CN112232382A - 一种低压台区的分路与电表隶属关系识别方法及系统 - Google Patents
一种低压台区的分路与电表隶属关系识别方法及系统 Download PDFInfo
- Publication number
- CN112232382A CN112232382A CN202011027554.2A CN202011027554A CN112232382A CN 112232382 A CN112232382 A CN 112232382A CN 202011027554 A CN202011027554 A CN 202011027554A CN 112232382 A CN112232382 A CN 112232382A
- Authority
- CN
- China
- Prior art keywords
- electric energy
- voltage
- energy meter
- concentrator
- same
- 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
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 14
- 239000011159 matrix material Substances 0.000 claims abstract description 4
- 238000004590 computer program Methods 0.000 claims description 11
- 230000005611 electricity Effects 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 2
- 230000008859 change Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000002347 injection Methods 0.000 description 2
- 239000007924 injection Substances 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- 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
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G08—SIGNALLING
- G08C—TRANSMISSION SYSTEMS FOR MEASURED VALUES, CONTROL OR SIMILAR SIGNALS
- G08C19/00—Electric signal transmission systems
- G08C19/02—Electric signal transmission systems in which the signal transmitted is magnitude of current or voltage
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Operations Research (AREA)
- Life Sciences & Earth Sciences (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Measurement Of Current Or Voltage (AREA)
Abstract
本发明涉及一种低压台区的分路与电表隶属关系识别方法及系统,包括步骤:采集同一台区的电能表、集中器同一时刻的电压;根据采集到的电压,计算任意两个节点的相关系数;所述节点包括电能表或集中器;根据相关系数计算任意两个节点的电气距离;以集中器为参考点,计算相对电气距离,建立相对电气距离矩阵;应用聚类算法进行聚类;聚在同一簇内的电能表即为同一分路。本发明结合皮尔逊相关系数法和密度聚类算法,通过电压来识别同一分路的电能表,结果具有更高的适用性和准确性。
Description
技术领域
本发明涉及店里系统监测技术领域,特别是一种低压台区的分路与电表隶属关系识别方法及系统。
背景技术
低压台区是指低压配电变压供电区域的简称。典型的低压台区的层级一般分为4层,即“配电变压器-分路开关-表箱总开-电能表”。1个台区一般有1台配电变压器,1台配电变压器下有1个或多个分路开关,每个分路开关下有1个或多个表箱,每个表箱内就是用户电能表。低压台区的拓扑在实际的运行中可能存在变动,例如新增用户或用户销户、老旧台区改造等。在变动后,由于档案更新不及时或遗漏,造成了台区的档案缺失或错误。常见的错误有户变关系错误、分路-表箱关系错误、箱表关系错误等。
