CN112485525B - 一种变压器相位的识别方法及装置、设备、存储介质 - Google Patents

一种变压器相位的识别方法及装置、设备、存储介质 Download PDF

Info

Publication number
CN112485525B
CN112485525B CN202011359634.8A CN202011359634A CN112485525B CN 112485525 B CN112485525 B CN 112485525B CN 202011359634 A CN202011359634 A CN 202011359634A CN 112485525 B CN112485525 B CN 112485525B
Authority
CN
China
Prior art keywords
phase
transformer
voltage data
data
intervals
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
Application number
CN202011359634.8A
Other languages
English (en)
Other versions
CN112485525A (zh
Inventor
刘浩
张玉天
谈元鹏
彭国政
闫冬
胡若云
孙钢
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.)
China Electric Power Research Institute Co Ltd CEPRI
Marketing Service Center of State Grid Zhejiang Electric Power Co Ltd
Original Assignee
China Electric Power Research Institute Co Ltd CEPRI
Marketing Service Center of State Grid Zhejiang 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 China Electric Power Research Institute Co Ltd CEPRI, Marketing Service Center of State Grid Zhejiang Electric Power Co Ltd filed Critical China Electric Power Research Institute Co Ltd CEPRI
Priority to CN202011359634.8A priority Critical patent/CN112485525B/zh
Publication of CN112485525A publication Critical patent/CN112485525A/zh
Application granted granted Critical
Publication of CN112485525B publication Critical patent/CN112485525B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R25/00—Arrangements for measuring phase angle between a voltage and a current or between voltages or currents
    • 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
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/50—Arrangements for eliminating or reducing asymmetry in polyphase networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明提供了一种变压器相位的识别方法及识别装置，解决了由于变压器不同相位电压数据表现相似度大多较高，不同相位的曲线因点间距离相近而影响相关性或聚类算法的结果，以及由于同相位不同用户因负载电气距离存在压降现象，造成同相位不同用户电压曲线距离变大，导致聚类分相识别错误的问题。包括：采集所述变压器的三相电压数据；将所述三相电压数据按采集时间分为若干个区间，并计算所有区间内的不同相位电压数据间的电压数据段相关度；基于所有区间内所述电压数据段相关度得到样本数据；对所述样本数据进行特征提取处理，基于特征提取结果得到用户特征；对所述用户特征聚类，识别与变压器连接的不同用户的相序关系。

