CN112510817A - 一种台区低压拓扑关系智能识别方法 - Google Patents
一种台区低压拓扑关系智能识别方法 Download PDFInfo
- Publication number
- CN112510817A CN112510817A CN202010945035.8A CN202010945035A CN112510817A CN 112510817 A CN112510817 A CN 112510817A CN 202010945035 A CN202010945035 A CN 202010945035A CN 112510817 A CN112510817 A CN 112510817A
- Authority
- CN
- China
- Prior art keywords
- phase
- loop
- voltage
- meter
- correlation
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000005259 measurement Methods 0.000 claims abstract description 38
- 238000012795 verification Methods 0.000 claims abstract description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000012163 sequencing technique Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000012790 confirmation Methods 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 abstract description 6
- 238000004519 manufacturing process Methods 0.000 abstract description 4
- 230000009466 transformation Effects 0.000 abstract description 3
- 230000010354 integration Effects 0.000 description 5
- 208000035126 Facies Diseases 0.000 description 4
- 238000012545 processing Methods 0.000 description 3
- 238000011410 subtraction method Methods 0.000 description 3
- 238000012937 correction Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003203 everyday effect Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00001—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by the display of information or by user interaction, e.g. supervisory control and data acquisition systems [SCADA] or graphical user interfaces [GUI]
Landscapes
- Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Power Engineering (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种台区低压拓扑关系智能识别方法，属于配电网线路运行维护技术领域，包括以下步骤；S1：单相表相位识别；S2：单相表相位识别验证；S3：A、B、C相位回路聚类；S4：A、B、C相位回路聚类验证；S5：单相表与回路关系确认。本发明提出的一种台区低压拓扑关系智能识别方法，该方法通过单相表电压量测数据与台区三相电压量测数据相似度，判别单相表在配变的相位，并根据聚类算法，将各个电表划分到各个回路上，根据各个回路上电压衰减趋势，计算电表在回路上的位置顺序，能够有针对性的辅助开展配电网生产运维工作，进一步提高配电网线路可靠性。
