CN112182499A - 一种基于时序电量数据的低压配电网拓扑结构辨识方法 - Google Patents

一种基于时序电量数据的低压配电网拓扑结构辨识方法 Download PDF

Info

Publication number
CN112182499A
CN112182499A CN202011144071.0A CN202011144071A CN112182499A CN 112182499 A CN112182499 A CN 112182499A CN 202011144071 A CN202011144071 A CN 202011144071A CN 112182499 A CN112182499 A CN 112182499A
Authority
CN
China
Prior art keywords
electric quantity
quantity data
matrix
phase
meter
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
CN202011144071.0A
Other languages
English (en)
Other versions
CN112182499B (zh
Inventor
陈思佳
蔺金泉
刘荣浩
赵宏伟
霍爽
郝佳
任沛晗
王冲
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.)
State Grid Corp of China SGCC
State Grid Tianjin Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
State Grid Tianjin Electric Power 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 State Grid Corp of China SGCC, State Grid Tianjin Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202011144071.0A priority Critical patent/CN112182499B/zh
Publication of CN112182499A publication Critical patent/CN112182499A/zh
Application granted granted Critical
Publication of CN112182499B publication Critical patent/CN112182499B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • 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
    • G06Q—INFORMATION 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
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas or water supply

Abstract

本发明涉及一种基于时序电量数据的低压配电网拓扑结构辨识方法，其技术特点是：通过用电信息采集系统采集多天台区关口表的三相电量数据和用户表的电量数据构建时序电量数据分析矩阵Z，通过对于时序电量数据分析矩阵Z的计算得到回归分析矩阵D，根据回归分析矩阵D内元素的值整理回归分析矩阵D，根据整理后的回归分析矩阵D判断配电网拓扑关系。本发明实现了能够快速辨识低压台区下每一户的用电负荷由变压器的哪一项提供电源，从而能够方便快速地更新低压配电网的拓扑结构，并且本发明的适用范围广，适应能力较强，同时不需要购置额外的设备，成本较低。