Description

一种变压器相位的识别方法及装置、设备、存储介质
技术领域
本发明涉及配电技术领域，具体涉及一种变压器相位的识别方法及识别、设备、存储介质。
背景技术
供电公司可从用电采集系统发现变压器工作在三相不平衡状态，此状态会引起变压器可用容量减小、损耗增加、寿命缩短，甚至会造成变压器损坏，严重影响用户的用电安全。为了降低变压器的额外损耗，需要及时对连接在三相不平衡的变压器的用户进行调整，使得变压器三相负载更加均衡。但部分变压器没有相序记录或者记录存在错误，制约了三相不平衡变压器的快速负载调整。通常解决变压器相序识别问题的主要方法为人工识别，但这种方法耗时费力且效率低下，成本较高。
因变压器不同相位负载不同导致电压存在差异，一些学者专家利用计量电压数据，提出了基于数据驱动的相序识别算法。但通过对大量计量数据探索发现，变压器不同相位电压数据表现相似度大多较高，不同相位的曲线因点间距离相近而影响相关性或聚类算法的结果，导致分相识别错误；另外同相位不同用户因负载电气距离会存在压降现象，此现象会造成同相位不同用户电压曲线距离变大，甚至有落入其他相位用户电压曲线群内的情况，导致聚类分相识别错误。
发明内容
有鉴于此，本发明实施例提供了一种变压器相位的识别方法及装置、设备、存储介质，解决了由于变压器不同相位电压数据表现相似度大多较高，不同相位的曲线因点间距离相近而影响相关性或聚类算法的结果，导致分相识别错误，以及由于同相位不同用户因负载电气距离会存在压降现象，造成同相位不同用户电压曲线距离变大，导致聚类分相识别错误的问题。
本发明一实施例提供的一种变压器相位的识别方法及识别装置包括：
采集所述变压器的三相电压数据；
将所述三相电压数据按采集时间分为若干个区间，并计算所有区间内的不同相位电压数据间的电压数据段相关度；
基于所有区间内所述电压数据段相关度得到样本数据；
对所述样本数据进行特征提取处理，基于特征提取结果得到用户特征；
对所述用户特征聚类，识别与变压器连接的不同用户的相序关系。
在一种实施方式中，用电压数据段的皮尔逊系数表示电压数据段相关度。
在一种实施方式中，计算各个区间电压数据段的皮尔逊系数由以下模型获得：
Figure GDA0003910464930000021
其中，X、Y分别表示两个不同相位电压值序列，n为不同相位电压值序列的长度，X＝[X1,X2…,Xn]，Y＝[Y1,Y2…,Yn]，μX为其中一个相位电压序列X的均值，μY为另一个相位电压序列Y的均值，Px,y为两个不同相位电压数据段的皮尔逊系数。
在一种实施方式中，基于所有区间内所述电压数据段相关度得到样本数据的步骤如下：
将同一区间中的最大的所述电压数据段相关度作为本区间的最大相关度，在所有区间中选择预设数量个具有最小所述最大相关度的区间，保留采集的对应单项电压数据，将预设数量个保留的所述单项电压数据组合成样本数据。
在一种实施方式中，所述用户特征包括：
对所述样本数据进行离散小波变换，得到小波分量频段数据；
基于所述小波分量频段数据得到提取特征差异；
将所述提取特征差异最大的所述小波分量频段数据作为用户特征。
在一种实施方式中，所述小波分量频段数据由以下模型获得：
Figure GDA0003910464930000022
和
Figure GDA0003910464930000023
其中，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表示平移参数。
在一种实施方式中，还包括：计算变压器三相电流不平衡度；基于所述不平衡度调整不同相位上的用户。
一种变压器相位的识别装置，包括：
采集单元，采集所述变压器的三相电压数据；
处理单元，用于将所述三相电压数据按采集时间分为若干个区间，并计算所有区间内的不同相位电压数据间的电压数据段相关度；
基于所有区间内所述电压数据段相关度得到样本数据；
对所述样本数据进行特征提取处理，基于特征提取结果得到用户特征；
对所述用户特征聚类，识别变压器的不同相位。
一种电子设备，包括存储器和处理器，所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器执行时实现上述任一项所述的变压器相位的识别方法。
一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，所述计算机程序被一个或多个处理器执行时用以实现上述任一项所述的变压器相位的识别方法。