Description
技术领域
本发明涉及配电网线路运行维护技术领域，特别涉及一种台区低压拓扑关系智能识别方法。
背景技术
拓扑识别技术发展至今，由人工识别发展到系统自动识别，方法也有台区识别仪识别、停电识别、工频过零相关性分析识别，基于96点电压曲线数据的皮尔逊相关系数算法识别、AMI数据分析识别、加装智能分支开关识别等。
拓扑越精细，在配电台区的各类问题分析的颗粒度上也就能做到越精准，对现场的消缺也能做到更快速高效。但拓扑精准识别对设备也提出了更高的要求，最直接的就是智能量测/分析设备的安装，拓扑自动识别很大程度上依赖于现场的各类量测、分析数据。
正确的低压配电网拓扑关系，是当前配电网管理精细化、三相不平衡分析、降低线损、故障准确定位的基础。
人工识别方法结果精准，能够识别到3级拓扑，但效率低，成本高，出现拓扑变化需要重新识别，无法满足实时性要求。需要通过大数据相关算法能够快速准确的进行拓扑关系识别对配电台区具有重大的意义。
发明内容
本发明的目的在于提供一种台区低压拓扑关系智能识别方法，通过单相表电压量测数据与台区三相电压量测数据相似度，判别单相表在配变的相位，并根据聚类算法，将各个电表划分到各个回路上，根据各个回路上电压衰减趋势，计算电表在回路上的位置顺序，能够有针对性的辅助开展配电网生产运维工作，进一步提高配电网线路可靠性的优点，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：一种台区低压拓扑关系智能识别方法，包括以下步骤；
S1：单相表相位识别：通过相同相位表上电压变化趋势存在强线性关系，分别以单相位表与多相位表A、B、C三相计算皮尔逊相关系数，系数区间在-1和1之间，分别代表负相关和正相关，系数绝对值越大，说明相关性越强，选择强相关性的相位设定位单相表的相位；
S2：单相表相位识别验证：通过将其它三相表来对各个单相表按S1方法进行分类，验证二者分类结果是否一致；
S3：A、B、C相位回路聚类：分别以A、B、C三个相位来对单相表进行聚类，算法选择K-means，通过现有的信息聚为3类，聚类数据归一化分为3种：相减、相除、增长率，互相验证三种聚类的效果；
S4：A、B、C相位回路聚类验证：将其它日期的数据按照S3进行回路聚类，验证二者结果，按照投票规则来确定有分歧的聚类结果；
S5：单相表与回路关系确认：通过电路中越靠近输电中心电压越大的关系来对上述结果进行排序，得出最后结果。
进一步地，针对S1中，通过的三相表电压量测值来进行区分单相表所在线路的相位，用单相表电压量测数据分别与三相表的ABC三相计算相关性，并根据相关性大小，取相关性最大的值对应的三相表相位作为单相表所在线路相位；
皮尔逊相关系数是计算两个变量之间线性相关程度的度量，假设有两个变量X、Y，那么两变量间的皮尔逊相关系数可通过以下公式计算：
皮尔逊算法计算相关系数步骤如下：
S11：分别计算E(XY)、E(X)、E(Y)，E(XY)＝∑i*j*(Pij)，其中i为X的取值，j为Y的取值，Pij为对应于X＝i，Y＝j的联合分布列中的相应回概率，求和是对所有的i，j求，E(X)和E(Y)分别为求X、Y的均值；
S12：计算E(X2)、(E(X))2，分别为数值的平方就平均和均值的平方，同理可以计算出E(Y2)和(E(Y))2；
S13：代入公式可以求得X、Y之间的相关系数。
进一步地，针对S3中，同一回路上电表变化趋势相同，可以采用以下三个方式来对数据进行归一化处理，相减：由下一个时刻量测值减上一时刻量测值；
相除：由下一个时刻量测值除以上一时刻量测值；
增长率：下一个时刻量测值减上一时刻量测值再除以上一时刻量测值。
进一步地，针对S4中，整个台区低压有三条回路，每条回路上均有若干个单相表和多相表，一条回路上可能存在A、B、C三相，S3已经对单相表的相位进行识别，对已经识别出相位的单相表进行回路识别，通过同一回路上的电压值的变化存在内在结构上的关系，分别在ABC三相上的单相表进行聚类，识别出各个单相表的回路。
进一步地，针对S5中，根据各个回路上电压衰减趋势，计算电表在回路上的位置顺序，按电表在回路上的电压进行倒排。
