CN112415304B - 基于低压台区电压数据曲线分群的线路识别方法 - Google Patents
基于低压台区电压数据曲线分群的线路识别方法 Download PDFInfo
- Publication number
- CN112415304B CN112415304B CN202011190677.8A CN202011190677A CN112415304B CN 112415304 B CN112415304 B CN 112415304B CN 202011190677 A CN202011190677 A CN 202011190677A CN 112415304 B CN112415304 B CN 112415304B
- Authority
- CN
- China
- Prior art keywords
- user
- phase
- voltage
- users
- line
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
- G01R19/0084—Arrangements for measuring currents or voltages or for indicating presence or sign thereof measuring voltage only
-
- 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
- G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
- G06F17/148—Wavelet transforms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Computational Mathematics (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Probability & Statistics with Applications (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及基于低压台区电压数据曲线分群的线路识别方法,包括如下步骤:获取台区下所有三相用户电压数据,对数据进行空值补缺和异常值处理;对处理后的三相用户电压数据进行小波变换;提取差异最大的小波系数作为用户特征;利用基于密度的带有噪声的空间聚类算法对用户特征进行聚类,获取三相用户所属线路;利用已经分线的三相用户电压数据,获取线路中心电压,然后获取单相用户与不同中心电压的皮尔逊系数,单相用户归属为最大皮尔逊系数对应的簇类,实现台区下所有用户的分群;本发明不需要人工现场逐一核查,通过各线路下负载用户的电压数据分群分析,实现负载用户所属线路辨识。
Description
技术领域
本发明属于配用电技术领域,尤其涉及基于低压台区电压数据曲线分群的线路识别方法。
背景技术
电力系统由于低压侧的用户众多且用电情况复杂,从而导致用电管理具有一定的提升空间。在面向园区的用电场景,在实际管理过程中,部分园区存在没有园区线路拓扑关系或者园区线路拓扑关系错误的问题。因此,园区用电管理人员面临不能及时准确的定位故障所在子线路、难以快捷确定线路负载是否均衡。目前要核查线路,必须沿着配电线路实地逐条逐段进行勘察,甚至需要停电配合,成本高昂。
针对上述问题,需要一种数据驱动的线路识别方法(分线识别),这是因为借助数据分析方法不需要额外增加人工成本,而且不影响用户正常使用。目前使用数据驱动的线路识别方法相关研究相对较少,通常使用相关度、聚类对电压进行分群的方案,因为相位间同样存在电压差异而无法使用单相用户直接判断,同时实际用电线路上数据曲线表现相似度很高,且各测量点的电压曲线是随着负载距离增大导致电压逐渐衰减,从而干扰分群结果。
因此,基于这些问题,提供一种不需要人工现场逐一核查,通过各线路下负载用户的电压数据分群分析,实现负载用户所属线路辨识的基于低压台区电压数据曲线分群的线路识别方法,具有重要的现实意义。
发明内容
本发明的目的在于克服现有技术的不足,提供一种不需要人工现场逐一核查,通过各线路下负载用户的电压数据分群分析,实现负载用户所属线路辨识的基于低压台区电压数据曲线分群的线路识别方法。
本发明解决其技术问题是采取以下技术方案实现的:
基于低压台区电压数据曲线分群的线路识别方法,包括如下步骤:
获取台区下所有三相用户电压数据,对数据进行空值补缺和异常值处理;
对处理后的三相用户电压数据进行小波变换;
提取差异最大的小波系数作为用户特征;
利用基于密度的带有噪声的空间聚类算法(Density-Based Spatial Clusteringof Applications with Noise,DBSCAN)对用户特征进行聚类,获取三相用户所属线路;
利用已经分线的三相用户电压数据,获取线路中心电压,然后获取单相用户与不同中心电压的皮尔逊系数,单相用户归属为最大皮尔逊系数对应的簇类,实现台区下所有用户的分群。
进一步的,利用离散小波变换对三相用户A、B、C三个相位数据进行多层次分解,将时域信息变换到频域,从而获取样本数据主要差异特征频段;
具体的,对于电压序列X(n)的第i层分解可以描述为:
