CN111614083A - 一种适用于400v供电网络拓扑识别的大数据分析方法 - Google Patents

一种适用于400v供电网络拓扑识别的大数据分析方法 Download PDF

Info

Publication number
CN111614083A
CN111614083A CN202010509992.6A CN202010509992A CN111614083A CN 111614083 A CN111614083 A CN 111614083A CN 202010509992 A CN202010509992 A CN 202010509992A CN 111614083 A CN111614083 A CN 111614083A
Authority
CN
China
Prior art keywords
topology
power supply
big data
analysis method
data analysis
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
CN202010509992.6A
Other languages
English (en)
Other versions
CN111614083B (zh
Inventor
邱海锋
翁利国
林桢雨
尉耀稳
李国庆
杨文斌
张阳辉
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.)
Hangzhou Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
Zhejiang Zhongxin Electric Power Engineering Construction Co Ltd
Original Assignee
Hangzhou Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
Zhejiang Zhongxin Electric Power Engineering Construction 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 Hangzhou Power Supply Co of State Grid Zhejiang Electric Power Co Ltd, Zhejiang Zhongxin Electric Power Engineering Construction Co Ltd filed Critical Hangzhou Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
Priority to CN202010509992.6A priority Critical patent/CN111614083B/zh
Publication of CN111614083A publication Critical patent/CN111614083A/zh
Application granted granted Critical
Publication of CN111614083B publication Critical patent/CN111614083B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明涉及一种适用于400V供电网络拓扑识别的大数据分析方法。该一种适用于400V供电网络拓扑识别的大数据分析方法为对台区配电网不同断面不同节点的电压电流数据进行搜寻与分析，选出在同一不变拓扑下的电压、电流数据组，用不定导纳矩阵表示配电网络函数：YU＝I，利用上式中不同断面的电压电流数据反求节点导纳矩阵中的参数。节点导纳阵包含配电网拓扑信息：由节点导纳阵元素参数定义求出网络节点连接关系、关联矩阵及连接权值。本发明提供的一种适用于400V供电网络拓扑识别的大数据分析方法，不用加装分支识别装置就可以实现供电网络拓扑识别，节省了硬件成本，增加了台区供电网络的安全性，且通过大数据分析提高识别准确率，更易推广使用。