与现有技术相比，本发明的有益效果是：本发明提出的一种台区低压拓扑关系智能识别方法，该方法通过单相表电压量测数据与台区三相电压量测数据相似度，判别单相表在配变的相位，并根据聚类算法，将各个电表划分到各个回路上，根据各个回路上电压衰减趋势，计算电表在回路上的位置顺序。能够有针对性的辅助开展配电网生产运维工作，进一步提高配电网线路可靠性。
附图说明
图1为本发明的低压台区单相表连接图；
图2为本发明的分类与识别流程图；
图3为本发明的两个单相表4号电压曲线图；
图4为本发明的同一单相表两天电压曲线图；
图5为本发明的三相表1(184943920)4号电压曲线；
图6为本发明的三相表2(182430517)4号电压曲线；
图7为本发明的两个三相表4号的A相电压曲线；
图8为本发明的两个三相表4号的B相电压曲线；
图9为本发明的两个三相表4号的C相电压曲线。
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做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：
请参阅图1，一种台区低压拓扑关系智能识别方法，包括以下步骤；
步骤一：单相表相位识别：通过相同相位表上电压变化趋势存在强线性关系，分别以单相位表与多相位表A、B、C三相计算皮尔逊相关系数，系数区间在-1和1之间，分别代表负相关和正相关，系数绝对值越大，说明相关性越强，选择强相关性的相位设定位单相表的相位；
通过的三相表电压量测值来进行区分单相表所在线路的相位，用单相表电压量测数据分别与三相表的ABC三相计算相关性，并根据相关性大小，取相关性最大的值对应的三相表相位作为单相表所在线路相位；
皮尔逊相关系数是计算两个变量之间线性相关程度的度量，假设有两个变量X、Y，那么两变量间的皮尔逊相关系数可通过以下公式计算：
皮尔逊算法计算相关系数步骤如下：
第一节：分别计算E(XY)、E(X)、E(Y)，E(XY)＝∑i*j*(Pij)，其中i为X的取值，j为Y的取值，Pij为对应于X＝i，Y＝j的联合分布列中的相应回概率，求和是对所有的i，j求，E(X)和E(Y)分别为求X、Y的均值；
第二节：计算E(X2)、(E(X))2，分别为数值的平方就平均和均值的平方，同理可以计算出E(Y2)和(E(Y))2；
第三节：代入公式可以求得X、Y之间的相关系数。
从4日挑选两个三相电表电压量测数据，这两个电表是否在同一回路暂时不确定，同一三相表ABC相在同一回路，通过皮尔逊相关系数计算两个三相表A、B、C相之间的交叉相关性系数：
表2两个三相表A、B、C相之间的交叉相关性系数
表2所示：
两个三相表之间，相同相位电压相关性最强。
相位的相关性要比回路的相关性强。
步骤二：单相表相位识别验证：通过将其它三相表来对各个单相表按S1方法进行分类，验证二者分类结果是否一致；
用某小区中七栋与十栋的单相表4日电压量测数据分别与回路中两个三相表的ABC三相计算相关性并根据相关性大小，取相关性最大的值对应的三相表相位，数据判别结果如下：
表3单相表相位识别结果
对上表进行汇总如下：
表4单位表相位识别汇总
表4所示：两个三相表对单相表相位判别结果完全一致，认为对单相表相位识别结果正确。
步骤三：A、B、C相位回路聚类：分别以A、B、C三个相位来对单相表进行聚类，算法选择K-means，通过现有的信息聚为3类，聚类数据归一化分为3种：相减、相除、增长率，互相验证三种聚类的效果；
同一回路上电表变化趋势相同，可以采用以下三个方式来对数据进行归一化处理，相减：由下一个时刻量测值减上一时刻量测值；
相除：由下一个时刻量测值除以上一时刻量测值；
增长率：下一个时刻量测值减上一时刻量测值再除以上一时刻量测值；
步骤四：A、B、C相位回路聚类验证：将其它日期的数据按照S3进行回路聚类，验证二者结果，按照投票规则来确定有分歧的聚类结果，整个台区低压有三条回路，每条回路上均有若干个单相表和多相表，一条回路上可能存在A、B、C三相，S3已经对单相表的相位进行识别，对已经识别出相位的单相表进行回路识别，通过同一回路上的电压值的变化存在内在结构上的关系，分别在ABC三相上的单相表进行聚类，识别出各个单相表的回路。
(1)多相表编号
为方便对单相表及多相表统一拓扑图划分，对四个多相表进行编号，通过编号来区别四个多相表，方便后续的电压表的位置排序和回路位置识别，由于单相表有63个，所以多相表的编码从64开始。