式中,Xi,L[n]表示分解后的第i层的低频分量,Xi,H[n]表示分解后的第i层的高频分量,g[k]表示低通滤波器,h[k]表示高通滤波器,k表示位移参数。
进一步的,在提取差异最大的小波系数作为用户特征的步骤中,对于台区三相用户,首先筛选A相位电压数据多层次分解后差异最大的小波系数,作为该相位备选特征,然后对台区三相用户B、C相筛选差异最大的小波系数作为该相位备选特征,最后选取三相位中差异最大的小波系数作为用户数据特征。
进一步的,在筛选差异最大的小波系数时,具体步骤为:
对于不同的两个用户C1、C2,可以利用小波系数A3的欧式距离d12描述用户对应特征的差异;进而,利用同台区所有不同用户间的小波系数欧式距离构建序列l:
l=[d12,d13...,dij...,d(n-1)n]
式中,i,j分别代表不同的用户编号,dij为用户i和用户j的欧式距离, n代表台区三相用户数目;
依据公式(3)求得序列l的方差s
式中,s为总体方差,μ为总体均值,N为距离个数;
获取台区三相用户A、B、C相的小波系数对应的方差,选用最大方差对应的小波系数作为用户特征。
进一步的,对用户特征进行聚类时采用基于密度的带有噪声的空间聚类算法对用户特征聚类,分类结果的类数即为线路数,用户电压曲线所属类即用户所属线路。
本发明的优点和积极效果是:
本发明为了避免相位电压差异对分线识别的影响,选用三相用户电压数据,进而利用离散小波变化提取电压数据频域特征,进而挑选出差异最大的小波系数作为后续聚类的用户特征,剔除了影响聚类结果的近似特征,最后利用DBSCAN算法对用户特征聚类,加快了聚类速度,避免了异常数据对分类的影响;本发明的分线识别方法不仅能提高分线的准确率,同时能有效的识别出异常数据,相对于人工分线识别方法不需要增添任何硬件设备,成本低,操作方便,属于便捷无损性分析技术。
附图说明
以下将结合附图和实施例来对本发明的技术方案作进一步的详细描述,但是应当知道,这些附图仅是为解释目的而设计的,因此不作为本发明范围的限定。此外,除非特别指出,这些附图仅意在概念性地说明此处描述的结构构造,而不必要依比例进行绘制。
图1为本发明实施例中提供的基于低压台区电压数据曲线分群的线路识别方法的流程图;
图2为本发明实施例中提供的典型用户的电压曲线;
图3为本发明实施例中提供的典型用户电压数据小波分解分量A3;
图4为本发明实施例中提供的典型用户电压数据小波分解分量D3;
图5为本发明实施例中提供的典型用户电压数据小波分解分量D2;
图6为本发明实施例中提供的典型用户电压数据小波分解分量D1;
图7为本发明实施例中提供的基于低压台区电压数据曲线分群的线路识别方法识别效果分线I类;
图8为本发明实施例中提供的基于低压台区电压数据曲线分群的线路识别方法识别效果分线II类;
图9为本发明实施例中提供的基于低压台区电压数据曲线分群的线路识别方法识别效果分线III类;
具体实施方式
首先,需要说明的是,以下将以示例方式来具体说明本发明的具体结构、特点和优点等,然而所有的描述仅是用来进行说明的,而不应将其理解为对本发明形成任何限制。此外,在本文所提及各实施例中予以描述或隐含的任意单个技术特征,或者被显示或隐含在各附图中的任意单个技术特征,仍然可在这些技术特征(或其等同物)之间继续进行任意组合或删减,从而获得可能未在本文中直接提及的本发明的更多其他实施例。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
本实施例提供的基于低压台区电压数据曲线分群的线路识别方法,包括如下步骤:
获取台区下所有三相用户电压数据,对数据进行空值补缺和异常值处理;
对处理后的三相用户电压数据进行小波变换;
提取差异最大的小波系数作为用户特征;
利用基于密度的带有噪声的空间聚类算法(Density-Based Spatial Clusteringof Applications with Noise,DBSCAN)对用户特征进行聚类,获取三相用户所属线路;
利用已经分线的三相用户电压数据,获取线路中心电压,然后获取单相用户与不同中心电压的皮尔逊系数,单相用户归属为最大皮尔逊系数对应的簇类,实现台区下所有用户的分群。
具体的,利用离散小波变换对三相用户A、B、C三个相位数据进行多层次分解,将时域信息变换到频域,从而获取样本数据主要差异特征频段;
具体的,对于电压序列X(n)的第i层分解可以描述为:
式中,Xi,L[n]表示分解后的第i层的低频分量,Xi,H[n]表示分解后的第i层的高频分量,g[k]表示低通滤波器,h[k]表示高通滤波器,k表示位移参数。
在提取差异最大的小波系数作为用户特征的步骤中,对于台区三相用户,首先筛选A相位电压数据多层次分解后差异最大的小波系数,作为该相位备选特征,然后对台区三相用户B、C相筛选差异最大的小波系数作为该相位备选特征,最后选取三相位中差异最大的小波系数作为用户数据特征。
在筛选差异最大的小波系数时,具体步骤为:
对于不同的两个用户C1、C2,可以利用小波系数A3的欧式距离d12描述用户对应特征的差异;进而,利用同台区所有不同用户间的小波系数欧式距离构建序列l:
l=[d12,d13...,dij...,d(n-1)n]
式中,i,j分别代表不同的用户编号,dij为用户i和用户j的欧式距离, n代表台区三相用户数目;
依据公式(3)求得序列l的方差s