理清台区拓扑关系对台区的精益化管理具有重要意义。户变关系错误影响台区的线损,户变关系正确是降损增效的前提。同时,变压器-分路-表箱-电表的关系正确性也是实现营配贯通重要前提,是实现台区及以下停电主动监测和主动抢修的重要保障。
传统的台区拓扑梳理主要靠人工到现场排查,效率低而且难度大,特别是市区线路缆化,无法识别具体的连接关系。因此,一系列的新的台区拓扑识别方法被提出并且应用到现场实施中,具体如下:
(1)停电法
停电法分为瞬时停上电法和自然停电法。瞬时停上电法通过台区级、分路级停上电、表箱级停上电的时间差异,可以区分不同的台区、不同的分路和不同的表箱,颗粒度由大到小,所需要的停电时长也由短到长。自然停电法通过电表和主站计录的历史自然停电计录,搜索台区级、分路级或表箱级的停电信息,进行相应层级的分类。瞬时停上电法需要人工停电停电,但由于停电考核的原因,无法批量推广,只能结合检修计划小范围应用,因此瞬时停上电法适合未有用户入住的新建台区。自然停电法由于自然停电的随机性和偶然性,数据的可用率不高,仅靠自然停电信息无法构建或辨识所有的分路-箱关系或所有的表箱关系,因此其应用推广也受到限制。
(2)特征电流注入法
特征电流注入法是利用一个支路终端注入特征电流、其余支路终端识别特征电流的方式。此方法需要相应的终端硬件支持,因此无法大面积推广。
(3)电压相关法
电压相关法是直接利用电压的相关性进行聚类。这种方法的缺点是无法直接确定同一表箱内的不同相位的电表关系,也就是不同相之间的相关系数是小于同相不同相之间的相关系数。同时,此方法有个缺陷:聚类半径不好确定的问题,因为不同的台区,同台区不同分路,同分路首末端等,相关系数不尽相同,难以用用一个数字类划分,因此直接电压聚类也是有一定的局限性。
(4)通信拓扑法
通信拓扑法是通过宽带载波网络载波通信技术的逻辑拓扑关系,但因各种原因,与实际的物理拓扑结构存在较大差别,因此方法也具有一定的局限性。
发明内容
有鉴于此,本发明的目的是提出一种低压台区的分路与电表隶属关系识别方法及系统,结合皮尔逊相关系数法和密度聚类算法,通过电压来识别同一分路的电能表,结果具有更高的适用性和准确性。
本发明采用以下方案实现:一种低压台区的分路与电表隶属关系识别方法,具体包括以下步骤:
采集同一台区的电能表、集中器同一时刻的电压;
根据采集到的电压,计算任意两个节点的相关系数;所述节点包括电能表或集中器;
根据相关系数计算任意两个节点的电气距离;
以集中器为参考点,计算相对电气距离,建立相对电气距离矩阵;
应用聚类算法进行聚类;聚在同一簇内的电能表即为同一分路。
进一步地,所述采集同一台区的电能表、集中器同一时刻的电压具体为:采集同一台区同一时刻的电能表、集中器的电压,并采集多个时刻;在所述采集时刻,每个电能表均有负荷,应尽可能选择在每个电能表均有负荷且负荷较大的时刻进行采集。
进一步地,所述两个节点之间的相关系数采用皮尔逊相关系数法求解,公式如下:
式中,Xi与Yi分别表示两个节点在i时刻的电压数据,n为采集的时刻总数。
进一步地,所述根据相关系数计算任意两个节点的电气距离具体为,采用下式计算:
dAB=1-ρAB;
式中,dAB为节点A与节点B之间的电气距离,ρAB为节点A与节点B之间的相关系数,其中节点A与节点B为电能表或者集中器。
进一步地,设置同一分路下的三相电能表电气距离为零。
进一步地,所述以集中器为参考点,计算相对电气距离具体为,采用下式:
式中,节点O为集中器,dAO为电能表A与集中器O的电气距离,dBO为电能表B与集中器O的电气距离,dAB为电能表A与电能表B的电气距离。
进一步地,采用DBSCAN密度聚类算法进行聚类。
进一步地,所述DBSCAN密度聚类算法的最少邻域点数选2,邻域半径取0-1之间的数值,取接近于1时,倾向于减少分组数量,漏判减少,误判增加,取接近于0时,倾向于增加分组数量,漏判增加,误判减少,可根据具体数据质量情况进行调参。
本发明还提供了一种低压台区的分路与电表隶属关系识别系统,包括电能表、用电信息采集系统、存储器以及处理器;
所述用电信息采集系统用以采集电能表的电压,并将其传递至处理器;
所述存储器上存储有能够被处理器运行的计算机程序,当处理器在运行该计算机程序时,实现如上文所述的方法步骤。
本发明还提供了一种计算机可读存储介质,其上存储有能够被处理器所运行的计算机程序,当处理器运行该计算机程序时,实现如上文所述的方法步骤。
与现有技术相比,本发明有以下有益效果:
1、本发明相比于传统的人工筛查的方法,仅需要现有的用电信息采集系统采集的电能表电压同步采样数据,无需额外的硬件来支持功能的实施,数据计算和识别功能可部署在用电信息采集系统,相较于其他方法更具有实用性。
2、本发明提出的低压台区“分路-电表”关系隶属方法采用相对电气距离来聚类,相当于归一化相关系数,通过相对电气距离进行判断和聚类,克服了聚类过程中不同台区、不同分路、同一分路首末端相关性不一,聚类半径标准不好确定的问题。
3、本发明在计算相对电气距离过程中,设置同一分路下的三相电能表电气距离为零,克服同一表箱内不同相之间相关性不强的问题。