表5多相表编号
| 多相表ID(人为定义表序号，方便后续讲解) | 多相表测点ID |
| 64 | 184943920 |
| 65 | 182430517 |
| 66 | 182430493 |
| 67 | 182430516 |
单相表回路识别
请参阅图1-图2，可以看出，整个台区低压有三条回路，每条回路上均有若干个单相表和多相表。一条回路上可能存在A、B、C三相，步骤三已经对单相表的相位进行识别，接下来需要对已经识别出相位的单相表进行回路识别，通过同一回路上的电压值的变化存在内在结构上的关系，分别在ABC三相上的单相表进行聚类，识别出各个单相表的回路。
分别对三组数据进行以上三次操作，得到三组数据集，进行聚类操作，相互佐证。
A相表聚类
以4号日期数据数据聚类效果
对划分为A相的21个表进行聚类，聚类结果如下：
表6A相表聚类
| 单相表ID | 相减 | 相除 | 增长率 |
| 1 | 1 | 0 | 1 |
| 2 | 2 | 2 | 0 |
| 3 | 0 | 1 | 2 |
| 6 | 0 | 1 | 2 |
| 10 | 1 | 0 | 1 |
| 12 | 2 | 2 | 0 |
| 14 | 2 | 2 | 0 |
| 15 | 2 | 2 | 0 |
| 19 | 1 | 0 | 1 |
| 20 | 2 | 2 | 0 |
| 29 | 1 | 0 | 1 |
| 33 | 1 | 0 | 1 |
| 35 | 0 | 1 | 2 |
| 37 | 0 | 1 | 2 |
| 41 | 1 | 0 | 1 |
| 42 | 1 | 0 | 1 |
| 49 | 0 | 1 | 2 |
| 56 | 0 | 1 | 2 |
| 57 | 1 | 0 | 1 |
| 58 | 2 | 2 | 0 |
| 59 | 2 | 2 | 0 |
表6所示：对三个归一化方法中的不同类数据进行排序。
表7A相表聚类排序
表7所示：
相减方法中的聚类0与相除中的聚类1及增长率聚类中的聚类1包含的表ID相同，参考红色部份。
相减方法中的聚类1与相除中的聚类0及增长率聚类中的聚类2包含的表ID相同，参考绿部份。
相减方法中的聚类2与相除中的聚类2及增长率聚类中的聚类0包含的表ID相同，参考蓝色部份。
总结：三个归一化方法聚类的结果一致。
以多天数据数据聚类互相验证。
表8多天A相表聚类排序
表8所示：以三天的三个聚类，先取同一聚类出现数量最多的数字底色标上红色，其次的标上绿色，再次之标上蓝色。每个聚类只能有一种颜色。
表9A相表回路识别
表9所示：以红色作为回路1，绿色作为回路2，蓝色作为回路3。
表10A相表回路整合后结果
表10所示：待确定数据：12、20、58、59，58、59在绿色行出现次数为2，在蓝色行出现次数为1，采用投票原则，判定为回路2。
表11A相表回路整合后结果
表11所示：12、20在红、绿、蓝行各出现一次，暂时无法判断，如果采用更多天的数据，应该是可以判断出在哪个回路，此处采用平衡数据的方法，放入到回路3中。
B相表聚类
表12B相表回路整合后结果
C相表聚类
表13C相表回路整合后结果
相位与回路整合
通过聚类找到每个相位上的三个回路，但这三个回路是逻辑上的，需要将这9个回复合并成三个回路，如：确定A相第一个回路与B相上的哪个回路在物理上是同一回路。
解决思路：分别从9个回路上各取一个电表电压曲线，分别与三相表(共四个三相表)对应相位电压曲线利用皮尔逊算法求得相关系数。取相关系数最大的三个回路为同一回路。
以4号日期数据计算结果
表14的4号数据相关系数表
表14所示：先对相关系数标色，以三相表(表ID：64)为例，处理逻辑：先处理A相三个回路中三个值，最大的标红色，其他三相表同理。BC相处理同A相处理逻辑。
对聚类回路进行标色，后三个三相表(表ID：65、66、67)判断C相回路2、B相回路3为同一回路，A相三个回路中，其中回路3的相关系数最大，所以判断A相回路3、B相回路3、C相回路2为同一回路，标为红色。针对第一个三项表，判断A相回路1、B相回路1、C相回路3为同一回路，标为绿色。
表15回路划分结果
表15所示：逻辑回路划分：红色回路一、绿色回路二、蓝色回路三。
以6号日期数据来验证
表16的6号日期数据来验证结果