Description

一种基于时序电量数据的低压配电网拓扑结构辨识方法
技术领域
本发明属于电力系统拓扑分析领域，尤其是一种基于时序电量数据的低压配电网拓扑结构辨识方法。
背景技术
随着能源互联网建设的发展，分布式能源、储能等设备接入电网的渗透率逐渐升高。由于相当一部分分布式电源、储能等设备接入低压配电网，电网操作人员对低压配电网的监控及调度的需求也越来越强烈。对低压配电网实施主动管理的一个重要基础是获取准确的低压配电网拓扑结构。但是，低压配电网的拓扑结构复杂，信息量大，而且伴随着电力系统内的切改工程、负荷转移、均负荷等工作，低压配电网拓扑结构经常发生变化，因此，需要电力公司对低压配电网的拓扑结构进行系统性地管理和维护。
为了确保低压配电网拓扑结构的准确性，需要先辨识现有低压配电网的拓扑结构，并且定期对低压配电网的拓扑结构进行更新。现有的低压配电网络拓扑辨识方法中，第一类是依靠人工，根据历史竣工资料并结合现场排查进行拓扑辨识，但是这类方法在辨识拓扑时面临两方面的困难，一方面是历史竣工资料的缺失，另一方面是依靠人工很难辨认地下电缆的连接方式。第二类方法主要是以微处理器系统为基础，采用信号注入设备来辨识电网拓扑结构，这类方法在实际应用时面临的问题主要是设备投资费用高。综上所述，现有的低压配电网拓扑结构辨识方法主要存在的问题包括：1.依靠人工无法辨识地下电缆线路的拓扑结构；2.依靠专业电力设备进行拓扑辨识所需要的投资费用比较高；3.缺少有效、快速、成本低的拓扑结构辨识工具。
发明内容
本发明的目的在于克服现有技术的不足，提出一种基于时序电量数据的低压配电网拓扑结构辨识方法，能够快速辨识低压台区下每一户的用电负荷由变压器的哪一项提供电源，从而能够方便快速地更新低压配电网的拓扑结构。
本发明解决其技术问题是采取以下技术方案实现的：
一种基于时序电量数据的低压配电网拓扑结构辨识方法，包括以下步骤：
步骤1、通过用电信息采集系统采集多天台区关口表的三相电量数据和用户表的电量数据；
步骤2、关口表的三相电量数据、用户表的电量数据和用电信息采集系统的采样时间构成时序电量数据分析矩阵Z；
步骤3、计算关口表的三相电量数据和用户表的电量数据偏差的每天平均值β1，并根据计算出的每天平均值β1计算关口表三相电量数据每相和对应所有用户表的电量数据偏差的每天平均值β2；
步骤4、根据每相偏差的每天平均值β2对时序电量数据分析矩阵Z进行映射，得到新的时序电量数据数据分析矩阵Z1；
步骤5、对新的时序电量数据数据分析矩阵Z1进行主成分分析，去除数据噪声干扰；得到时序电量数据回归分析矩阵D；
步骤6、在时序电量数据回归分析矩阵D中，判断元素的值，若元素的值接近1，则将该元素值用1替代，否则用0替代，根据归整后的时序电量数据回归分析矩阵判断配电网拓扑关系。
而且，所述步骤1中关口表的三相电量数据为台区电力系统每相的用电量数据；若用户为三相负荷用户则需要采集用户表每相的用电量数据。
而且，所述步骤2的具体实现方法为：将关口表三相电量数据中电量与用户表三相电量数据中电量作为矩阵的行变量，将用电信息采集系统的采样时间作为矩阵的列变量，构成时序电量数据分析矩阵Z：
Figure BDA0002739148950000021
其中，N为采集天数，m为用户数，zA(1)为关口表电能表电量数据中A相在第1天采集的电量数据，zA(N)为关口表电能表电量数据中A相在第N天采集的电量数据，zB(1)为关口表电能表电量数据中B相在第1天采集的电量数据，zB(N)为关口表电能表电量数据中B相在第N天采集的电量数据，zC(1)为关口表电能表电量数据中C相在第1天采集的电量数据，zC(N)为关口表电能表电量数据中C相在第N天采集的电量数据，z1(1)为用户表电能表电量数据中用户1在第1天采集的电量数据，z1(N)为用户表电能表电量数据中用户1在第N天采集的电量数据，zm(1)为用户表电能表电量数据中用户m在第1天采集的电量数据，zm(N)为用户表电能表电量数据中用户m在第N天采集的电量数据。
而且，所述步骤3中关口表的三相电量数据和用户表的电量数据偏差的每天平均值β1的计算方法为：
Figure BDA0002739148950000031
关口表三相电量数据每相和对应所有用户表的电量数据偏差的每天平均值β2的计算方法为：
Figure BDA0002739148950000032
其中，x为关口表中的某一相，y为用户表的标号，u为采样时间，N为采集天数，m为用户数。
而且，所述步骤4中得到新的时序电量数据数据分析矩阵Z1的方法为：
Figure BDA0002739148950000033
其中N为采集天数。
而且，所述步骤5的计算方法为：
Figure BDA0002739148950000034
其中，SVD()为对矩阵进行奇异值分解，P1和P2是由Z1的奇异值组成的对角矩阵，若Z1的特征值共有n个，设前i个特征值最小，W1是最大的(n-i)个特征值对应的正交特征向量所组成的矩阵，W2是最小的i个特征值对应的正交特征向量所组成的矩阵，R1和R2是变量矩阵；
根据矩阵相似性质得到：
Figure BDA0002739148950000035
根据回归分析原理得到，Z1矩阵中含有(n-i)个独立变量，含有i个非独立变量，令
Figure BDA0002739148950000036
将矩阵分割得Q＝[Qi,Q(n-i)]，Qi为(i×i)维的矩阵，Q(n-i)为(n-i)×i维的矩阵，根据
Figure BDA0002739148950000041
得到：
Zi＝-(Qi)-1Q(n-i)Z＝DZ
其中，矩阵D是(n-i)×i维的回归分析矩阵。
本发明的优点和积极效果是：
