CN111723339A - 基于趋势相似性和距离测度的台区低压挂接辨识方法 - Google Patents
基于趋势相似性和距离测度的台区低压挂接辨识方法 Download PDFInfo
- Publication number
- CN111723339A CN111723339A CN202010522204.7A CN202010522204A CN111723339A CN 111723339 A CN111723339 A CN 111723339A CN 202010522204 A CN202010522204 A CN 202010522204A CN 111723339 A CN111723339 A CN 111723339A
- Authority
- CN
- China
- Prior art keywords
- voltage
- user
- low
- area
- transformer
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Algebra (AREA)
- Software Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Power Engineering (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于趋势相似性和距离测度的台区低压挂接辨识方法,辨识低压挂接信息错误的用户以计算台区总表与台区下用户之间的皮尔逊相关系数和离散Fréchet距离为基础实现,邻近台区的搜索以GIS系统中台区变压器经纬度数据实现,邻近台区参考电压中的各指标权值以熵权法的形式得到,纠正低压挂接信息错误的用户以计算用户和参考电压序列的熵权灰色关联度实现。本发明采用皮尔逊相关系数配合离散Fréchet距离查找错误用户,避免了单一考虑序列趋势相似而忽略距离因素,同时降低计算次数提高算法效率。本发明纠错挂接错误用户时,采用熵权灰色关联法法对参考序列的采样指标的以示区分,以此提高辨识精度,避免了灰色关联法中平权的问题。
Description
一、技术领域:
本发明涉及低压配电技术领域,尤其是涉及一种基于趋势相似性和距离测度的台区低压挂接辨识方法。
二、背景技术:
配电网台区低压挂接辨识实质为对台区内低压用户与本台区内低压线路及与变压器的挂接关系的识别。现在电力物联网使得供配电趋于自动化,不仅对综合能源服务是一个支撑,也是进一步清洁能源消纳的保障,配电网台区低压挂接,即线-变-户等关系是现在电力物联网对数据共享和提高供电可靠性水平至关重要。由于配电网台区数量庞大、结构复杂多变,在配网改造以及负荷调整时均对其挂接方式造成影响,且还存在一定程度私搭乱接情况,电力公司经过电能计量表计普查,要及时准确掌握配电台区电气网络拓扑还是存在较大的难度,并且依靠GIS中的信息对其现场进行确认的人工维护模式,不但耗费人力物力财力,且工作效率低下。
目前对配电网台区低压挂接辨识技术的研究方法有:(1)基于加装检测装置:通过在用户端和台区变压器低压出口侧加装装置,由网络上端装置发出信号,下端装置接收信号,从而达到获取台区用户和台区变压器相位的从属关系的目的,主要是基于载波通信技术和脉冲电流技术两种。此类方法主要问题是不能大范围推广,只适用易出现挂接错误的台区进行定点监测。(2)大数据识别法:利用对电气数据的相关性分析得到挂接关系,但现有的分析对电气数据考虑不全,且多数仅仅识别出错误挂接并未推断出其正确挂接结果。
三、发明内容:
本发明所要解决的技术问题是:提供一种基于趋势相似性和距离测度的台区低压挂接辨识方法,采用皮尔逊相关系数配合离散Fréchet距离查找错误用户,避免了单一考虑序列趋势相似而忽略距离因素,同时降低了计算次数,提高了算法效率,使实际应用时数据召测效率更高。
本发明为解决技术问题所采取的技术方案是:
一种基于趋势相似性和距离测度的台区低压挂接辨识方法,辨识低压挂接信息错误的用户以计算台区总表与台区下用户之间的皮尔逊相关系数和离散Fréchet距离为基础实现,邻近台区的搜索以GIS系统中台区变压器经纬度数据实现,邻近台区参考电压中的各指标权值以熵权法的形式得到,纠正低压挂接信息错误的用户以计算用户和参考电压序列的熵权灰色关联度实现,具体包括以下几个步骤:
A、从用电信息采集系统得到台区总表和用户智能电表的一天内电压数据,以及对电气距离越近电压曲线相似性越高的认知;
B、基于趋势相似性和距离测度的低压挂接错误用户识别方法:
基于趋势相似性辨识低压挂接错误用户的方法,采用台区内用户电压数据与当前用电信息采集系统中低压挂接信息中的台区相位电压数据,用皮尔逊相关系数ρ衡量变量X和Y趋势相似性;基于距离测度辨识低压挂接错误用户的方法,采用台区内用户电压数据及当前用电信息采集系统中低压挂接信息中的相位电压数据,离散Fréchet距离作为电压曲线的距离测度;
C、邻近台区的搜索以GIS系统中台区变压器经纬度数据实现:
根据GIS中两台配电变压器的经纬度坐标计算两者之间的物理距离的公式如下:
dAB=R×cos-1[cosωA×cosωB×cos(jA-jB)+sinωA×sinωB]
其中变压器A和变压器B的经纬度坐标分别为(jA,ωA)和(jB,ωB),地球半径为R;得到邻近台区后,根据步骤“A”,从电力信息采集系统中提取最新一天的电压序列数据,包括待校验用户的数据、待校验用户所在的原配电台区低压侧电表的数据以及相邻配电台区的数据;
D、邻近台区参考电压中的各指标权值以熵权法的形式得到:
取得的某待校验用户原所属台区及其物理位置上邻近台区变压器低压侧电压序列总共m个,每个序列取n个点的电压值,形成m×n阶数据矩阵A′=[a′ik],其中a′ik表示第i个台区电压序列中第k个指标的数值,标准化处理后得A=[aik];第j个指标的熵为:
E、通过计算用户和参考电压序列的熵权灰色关联度实现矫正GIS中低压挂接信息错误的用户的方法。
在步骤“B”中,所述的基于趋势相似性和距离测度的方法具体如下:
第一步:计算某台区一天内每个用户与用电信息采集系统中其所挂接相位电压序列的皮尔逊相关系数和离散Fréchet距离;
第二步:若皮尔逊相关系数小于0.6,但离散Fréchet距离大于阈值,怀疑该用户存在欠压法窃电行为;若皮尔逊相关系数大于或等于0.6,且离散Fréchet距离小于阈值,则判断用户属于这个台区;否则用户低压挂接信息有误,得出所有低压挂接关系错误的用户。
在“D”步骤中,所述的m个序列,待校验用户总共t个,则参考数列记为y1,y2,...,ym,比较数列记为x1,x2,...,xt.,其中:
yi={yi(1),yi(2),…,yi(n)},i=1,2,…,m,
xj={xj(1),xj(2),…,xj(n)},j=1,2,…,t.
式中:n为用来分析的电压序列指标量,其中的n取某一时刻k时,yi(k)和xj(k)分别表示yi和xj的第k个指标;
计算已知台区变压器低压侧电压与待识别用户电表电压序列的关联系数ξij:
式中Δij(k)=|yi(k)-xj(k)|,Δmin=mini mink|yi(k)-xj(k)|,Δmax=maxi maxk|yi(k)-xj(k)|,ρ为分辨系数,其取值范围为[0,1],通常取0.5;
加权关联度为:
式中ωk为步骤“D”中的熵权值;
对待校验用户与各邻近台区总表电压之间的灰色关联度进行排序,关联度最大的电压曲线的台区及相位为待验证用户所属。
采用的参考电压序列为邻近台区变压器低压出口侧电压而非邻近台区所有用户电压。
本发明采用的是基于趋势相似性和距离测度的配电网低压挂接辨识方法,采用离散Fréchet距离和皮尔逊相关系数辨识挂接错误用户,同时考虑电压指标在不同台区同一采样点所存差异的不同重要程度,使实际应用时数据召测效率更高,是一种基于加权灰色关联分析的配电网低压错误挂接的辨识纠错方法。
本发明的积极有益效果如下:
1、本发明采用皮尔逊相关系数配合离散Fréchet距离查找错误用户,避免了单一考虑序列趋势相似而忽略距离因素,同时降低计算次数提高算法效率。