Description

一种适用于400V供电网络拓扑识别的大数据分析方法
技术领域
本发明涉及一种适用于400V供电网络拓扑识别的大数据分析方法，具体的说是实现400V低压台区供电网络拓扑自动识别，当台区供电线路发生异动时，自动感知，从而保证主站系统与现场供电网络拓扑的一致性的大数据分析方法。
背景技术
早前的居民配电设计当中，由于配电台区点多面广、现场安装环境复杂多样，且设备数量多，基于成本、施工难度、维护难度等出发点考虑，供电公司没有实时梳理、维护台区低压配电网的网络拓扑结构。台区现场的供电线路发生变化时，主站系统的网络拓扑未及时更新，导致主站系统存储的图模与现场不一致，当发生用电故障时，主站系统无法基于准确的供电网络拓扑，精准定位故障点。
当前，主流的400V供电网络拓扑自动识别方法是在台区的供电网络关键节点处安装台区分支识别仪来实现，通过台区分支识别仪发送特征识别信号及检测下级分支识别仪发送的特征识别信号，来梳理出台区内各节点装置的拓扑连接关系，进而理清低压台区配用电设备的上下层级关系，实现台区供电网络拓扑的识别。
现有技术缺点：
1、在台区供电网络加装台区分支识别仪，降低了台区的供电安全性。一方面，台区分支识别仪需要从供电线路取电；另一方面，台区分支识别仪需要发射脉冲电流信号作为识别信号，发射的脉冲电流不宜过大，且脉冲电流持续时间必须短，否则会引起供电线路上断路器的跳闸。
2、台区分支识别仪的成本比较高，而且识别准确率不高。台区分支识别仪为了能快速检测到脉冲电流识别信号，AD采样芯片的速率要高，增加了硬件成本；当用户负载较大时，脉冲电流信号容易被淹没。
发明内容
针对现有技术的上述缺陷，本发明提供的一种适用于400V供电网络拓扑识别的大数据分析方法，解决了上述技术问题，实现了不用加装分支识别装置就可以实现供电网络拓扑识别，节省了硬件成本，增加了台区供电网络的安全性，且通过大数据分析提高识别准确率，更易推广使用。
为了达到上述目的，本发明提供如下技术方案：
一种适用于400V供电网络拓扑识别的大数据分析方法包括如下步骤：
步骤一：对台区配电网不同断面不同节点的电压、电流数据进行搜寻与分析；
步骤二：选出在同一不变拓扑下的电压、电流数据组；
步骤三：通过不同断面的电压电流数据反向计算。
其中，所述步骤二中选取同拓扑结构下的数据。
其中，所述步骤二中配电网大数据中，判定负荷变化不大，但电压变化较大的数据为配电网拓扑改变了的数据。
其中，所述步骤二中多个不同组数据之间相互独立。
其中，所述步骤二中选出多组可靠数据，求出多个基于配电网大数据的节点导纳阵，并对其同一性进行比较判断，依同一概率确定最终配电网的拓扑。
其中，所述步骤三中用不定导纳矩阵表示配电网络函数，通过不同断面的电压电流数据反求节点导纳矩阵中的参数。
其中，所述步骤三中节点导纳阵包含配电网拓扑信息，由节点导纳阵元素参数定义求出网络节点连接关系、关联矩阵及连接权值。
本发明的有益效果是：本发明提供的一种适用于400V供电网络拓扑识别的大数据分析方法，具有不用加装分支识别装置就可以实现供电网络拓扑识别，节省了硬件成本，增加了台区供电网络的安全性，且通过大数据分析提高识别准确率，更易推广使用的特点。
为了能更进一步了解本发明的特征以及技术内容，请参阅以下有关本发明的详细说明。
具体实施方式
为更进一步阐述本发明所采取的技术手段及其效果，以下结合本发明的优选实施例进行详细描述。
一种适用于400V供电网络拓扑识别的大数据分析方法包括如下步骤：
步骤一：对台区配电网不同断面不同节点的电压、电流数据进行搜寻与分析；
步骤二：选出在同一不变拓扑下的电压、电流数据组；
步骤三：通过不同断面的电压电流数据反向计算。
进一步，所述步骤二中选取同拓扑结构下的数据。
进一步，所述步骤二中配电网大数据中，判定负荷变化不大，但电压变化较大的数据为配电网拓扑改变了的数据。
进一步，所述步骤二中多个不同组数据之间相互独立。
进一步，所述步骤二中选出多组可靠数据，求出多个基于配电网大数据的节点导纳阵，并对其同一性进行比较判断，依同一概率确定最终配电网的拓扑。
进一步，所述步骤三中用不定导纳矩阵表示配电网络函数：YU＝1，通过不同断面的电压电流数据反求节点导纳矩阵中的参数。
进一步，所述步骤三中节点导纳阵包含配电网拓扑信息，由节点导纳阵元素参数定义求出网络节点连接关系、关联矩阵及连接权值。
工作原理：
1、选取同拓扑结构下的台区数据：从配电网大数据中，判定负荷变化不大，但电压变化较大的数据作为配电网拓扑改变了的数据；并去除判定为不同拓扑下的数据。
2、保证不同组数据之间相互独立：对同拓扑结构不同断面的配电网数据进行独立性检验，设置独立性判定标准，所选择电压行向量数据之间相互独立。
3、拓扑稳定验证：重复1)与2)过程，选出m组可靠数据，求出m个基于配电网大数据的节点导纳阵Y1，Y2，...，Ym，并对其同一性进行比较判断，依同一概率确定最终配电网的拓扑Y。
实例：
n节点配电网络拓扑识别求解
1、设其节点导纳阵第i行的待求参数为yi1，yi2，…，yik，…，yin
2、筛选出满足条件的数据：
t1时刻，节点电压电流数据组：
Figure 1
ti时刻，节点电压电流数据组：
Figure BSA0000210883150000052
tn时刻，节点电压电流数据组：
Figure BSA0000210883150000053
3、反求节点导纳阵：
节点导纳阵第i行参数求解：
Figure BSA0000210883150000054
则，在确保电压矩阵数据可逆的前提下：
Figure BSA0000210883150000055
4、由节点导纳阵求得网络拓扑，即可得出电网络拓扑识别的大数据分析结果。
综上所述，本发明提供的一种适用于400V供电网络拓扑识别的大数据分析方法，能够通过对台区配电网不同断面不同节点的电压电流数据进行搜寻与分析，选出在同一不变拓扑下的电压、电流数据组，用不定导纳矩阵表示配电网络函数：
YU＝I
利用上式中不同断面的电压电流数据反求节点导纳矩阵中的参数。节点导纳阵包含配电网拓扑信息：由节点导纳阵元素参数定义求出网络节点连接关系、关联矩阵及连接权值(支路阻抗或导纳)。
通过大数据分析提高识别准确率，节约成本。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。

