于电压数据的台区拓扑识别方法,属于电力系统管理 技术领域。
背景技术
随着“三集五大”的不断推进,电网建设的不断发展,我国配电网络的基础 设施得到了很大的完善,传统的粗放型管理已经不适应时代的发展,台区数据的 精益化管理已经成为一种趋势。台区线损是考核供电企业精益化管理的一个重要 指标,但在数据统计和收集过程中,现有电网结构存在的一些问题严重影响了台 区高精度识别和管理的进程,如:台区登记的档案资料不准确;电力线路图纸存 档年代久远造成用户所属馈线混淆;部分低压户违约用电,私自搭接线路,导柱 数据管理和反馈无法正常进行,同时一定程度上影响了供电企业的经营风险和企 业效益;等等。
关于台区数据的有效识别方法,本领域内的各企业和相关研究机构已经围绕 该主题进行了积极探索和求证,如“李亚,樊汝森,蒋伟,et al.基于BP神经网络 的智能台区识别方法研究[J].电测与仪表,2017,054(003):25-30.”提出了一种基 于BP神经网络的智能台区用户信息识别方法并及系统,该系统由识别器和手持 器两部分组成,通信方式采用电力载波通信技术,对于垮台区用户,依据系统和 已识别用户之间的通信信号品质,选取隐藏层节点数为6的前向BP神经网络作 为跨台区用户识别模型进行识别。然而,在实际数据测量统计过程中,一些台区 覆盖的面积较大,地埋电缆相互交叉,线路路径负载造成载波信号在传输过程中 产生反抗干扰,或者由于低压电网在运行过程中产生的衰减和噪声,在负载过重 的情况下造成载波信号的幅值衰减,解析能力降低,不能进行低压配电网络的全 面覆盖,从而影响了台区实际运行情况数据识别的正确率和稳定性。
发明内容
本发明的目的在于克服现有台区状态识别方法存在的缺陷,提出一种基于电 压数据的台区拓扑识别方法。
本发明的技术解决方案:一种基于电压数据的台区拓扑识别方法,包括如下 步骤:
(一)搜集确定台区归属的所有采集设备在一定时间内的电压数据及台区归 属关系,作为训练样本;
(二)将台区整体根据分类类别分为两个台区部分,将每个采集设备在各个 时刻的电压值作为特征属性,采用回归分析实现的方式对样本进行时间相关性分 析,通过最大似然估计计算得到时间相关性的分类器及其回归系数;
(三)根据待识别采集设备不同时刻的电压数据,通过分类器进行分类后, 分别得到归属两个台区部分的时间相关性概率;
(四)对于待识别采集设备的每条样本记录,根据其特征属性同样采用回归 分析的方法,得到对应的空间分类器及其回归系数;
(五)在待识别采集设备采集多次电压数据,并通过空间分类器进行分类后, 根据归属于各台区的次数分别计算待识别采集设备归属于各台区部分的空间相 关性概率;
(六)综合考虑时间相关性和空间相关性,分别计算待识别采集设备归属于 两个台区部分的概率,并进行比较,将待识别采集设备归属于概率较高的台区部 分。
本发明的优点:提高台区归属与拓扑关系辨识的精确度,利用台区设备电压 数据作为判断依据,综合考虑时间和空间相关性系数,可精确判别待识别设备在 台区中的状态与位置,有效避免外部干扰,有利于台区资产管理、线损分析与窃 电监测等各方面工作进行。
具体实施方式
下面根据实施例进一步说明本发明的技术方案。
一种基于电压数据的台区拓扑识别方法,具体包括如下步骤:
(一)搜集确定台区归属的所有采集设备在一定时间内的电压数据及台区归 属关系,作为训练样本。
(二)将台区ID表示分类的类别记为yi,其中yi=1表示台区T1,yi=0表 示台区T2;将每个采集设备在各个时刻的电压值作为特征属性,记为 Xi=(xi,1,xi,2,…,xi,n),通过最大似然估计计算得到时间回归系数θT,似然估计函 数如下:
对上式求对数后再求关于θ的偏导数,并令其结果为0,如下:
式中的结果即为时间回归系数,采用数值分析的牛顿迭代法求解得到最优的 θT。
(三)根据待识别采集设备x的不同时刻的电压数据x=(x1,x2,…,xN),通 过时间分类器进行分类后,得到归属台区T1的时间相关性概率为 归属于台区T2的时间相关性概率为 PT(x,T2)=1-PT(x,T1)。
(四)对于每条样本记录(ti,vi,yi),Xi=(ti,vi)为特征属性,同样采用回归 分析的方法,得到空间分类器CS及其回归系数θS。(五)对于待识别采集设备x, 若其在ti时刻的电压数据vi′,令xi=(ti,vi′),则根据时间相关性概率公式可以计 算得到其归属于T1的概率yi′,若yi′≥0.5则待识别采集设备x归属于台区T1; 在待识别采集设备x采集的N次电压数据,通过空间分类器CS进行分类后,若 归属于台区T1的次数为N1,则待识别采集设备x归属于台区T1的空间相关性概率 为PS(x,T1)=N1/N,归属于台区T2的空间相关性概率为PS(x,T2)=1-PS(x,T1)。