2、本发明纠错挂接错误用户时,采用熵权灰色关联法法对参考序列的采样指标的以示区分,以此提高辨识精度,避免了灰色关联法中平权的问题。
3、本发明采用的参考电压序列为邻近台区变压器低压出口侧电压而非邻近台区所有用户电压,可靠性高且提高召测效率。
四、附图说明:
图1为本发明台区电表电压曲线距离测度分布图;
图2为本发明台区电表电压曲线趋势相似性分布图;
图3为本发明中基于GIS搜索邻近台区分布示意图;
图4为本发明中台区低压挂接辨识查找错误用户的实现流程图;
图5为本发明中台区低压挂接辨识判断正确挂接的实现流程图。
五、具体实施方式:
下面结合附图详细描述本发明的实施例(参见图1~图5)。以下通过附图描述的实施例是示例性的,仅用于更好说明本发明方法而不是对本发明的限制。
实施例:用电信息采集系统中低压挂接错误的用户辨识以计算台区总表和台区下用户的皮尔逊相关系数和离散Fréchet距离为基础实现,具体包括以下几个步骤:
A、从用电信息采集系统得到台区总表和用户智能电表的一天内电压数据,以及对电气距离越近电压曲线相似性越高的认知;
图1是实例台区电表电压曲线距离测度的分布,图2是实例台区电表电压曲线趋势相似性的分布,从图1中可以看出,用户m14的电压曲线与用户m01-m13的电压曲线相似性较低,而用户m01-m13之间电压曲线相似性较高,即电气距离较近负荷,其电压曲线相似度高,而电气距离较远负荷,其电压曲线相似度较低。图2中TA1、TA3是TA2地理位置上相邻的台区,U1和U2用户是TG2台区的两个用户,各对象之间距离越大即两条曲线的相似性越低,实例中U1的所属台区未记录,U2所属的台区关系经现场校验确认错误。
B、基于趋势相似性及距离测度辨识低压挂接错误用户的方法:
趋势相似性:采用台区内用户电压数据及当前用电信息采集系统中低压挂接信息中的相位电压数据,用皮尔逊相关系数ρ衡量变量电压曲线间趋势相似性;
距离测度:采用台区内用户电压数据及当前用电信息采集系统中低压挂接信息中的相位电压数据,离散Fréchet距离作为电压曲线的距离测度。
基于趋势相似性和距离测度的低压挂接错误用户识别方法:
第一步:计算实施例台区一天内每个用户与用电信息采集系统中其所挂接相位电压序列的皮尔逊相关系数和离散Fréchet距离列表如下表:
第二步:若皮尔逊相关系数小于0.6,但离散Fréchet距离大于阈值,怀疑该用户存在欠压法窃电行为;若皮尔逊相关系数大于或等于0.6,且离散Fréchet距离小于阈值,则判断用户属于这个台区;否则用户低压挂接信息有误,得出所有低压挂接关系错误的用户。
变压器区低压侧用户13、14、15、22与A相的相关系数显著低于其他用户与A相的相关系数,变压器区低压侧用户40与B相的相关系数显著低于其他用户与A相的相关系数用户和B相。因此可以判断用户13、14、15、22和40不属于该区域。配电台区低压侧各相电压与其他用户的相关系数较高,离散距离也低于阈值,由此可以判断它们属于这个变压器区域。
C、邻近台区的搜索以GIS系统中台区变压器经纬度数据实现:
根据GIS数据可以得到TA2的两个相邻变压器区,即图3中的TA1和TA3,这三个配电台区变压器低压侧的三相电压作为参考序列,在此基础上,得到各电压指标的熵权,将上述五个用户的电压作为比较序列。
D、邻近台区参考电压中的各指标权值以熵权法的形式的得到:
取得的五个用户原所属台区TA2及其物理位置上邻近台区TA1和TA3低压侧电压序列总共6个作为参考序列,每个序列取24个点的电压值,形成24×6阶数据矩阵A′=[a′ik],其中a′ik表示第i个台区电压序列中第k个指标的数值,标准化处理后得A=[aik]。进行熵权法计算,得到电压指标的权重。参考电压之间各指标的差值越大,熵权越大。十大指标熵权如下,占86.4%。
ω=[ω10,ω11,ω12,ω16,ω17,ω18,ω19,ω20,ω21,ω23]
=[0.0977,0.0644,0.049,0.0511,0.0181,0.0341,0.0848,0.2417,0.0229,0.0375].