1、本发明通过用电信息采集系统采集多天台区关口表的三相电量数据和用户表的电量数据构建时序电量数据分析矩阵Z，通过对于时序电量数据分析矩阵Z的计算得到回归分析矩阵D，根据回归分析矩阵D内元素的值整理回归分析矩阵D，根据整理后的回归分析矩阵D判断配电网拓扑关系。本发明实现了能够快速辨识低压台区下每一户的用电负荷由变压器的哪一项提供电源，从而能够方便快速地更新低压配电网的拓扑结构。
2、本发明对于低压配电网的结构没有要求，对于台区下的用户数量也没有限制，对于单相负荷和三相负荷都能处理，本发明的适用范围广，适应能力较强，同时不需要购置额外的设备，成本较低。
3、本发明对于时序电量数据分析矩阵Z的计算时间复杂度是多项式级的，随着低压台区下用户数量的增高，计算时间有所增加，但是即使是面对大规模的用户电量数据，本方法的优化过的计算方法也能够快速的算出需要的数据。
4.本发明在计算过程中考虑了电能表的测量误差以及电能表测量数据的不同步所引起的误差等因素，在误差存在的条件下，减少误差对于计算过程的影响，因此本方法有很高的辨识准确度，可靠性较好。
附图说明
图1为本发明的流程图；
图2为本发明进行测试时的低压配电网的拓扑结构图。
具体实施方式
以下结合附图对本发明做进一步详述。
一种基于时序电量数据的低压配电网拓扑结构辨识方法，如图1所示，包括以下步骤：
步骤1、通过用电信息采集系统采集多天台区关口表的三相电量数据和用户表的电量数据。本步骤中关口表的三相电量数据为台区电力系统每相的用电量数据；若用户为三相负荷用户则需要采集用户表每相的用电量数据。
步骤2、关口表的三相电量数据、用户表的电量数据和用电信息采集系统的采样时间构成时序电量数据分析矩阵Z。
本步骤的具体实现方法为：将关口表三相电量数据中电量与用户表三相电量数据中电量作为矩阵的行变量，将用电信息采集系统的采样时间作为矩阵的列变量，根据行变量和列变量的定义构成时序电量数据分析矩阵Z：
Figure BDA0002739148950000051
其中N为采样天数，m为用户数，zA(1)为关口表电能表电量数据中A相在第1天采集的电量数据，zA(N)为关口表电能表电量数据中A相在第N天采集的电量数据，zB(1)为关口表电能表电量数据中B相在第1天采集的电量数据，zB(N)为关口表电能表电量数据中B相在第N天采集的电量数据，zC(1)为关口表电能表电量数据中C相在第1天采集的电量数据，zC(N)为关口表电能表电量数据中C相在第N天采集的电量数据，z1(1)为用户表电能表电量数据中用户1在第1天采集的电量数据，z1(N)为用户表电能表电量数据中用户1在第N天采集的电量数据，zm(1)为用户表电能表电量数据中用户m在第1天采集的电量数据，zm(N)为用户表电能表电量数据中用户m在第N天采集的电量数据。
步骤3、计算关口表的三相电量数据和用户表的电量数据偏差的每天平均值β1，并根据计算出的每天平均值β1计算关口表三相电量数据每相和对应所有用户表的电量数据偏差的每天平均值β2。
本步骤β1的计算方法为：
Figure BDA0002739148950000052
β2的计算方法为：
Figure BDA0002739148950000061
其中，x为关口表中的某一相，y为用户表的标号，u为采样时间。
步骤4、根据每相偏差的每天平均值β2对时序电量数据分析矩阵Z进行映射，得到新的时序电量数据数据分析矩阵Z1，从而避免电量采样值的零点漂移。本步骤的计算方法为：
Figure BDA0002739148950000062
步骤5、对新的时序电量数据数据分析矩阵Z1进行主成分分析，去除数据噪声干扰；得到时序电量数据回归分析矩阵D。本步骤的具体实现方法为：通过对电量数据数据分析矩阵Z1进行奇异值分解：
Figure BDA0002739148950000063
其中，SVD()为对矩阵进行奇异值分解，P1和P2是由Z1的奇异值组成的对角矩阵，若Z1的特征值共有n个，设前i个特征值最小，W1是最大的(n-i)个特征值对应的正交特征向量所组成的矩阵，W2是最小的i个特征值对应的正交特征向量所组成的矩阵，R1和R2是变量矩阵；
根据矩阵奇异值分解及矩阵相似性质得到：
Figure BDA0002739148950000064
根据回归分析原理得到，Z1矩阵中含有(n-i)个独立变量，含有i个非独立变量，令
Figure BDA0002739148950000065
将矩阵分割得Q＝[Qi,Q(n-i)]，Qi为(i×i)维的矩阵，Q(n-i)为(n-i)×i维的矩阵，根据
Figure BDA0002739148950000066
得到：
QiZi+Q(n-i)Z(n-i)＝0
进而得到：
Zi＝-(Qi)-1Q(n-i)Z＝DZ
其中，矩阵D是(n-i)×i维的回归分析矩阵。
步骤6、在时序电量数据回归分析矩阵D中，判断元素的值，若元素的值接近1，则将该元素值用1替代，否则用0替代，根据归整后的时序电量数据回归分析矩阵判断配电网拓扑关系。
根据上述一种基于时序电量数据的低压配电网拓扑结构辨识方法对于某个拥有7个用户的台区进行计算：
其中，构建的时序电量数据分析矩阵Z为：
Figure BDA0002739148950000071
关口表的三相电量数据和用户表的电量数据偏差的每天平均值β1为：
Figure BDA0002739148950000072
通过本发明步骤6对于回归分析矩阵D的规整后进行分析，得到如图2所示的拓扑结构，其中A、B和C为关口表的三相电量的各个相电量，1、2、3、4、5、6和7为用户表的电量，从图2能够明显辨识出低压台区下每一户的用电负荷由变压器的哪一项提供电源，从而能够方便快速地更新低压配电网的拓扑结构。
需要强调的是，本发明所述的实施例是说明性的，而不是限定性的，因此本发明包括并不限于具体实施方式中所述的实施例，凡是由本领域技术人员根据本发明的技术方案得出的其他实施方式，同样属于本发明保护的范围。

