CN112329806B - 一种用于低压台区拓扑识别的电表聚类方法 - Google Patents

Abstract

本发明提供一种用于低压台区拓扑识别的电表聚类方法，其具体步骤为：首先，采集目标台区配变低压母线和所有电表N天的电压时序数据；然后，基于三相电压不平衡度筛选出M组数据；接着，对每组数据，根据同类电表两两之间的相关系数应大于等于相关性阈值系数，异类电表两两之间的相关系数应小于相关性阈值系数原则对电表进行初次聚类；进而，基于电表间相关系数大小，将初次聚类结果中的单表、双表分类进一步与其它电表类别合并；最后，对M个电表聚类结果取并集得到最终电表聚类结果。本发明提供的方法，依靠数据分析对低压台区电表进行聚类，有利于减少后续低压台区拓扑识别需要的数据，提高拓扑识别准确率。

Description

一种用于低压台区拓扑识别的电表聚类方法

技术领域

本发明涉及电力低压配电网技术领域，尤其涉及一种基于配变低压侧计量表和用户电表的量测数据，利用电压曲线相关性分析进行电表聚类的方法。

背景技术

当前低压台区拓扑关系识别方法主要可分为注入信号法、数据标签法与数据分析法。注入信号法和数据标签法均需增加大量终端设备，且存在电子化移交的准确度要求高、投资大、运维难等问题，难以有效推广。数据分析法具备改造量小，投入产出比大等优点，已成为解决低压台区拓扑识别的户变关系校验和电表相序识别问题的重要技术方向。如何通过数据分析法来解决准确度低、数据量大是亟需解决的问题。肖勇等在《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[J].2019：37-43)中通过皮尔逊相关系数来对电网的拓扑结构进行校验，但是该方法只关联了单表，适用性较低。

发明内容

本发明聚类了多表类别，提升了数据分析法识别低压台区拓扑的准确率，减少识别过程中需要的数据量，有助于提高电网企业运行效益和客户满意度指标。

本发明的目的通过至少以下技术方案之一实现。

一种用于低压台区拓扑识别的电表聚类方法，包括以下步骤：

(1)采集目标台区配变低压母线和所有电表N天的电压时序数据；

(2)基于三相电压不平衡度筛选出M组数据；

(3)对每组数据，根据同类电表两两之间的相关系数应大于等于相关性阈值系数，异类电表两两之间的相关系数应小于相关性阈值系数原则对电表进行初次聚类；

(4)基于电表间相关系数大小，将初次聚类结果中的单表、双表分类进一步与其它电表类别合并；

(5)对M个电表聚类结果取并集得到最终电表聚类结果。

进一步地，所述步骤(2)中的基于三相电压不平衡度筛选出M组数据，具体包括：

步骤(2-1)：基于配变低压三相母线N天的电压时序数据，计算数据采集周期内各个时刻下的配变低压侧首端三相电压不平衡度β_t,n，并以一天内T个测量时刻的配变低压侧首端三相电压不平衡度的平均值，作为该天的台区三相电压不平衡度β_n，具体地，三相电压不平衡度为：

式中，β_n为第n天的台区三相电压不平衡度，β_t,n为第n天时刻t的配变低压侧首端三相电压不平衡度，为第n天时刻t第/>相母线电压，/>t＝1,2,…,T，n＝1,2,…,N，其中，N具体指的是数据采集周期总天数；

步骤(2-2)：将β_n根据数值大小，从大到小排序，筛选出前M个β_n所对应的M天的配变低压母线和所有电表的电压时序数据，其中，M是人为设定的参数，表示在电表聚类过程中，需要用到的数据所对应的天数。

进一步地，所述步骤(3)中同类电表两两之间的相关系数应大于等于相关性阈值系数，异类电表两两之间的相关系数应小于相关性阈值系数原则具体指的是：

步骤(3-1)：电表两两之间的相关系数r_ij：

式中，u_i,t、u_j,t分别为电表i、j在时刻t的电压值，i、j＝1,2,…,K，t＝1,2,…,T；

步骤(3-2)：同类电表两两之间的相关系数r_ij应大于等于相关性阈值系数，异类电表两两之间的相关系数r_ij应小于相关性阈值系数原则：

其中，r_ij为电表i与电表j的相关系数，为第p类电表的相关性阈值系数，A_i、A_j分别代表电表i、j，Ω_p为第p类电表集合。

进一步地，所述步骤(4)中的基于电表间相关系数大小，将初次聚类结果中的单表、双表分类进一步与其它电表类别合并具体包括：

步骤(4-1)：将初次聚类结果中的单表去除首端表后，根据计算得到的电表两两之间的相关系数r_ij，将单表聚类至与其相关系数最大的电表所在的类别，聚类集合γ_K更新为γ_E；