(六)综合考虑时间相关性和空间相关性,待识别采集设备x归属于台区T1和台区T2的概率分别为
P(x,T1)=α·PT(x,T1)+β·PS(x,T1) (3)
P(x,T2)=α·PT(x,T2)+β·PS(x,T2) (4)
式中,α和β分别表示时间相关性和空间相关性系数,0≤α,β≤1,且 α+β=1。
若P(x,T1)≥P(x,T2),则认为待识别采集设备x归属于台区T1,否则认为待 识别采集设备x归属于台区T2。
以上所述仅为本发明的实施例,并非因此限制本发明的专利范围,凡是利用 本发明说明书内容所作的等效结构或等效流程变换,或直接或间接运用在其他相 关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (6)
1.一种基于电压数据的台区拓扑识别方法,其特征在于,该方法具体包括如下步骤:
(一)搜集确定台区归属的所有采集设备在一定时间内的电压数据及台区归属关系,作为训练样本;
(二)将台区整体根据分类类别分为两个台区部分,将每个采集设备在各个时刻的电压值作为特征属性,采用回归分析实现的方式对样本进行时间相关性分析,通过最大似然估计计算得到时间相关性的分类器及其回归系数;
(三)根据待识别采集设备不同时刻的电压数据,通过分类器进行分类后,分别得到归属两个台区部分的概率;
(四)对于待识别采集设备的每条样本记录,根据其特征属性同样采用回归分析的方法,得到对应的空间分类器及其回归系数;
(五)在待识别采集设备采集多次电压数据,并通过空间分类器进行分类后,根据归属于各台区的次数分别计算待识别采集设备归属于各台区部分的概率;
(六)综合考虑时间相关性和空间相关性,分别计算待识别采集设备归属于两个台区部分的概率,并进行比较,将待识别采集设备归属于概率较高的台区部分。
4.根据权利要求1所述的一种基于电压数据的台区拓扑识别方法,其特征在于,所述的步骤(四)具体包括如下内容:对于每条样本记录(ti,vi,yi),将Xi=(ti,vi)记为空间特征属性,同样采用回归分析的方法,得到空间分类器CS及其空间回归系数θS。
5.根据权利要求1或4所述的一种基于电压数据的台区拓扑识别方法,其特征在于,所述的步骤(五)具体包括如下内容:对于待识别采集设备x,若其在ti时刻的电压数据vi′,令xi=(ti,vi′),则根据时间相关性概率公式可以计算得到其归属于T1的概率yi′,若yi′≥0.5则待识别采集设备x归属于台区T1;在待识别采集设备x采集的N次电压数据,通过空间分类器CS进行分类后,若归属于台区T1的次数为N1,则待识别采集设备x归属于台区T1的空间相关性概率为PS(x,T1)=N1/N,归属于台区T2的空间相关性概率为PS(x,T2)=1-PS(x,T1)。
6.根据权利要求1~5中任意一项所述的一种基于电压数据的台区拓扑识别方法,其特征在于,所述的步骤(六)中待识别采集设备x归属于台区T1和台区T2的综合考虑时间相关性和空间相关性的概率公式分别如下:
P(x,T1)=α·PT(x,T1)+β·PS(x,T1) (3)
P(x,T2)=αgPT(x,T2)+β·PS(x,T2) (4)
式中,α和β分别表示时间相关性和空间相关性系数,0≤α,β≤1,且α+β=1;
若P(x,T1)≥P(x,T2),则认为待识别采集设备x归属于台区T1,否则认为采集设备x归属于台区T2。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010347725.3A CN111612044A (zh) | 2020-04-28 | 2020-04-28 | 一种基于电压数据的台区拓扑识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010347725.3A CN111612044A (zh) | 2020-04-28 | 2020-04-28 | 一种基于电压数据的台区拓扑识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111612044A true CN111612044A (zh) | 2020-09-01 |
Family
ID=72204664