所述的6个参考序列,得到待校验用户总共5个,则参考数列记为y1,y2,y3,y4,y5,y6,比较数列记为x1,x2,x3,x4,x5,其中:
yi={yi(1),yi(2),…,yi(24)},i=1,2,…,6,
xj={xj(1),xj(2),…,xj(24)},j=1,2,…,5.
计算已知台区变压器低压侧电压与待识别用户电表电压序列的关联系数ξij:
式中Δij(k)=|yi(k)-xj(k)|,Δmin=mini mink|yi(k)-xj(k)|,Δmax=maxi maxk|yi(k)-xj(k)|,ρ为分辨系数,其取值范围为[0,1],通常取0.5。
加权关联度为:
式中ωk为步骤“F”中的熵权值。
E、通过计算用户和参考电压序列的熵权灰色关联度实现矫正GIS中低压挂接信息错误的用户的方法:
矫正低压挂接信息错误的用户以计算用户和参考电压序列的熵权灰色关联度实现:
第一步、根据上述步骤“C”查找原用户所属台区的相邻台区;
第二步、从电力信息采集系统中提取最新一天的电压序列数据,包括所述的待校验用户的数据、待校验用户所在的原配电台区低压侧电表的数据以及相邻配电台区的数据;
第三步、根据上述步骤“D”得参考电压序列各指标熵权;
第四步、根据上述步骤“E”得灰色加权关联度;
第五步、关联度最大的电压曲线的台区及相位为待验证用户所属。
实施例中的加权关联度列表如下:
由此可以看出,用户13、14、15与TA3的A相、用户22与TA3的B相、用户40与TA1的C相的相关度都很高。由此可以判断出每个用户的变压器面积和相位,通过现场确认,判断识别的正确性。
以上仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.一种基于趋势相似性和距离测度的台区低压挂接辨识方法,其特征在于:辨识低压挂接信息错误的用户以计算台区总表与台区下用户之间的皮尔逊相关系数和离散Fréchet距离为基础实现,邻近台区的搜索以GIS系统中台区变压器经纬度数据实现,邻近台区参考电压中的各指标权值以熵权法的形式得到,纠正低压挂接信息错误的用户以计算用户和参考电压序列的熵权灰色关联度实现,具体包括以下几个步骤:
A、从用电信息采集系统得到台区总表和用户智能电表的一天内电压数据,以及对电气距离越近电压曲线相似性越高的认知;
B、基于趋势相似性和距离测度的低压挂接错误用户识别方法:
基于趋势相似性辨识低压挂接错误用户的方法,采用台区内用户电压数据与当前用电信息采集系统中低压挂接信息中的台区相位电压数据,用皮尔逊相关系数ρ衡量变量X和Y趋势相似性;基于距离测度辨识低压挂接错误用户的方法,采用台区内用户电压数据及当前用电信息采集系统中低压挂接信息中的相位电压数据,离散Fréchet距离作为电压曲线的距离测度;
C、邻近台区的搜索以GIS系统中台区变压器经纬度数据实现:
根据GIS中两台配电变压器的经纬度坐标计算两者之间的物理距离的公式如下:
dAB=R×cos-1[cosωA×cosωB×cos(jA-jB)+sinωA×sinωB]
其中变压器A和变压器B的经纬度坐标分别为(jA,ωA)和(jB,ωB),地球半径为R;得到邻近台区后,根据步骤“A”,从电力信息采集系统中提取最新一天的电压序列数据,包括待校验用户的数据、待校验用户所在的原配电台区低压侧电表的数据以及相邻配电台区的数据;
D、邻近台区参考电压中的各指标权值以熵权法的形式得到:
取得的某待校验用户原所属台区及其物理位置上邻近台区变压器低压侧电压序列总共m个,每个序列取n个点的电压值,形成m×n阶数据矩阵A′=[a′ik],其中a′ik表示第i个台区电压序列中第k个指标的数值,标准化处理后得A=[aik];第j个指标的熵为:
E、通过计算用户和参考电压序列的熵权灰色关联度实现矫正GIS中低压挂接信息错误的用户的方法。
2.根据权利要求1所述的基于趋势相似性和距离测度的台区低压挂接辨识方法,其特征在于:在步骤“B”中,所述的基于趋势相似性和距离测度的方法具体如下:
第一步:计算某台区一天内每个用户与用电信息采集系统中其所挂接相位电压序列的皮尔逊相关系数和离散Fréchet距离;
第二步:若皮尔逊相关系数小于0.6,但离散Fréchet距离大于阈值,怀疑该用户存在欠压法窃电行为;若皮尔逊相关系数大于或等于0.6,且离散Fréchet距离小于阈值,则判断用户属于这个台区;否则用户低压挂接信息有误,得出所有低压挂接关系错误的用户。
3.根据权利要求1所述的基于趋势相似性和距离测度的台区低压挂接辨识方法,其特征在于:在“D”步骤中,所述的m个序列,待校验用户总共t个,则参考数列记为y1,y2,...,ym,比较数列记为x1,x2,...,xt.,其中:
yi={yi(1),yi(2),…,yi(n)},i=1,2,…,m,
xj={xj(1),xj(2),…,xj(n)},j=1,2,…,t.