本发明实施例提供的一种变压器相位的识别方法及识别装置，所述变压器相位的识别方法包括：采集所述变压器的电压、电流数据，其中所述电压数据包括三相电压、电流数据和单项电压、电流数据；将所述三相电压数据按采集时间分为若干个区间，并计算所有区间内的不同相位电压数据间的电压数据段相关度；基于所有区间内所述电压数据段相关度得到样本数据；对所述样本数据进行处理，基于处理结果得到用户特征；基于算法对所述用户特征聚类将不同相位的用户分开。
本发明通过在使用算法做相序识别前，对样本数据进行前序处理，放大差异特征并排除干扰，具备以下优点：
通过在使用算法做相序识别前，对样本数据进行前序处理，放大差异特征并排除干扰，实现更加准确的相序识别并适用更一般的数据集，进而实现利用电压数据驱动的高效准确相序识别，供电公司为可依据本方法提供的相序识别结果对三相不平衡变压器进行负载调整，使得变压器稳定工作，确保变压器下用户的用电安全。
进一步的，本发明能有效提高对连接变压器的单向用户相序识别的准确率。为了避免不同相位电压高相似时间段对相序识别的影响，利用皮尔逊相关系数筛选区间放大了数据差异；然后基于离散小波变化提取电压数据频域特征，减弱压降对相序识别的干扰。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。最后针对变压器实际只有3个相位，使用K-means聚类算法对用户特征聚类，加快了聚类速度。本发明不仅能相序识别的提高准确率，同时适应性亦得到加强。
进一步的，本发明不仅能对够能够为原有的不平衡变压器提供用户相位接线方式调整方案，降低变压器三相不平衡度；还能够给新接入的用户提供最优的相位接线方案，维持变压器的三相平衡度。
进一步的，本发明仅利用电能表所采集的用电数据进行分析计算，相对于人工相序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
图1所示为本发明一实施例提供的一种变压器相位的识别方法的流程示意图。
图2所示为本发明另一实施例提供的一种变压器相位的识别方法的流程示意图。
图3a-图3d为本发明一实施例提供的一种变压器相位的识别结果图。
图4所示为本发明另一实施例提供的一种变压器相位的识别装置的流程结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例一：
图1所示为本发明一实施例提供的一种变压器相位的识别方法的流程示意图。
参考图1，本实施例提供了一种变压器相位的识别方法，包括：
步骤S01:采集所述变压器的三相电压、电流数据。采集到变压器的电压、电流数据后可以先对数据进行空值补缺和异常值处理。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、电流异常数据进行均值平滑处理。
步骤S02:将所述三相电压数据按采集时间分为若干个区间，并计算所有区间内的不同相位电压数据间的电压数据段相关度。可以用电压数据段的皮尔逊系数表示电压数据段相关度，计算各个区间电压数据段的皮尔逊系数。具体的计算公式(1)包括：
Figure GDA0003910464930000051
其中，X、Y分别表示两个不同相位电压值序列，n为不同相位电压值序列的长度，X＝[X1,X2…,Xn]，Y＝[Y1,Y2…,Yn]，μX为其中一个相位电压序列X的均值，μY为另一个相位电压序列Y的均值，Px,y为两个不同相位电压数据段的皮尔逊系数。
步骤S03:基于所有区间内所述电压数据段相关度得到样本数据。基于所有区间内电压数据段相关度得到样本数据的步骤如下：将同一区间中的最大的所述电压数据段相关度作为本区间的最大相关度，在所有区间中选择预设数量个具有最小所述最大相关度的区间，保留对应的所述单项电压数据，将预设数量个保留的所述单项电压数据组合成样本数据，其中单项电压数据可以是步骤S01采集三相电压数据时同时采集得到的。换言之，筛选数据段相关度较低的区间，并截取保留对应时间区间的单相用户电压数据，组合成新的样本数据，实现放大电压数据差异。
步骤S04:对所述样本数据进行特征提取处理，基于特征提取结果得到用户特征。对所述样本数据进行处理，基于处理结果得到用户特征包括：对所述样本数据进行离散小波变换，得到小波分量频段数据；基于所述小波分量频段数据得到提取特征差异；将所述提取特征差异最大的所述小波分量频段数据作为用户特征。对组合后数据进行离散小波变换，将时域信息变换到频域，不同小波系数代表不同的频域特征，剔除压降导致的纵轴位移影响。对于电压序列X(n)的第i层分解可以描述为：
Figure GDA0003910464930000052
Figure GDA0003910464930000061