Claims (6)

1.一种基于时序电量数据的低压配电网拓扑结构辨识方法，其特征在于：包括以下步骤：
步骤1、通过用电信息采集系统采集多天台区关口表的三相电量数据和用户表的电量数据；
步骤2、关口表的三相电量数据、用户表的电量数据和用电信息采集系统的采样时间构成时序电量数据分析矩阵Z；
步骤3、计算关口表的三相电量数据和用户表的电量数据偏差的每天平均值β1，并根据计算出的每天平均值β1计算关口表三相电量数据每相和对应所有用户表的电量数据偏差的每天平均值β2；
步骤4、根据每相偏差的每天平均值β2对时序电量数据分析矩阵Z进行映射，得到新的时序电量数据数据分析矩阵Z1；
步骤5、对新的时序电量数据数据分析矩阵Z1进行主成分分析，去除数据噪声干扰；得到时序电量数据回归分析矩阵D；
步骤6、在时序电量数据回归分析矩阵D中，判断元素的值，若元素的值接近1，则将该元素值用1替代，否则用0替代，根据归整后的时序电量数据回归分析矩阵判断配电网拓扑关系。
2.根据权利要求1所述的一种基于时序电量数据的低压配电网拓扑结构辨识方法，其特征在于：所述步骤1中关口表的三相电量数据为台区电力系统每相的用电量数据；若用户为三相负荷用户则需要采集用户表每相的用电量数据。
3.根据权利要求1所述的一种基于时序电量数据的低压配电网拓扑结构辨识方法，其特征在于：所述步骤2的具体实现方法为：将关口表三相电量数据中电量与用户表三相电量数据中电量作为矩阵的行变量，将用电信息采集系统的采样时间作为矩阵的列变量，构成时序电量数据分析矩阵Z：
Figure FDA0002739148940000021
其中，N为采集天数，m为用户数，zA(1)为关口表电能表电量数据中A相在第1天采集的电量数据，zA(N)为关口表电能表电量数据中A相在第N天采集的电量数据，zB(1)为关口表电能表电量数据中B相在第1天采集的电量数据，zB(N)为关口表电能表电量数据中B相在第N天采集的电量数据，zC(1)为关口表电能表电量数据中C相在第1天采集的电量数据，zC(N)为关口表电能表电量数据中C相在第N天采集的电量数据，z1(1)为用户表电能表电量数据中用户1在第1天采集的电量数据，z1(N)为用户表电能表电量数据中用户1在第N天采集的电量数据，zm(1)为用户表电能表电量数据中用户m在第1天采集的电量数据，zm(N)为用户表电能表电量数据中用户m在第N天采集的电量数据。
4.根据权利要求1所述的一种基于时序电量数据的低压配电网拓扑结构辨识方法，其特征在于：所述步骤3中关口表的三相电量数据和用户表的电量数据偏差的每天平均值β1的计算方法为：
Figure FDA0002739148940000022
关口表三相电量数据每相和对应所有用户表的电量数据偏差的每天平均值β2的计算方法为：
Figure FDA0002739148940000023
其中，x为关口表中的某一相，y为用户表的标号，u为采样时间，N为采集天数，m为用户数。
5.根据权利要求1所述的一种基于时序电量数据的低压配电网拓扑结构辨识方法，其特征在于：所述步骤4中得到新的时序电量数据数据分析矩阵Z1的方法为：
Figure FDA0002739148940000031
其中N为采集天数。
6.根据权利要求1所述的一种基于时序电量数据的低压配电网拓扑结构辨识方法，其特征在于：所述步骤5的计算方法为：
Figure FDA0002739148940000032
其中，SVD()为对矩阵进行奇异值分解，P1和P2是由Z1的奇异值组成的对角矩阵，若Z1的特征值共有n个，设前i个特征值最小，W1是最大的(n-i)个特征值对应的正交特征向量所组成的矩阵，W2是最小的i个特征值对应的正交特征向量所组成的矩阵，R1和R2是变量矩阵；
根据矩阵相似性质得到：
Figure FDA0002739148940000033
根据回归分析原理得到，Z1矩阵中含有(n-i)个独立变量，含有i个非独立变量，令
Figure FDA0002739148940000034
将矩阵分割得Q＝[Qi,Q(n-i)]，Qi为(i×i)维的矩阵，Q(n-i)为(n-i)×i维的矩阵，根据
Figure FDA0002739148940000035
得到：
Zi＝-(Qi)-1Q(n-i)Z＝DZ
其中，矩阵D是(n-i)×i维的回归分析矩阵。
CN202011144071.0A 2020-10-23 2020-10-23 一种基于时序电量数据的低压配电网拓扑结构辨识方法 Active CN112182499B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011144071.0A CN112182499B (zh) 2020-10-23 2020-10-23 一种基于时序电量数据的低压配电网拓扑结构辨识方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011144071.0A CN112182499B (zh) 2020-10-23 2020-10-23 一种基于时序电量数据的低压配电网拓扑结构辨识方法