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010347725.3A Pending CN111612044A (zh) | 2020-04-28 | 2020-04-28 | 一种基于电压数据的台区拓扑识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111612044A (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108490288A (zh) * | 2018-03-09 | 2018-09-04 | 华南师范大学 | 一种窃电检测方法及系统 |
CN111026927A (zh) * | 2019-12-26 | 2020-04-17 | 国网福建省电力有限公司电力科学研究院 | 一种低压台区运行状态智能监测系统 |
-
2020
- 2020-04-28 CN CN202010347725.3A patent/CN111612044A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108490288A (zh) * | 2018-03-09 | 2018-09-04 | 华南师范大学 | 一种窃电检测方法及系统 |
CN111026927A (zh) * | 2019-12-26 | 2020-04-17 | 国网福建省电力有限公司电力科学研究院 | 一种低压台区运行状态智能监测系统 |
Non-Patent Citations (1)
Title |
---|
阿辽沙∙叶等: "基于数据时空相关性的智能台区识别技术", 《现代电子技术》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
WO2016008263A1 (zh) | 一种通过电压特征区分台区和相别的方法 | |
WO2023216553A1 (zh) | 一种配电网多重故障诊断方法及系统 | |
CN111008510B (zh) | 一种台区内电表识别方法及判断电表所属台区的方法 | |
CN109377093A (zh) | 配电网项目投资效益评价方法 | |
CN110705887A (zh) | 一种基于神经网络模型的低压台区运行状态综合评价方法 | |
CN111628494A (zh) | 一种基于逻辑回归法的低压配电网拓扑识别方法及系统 | |
CN116796403A (zh) | 一种基于商业建筑综合能耗预测的建筑节能方法 | |
CN113723844A (zh) | 一种基于集成学习的低压台区理论线损计算方法 | |
CN111835006A (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 | |
CN109829652B (zh) | 一种长时间尺度动态谐波责任划分方法 | |
TW201020580A (en) | Collection and construction of training location data of positioning system and positioning method therefor | |
CN107767037A (zh) | 一种用户用电构成解析方法 | |
CN112736904B (zh) | 基于小扰动数据的电力负荷模型在线解析方法 | |
CN111612044A (zh) | 一种基于电压数据的台区拓扑识别方法 | |
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 | |
WO2024109183A1 (zh) | 目标台区识别方法、装置、计算机设备及存储介质 | |
Qiu et al. | Comprehensive evaluation of power quality based on improved TOPSIS-RSR method | |
CN115733258A (zh) | 一种基于物联网技术的全户内智能变电站系统的控制方法 | |
CN116662840A (zh) | 一种基于机器学习的低压台区用户相位识别方法 | |
CN111369159A (zh) | 一种电力交通耦合网络可靠性评估方法 | |
CN107565555B (zh) | 长线路多分枝供电区域电压质量的评估方法及评估系统 | |
CN113572164B (zh) | 一种基于k-means聚类分析的配电网台区识别方法 | |
CN111614083B (zh) | 一种适用于400v供电网络拓扑识别的大数据分析方法 | |
CN112290538A (zh) | 基于聚合-辨识双层架构的负荷模型参数在线修正方法 |
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: 20200901 |