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表示平移参数。
提取差异最大的小波分量频段数据作为用户样本数据，进一步凸显主要特征。可选地做法为：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] (4)
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代表用户数目。此时可依据公式(3)求得序列l的方差s1
Figure GDA0003910464930000062
式中，s为总体方差，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，μ为总体均值，N为距离个数同理可求得小波系数D2、D3对应的方差s2、s3。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。
步骤S05:对所述用户特征聚类，识别与变压器连接的不同用户的相序关系。可选地，利用K-means算法对用户特征聚类。K-means能够指定聚类数目，算法时间复杂度和空间复杂度低。K-means算法以K为参数，把对象分成K个簇，使簇内具有较高的相似度，而簇间的相似度较低。相似度的计算根据一个簇中对象的平均值即簇的质心来进行的。平均算法的处理过程如下：首先，随机选取K个用户特征作为初始的个簇的质心；然后，将其余对象根据其与各个簇质心的距离分配到最近的簇；再后重新计算每个簇的质心。这个过程不断重复，直到目标函数最小化为止。通常采用的目标函数形式为平方误差准则函数：
Figure GDA0003910464930000063
式中：p为电压数据对象，ci标识簇Ci的质心，E就表示数据集中所有对象的平方误差的和。这个目标函数使生成的簇尽可能地紧凑和独立，这里使用的距离度量使是几里得距离。
除此之外，本发明中的变压器相位的识别方法在基于算法对所述用户特征聚类将不同相位的用户分开之后，还可以包括：
步骤S06:计算变压器三相电流不平衡度，基于所述不平衡度调整不同相位上的用户。计算变压器三相不平衡度，发现变压器三相不平衡度较高时，反馈给一线业务人员进行用户相位调整，根据三相不平衡度的计算结果，调整不同相位上的用户数目，使得变压器工作状态更加均衡。可选地，变压器三相电流不平衡度的计算公式可以为：
Figure GDA0003910464930000071
式中，IA、IB、IC分别表示变压器A、B、C三相总电流的有效值，Iave为IA，IB，IC有效值的平均值。
如果ε＞15％，则对用户相序进行调整，步骤如下：
1、首先将A、B、C三相上不同用户电流值放入3个数组，并对数组内电流值从大到小进行排序，记作array_a，array_b，array_c。
array_a＝[IA1,IA2,...,IAm]，
array_b＝[IB1,IB2,...,IBn]，
array_c＝[IC1,IC2,...,ICp]
式中，IAm表示与变压器A相连接的用户m的电流有效值，IBn表示与变压器B相连接的用户n的电流有效值，ICp表示与变压器C相连接的用户p的电流有效值。
2、选择变压器A、B、C三相总电流的有效值最大值和最小值对应的相位的电流数组，这里不妨设总电流的有效值最大值对应相位的电流数组为array_a，总电流的有效值最小值对应相位的电流数组为array_b。
3、设置用户调整评价函数为：
Figure GDA0003910464930000072
式中，IAi表示与A相连接的用户电流有效值,IBj表示与B相连接的用户电流有效值。
4、将与A相连接的用户电流IAi从数组中大到小依次拿出放入array_b中，每放入一次，计算(3)中评价函数f值。若f值变小，转至步骤(5)；否则，从array_b中拿出用户电流IAi放回array_a，继续执行步骤(4)。
5、重新计算变压器三相电流不平衡度ε1，若ε1≤15％，调整结束；
若ε1＞15％，且ε1＝ε，调整结束，需手动重新分配各相位用户；若ε1＞15％，且ε1＜ε，依据步骤(4)得到的相位电流数组，调整对应相位总电流和对应相位连接用户，转到步骤(1)，继续调整。