式中,s为总体方差,μ为总体均值,N为距离个数;
获取台区三相用户A、B、C相的小波系数对应的方差,方差越大表示对应的小波系数特征差异越大,因此选用最大方差对应的小波系数作为用户特征。
对用户特征进行聚类时采用基于密度的带有噪声的空间聚类算法对用户特征聚类,分类结果的类数即为线路数,用户电压曲线所属类即用户所属线路。
作为举例,在本实施例中,结合如图1-9对本发明进行具体说明:
本例所用数据源于台区A用电采集系统所采集的2020-5-7至 2020-5-20日内连续96点日电压数据,共有1个总表,34个三相用户,因此共有476条记录。首先删除空缺率较高的行和列,选取数据完整率最高的日期2020-5-13日作为目标分析日,共计476行96列数据,对这一数据集内所包含的所有空缺值使用近邻相似法进行数据填充;对于明显的电压异常数据进行均值平滑处理,典型用户的电压曲线如图2所示;
对上述预处理后数据进行离散小波变换:采用Haar小波,对电压数据进行三层分解,A3分量表示低频分量,D3、D2、D1分量表示高频分量。
筛选差异最大小波系数作为用户特征:不同相位不同小波系数对应的方差如表1所示,分量D1为最高频分量,对用户行为反应敏感,不易表示用户特征,所以不使用D1分量表示用户特征。从表1可以看出差异最大的特征为C相小波系数A3,将其作为用户特征;
表1台区A不同相位不同小波系数对应的方差
对台区三相用户C相小波系数A3进行DBCAN聚类分析,通过设置发现将搜索半径ε设置为2及最小对象数目设置为2时,聚为3类。聚类结果如表2所示。统计得知线路1共20个用户,线路2共4个用户,线路3共10个用户。
表2台区用户聚类结果表
用户标识 | 分类线路 |
1 | 线路1 |
2 | 线路2 |
3 | 线路1 |
4 | 线路3 |
5 | 线路3 |
… | … |
34 | 线路1 |
图7-9展示了聚类后不同线路的电压曲线,可以看出2:00-6:00线路3电压值明显高于其他两类;18:00-22:00线路1电压值明显高于其他2 类,可见分线识别取得了明显效果。
将分析后所识别的分线结果与历史档案数据进行对比分析,核查分线结果不一致的电能表,可发现历史档案中存在线路关系错误的用户记录以及异常用电用户,可反馈给相关业务人员进行校核和修正。
以上实施例对本发明进行了详细说明,但所述内容仅为本发明的较佳实施例,不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等,均应仍归属于本发明的专利涵盖范围之内。
Claims (5)
1.基于低压台区电压数据曲线分群的线路识别方法,其特征在于,包括如下步骤:
获取台区下所有三相用户电压数据,对数据进行空值补缺和异常值处理;
对处理后的三相用户电压数据进行小波变换;
提取差异最大的小波系数作为用户特征;
利用基于密度的带有噪声的空间聚类算法对用户特征进行聚类,获取三相用户所属线路;
利用已经分线的三相用户电压数据,获取线路中心电压,然后获取单相用户与不同中心电压的皮尔逊系数,单相用户归属为最大皮尔逊系数对应的簇类,实现台区下所有用户的分群。
3.根据权利要求2所述的基于低压台区电压数据曲线分群的线路识别方法,其特征在于:在提取差异最大的小波系数作为用户特征的步骤中,对于台区三相用户,首先筛选A相位电压数据多层次分解后差异最大的小波系数,作为该相位备选特征,然后对台区三相用户B、C相筛选差异最大的小波系数作为该相位备选特征,最后选取三相位中差异最大的小波系数作为用户数据特征。
4.根据权利要求3所述的基于低压台区电压数据曲线分群的线路识别方法,其特征在于:在筛选差异最大的小波系数时,具体步骤为:
对于不同的两个用户C1、C2,可以利用小波系数A3的欧式距离d12描述用户对应特征的差异;进而,利用同台区所有不同用户间的小波系数欧式距离构建序列l:
l=[d12,d13...,dij...,d(n-1)n]
式中,i,j分别代表不同的用户编号,dij为用户i和用户j的欧式距离,n代表台区三相用户数目;
依据公式(3)求得序列l的方差s
式中,s为总体方差,μ为总体均值,N为距离个数;
获取台区三相用户A、B、C相的小波系数对应的方差,选用最大方差对应的小波系数作为用户特征。
5.根据权利要求1所述的基于低压台区电压数据曲线分群的线路识别方法,其特征在于:对用户特征进行聚类时采用基于密度的带有噪声的空间聚类算法对用户特征聚类,分类结果的类数即为线路数,用户电压曲线所属类即用户所属线路。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011190677.8A CN112415304B (zh) | 2020-10-30 | 2020-10-30 | 基于低压台区电压数据曲线分群的线路识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011190677.8A CN112415304B (zh) | 2020-10-30 | 2020-10-30 | 基于低压台区电压数据曲线分群的线路识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112415304A CN112415304A (zh) | 2021-02-26 |