表16所示：后三个电表计算结果与4号日期数据相同，第一个电表计算结果在AB两相位与4号日期数据相同，C相位计算结果与4号日期不同，但考虑到6号日期C相位回路2与回路3的相关系数较为接近，而4号日期相关系数较大，以4号日期计算结果为准。
电表与回路及相位关系
表17电表与回路及相位关系
表17所示：红色为回路一，绿色为回路二，蓝色为回路三。其中数字代表电表ID号。
步骤五：单相表与回路关系确认：通过电路中越靠近输电中心电压越大的关系来对上述结果进行排序，得出最后结果，根据各个回路上电压衰减趋势，计算电表在回路上的位置顺序，按电表在回路上的电压进行倒排。
电表在回路上位置顺序
按电表在回路上的电压进行倒排。
初始排序：按回路分别处理，先取回路一上电表按4号A相电压进行倒序(数据库中所有单相表只有A相电压字段有值)。
表18电表在回路上位置顺序
| AVG(UA) | AVG(UB) | AVG(UC) | 序号 | 表ID | 相位 |
| 241.834 | 1 | 12 | A | ||
| 241.707 | 2 | 20 | A | ||
| 241.695 | 3 | 8 | C | ||
| 241.688 | 4 | 34 | C | ||
| 241.667 | 5 | 9 | C | ||
| 241.649 | 6 | 21 | C | ||
| 241.640 | 7 | 22 | C | ||
| 241.515 | 8 | 53 | C | ||
| 241.497 | 9 | 14 | A | ||
| 241.490 | 10 | 23 | C | ||
| 241.384 | 11 | 15 | A | ||
| 241.377 | 12 | 2 | A | ||
| 241.376 | 240.915 | 241.411 | 13 | 67 | 三相表 |
| 241.370 | 240.857 | 241.465 | 14 | 65 | 三相表 |
| 241.301 | 241.008 | 241.517 | 15 | 66 | 三相表 |
| 241.154 | 16 | 39 | B | ||
| 241.047 | 17 | 48 | B | ||
| 241.011 | 18 | 50 | B | ||
| 240.969 | 19 | 38 | B |
表18所示：B相位上的单相表电压排序相比三相表A相电压较后，但电压比三相表中的B相电压要大，需要调整到三相表之前。同理B相位上的单相表排序相比三相表较前，但电压比三相表中的B相电压要小，则需要调整到三相表之后。C相单相表同理。
修正排序
表19电表在回路上位置修正排序
| AVG(UA) | AVG(UB) | AVG(UC) | 电压倒排 | 相位 | 表ID |
| 241.8344 | 1 | A | 12 | ||
| 241.7073 | 2 | A | 20 | ||
| 241.6948 | 3 | C | 8 | ||
| 241.6875 | 4 | C | 34 | ||
| 241.6667 | 5 | C | 9 | ||
| 241.649 | 6 | C | 21 | ||
| 241.6396 | 7 | C | 22 | ||
| 241.4969 | 8 | A | 14 | ||
| 241.3844 | 9 | A | 15 | ||
| 241.3771 | 10 | A | 2 | ||
| 241.1542 | 11 | B | 39 | ||
| 241.0469 | 12 | B | 48 | ||
| 241.0115 | 13 | B | 50 | ||
| 241.301 | 241.0083 | 241.5167 | 14 | 三相表 | 66 |
| 241.5146 | 15 | C | 53 | ||
| 241.4896 | 16 | C | 23 | ||
| 240.9688 | 17 | B | 38 | ||
| 241.376 | 240.9146 | 241.4115 | 18 | 三相表 | 67 |
| 241.3698 | 240.8573 | 241.4646 | 19 | 三相表 | 65 |
表19所示：以黄色三相表为基准，红色代表下移数据，蓝色代表上移数据。其它回路处理逻辑同上。