本发明实施例提供的一种变压器相位的识别方法包括：采集所述变压器的电压数据，其中所述电压数据包括三相电压数据和单项电压数据；将所述三相电压数据按采集时间分为若干个区间，并计算所有区间内的不同相位电压数据间的电压数据段相关度；基于所有区间内所述电压数据段相关度得到样本数据；对所述样本数据进行处理，基于处理结果得到用户特征；基于算法对所述用户特征聚类将不同相位的用户分开。通过在使用算法做相序识别前，对样本数据进行前序处理，放大差异特征并排除干扰，实现更加准确的相序识别并适用更一般的数据集，进而实现利用电压数据驱动的高效准确相序识别，供电公司为可依据本方法提供的相序识别结果对三相不平衡变压器进行负载调整，使得变压器稳定工作，确保变压器下用户的用电安全。
实施例二：
图2所示为本发明另一实施例提供的一种变压器相位的识别方法的流程示意图。
图3a-图3d为本发明一实施例提供的一种变压器相位的识别结果图。
参考图2，在实施例一的基础上，本实施例提供另外一种变压器相位的识别方法，包括：
步骤S20:数据来源和数据预处理。本实施例中所用数据源于变压器A用电采集系统所采集的例如：2020-5-6至2020-5-19日内连续96点日电压数据，共有1个总表，37个单相用户，因此共有532条记录，共计532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。
可以理解，除了采用近邻相似法进行数据填充或采用均值平滑处理以外，还可以采用其他的方法对数据集内所包含的数据进行处理，不同的数据可采用不同的处理方式，本发明对处理数据的方式不做限定。
步骤S21:将每日变压器公变电压数据按采集时间分为6个窗口，分别为0:00-4:00、4:00-8:00、8:00-12:00、12:00-16:00、16:00-20:00、20:00-24:00；每个时间窗口包含16个采集点；样例的两周数据共包含84个时间窗口。
步骤S22：分别计算每个时间窗口总表不同相位电压数据间的皮尔逊相关度，确定差异较大的时间区间。表1为总表不同时间窗口总表相位间皮尔逊相关系数。我们选择84个时间区间的最大相关度的最小的6个值对应的时间区间。分别对变压器下每个用户截取对应时间区间的电压数据，按时间顺序拼接成新的电压序列。
表1总表不同时间窗口相位间皮尔逊相关系数
Figure GDA0003910464930000091
步骤S23：对组合后的用户电压序列分别进行离散小波变换。可采用Haar小波，对数据进行三层分解。
步骤S24：提取差异最大的小波分量频段作为用户特征。不同小波系数对应的方差如表2所示。从表2可以看出差异最大的特征为小波系数A3，将A3作为用户聚类特征。
表2不同小波系数对应的方差
小波系数 方差
A3 5.37
D3 2.38
D2 2.1
步骤S25：利用K-means算法对小波系数A3进行聚类，聚类数设为3。聚类结果如表3所示。统计得相位1共12个用户，相位2共个14用户，相位3共个11用户。图3a、3b、3c展示了聚类后不同相位的电压曲线，图3d对比了不同相位曲线。对比图3b与图3a、3c聚类Ⅱ类在5:00-10:00电压值明显低于聚类I类和聚类Ⅲ类，对比图3a、3c聚类I类和聚类Ⅲ类在10:00-15:00电压存在明显差别。从聚类结果可以看出，采用本发明中的电压器相位的识别装置能够明显的将不同相位的用户分开。
表3变压器用户相序识别结果
用户编号 识别结果
1 I类
2 II类
3 II类
4 I类
… …
37 I类
步骤S26：在将不同相位的用户分开之后，还可以计算变压器三相不平衡度，根据三相不平衡度的计算结果，调整不同相位上的用户数目，使得变压器工作状态更加均衡。
实施例三：
图4所示为本发明另一实施例提供的一种变压器相位的识别装置的流程结构示意图。
参考图4，本发明实施例提供了一种变压器相位的识别装置100，包括：采集单元10和处理单元20。
其中，采集单元10用于采集所述变压器的三相电压数据；
处理单元20用于将所述三相电压数据按采集时间分为若干个区间，并计算所有区间内的不同相位电压数据间的电压数据段相关度；基于所有区间内所述电压数据段相关度得到样本数据；对所述样本数据进行特征提取处理，基于特征提取处理结果得到用户特征；对所述用户特征聚类，识别变压器的不同相位。
采集单元10采集变压器的三相电压数据，将采集的数据传输到处理单元，处理单元20将采集到的三相电压数据按采集时间分为若干个区间，并计算所有区间内的不同相位电压数据间的电压数据段相关度；基于所有区间内所述电压数据段相关度得到样本数据；对所述样本数据进行处理，基于处理结果得到用户特征；基于算法对所述用户特征聚类将不同相位的用户分开。
基于上述各个单元执行变压器相位的识别方法的具体实施例已经在实施例一中详述，此处不再赘述。
实施例四：
本实施例提供了一种电子设备，该电子设备可以是手机、电脑或平板电脑等，包括存储器和处理器，所述存储器上存储有计算机程序，该计算机程序被处理器执行时实现如实施例一种所述的变压器相位的识别方法。可以理解，电子设备还可以包括，输入/输出(I/O)接口，以及通信组件。