4、本发明在聚类过程中,采用了DBSCAN密度聚类算法,更符合同一分路上下节点的电压“成串”的特性,因此聚类结果具有更高的可靠性和适用性。
附图说明
图1为本发明实施例的电压曲线相关性与电气距离的关系。
图2为本发明实施例的两个节点为不同分路示意图。
图3为本发明实施例的两个节点为同分路节点距离较近时的示意图。
图4为本发明实施例的两个节点为同分路节点距离较远时的示意图。
图5为本发明实施例的方法流程示意图。
具体实施方式
下面结合附图及实施例对本发明做进一步说明。
应该指出,以下详细说明都是示例性的,旨在对本申请提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
如图5所示,本实施例提供了一种低压台区的分路与电表隶属关系识别方法,具体包括以下步骤:
采集同一台区的电能表、集中器同一时刻的电压;
根据采集到的电压,计算任意两个节点的相关系数;所述节点包括电能表或集中器;
根据相关系数计算任意两个节点的电气距离;
以集中器为参考点,计算相对电气距离,建立相对电气距离矩阵;
应用聚类算法进行聚类;聚在同一簇内的电能表即为同一分路。
较佳的,低压台区是指低压配电变压供电区域的简称。典型的低压台区的层级一般分为4层,即“配电变压器-分路开关-表箱总开-电能表”。1个台区一般有1台配电变压器,1台配电变压器下有1个或多个分路开关,每个分路开关下有1个或多个表箱,每个表箱内就是用户电能表。低压台区的拓扑在实际的运行中可能存在变动,例如新增用户或用户销户、老旧台区改造等。在变动后,由于档案更新不及时或遗漏,造成了台区的档案缺失或错误。常见的错误有户变关系错误、分路-表箱关系错误、箱表关系错误等。理清台区拓扑关系对台区的精益化管理具有重要意义。户变关系错误会影响台区的线损,户变关系正确是降损增效的前提。同时,变压器-分路-表箱-电表的关系正确性也是实现营配贯通重要前提,是实现台区及以下停电主动监测和主动抢修的重要保障。传统的台区拓扑梳理主要靠人工到现场排查,效率低而且难度大,特别是线路缆化,无法识别具体的连接关系。因此,一系列的新的台区拓扑识别方法被提出并且应用到现场实施中。
电能表能够采集的物理量有电压、电流、电能量和功率等。其中,电压会在合理的范围内波动,是相对“稳定”的,而由I=U/R可知,电流的大小是由用户负荷决定的,而用户的负荷具有随机性特点。因此,电压的合理范围内波动特征成为研究对象之一。
由于供电质量的要求,配电变压器的高压侧(10kV侧)的电压一般较稳定,但是由于用户负荷的瞬时随机性和日周期性波动等原因,配电变压器的低压侧(220V侧)的电压会随着用户负荷发生波动。而且由于存在线路损耗,离配电变压器出口越远的电气节点,其电压的有效值会相应的降低。同理,在“配电变压器-分路开关-表箱总开-电能表”在一回路中,不论在哪一层级,两个节点离得越近,电压的有效值越接近,离得越远,电压的有效值偏离的越大。因此,可以得到电压曲线相关性与电气距离的关系,如图1所示,有以下特点:
(1)电气距离越近,电压的相关性越强,相关系数越接近1。
(2)同一表箱的电气距离最小,同一分路和同一台区的电气距离次之,不同台区的电气距离最远,因此若两个电表是处于上述电气距离中,其相关性为:同一表箱的相关性最大,同一分路和同一台区的相关性次之,不同台区的相关性最小。
(3)相关性越高,识别的准确率越高。
在本实施例中,所述采集同一台区的电能表、集中器同一时刻的电压具体为:采集同一台区同一时刻的电能表、集中器的电压,并采集多个时刻;在所述采集时刻,每个电能表均有负荷,应尽可能选择在每个电能表均有负荷且负荷较大的时刻进行采集。
在本实施例中,所述两个节点之间的相关系数采用皮尔逊相关系数法求解,公式如下:
式中,Xi与Yi分别表示两个节点在i时刻的电压数据,n为采集的时刻总数。
在本实施例中,所述根据相关系数计算任意两个节点的电气距离具体为,采用下式计算:
dAB=1-ρAB;
式中,dAB为节点A与节点B之间的电气距离,ρAB为节点A与节点B之间的相关系数,其中节点A与节点B为电能表或者集中器。
在本实施例中,设置同一分路下的三相电能表电气距离为零。
在实际应用中,上述结论还有一个问题:不同相之间,如A相和B相,由于负荷不平衡,电压的偏离程度不一样,因此,即使是同一表箱不同相之间的相关性也未必会比同相不同表箱的相关性高。同时,不同的台区、同台区的不同分路、同分路的首末端电压,其相关性不同,因此难以用同一标准,来划分是否属于同一分路,这也是传统的聚类方法的缺陷之一,本方法针对此缺陷提出了相对电气距离的概念,归一化电压相关性,使得能够用统一的指标来划分聚类或划分。
在本实施例中,所述以集中器O为参考点,计算电能表A与电能表B之间的相对电气距离具体为,采用下式:
式中,节点O为集中器,dAO为电能表A与集中器O的电气距离,dBO为电能表B与集中器O的电气距离,dAB为电能表A与电能表B的电气距离。
通过相对电气距离,相当于归一化相关系数,通过相对电气距离进行判断和聚类,克服了聚类过程中不同台区、不同分路、同一分路首末端相关性不一,聚类半径标准不好确定的问题;同时,设置同一分路下的三相电能表电气距离为零,克服同一表箱内不同相之间相关性不强的问题,因此聚类结果具有更高的可靠性和适用性。