CN112415304B true CN112415304B (zh) | 2022-08-23 |
Family
ID=74828042
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011190677.8A Active CN112415304B (zh) | 2020-10-30 | 2020-10-30 | 基于低压台区电压数据曲线分群的线路识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112415304B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114486330B (zh) * | 2022-01-25 | 2024-05-10 | 吴凤萍 | 一种地质勘探智能取样系统 |
CN116662840A (zh) * | 2023-02-08 | 2023-08-29 | 威胜信息技术股份有限公司 | 一种基于机器学习的低压台区用户相位识别方法 |
CN117172831B (zh) * | 2023-11-02 | 2024-01-23 | 国网经济技术研究院有限公司 | 基于用户行为与数量演变的动态分群方法和系统 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104655980A (zh) * | 2014-11-05 | 2015-05-27 | 云南电网公司楚雄供电局 | 一种基于db4小波分解的非本侧电压等级邻近线路短路故障快速识别方法 |
CN105098985A (zh) * | 2015-08-21 | 2015-11-25 | 光一科技股份有限公司 | 基于工频电压畸变识别低压配电户变关系的系统及方法 |
CN105429138A (zh) * | 2015-12-11 | 2016-03-23 | 清华大学 | 基于小波变换的同调机群识别方法及装置 |
CN109507534A (zh) * | 2018-11-29 | 2019-03-22 | 昆明理工大学 | 一种基于mmc-hvdc架空线路故障分析与识别方法 |
CN109617231A (zh) * | 2018-12-13 | 2019-04-12 | 天津大学 | 一种用于低压台区的用户网络拓扑识别装置及方法 |
CN110718908A (zh) * | 2019-09-29 | 2020-01-21 | 肖家锴 | 基于层次聚类法的配电网拓扑结构识别方法及系统 |
CN111080105A (zh) * | 2019-12-06 | 2020-04-28 | 国网辽宁省电力有限公司沈阳供电公司 | 基于电压时序数据的台区户变关系识别方法及系统 |
CN111126429A (zh) * | 2019-11-10 | 2020-05-08 | 国网浙江省电力有限公司 | 一种基于PCA降维和K-Means聚类的低压台区用户接入点识别方法 |
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 |
CN111612056A (zh) * | 2020-05-16 | 2020-09-01 | 青岛鼎信通讯股份有限公司 | 一种基于模糊聚类和过零偏移的低压户变关系识别方法 |
CN111817301A (zh) * | 2020-07-23 | 2020-10-23 | 国网浙江省电力有限公司营销服务中心 | 载波台区的低压分支拓扑识别方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10312681B2 (en) * | 2015-05-28 | 2019-06-04 | Itron, Inc. | Automatic network device electrical phase identification |
-
2020
- 2020-10-30 CN CN202011190677.8A patent/CN112415304B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104655980A (zh) * | 2014-11-05 | 2015-05-27 | 云南电网公司楚雄供电局 | 一种基于db4小波分解的非本侧电压等级邻近线路短路故障快速识别方法 |
CN105098985A (zh) * | 2015-08-21 | 2015-11-25 | 光一科技股份有限公司 | 基于工频电压畸变识别低压配电户变关系的系统及方法 |
CN105429138A (zh) * | 2015-12-11 | 2016-03-23 | 清华大学 | 基于小波变换的同调机群识别方法及装置 |
CN109507534A (zh) * | 2018-11-29 | 2019-03-22 | 昆明理工大学 | 一种基于mmc-hvdc架空线路故障分析与识别方法 |
CN109617231A (zh) * | 2018-12-13 | 2019-04-12 | 天津大学 | 一种用于低压台区的用户网络拓扑识别装置及方法 |
CN110718908A (zh) * | 2019-09-29 | 2020-01-21 | 肖家锴 | 基于层次聚类法的配电网拓扑结构识别方法及系统 |