Claims (7)

1.一种适用于400V供电网络拓扑识别的大数据分析方法，其特征在于，包括如下步骤：
步骤一：对台区配电网不同断面不同节点的电压、电流数据进行搜寻与分析；
步骤二：选出在同一不变拓扑下的电压、电流数据组；
步骤三：通过不同断面的电压电流数据反向计算。
2.根据权利要求1所述的一种适用于400V供电网络拓扑识别的大数据分析方法，其特征在于，所述步骤二中选取同拓扑结构下的数据。
3.根据权利要求2所述的一种适用于400V供电网络拓扑识别的大数据分析方法，其特征在于，所述步骤二中配电网大数据中，判定负荷变化不大，但电压变化较大的数据为配电网拓扑改变了的数据。
4.根据权利要求3所述的一种适用于400V供电网络拓扑识别的大数据分析方法，其特征在于，所述步骤二中多个不同组数据之间相互独立。
5.根据权利要求4所述的一种适用于400V供电网络拓扑识别的大数据分析方法，其特征在于，所述步骤二中选出多组可靠数据，求出多个基于配电网大数据的节点导纳阵，并对其同一性进行比较判断，依同一概率确定最终配电网的拓扑。
6.根据权利要求1所述的一种适用于400V供电网络拓扑识别的大数据分析方法，其特征在于，所述步骤三中用不定导纳矩阵表示配电网络函数，通过不同断面的电压电流数据反求节点导纳矩阵中的参数。
7.根据权利要求6所述的一种适用于400V供电网络拓扑识别的大数据分析方法，其特征在于，所述步骤三中节点导纳阵包含配电网拓扑信息，由节点导纳阵元素参数定义求出网络节点连接关系、关联矩阵及连接权值。
CN202010509992.6A 2020-06-04 2020-06-04 一种适用于400v供电网络拓扑识别的大数据分析方法 Active CN111614083B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010509992.6A CN111614083B (zh) 2020-06-04 2020-06-04 一种适用于400v供电网络拓扑识别的大数据分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010509992.6A CN111614083B (zh) 2020-06-04 2020-06-04 一种适用于400v供电网络拓扑识别的大数据分析方法

Publications (2)

Publication Number Publication Date
CN111614083A true CN111614083A (zh) 2020-09-01
CN111614083B CN111614083B (zh) 2023-03-10

Family

ID=72202475

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010509992.6A Active CN111614083B (zh) 2020-06-04 2020-06-04 一种适用于400v供电网络拓扑识别的大数据分析方法

Country Status (1)