步骤(4-2)：根据计算得到的电表两两之间的相关系数r_ij，分别找出与双表中的两块表a、b相关性系数最大的表c、d所在的类别，如果c、d属于一个类别，则合并a、b、c、d；如果c、d不属于一个类别，则分别找出c、d所在类别γ_E(c)、γ_E(d)，将a、b与γ_E(c)、γ_E(d)里的所有电表进行相关性比较，若a、b以及γ_E(c)、γ_E(d)里所有电表两两之间的相关系数均大于相关性阈值系数δ，则将a、b与γ_E(c)、γ_E(d)合并为一个类别，否则不合并。

本发明的有益效果在于：

(1)通过比较电表间相关系数与相关性阈值系数的关系，可实现电表聚类，聚在同一类的电表即在相同相序，有利于减少后续低压台区拓扑智能化识别需要的数据，并助力提升低压台区拓扑智能化识别准确率。

(2)无需在低压配电网中增加采集终端，因此本发明具有成本低、工程量小的特点。

(3)本发明综合利用配变低压侧计量表和用户电表的量测数据，设计了一种用于低压台区拓扑识别的电表聚类方法。电表聚类处理有利于提升数据分析法识别低压台区拓扑的准确率，减少识别过程中需要的数据量。因此本发明有利于减少电力公司人力成本、提高效率。

附图说明

图1是一种用于低压台区拓扑识别的电表聚类方法的流程图。

图2为某实际台区网络接线示意图。

图3是图2中A处的放大示意图。

图4是图2中B处的放大示意图。

图5是图2中C处的放大示意图。

图6是图2中D处的放大示意图。

具体实施方式

以下结合附图和实例对本发明的具体实施做进一步说明。

如图1为本发明实施例提供的一种用于低压台区拓扑识别的电表聚类方法，包括以下步骤：

(1)采集目标台区配变低压母线和所有电表N天的电压时序数据；

(2)基于三相电压不平衡度筛选出M组数据；

本步骤具体包括：

步骤(2-1)：基于配变低压三相母线N天的电压时序数据，计算数据采集周期内各个时刻下的配变低压侧首端三相电压不平衡度β_t,n，本实施例的数据采集周期为一天，并以一天内T个测量时刻的配变低压侧首端三相电压不平衡度的平均值，作为该天的台区三相电压不平衡度β_n，具体地，三相电压不平衡度为：

式中，β_n为第n天的台区三相电压不平衡度，β_t,n为第n天时刻t的配变低压侧首端三相电压不平衡度，为第n天时刻t第/>相母线电压，/>t＝1,2,…,T，n＝1,2,…,N。

步骤(2-2)：将β_n根据数值大小，从大到小排序，筛选出前M个β_n所对应的M天的配变低压母线和所有电表的电压时序数据。

(3)对每组数据，根据同类电表两两之间的相关系数应大于等于相关性阈值系数(根据相关系数值设定的阈值)，异类电表两两之间的相关系数应小于相关性阈值系数原则对电表进行初次聚类。

具体的，步骤(3-1)：电表两两之间的相关系数r_ij为：

式中，u_i,t、u_j,t分别为电表i、j在时刻t的电压值，i、j＝1,2,…,K，t＝1,2,…,T；

步骤(3-2)：同类电表两两之间的相关系数r_ij应大于等于相关性阈值系数，异类电表两两之间的相关系数r_ij应小于相关性阈值系数原则：

其中，r_ij为电表i与电表j的相关系数，为第p类电表的相关性阈值系数，A_i、A_j分别代表电表i、j，Ω_p为第p类电表集合。

(4)基于电表间相关系数大小，将初次聚类结果中的单表、双表分类进一步与其它电表类别合并。单表是指某一类别中的电表只有一个，双表是指某一类别中的电表只有两个，具体包括：

步骤(4-1)：将初次聚类结果中的单表去除首端表(首端表指的是位于各相母线首端的电表；本实例中，S1、S2、S3、S5、S6为经筛选出来并单独聚类的首端电能表。)后，根据计算得到的电表两两之间的相关系数r_ij，将单表聚类至与其相关系数最大的电表所在的类别，聚类集合γ_K更新为γ_E；

步骤(4-2)：根据计算得到的电表两两之间的相关系数r_ij，分别找出与双表中的两块表a、b相关系数最大的表c、d所在的类别，如果c、d属于一个类别，则合并a、b、c、d；如果c、d不属于一个类别，则分别找出c、d所在类别γ_E(c)、γ_E(d)，将a、b与γ_E(c)、γ_E(d)里的所有电表进行相关性比较，若a、b以及γ_E(c)、γ_E(d)里所有电表两两之间的相关性系数均大于相关性阈值系数δ(指的是根据计算所得的两表间相关系数值设定的相关性阈值系数)，则将a、b与γ_E(c)、γ_E(d)合并为一个类别，否则不合并。