其中，处理器用于执行如实施例一中的变压器相位的识别方法。中的全部或部分步骤。存储器用于存储各种类型的数据，这些数据例如可以包括电子设备中的任何应用程序或方法的指令，以及应用程序相关的数据。
所述处理器可以是专用集成电路(Application Specific Integrated Cricuit，简称ASIC)、数字信号处理器(Digital Signal Processor，简称DSP)、可编程逻辑器件(Programmable Logic Device，简称PLD)、现场可编程门阵列(Field Programmable GateArray，简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述实施例一中的变压器相位的识别方法。。
所述存储器可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器(Static Random Access Memery，简称SRAM)，电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory，简称EEPROM),可擦除可编程只读存储器(Erasable Programmable Read-Only Memory，简称EPROM),可编程只读存储器(Programmable Read-Only Memory，简称PROM),只读存储器(Read-Only Memory，简称ROM)，磁存储器，快闪存储器，磁盘或光盘。
实施例五：
本实施例还提供一种计算机可读存储介质。在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。
基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。
而前述的存储介质包括：闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘、服务器、APP应用商城等等各种可以存储程序校验码的介质，其上存储有计算机程序，所述计算机程序被处理器执行时可以实现如下方法步骤：
步骤S01:采集所述变压器的电压数据，其中所述电压数据包括三相电压数据和单项电压数据。
步骤S02:将所述三相电压数据按采集时间分为若干个区间，并计算所有区间内的不同相位电压数据间的电压数据段相关度。
步骤S03:基于所有区间内所述电压数据段相关度得到样本数据。
步骤S04:对所述样本数据进行处理，基于处理结果得到用户特征。
步骤S05:基于算法对所述用户特征聚类将不同相位的用户分开。
具体的实施方式和产生的效果可以参考实施例一中所述，本发明在此不再赘述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
以上结合具体实施例描述了本申请的基本原理，但是，需要指出的是，在本申请中提及的优点、优势、效果等仅是示例而非限制，不能认为这些优点、优势、效果等是本申请的各个实施例必须具备的。另外，上述公开的具体细节仅是为了示例的作用和便于理解的作用，而非限制，上述细节并不限制本申请为必须采用上述具体的细节来实现。
本申请中涉及的器件、装置、设备、系统的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的，可以按任意方式连接、布置、配置这些器件、装置、设备、系统。
还需要指出的是，在本申请的装置、设备和方法中，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本申请的等效方案。
提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本申请。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的，并且在此定义的一般原理可以应用于其他方面而不脱离本申请的范围。因此，本申请不意图被限制到在此示出的方面，而是按照与在此公开的原理和新颖的特征一致的最宽范围。
本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。本申请实施例中所有方向性指示(诸如上、下、左、右、前、后、顶、底……)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