式中:n为用来分析的电压序列指标量,其中的n取某一时刻k时,yi(k)和xj(k)分别表示yi和xj的第k个指标;
计算已知台区变压器低压侧电压与待识别用户电表电压序列的关联系数ξij:
式中Δij(k)=|yi(k)-xj(k)|,Δmin=mini mink|yi(k)-xj(k)|,Δmax=maxi maxk|yi(k)-xj(k)|,ρ为分辨系数,其取值范围为[0,1],通常取0.5;
加权关联度为:
式中ωk为步骤“D”中的熵权值;
对待校验用户与各邻近台区总表电压之间的灰色关联度进行排序,关联度最大的电压曲线的台区及相位为待验证用户所属。
4.根据权利要求1所述的基于趋势相似性和距离测度的台区低压挂接辨识方法,其特征在于:采用的参考电压序列为邻近台区变压器低压出口侧电压而非邻近台区所有用户电压。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010522204.7A CN111723339B (zh) | 2020-06-10 | 2020-06-10 | 基于趋势相似性和距离测度的台区低压挂接辨识方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010522204.7A CN111723339B (zh) | 2020-06-10 | 2020-06-10 | 基于趋势相似性和距离测度的台区低压挂接辨识方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111723339A true CN111723339A (zh) | 2020-09-29 |
CN111723339B CN111723339B (zh) | 2023-02-24 |
Family
ID=72567835
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010522204.7A Active CN111723339B (zh) | 2020-06-10 | 2020-06-10 | 基于趋势相似性和距离测度的台区低压挂接辨识方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111723339B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112611997A (zh) * | 2020-12-01 | 2021-04-06 | 国网河南省电力公司电力科学研究院 | 一种台区关口表挂接关系在线校验方法和系统 |
CN112698123A (zh) * | 2020-12-01 | 2021-04-23 | 国网河南省电力公司电力科学研究院 | 一种基于决策树的低压台区用户拓扑关系识别方法 |
CN114243897A (zh) * | 2021-11-08 | 2022-03-25 | 国网河南省电力公司郑州供电公司 | 基于智能配变终端的低压配电网智能运检系统 |
CN114240690A (zh) * | 2021-12-17 | 2022-03-25 | 国网辽宁省电力有限公司沈阳供电公司 | 基于多聚合用户电表数据的用户用电异常监测方法 |
CN115377976A (zh) * | 2022-10-25 | 2022-11-22 | 四川中电启明星信息技术有限公司 | 一种基于皮尔逊相关系数的配网线变关系识别方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105242155A (zh) * | 2015-11-18 | 2016-01-13 | 南京工程学院 | 一种基于熵权法和灰色关联分析的变压器故障诊断方法 |
CN106250927A (zh) * | 2016-07-29 | 2016-12-21 | 国网河南省电力公司电力科学研究院 | 基于k最近邻分类算法的配电网拓扑结构校验方法 |
KR101836346B1 (ko) * | 2016-11-09 | 2018-03-08 | 재단법인대구경북과학기술원 | 유사도판별장치 및 거리 계산 방법 |
CN107958395A (zh) * | 2017-12-13 | 2018-04-24 | 美林数据技术股份有限公司 | 一种电力系统异常用户的识别方法 |
CN108054755A (zh) * | 2017-12-26 | 2018-05-18 | 广州市捷信通科技发展有限公司 | 一种基于k最近邻分类算法的配电网拓扑结构校验方法 |
US10009064B2 (en) * | 2014-07-17 | 2018-06-26 | Jiangsu Linyang Energy Co., Ltd. | Method for differentiating power distribution areas and phases by using voltage characteristics |