CN111126429A (zh) * | 2019-11-10 | 2020-05-08 | 国网浙江省电力有限公司 | 一种基于PCA降维和K-Means聚类的低压台区用户接入点识别方法 |
CN111080105A (zh) * | 2019-12-06 | 2020-04-28 | 国网辽宁省电力有限公司沈阳供电公司 | 基于电压时序数据的台区户变关系识别方法及系统 |
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 |
CN111612056A (zh) * | 2020-05-16 | 2020-09-01 | 青岛鼎信通讯股份有限公司 | 一种基于模糊聚类和过零偏移的低压户变关系识别方法 |
CN111817301A (zh) * | 2020-07-23 | 2020-10-23 | 国网浙江省电力有限公司营销服务中心 | 载波台区的低压分支拓扑识别方法 |
Non-Patent Citations (4)
Title |
---|
A wavelet-based expert system for digital subscriber line topology identification;Lima V D等;《Internal Journal of Communication Systems》;20160110;全文 * |
基于主成分分析法和改进K-means算法的台区用户识别方法;吴奇等;《电气自动化》;20200930(第05期);全文 * |
基于数据挖掘的户变拓扑关系辨识算法研究;谷海彤等;《数字技术与应用》;20191225(第12期);全文 * |
基于无人机的输电线路设备识别方法研究;何思远等;《红外与激光工程》;20130725(第07期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112415304A (zh) | 2021-02-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112415304B (zh) | 基于低压台区电压数据曲线分群的线路识别方法 | |
CN111061821B (zh) | 基于改进k值聚类算法的低压配电网拓扑校验方法及系统 | |
CN112041693B (zh) | 一种基于混合录波的配电网故障定位系统 | |
CN111505433B (zh) | 一种低压台区户变关系纠错及相位识别方法 | |
CN110718908B (zh) | 基于层次聚类法的配电网拓扑结构识别方法及系统 | |
CN110687361A (zh) | 一种用于识别低压配网台区相序的方法及系统 | |
CN109816033A (zh) | 一种基于优化的监督学习进行台区用户识别的方法 | |
CN111612053B (zh) | 一种线损率合理区间的计算方法 | |
CN111080105A (zh) | 基于电压时序数据的台区户变关系识别方法及系统 | |
CN113189418B (zh) | 一种基于电压数据的拓扑关系识别方法 | |
Wang et al. | Optimal features selected by NSGA-II for partial discharge pulses separation based on time-frequency representation and matrix decomposition | |
CN110569316A (zh) | 基于t-SNE降维技术和BIRCH聚类的低压台区用户拓扑辨识方法 | |
CN110579690B (zh) | 一种配电网小电流接地故障区段定位方法 | |
CN109829497A (zh) | 一种基于监督学习的台区用户识别及判别方法 | |
CN112952828A (zh) | 一种用于低压配电网的用户台区分析方法 | |
CN112329806A (zh) | 一种用于低压台区拓扑识别的电表聚类方法 | |
CN111709668A (zh) | 基于数据挖掘技术的电网设备参数风险识别方法及装置 | |
CN113779751A (zh) | 一种低压hplc台区拓扑识别方法及系统 | |
CN116955936A (zh) | 企业大数据算法属性数据预测方法 | |
CN111626559A (zh) | 一种基于主因子分析法的中压配电网线损关键特征指标提取方法及系统 | |
CN117992931B (zh) | 一种直流信号特征库与参比信号模型建立系统及方法 | |
CN114997321A (zh) | 一种台区户变关系识别方法、装置、电子设备及存储介质 | |
CN112528113A (zh) | 基于供电可靠性多维大数据的终端用户划分方法及系统 | |
CN111178690A (zh) | 基于风控评分卡模型的用电客户窃电风险评估方法 | |
CN113191419B (zh) | 一种基于轨迹关键点匹配及区域划分的暂降同源事件检测、类型辨识方法 |
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 |