Country Link
CN (1) CN111614083B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114050657A (zh) * 2021-11-26 2022-02-15 北京市腾河智慧能源科技有限公司 光伏并网后的台区拓扑识别方法及系统、设备、存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105515197A (zh) * 2016-01-04 2016-04-20 南京南瑞继保电气有限公司 电网拓扑结构识别方法及装置
CN106684863A (zh) * 2016-12-29 2017-05-17 华中科技大学 一种配电网节点导纳矩阵的辨识方法
CN108695864A (zh) * 2018-06-06 2018-10-23 国网上海市电力公司 基于μPMU与SCADA的配电网网络拓扑分析方法
CN111064180A (zh) * 2019-10-23 2020-04-24 国网天津市电力公司电力科学研究院 基于ami潮流匹配的中压配电网拓扑检测与辨识方法
CN111162533A (zh) * 2020-01-17 2020-05-15 天津大学 一种基于凸优化的智能电网隐藏拓扑结构识别方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105515197A (zh) * 2016-01-04 2016-04-20 南京南瑞继保电气有限公司 电网拓扑结构识别方法及装置
CN106684863A (zh) * 2016-12-29 2017-05-17 华中科技大学 一种配电网节点导纳矩阵的辨识方法
CN108695864A (zh) * 2018-06-06 2018-10-23 国网上海市电力公司 基于μPMU与SCADA的配电网网络拓扑分析方法
CN111064180A (zh) * 2019-10-23 2020-04-24 国网天津市电力公司电力科学研究院 基于ami潮流匹配的中压配电网拓扑检测与辨识方法
CN111162533A (zh) * 2020-01-17 2020-05-15 天津大学 一种基于凸优化的智能电网隐藏拓扑结构识别方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
刘羽霄等: "数据驱动的电力网络分析与优化研究综述", 《电力系统自动化》 *
刘超等: "基于高级量测体系和图模型近邻估计的配电网拓扑辨识", 《济南大学学报(自然科学版)》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114050657A (zh) * 2021-11-26 2022-02-15 北京市腾河智慧能源科技有限公司 光伏并网后的台区拓扑识别方法及系统、设备、存储介质
CN114050657B (zh) * 2021-11-26 2023-06-27 北京市腾河智慧能源科技有限公司 光伏并网后的台区拓扑识别方法及系统、设备、存储介质

Also Published As

Publication number Publication date
CN111614083B (zh) 2023-03-10

Similar Documents

Publication Publication Date Title
CN106124935B (zh) 中低压配电网络故障定位方法
CN106199276B (zh) 一种用电信息采集系统中异常信息的智能诊断系统及方法
CN111505433B (zh) 一种低压台区户变关系纠错及相位识别方法
CN106411597A (zh) 一种网络流量异常检测方法及系统
CN106777984A (zh) 一种基于密度聚类算法实现光伏阵列工作状态分析与故障诊断的方法
CN112968520B (zh) 基于台区关键节点特征电流信息的台区拓扑识别方法
CN105759147B (zh) 一种电动汽车电池管理系统的一体化测试装置
CN108199891B (zh) 一种基于人工神经网络多角度综合决策的cps网络攻击辨识方法
CN111650472B (zh) 一种电压暂降源定位的方法
CN111131237A (zh) 基于bp神经网络的微网攻击识别方法及并网接口装置
CN109902373A (zh) 一种辖区变电站故障诊断、定位方法及系统
CN108919044A (zh) 一种基于互校验机制的单元制配电网故障主动识别方法
CN110045207A (zh) 一种基于电网架构和多源数据融合的复杂故障诊断方法
CN113109733A (zh) 基于无线传感器网络的架空电缆短路接地故障检测系统
CN114726740B (zh) 台区拓扑识别方法、系统及智能融合终端
CN111614083B (zh) 一种适用于400v供电网络拓扑识别的大数据分析方法
WO2020177706A1 (zh) 配电网故障区段与故障时刻的判定方法
CN115545479A (zh) 一种配电网重要节点或重要线路的确定方法及装置
CN112946385B (zh) 一种基于断路器的台区停电点定位方法
CN108988496B (zh) 一种智能变电站二次系统故障的诊断方法、装置及设备
CN113644748A (zh) 一种区域内变电站设备模拟监控系统及方法
CN116990625B (zh) 一种配电变压器智能快检装置的功能切换系统及方法
CN113890820A (zh) 一种数据中心网络故障节点诊断方法及系统
CN106159940B (zh) 基于电网负荷特性分析的pmu最优布点方法
CN112016739A (zh) 故障检测方法、装置、电子设备及存储介质

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