分析相对电气距离,假设分路开关与集中器的距离可以忽略不计,对相对电气距离与分路隶属关系进行分析。
(1)当A与B不在一个分路上时,一定有d'AB>1。
(2)当d'AB<1时,A与B一定在一个分路上。
如图3所示,此时dOB=dOA+dAB,且dOA>dAB,此时A、B离集中器较远,但A、B之间的距离较近,因此,可以判断A与B一定在一个分路上。
(3)当d'AB>1时,A与B不一定在一个分路上。但如果A与B在一个分路上,有可能存在(不一定都存在)一条链路A→C→…→D→B,且d'AC、…、d'DB均小于1,使得A、C、…、D、B可以确定都在一个分路上。如果A与B不在一个分路上,一定不存在这样的链路。
如图4所示,dOB=dOA+dAB,且dAB=dAC+dCD+dDB,dAB>dOA,因此d'AB>1,d′AC<1,d′CD<1,d′DB<1,因此也可以判断A、B在同一个分路上。
针对同一表箱内不同相位的电能表,若同一分路有三相电压表,设置三相电压表的A、B、C三相之间的相对电气距离为零,以此关联不同相位间的判断。若无三相电能表,则以营销档案的箱表关系为基础,进行归集。
在本实施例中,为了满足同一分路电表节点成串的特性,作为一个实施例,采用DBSCAN密度聚类算法进行聚类,聚类效果比普通的聚类算法更好,更准确。
在本实施例中,所述DBSCAN密度聚类算法的最少邻域点数选2,邻域半径取0-1之间的数值,取接近于1时,倾向于减少分组数量,漏判减少,误判增加,取接近于0时,倾向于增加分组数量,漏判增加,误判减少,可根据具体数据质量情况进行调参。
本实施例还提供了一种低压台区的分路与电表隶属关系识别系统,包括电能表、用电信息采集系统、存储器以及处理器;
所述用电信息采集系统用以采集电能表的电压,并将其传递至处理器;
所述存储器上存储有能够被处理器运行的计算机程序,当处理器在运行该计算机程序时,实现如上文所述的方法步骤。
本实施例还提供了一种计算机可读存储介质,其上存储有能够被处理器所运行的计算机程序,当处理器运行该计算机程序时,实现如上文所述的方法步骤。
以上所述,仅是本发明的较佳实施例而已,并非是对本发明作其它形式的限制,任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例。但是凡是未脱离本发明技术方案内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与改型,仍属于本发明技术方案的保护范围。
Claims (10)
1.一种低压台区的分路与电表隶属关系识别方法,其特征在于,包括以下步骤:
采集同一台区的电能表、集中器同一时刻的电压;
根据采集到的电压,计算任意两个节点的相关系数;所述节点包括电能表或集中器;
根据相关系数计算任意两个节点的电气距离;
以集中器为参考点,计算相对电气距离,建立相对电气距离矩阵;
应用聚类算法进行聚类;聚在同一簇内的电能表即为同一分路。
2.根据权利要求1所述的一种低压台区的分路与电表隶属关系识别方法,其特征在于,所述采集同一台区的电能表、集中器同一时刻的电压具体为:采集同一台区同一时刻的电能表、集中器的电压,并采集多个时刻;在所述采集时刻,每个电能表均有负荷。
3.根据权利要求1所述的一种低压台区的分路与电表隶属关系识别方法,其特征在于,所述两个节点之间的相关系数采用皮尔逊相关系数法求解。
4.根据权利要求1所述的一种低压台区的分路与电表隶属关系识别方法,其特征在于,所述根据相关系数计算任意两个节点的电气距离具体为,采用下式计算:
dAB=1-ρAB;
式中,dAB为节点A与节点B之间的电气距离,ρAB为节点A与节点B之间的相关系数,其中节点A与节点B为电能表或者集中器。
6.根据权利要求5所述的一种低压台区的分路与电表隶属关系识别方法,其特征在于,设置同一分路下的三相电能表电气距离为零。
7.根据权利要求1所述的一种低压台区的分路与电表隶属关系识别方法,其特征在于,采用DBSCAN密度聚类算法进行聚类。
8.根据权利要求7所述的一种低压台区的分路与电表隶属关系识别方法,其特征在于,所述DBSCAN密度聚类算法的最少邻域点数选2,邻域半径取0-1之间的数值。
9.一种低压台区的分路与电表隶属关系识别系统,其特征在于,包括电能表、用电信息采集系统、存储器以及处理器;
所述用电信息采集系统用以采集电能表的电压,并将其传递至处理器;
所述存储器上存储有能够被处理器运行的计算机程序,当处理器在运行该计算机程序时,实现如权利要求1-8任一项所述的方法步骤。