Publications (2)

Publication Number Publication Date
CN112182499A true CN112182499A (zh) 2021-01-05
CN112182499B CN112182499B (zh) 2022-10-14

Family

ID=73922589

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011144071.0A Active CN112182499B (zh) 2020-10-23 2020-10-23 一种基于时序电量数据的低压配电网拓扑结构辨识方法

Country Status (1)

Country Link
CN (1) CN112182499B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113191656A (zh) * 2021-05-13 2021-07-30 内蒙古电力(集团)有限责任公司内蒙古电力科学研究院分公司 一种基于数据关联分析的低压配电网设备负荷与拓扑联动方法
CN113489619A (zh) * 2021-09-06 2021-10-08 中国人民解放军国防科技大学 一种基于时间序列分析的网络拓扑推断方法及装置

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3065250A1 (de) * 2015-03-05 2016-09-07 BKW Energie AG Verfahren und einrichtung zur bestimmung der topologie eines stromversorgungsnetzes
CN106911133A (zh) * 2017-04-27 2017-06-30 武汉理工大学 一种基于mmc的分布式潮流控制器拓扑及控制方法
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
CN108683180A (zh) * 2018-05-07 2018-10-19 国网河南省电力公司电力科学研究院 一种三相低压配电网拓扑重建方法
CN110135716A (zh) * 2019-05-06 2019-08-16 华北电力大学 一种电网基建项目动态预警识别方法和系统
CN111164845A (zh) * 2017-09-12 2020-05-15 戴普赛斯股份公司 使用计量数据估计电力网络的拓扑的方法
CN111611543A (zh) * 2020-04-29 2020-09-01 北京智芯微电子科技有限公司 低压台区用户网络拓扑识别方法及系统
CN111625991A (zh) * 2020-05-20 2020-09-04 国网河北省电力有限公司电力科学研究院 一种低压配电网拓扑校验方法
CN111628494A (zh) * 2020-05-11 2020-09-04 国网浙江省电力有限公司电力科学研究院 一种基于逻辑回归法的低压配电网拓扑识别方法及系统
CN111654392A (zh) * 2020-05-11 2020-09-11 国网浙江省电力有限公司电力科学研究院 基于互信息的低压配电网拓扑识别方法及系统