另外，在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换等，均应包含在本发明的保护范围之内。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种变压器相位的识别方法，其特征在于，包括：
采集所述变压器的三相电压数据；
将所述三相电压数据按采集时间分为若干个区间，并计算所有区间内的不同相位电压数据间的电压数据段相关度；
基于所有区间内所述电压数据段相关度得到样本数据；其具体如下：将同一区间中的最大的所述电压数据段相关度作为本区间的最大相关度，在所有区间中选择预设数量个具有最小所述最大相关度的区间，保留采集的对应单项电压数据，将预设数量个保留的所述单项电压数据组合成样本数据；
对所述样本数据进行特征提取处理，基于特征提取结果得到用户特征；所述用户特征包括：对所述样本数据进行离散小波变换，得到小波分量频段数据，基于所述小波分量频段数据得到提取特征差异，将所述提取特征差异最大的所述小波分量频段数据作为用户特征；
对所述用户特征聚类，识别与变压器连接的不同用户的相序关系。
2.根据权利要求1所述的变压器相位的识别方法，其特征在于，用电压数据段的皮尔逊系数表示电压数据段相关度。
3.根据权利要求2所述的变压器相位的识别方法，其特征在于，计算各个区间电压数据段的皮尔逊系数由以下模型获得：
Figure FDA0003936647850000011
其中，X、Y分别表示两个不同相位电压值序列，n为不同相位电压值序列的长度，X＝[X1,X2…,Xn]，Y＝[Y1,Y2…,Yn]，μX为其中一个相位电压序列X的均值，μY为另一个相位电压序列Y的均值，Px,y为两个不同相位电压数据段的皮尔逊系数。
4.根据权利要求1所述的变压器相位的识别方法，其特征在于，所述小波分量频段数据由以下模型获得：
Figure FDA0003936647850000012
和
Figure FDA0003936647850000013
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表示平移参数。
5.根据权利要求1所述的变压器相位的识别方法，其特征在于，还包括：
计算变压器三相电流不平衡度；
基于所述不平衡度调整不同相位上的用户。
6.一种变压器相位的识别装置，其特征在于，包括：
采集单元，采集所述变压器的三相电压数据；
处理单元，用于将所述三相电压数据按采集时间分为若干个区间，并计算所有区间内的不同相位电压数据间的电压数据段相关度；
基于所有区间内所述电压数据段相关度得到样本数据；其具体如下：将同一区间中的最大的所述电压数据段相关度作为本区间的最大相关度，在所有区间中选择预设数量个具有最小所述最大相关度的区间，保留采集的对应单项电压数据，将预设数量个保留的所述单项电压数据组合成样本数据；
对所述样本数据进行特征提取处理，基于特征提取结果得到用户特征；所述用户特征包括：对所述样本数据进行离散小波变换，得到小波分量频段数据，基于所述小波分量频段数据得到提取特征差异，将所述提取特征差异最大的所述小波分量频段数据作为用户特征；
对所述用户特征聚类，识别与变压器连接的不同用户的相序关系。
7.一种电子设备，其特征在于，包括存储器和处理器，所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器执行时实现如权利要求1-5任一项所述的变压器相位的识别方法。
8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机程序，所述计算机程序被一个或多个处理器执行时用以实现如权利要求1-5任一项所述的变压器相位的识别方法。
CN202011359634.8A 2020-11-27 2020-11-27 一种变压器相位的识别方法及装置、设备、存储介质 Active CN112485525B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011359634.8A CN112485525B (zh) 2020-11-27 2020-11-27 一种变压器相位的识别方法及装置、设备、存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011359634.8A CN112485525B (zh) 2020-11-27 2020-11-27 一种变压器相位的识别方法及装置、设备、存储介质