10.一种计算机可读存储介质,其特征在于,其上存储有能够被处理器所运行的计算机程序,当处理器运行该计算机程序时,实现如权利要求1-8任一项所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011027554.2A CN112232382B (zh) | 2020-09-25 | 2020-09-25 | 一种低压台区的分路与电表隶属关系识别方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011027554.2A CN112232382B (zh) | 2020-09-25 | 2020-09-25 | 一种低压台区的分路与电表隶属关系识别方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112232382A true CN112232382A (zh) | 2021-01-15 |
CN112232382B CN112232382B (zh) | 2024-06-14 |
Family
ID=74107810
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011027554.2A Active CN112232382B (zh) | 2020-09-25 | 2020-09-25 | 一种低压台区的分路与电表隶属关系识别方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112232382B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113189418A (zh) * | 2021-04-12 | 2021-07-30 | 中能瑞通(北京)科技有限公司 | 一种基于电压数据的拓扑关系识别方法 |
CN114915032A (zh) * | 2022-06-14 | 2022-08-16 | 保定朗信电子科技有限公司 | 一种生成低压台区拓扑图的自动化系统 |
CN116506287A (zh) * | 2023-06-27 | 2023-07-28 | 北京智芯微电子科技有限公司 | 同表箱电表的识别方法、系统以及设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170108572A1 (en) * | 2015-10-14 | 2017-04-20 | WindLogics Inc. | Voltage pattern analysis system and method |
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 |
CN111400371A (zh) * | 2020-03-13 | 2020-07-10 | 上海电力大学 | 一种基于电压相关性校验的户变关系识别方法 |
CN111505433A (zh) * | 2020-04-10 | 2020-08-07 | 国网浙江余姚市供电有限公司 | 一种低压台区户变关系纠错及相位识别方法 |
-
2020
- 2020-09-25 CN CN202011027554.2A patent/CN112232382B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170108572A1 (en) * | 2015-10-14 | 2017-04-20 | WindLogics Inc. | Voltage pattern analysis system and method |
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 |
CN111400371A (zh) * | 2020-03-13 | 2020-07-10 | 上海电力大学 | 一种基于电压相关性校验的户变关系识别方法 |
CN111505433A (zh) * | 2020-04-10 | 2020-08-07 | 国网浙江余姚市供电有限公司 | 一种低压台区户变关系纠错及相位识别方法 |
Non-Patent Citations (2)
Title |
---|
李琮琮 等: "基于用电信息采集系统的配电网台区识别", 《电测与仪表》, vol. 56, no. 24, pages 109 - 114 * |
耿俊成 等: "基于电压曲线聚类分析的低压用户相序自动识别", 《电力大数据》, vol. 22, no. 12, pages 1 - 8 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113189418A (zh) * | 2021-04-12 | 2021-07-30 | 中能瑞通(北京)科技有限公司 | 一种基于电压数据的拓扑关系识别方法 |
CN113189418B (zh) * | 2021-04-12 | 2022-10-25 | 中能瑞通(北京)科技有限公司 | 一种基于电压数据的拓扑关系识别方法 |
CN114915032A (zh) * | 2022-06-14 | 2022-08-16 | 保定朗信电子科技有限公司 | 一种生成低压台区拓扑图的自动化系统 |