CN108535599A (zh) * | 2018-04-16 | 2018-09-14 | 国网河南省电力公司电力科学研究院 | 基于电压曲线聚类分析的低压台区用户相位识别方法 |
CN108564485A (zh) * | 2018-04-16 | 2018-09-21 | 国网河南省电力公司电力科学研究院 | 基于电压曲线相似性分析的低压台区用户相位识别方法 |
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 |
EP3502627A1 (en) * | 2017-12-21 | 2019-06-26 | Fundacíon Tecnalia Research & Innovation | Assignation and connection of electricity customers to phases of a distribution feeder |
-
2020
- 2020-06-10 CN CN202010522204.7A patent/CN111723339B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10009064B2 (en) * | 2014-07-17 | 2018-06-26 | Jiangsu Linyang Energy Co., Ltd. | Method for differentiating power distribution areas and phases by using voltage characteristics |
CN105242155A (zh) * | 2015-11-18 | 2016-01-13 | 南京工程学院 | 一种基于熵权法和灰色关联分析的变压器故障诊断方法 |
CN106250927A (zh) * | 2016-07-29 | 2016-12-21 | 国网河南省电力公司电力科学研究院 | 基于k最近邻分类算法的配电网拓扑结构校验方法 |
KR101836346B1 (ko) * | 2016-11-09 | 2018-03-08 | 재단법인대구경북과학기술원 | 유사도판별장치 및 거리 계산 방법 |
CN107958395A (zh) * | 2017-12-13 | 2018-04-24 | 美林数据技术股份有限公司 | 一种电力系统异常用户的识别方法 |
EP3502627A1 (en) * | 2017-12-21 | 2019-06-26 | Fundacíon Tecnalia Research & Innovation | Assignation and connection of electricity customers to phases of a distribution feeder |
CN108054755A (zh) * | 2017-12-26 | 2018-05-18 | 广州市捷信通科技发展有限公司 | 一种基于k最近邻分类算法的配电网拓扑结构校验方法 |
CN108535599A (zh) * | 2018-04-16 | 2018-09-14 | 国网河南省电力公司电力科学研究院 | 基于电压曲线聚类分析的低压台区用户相位识别方法 |
CN108564485A (zh) * | 2018-04-16 | 2018-09-21 | 国网河南省电力公司电力科学研究院 | 基于电压曲线相似性分析的低压台区用户相位识别方法 |
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 |
Non-Patent Citations (4)
Title |
---|
MAIZURA MOKHTAR等: "Automating the Verification of the Low Voltage Network Cables and Topologies", 《IEEE TRANSACTIONS ON SMART GRID》 * |
耿俊成等: "基于离散Fréchet距离和剪辑近邻法的低压配电网拓扑结构校验方法", 《电测与仪表》 * |
肖勇等: "基于改进的皮尔逊相关系数的低压配电网拓扑结构校验方法", 《电力系统保护与控制》 * |
郭屾等: "基于ROF离群组检测的低压配电网拓扑校验", 《控制工程》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112611997A (zh) * | 2020-12-01 | 2021-04-06 | 国网河南省电力公司电力科学研究院 | 一种台区关口表挂接关系在线校验方法和系统 |