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3065250A1 (de) * 2015-03-05 2016-09-07 BKW Energie AG Verfahren und einrichtung zur bestimmung der topologie eines stromversorgungsnetzes
CN106911133A (zh) * 2017-04-27 2017-06-30 武汉理工大学 一种基于mmc的分布式潮流控制器拓扑及控制方法
CN111164845A (zh) * 2017-09-12 2020-05-15 戴普赛斯股份公司 使用计量数据估计电力网络的拓扑的方法
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
CN108683180A (zh) * 2018-05-07 2018-10-19 国网河南省电力公司电力科学研究院 一种三相低压配电网拓扑重建方法
CN110135716A (zh) * 2019-05-06 2019-08-16 华北电力大学 一种电网基建项目动态预警识别方法和系统
CN111611543A (zh) * 2020-04-29 2020-09-01 北京智芯微电子科技有限公司 低压台区用户网络拓扑识别方法及系统
CN111628494A (zh) * 2020-05-11 2020-09-04 国网浙江省电力有限公司电力科学研究院 一种基于逻辑回归法的低压配电网拓扑识别方法及系统
CN111654392A (zh) * 2020-05-11 2020-09-11 国网浙江省电力有限公司电力科学研究院 基于互信息的低压配电网拓扑识别方法及系统
CN111625991A (zh) * 2020-05-20 2020-09-04 国网河北省电力有限公司电力科学研究院 一种低压配电网拓扑校验方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张丽强: ""基于智能电表数据的供电网络拓扑识别方法研究"", 《中国优秀硕士学位论文全文数据库 基础科技辑》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113191656A (zh) * 2021-05-13 2021-07-30 内蒙古电力(集团)有限责任公司内蒙古电力科学研究院分公司 一种基于数据关联分析的低压配电网设备负荷与拓扑联动方法
CN113191656B (zh) * 2021-05-13 2022-08-02 内蒙古电力(集团)有限责任公司内蒙古电力科学研究院分公司 一种基于数据关联分析的低压配电网设备负荷与拓扑联动方法
CN113489619A (zh) * 2021-09-06 2021-10-08 中国人民解放军国防科技大学 一种基于时间序列分析的网络拓扑推断方法及装置

Also Published As

Publication number Publication date
CN112182499B (zh) 2022-10-14

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
CN110350528B (zh) 一种低压台区拓扑自动辨识方法
CN107643507B (zh) 一种基于电网线路运行误差远程校准的精益线损分析与管控方法
CN111817291A (zh) 一种基于电压关联特性的低压台区相户关系识别方法
CN107727955B (zh) 一种基于电网线路运行误差远程校准的变压器损耗分析与管控方法
CN109286188B (zh) 一种基于多源数据集的10kV配电网理论线损计算方法
CN112329806B (zh) 一种用于低压台区拓扑识别的电表聚类方法
CN111624544A (zh) 一种台区户变关系识别方法及相关装置
CN113435610B (zh) 基于低压物联感知终端确定分级线损的方法
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
CN110687361A (zh) 一种用于识别低压配网台区相序的方法及系统
CN113011481A (zh) 一种基于决策树算法的电能表功能异常评估方法及系统
CN112952828A (zh) 一种用于低压配电网的用户台区分析方法
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
CN111654392A (zh) 基于互信息的低压配电网拓扑识别方法及系统
CN113991856B (zh) 一种微能网多适应性μPMU最优布点方法
CN103018611A (zh) 一种基于电流分解的非侵入式负载监测方法及系统
CN112615428A (zh) 一种线损分析治理系统及方法
CN112232382A (zh) 一种低压台区的分路与电表隶属关系识别方法及系统
CN115508662B (zh) 一种用于判定台区电表与表箱间归属关系的方法
CN116136580A (zh) 一种基于感知设备的线损分级检测方法及装置
CN101620250B (zh) 量测质量的自适应监测方法
Li Abnormal energy consumption analysis based on big data mining technology
CN112347655A (zh) 一种基于机组运行性能评估的风电场理论功率计算方法
CN111413587A (zh) 配电网故障监测装置安装位置的确定方法及系统

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