CN114915032B (zh) * | 2022-06-14 | 2024-09-06 | 保定朗信电子科技有限公司 | 一种生成低压台区拓扑图的自动化系统 |
CN116506287A (zh) * | 2023-06-27 | 2023-07-28 | 北京智芯微电子科技有限公司 | 同表箱电表的识别方法、系统以及设备 |
CN116506287B (zh) * | 2023-06-27 | 2023-09-12 | 北京智芯微电子科技有限公司 | 同表箱电表的识别方法、系统以及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN112232382B (zh) | 2024-06-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112232382B (zh) | 一种低压台区的分路与电表隶属关系识别方法及系统 | |
CN108490288B (zh) | 一种窃电检测方法及系统 | |
CN109274095A (zh) | 基于互信息的低压配电网用户拓扑估计方法及系统 | |
CN110826895B (zh) | 一种台区拓扑识别方法 | |
CN112398126B (zh) | 一种配电网格降损与防窃运维管理方法 | |
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 | |
Khare et al. | Optimal PMU placement using matrix modification based integer linear programming | |
CN107732902A (zh) | 配电网经济运行监控及评价方法 | |
Yu et al. | Optimization of an offshore oilfield multi-platform interconnected power system structure | |
CN113868821B (zh) | 一种基于营配大数据融合的配网降损方法及终端机 | |
CN113746094B (zh) | 基于高密度数据序列匹配的低压台区户变关系识别方法 | |
CN116231637A (zh) | 一种基于大数据分析的低压配电网拓扑识别方法 | |
CN115796711A (zh) | 配电线路降损的辅助决策方法及装置 | |
CN114188936B (zh) | 一种传统火电机组黑启动移动储能系统的优化调度方法 | |
CN115186975A (zh) | 一种基于业务中台的电网线损管理方法及系统 | |
Zhang et al. | Network reduction for power flow based applications | |
CN111092453A (zh) | 一种多点接入光伏电源的电网关键线路辨识方法 | |
Quan et al. | PMU monitoring equipment deployment method based on swarm intelligence algorithm | |
CN115663801B (zh) | 一种基于谱聚类的低压台区拓扑识别方法 | |
Ye et al. | Research on topology data check of distribution network based on graph computing | |
Zhou et al. | Research on reliability Evaluation system of distribution network based on Knowledge Graph | |
Wang et al. | An Improved Indoor Positioning Method Based on Received Signal Strengths | |
Gu et al. | Research on feeder-transformer relationship identification method based on NSGA-II optimisation algorithm | |
Zhu et al. | Novel topology identification method for distribution network based on graph database | |
Zhao et al. | Research on construction technology of digital model of distribution network based on graph computing |
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 |