(5)对M个电表聚类结果取并集得到最终电表聚类结果。

以下是本发明方法的一个算例，结合附图2-图6知，该低压台区共有3条低压出线，68块单相电表，5块三相电表。其中每个三相电表均可以看作三个独立的单相电表，其电压、电流和功率因数数据分别对应于三相电表上记录的三相电压、电流和功率因数值。因此，待识别台区可以认为共包含83块单相智能电表。在电表聚类过程中，采用三位数对三相电表编号，第一位数表示三相电表，第二位数表示电表编号，第三位数表示该表所属相位，1、2、3分表代表A、B、C相，例如311表示三相电表1的A相。

利用MATALB程序实现步骤3中的初步聚类，结果如表1所示。

表1初次聚类类别库

利用MATALB程序实现步骤4中去除首端表后的单表合并，结果如表2所示。

表2单表关联后的聚类类别库

利用MATALB程序实现步骤4中的双表合并，再取并集得到结果如表3所示。

表3双表关联后的聚类类别库

将表3识别结果，与附图2对比可知，表3中的每个类别内的电表均属于同一相序。

综上所述，通过某实际台区的仿真分析，验证了采用本实施例提供的一种用于低压台区拓扑识别的电表聚类方法可以准确地实现电表聚类，聚在同一类别中的电表处于同一相序中，有利于减少后续低压台区拓扑智能化识别需要的数据。

上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他任何未背离本发明的精神实质和原理下所作的修改、修饰、替代、组合、简化，均应为等效的置换方式，都应包含在本发明的保护范围之内。

Claims (2)

1.一种用于低压台区拓扑识别的电表聚类方法，其特征在于，包括以下步骤：

(1)采集目标台区配变低压母线和所有电表N天的电压时序数据；

(2)基于三相电压不平衡度筛选出M组数据；

(3)对每组数据，根据同类电表两两之间的相关系数应大于等于相关性阈值系数，异类电表两两之间的相关系数应小于相关性阈值系数原则对电表进行初次聚类；所述同类电表两两之间的相关系数应大于等于相关性阈值系数，异类电表两两之间的相关系数应小于相关性阈值系数原则具体指的是：

步骤(3-1)：电表两两之间的相关系数r_ij为：

式中，u_i,t、u_j,t分别为电表i、j在时刻t的电压值，i、j＝1,2,…,K，t＝1,2,…,T；

步骤(3-2)：同类电表两两之间的相关系数r_ij应大于等于相关性阈值系数，异类电表两两之间的相关系数r_ij应小于相关性阈值系数原则：

其中，r_ij为电表i与电表j电压时序的相关系数，为第p类电表的相关性阈值系数，A_i、A_j分别代表电表i、j，Ω_p为第p类电表集合；

(4)基于电表间相关系数大小，将初次聚类结果中的单表、双表分类进一步与其它电表类别合并；所述的基于电表间相关系数大小，将初次聚类结果中的单表、双表分类进一步与其它电表类别合并，具体包括：

步骤(4-1)：将初次聚类结果中的单表去除首端表后，根据计算得到的电表两两之间的相关系数r_ij，将单表聚类至与其相关系数最大的电表所在的类别，聚类集合γ_K更新为γ_E；

步骤(4-2)：根据计算得到的电表两两之间的相关系数r_ij，分别找出与双表中的两块表a、b相关系数最大的表c、d所在的类别，如果c、d属于一个类别，则合并a、b、c、d；如果c、d不属于一个类别，则分别找出c、d所在类别γ_E(c)、γ_E(d)，将a、b与γ_E(c)、γ_E(d)里的所有电表进行相关性比较，若a、b以及γ_E(c)、γ_E(d)里所有电表两两之间的相关性系数均大于相关性阈值系数δ，则将a、b与γ_E(c)、γ_E(d)合并为一个类别，否则不合并；

(5)对M个电表聚类结果取并集得到最终电表聚类结果。

2.根据权利要求1所述的一种用于低压台区拓扑识别的电表聚类方法，其特征在于，步骤(2)中所述的基于三相电压不平衡度筛选出M组数据，具体包括：

步骤(2-1)：基于配变低压三相母线N天的电压时序数据，计算数据采集周期内各个时刻下的配变低压侧首端三相电压不平衡度β_t,n，并以数据采集周期内T个测量时刻的配变低压侧首端三相电压不平衡度的平均值，作为该天的台区三相电压不平衡度β_n，三相电压不平衡度为：

式中，β_n为第n天的台区三相电压不平衡度，β_t,n为第n天t时刻的配变低压侧首端三相电压不平衡度，为第n天t时刻第φ相母线电压，φ∈{A,B,C}，t＝1,2,…,T，n＝1,2,…,N，其中，N具体指的是数据采集周期总天数；

步骤(2-2)：将β_n根据数值大小，从大到小排序，筛选出前M个β_n所对应的M天的配变低压母线和所有电表的电压时序数据，其中，M是人为设定的参数，表示在电表聚类过程中，需要用到的数据所对应的天数。