Publications (2)

Publication Number Publication Date
CN112485525A CN112485525A (zh) 2021-03-12
CN112485525B true CN112485525B (zh) 2022-12-20

Family

ID=74936161

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011359634.8A Active CN112485525B (zh) 2020-11-27 2020-11-27 一种变压器相位的识别方法及装置、设备、存储介质

Country Status (1)

Country Link
CN (1) CN112485525B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112730984B (zh) * 2021-03-31 2021-07-13 国网江西省电力有限公司供电服务管理中心 一种基于智能电表的低压配电网相位识别方法

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018027180A1 (en) * 2016-08-05 2018-02-08 The Regents Of The University Of California Phase identification in power distribution systems
CN108376982A (zh) * 2017-11-24 2018-08-07 上海泰豪迈能能源科技有限公司 负载相序的识别方法及装置
CN108776869A (zh) * 2018-06-07 2018-11-09 国网河南省电力公司电力科学研究院 基于智能电表大数据分析的台区变压器三相不平衡治理方法
CN109274095A (zh) * 2018-10-30 2019-01-25 东北大学秦皇岛分校 基于互信息的低压配电网用户拓扑估计方法及系统
CN109802382A (zh) * 2017-11-17 2019-05-24 中国电力科学研究院有限公司 一种低压配电网用户连接关系识别方法及系统
EP3557714A1 (fr) * 2018-04-20 2019-10-23 Benoit, Clémentine Procédé d'association de chaque compteur d'une pluralité de compteurs à un départ triphase d'un transformateur, procédé de determination de la topologie d'un réseau et dispositif associé
CN110687361A (zh) * 2019-09-20 2020-01-14 中国电力科学研究院有限公司 一种用于识别低压配网台区相序的方法及系统
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
CN110727662A (zh) * 2019-09-10 2020-01-24 国网浙江省电力有限公司电力科学研究院 基于相关性分析的低压台区用户相位识别方法和系统
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
CN111817291A (zh) * 2020-06-16 2020-10-23 华南理工大学 一种基于电压关联特性的低压台区相户关系识别方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018027180A1 (en) * 2016-08-05 2018-02-08 The Regents Of The University Of California Phase identification in power distribution systems
CN109802382A (zh) * 2017-11-17 2019-05-24 中国电力科学研究院有限公司 一种低压配电网用户连接关系识别方法及系统
CN108376982A (zh) * 2017-11-24 2018-08-07 上海泰豪迈能能源科技有限公司 负载相序的识别方法及装置
EP3557714A1 (fr) * 2018-04-20 2019-10-23 Benoit, Clémentine Procédé d'association de chaque compteur d'une pluralité de compteurs à un départ triphase d'un transformateur, procédé de determination de la topologie d'un réseau et dispositif associé
CN108776869A (zh) * 2018-06-07 2018-11-09 国网河南省电力公司电力科学研究院 基于智能电表大数据分析的台区变压器三相不平衡治理方法
CN109274095A (zh) * 2018-10-30 2019-01-25 东北大学秦皇岛分校 基于互信息的低压配电网用户拓扑估计方法及系统
CN110727662A (zh) * 2019-09-10 2020-01-24 国网浙江省电力有限公司电力科学研究院 基于相关性分析的低压台区用户相位识别方法和系统
CN110687361A (zh) * 2019-09-20 2020-01-14 中国电力科学研究院有限公司 一种用于识别低压配网台区相序的方法及系统
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
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
CN111817291A (zh) * 2020-06-16 2020-10-23 华南理工大学 一种基于电压关联特性的低压台区相户关系识别方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于电压曲线聚类分析的低压用户相序自动识别;耿俊成 等;《电力大数据》;20191231;第22卷(第12期);第1-8页 *

Also Published As

Publication number Publication date
CN112485525A (zh) 2021-03-12

Similar Documents

Publication Publication Date Title
CN113933556B (zh) 一种窃电行为的检测方法、装置、计算机设备和存储介质
CN108038497B (zh) 一种交流电设备的工作状态判定模型建立方法及设备
CN112485525B (zh) 一种变压器相位的识别方法及装置、设备、存储介质
CN110718908A (zh) 基于层次聚类法的配电网拓扑结构识别方法及系统
CN112699605B (zh) 一种充电桩故障元件预测方法及系统
CN113092935B (zh) 一种识别小负荷线路拓扑的方法及系统、设备、存储介质
CN112701675A (zh) 基于筛选电压数据的配电台区用户相别辨识方法及系统
CN109948909A (zh) 一种电网数据采集分析方法及系统
CN113159106A (zh) 一种基于形态趋势特征的负荷曲线聚类方法、介质及设备
Shamim et al. Multi-domain feature extraction for improved clustering of smart meter data
CN110991527A (zh) 一种考虑电压曲线平均波动率的相似度阈值确定方法
CN112415304B (zh) 基于低压台区电压数据曲线分群的线路识别方法
CN114184870A (zh) 非侵入式负荷识别方法及设备
CN116226468B (zh) 基于网格化终端业务数据存储管理方法
CN112098774A (zh) 一种剩余电流故障判定方法、终端设备及存储介质
CN117330906A (zh) 设备电弧故障检测方法、装置、设备及存储介质
CN111784379A (zh) 追缴电费的估算方法、装置和异常案例的筛选方法、装置
CN115905373A (zh) 一种数据查询以及分析方法、装置、设备及存储介质
CN113743519B (zh) 电网母线典型负荷曲线识别方法
CN114024308A (zh) 一种配电网台户关系辨识方法和系统
CN115051363A (zh) 一种配网台区户变关系辨识方法、装置及计算机存储介质
CN113705625A (zh) 异常生活保障申请家庭的识别方法、装置及电子设备
CN113449793A (zh) 用电状态的确定方法及装置
Leinakse et al. Clustering of transmission system loads based on monthly load class energy consumptions
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

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