CN112698123A (zh) * | 2020-12-01 | 2021-04-23 | 国网河南省电力公司电力科学研究院 | 一种基于决策树的低压台区用户拓扑关系识别方法 |
CN112611997B (zh) * | 2020-12-01 | 2022-05-06 | 国网河南省电力公司电力科学研究院 | 一种台区关口表挂接关系在线校验方法和系统 |
CN114243897A (zh) * | 2021-11-08 | 2022-03-25 | 国网河南省电力公司郑州供电公司 | 基于智能配变终端的低压配电网智能运检系统 |
CN114240690A (zh) * | 2021-12-17 | 2022-03-25 | 国网辽宁省电力有限公司沈阳供电公司 | 基于多聚合用户电表数据的用户用电异常监测方法 |
CN115377976A (zh) * | 2022-10-25 | 2022-11-22 | 四川中电启明星信息技术有限公司 | 一种基于皮尔逊相关系数的配网线变关系识别方法 |
CN115377976B (zh) * | 2022-10-25 | 2023-02-17 | 四川中电启明星信息技术有限公司 | 一种基于皮尔逊相关系数的配网线变关系识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111723339B (zh) | 2023-02-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111723339B (zh) | 基于趋势相似性和距离测度的台区低压挂接辨识方法 | |
CN109274095B (zh) | 基于互信息的低压配电网用户拓扑估计方法及系统 | |
CN106250927B (zh) | 基于k最近邻分类算法的配电网拓扑结构校验方法 | |
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 | |
CN110880760A (zh) | 一种低压配电网线损与无功补偿协同优化方法 | |
CN103413044B (zh) | 一种基于变电站量测信息的电力系统局部拓扑估计方法 | |
CN112329806B (zh) | 一种用于低压台区拓扑识别的电表聚类方法 | |
CN113176458B (zh) | 一种针对数据不完整的低压台区相户关系识别方法 | |
CN108490285B (zh) | 一种基于电压降落法的低压台区线损率计算方法 | |
CN115377976B (zh) | 一种基于皮尔逊相关系数的配网线变关系识别方法 | |
CN111008510A (zh) | 一种台区内电表识别方法及判断电表所属台区的方法 | |
CN109217303A (zh) | 基于配电变压器二次侧实抄电量的10kV配电台区理论线损计算方法 | |
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 | |
CN112418687B (zh) | 基于用电特征的用户用电异常识别方法、装置和存储介质 | |
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 | |
CN104376371A (zh) | 一种基于拓扑的配网分层负荷预测方法 | |
CN112633658A (zh) | 一种基于cnn-lstm的低压台区拓扑关系识别方法 | |
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 | |
CN113806899B (zh) | 一种配电网拓扑关系的识别方法、装置及移动终端 | |
CN115508662B (zh) | 一种用于判定台区电表与表箱间归属关系的方法 | |
CN116662840A (zh) | 一种基于机器学习的低压台区用户相位识别方法 | |
CN113642645A (zh) | 基于模糊c均值与豪斯多夫距离的低压用户相别识别方法 | |
Dahale et al. | Phase identification in unobservable distribution systems | |
CN113901625A (zh) | 基于Hausdorff距离的配电网拓扑结构校验方法和系统 | |
Zhao et al. | User-transformer relationship verification method of low voltage distribution network based on voltage correlaion analysis |
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 |