三个回路排序结果
表20电表在回路上位置修正排序
实施例二：
数据查看：
查看每天有96个点量测数据
表1每天有96个点量测数据
表1所示：生成每天有96个量测点的户表，按台区、日期统计户表数量。仅有701026、813945两个台区有数据，其中只有813945台区有三相表。在20200404、20200406两天(参考上表标黄部分，因数据只含202004月数据，后续描述日期时，不再包含年月)，户表数量及三相表数量一致，20200412号的户表数为98(上表中标蓝色部分)，包含4日所有户表，后续建模使用4日数据，然后用6日及12日数据来作验证。
请参阅图3，两个不同单相表电压变化趋势不同。
请参阅图4，同一单相表不同日期电压变化趋势不同。
请参阅图5-图6，三相表ABC三相电压不同趋势。
请参阅图7-9，两个不同三相表A相电压趋势接近，BC相同理。
该方法通过单相表电压量测数据与台区三相电压量测数据相似度，判别单相表在配变的相位，并根据聚类算法，将各个电表划分到各个回路上，根据各个回路上电压衰减趋势，计算电表在回路上的位置顺序。能够有针对性的辅助开展配电网生产运维工作，进一步提高配电网线路可靠性。
以上所述，仅为本发明较佳的具体实施方式，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披露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。
Claims (5)
1.一种台区低压拓扑关系智能识别方法，其特征在于，包括以下步骤；
S1：单相表相位识别：通过相同相位表上电压变化趋势存在强线性关系，分别以单相位表与多相位表A、B、C三相计算皮尔逊相关系数，系数区间在-1和1之间，分别代表负相关和正相关；
S2：单相表相位识别验证：通过将其它三相表来对各个单相表按S1方法进行分类，验证二者分类结果是否一致；
S3：A、B、C相位回路聚类：分别以A、B、C三个相位来对单相表进行聚类，算法选择K-means，通过现有的信息聚为3类，聚类数据归一化分为3种：相减、相除、增长率，互相验证三种聚类的效果；
S4：A、B、C相位回路聚类验证：将其它日期的数据按照S3进行回路聚类，验证二者结果，按照投票规则来确定有分歧的聚类结果；
S5：单相表与回路关系确认：通过电路中越靠近输电中心电压越大的关系来对上述结果进行排序，得出最后结果。
2.如权利要求1所述的一种台区低压拓扑关系智能识别方法，其特征在于，针对S1中，通过的三相表电压量测值来进行区分单相表所在线路的相位，用单相表电压量测数据分别与三相表的ABC三相计算相关性，并根据相关性大小，取相关性最大的值对应的三相表相位作为单相表所在线路相位；
皮尔逊相关系数是计算两个变量之间线性相关程度的度量，假设有两个变量X、Y，那么两变量间的皮尔逊相关系数可通过以下公式计算：
皮尔逊算法计算相关系数步骤如下：
S11：分别计算E(XY)、E(X)、E(Y)，E(XY)＝∑i*j*(Pij)，其中i为X的取值，j为Y的取值，Pij为对应于X＝i，Y＝j的联合分布列中的相应回概率，求和是对所有的i，j求，E(X)和E(Y)分别为求X、Y的均值；
S12：计算E(X2)、(E(X))2，分别为数值的平方就平均和均值的平方，同理可以计算出E(Y2)和(E(Y))2；
S13：代入公式可以求得X、Y之间的相关系数。
3.如权利要求1所述的一种台区低压拓扑关系智能识别方法，其特征在于，针对S3中，同一回路上电表变化趋势相同，可以采用以下三个方式来对数据进行归一化处理，相减：由下一个时刻量测值减上一时刻量测值；
相除：由下一个时刻量测值除以上一时刻量测值；
增长率：下一个时刻量测值减上一时刻量测值再除以上一时刻量测值。
4.如权利要求1所述的一种台区低压拓扑关系智能识别方法，其特征在于，针对S4中，整个台区低压有三条回路，每条回路上均有若干个单相表和多相表，一条回路上可能存在A、B、C三相，S3已经对单相表的相位进行识别，对已经识别出相位的单相表进行回路识别，通过同一回路上的电压值的变化存在内在结构上的关系，分别在ABC三相上的单相表进行聚类，识别出各个单相表的回路。
5.如权利要求1所述的一种台区低压拓扑关系智能识别方法，其特征在于，针对S5中，根据各个回路上电压衰减趋势，计算电表在回路上的位置顺序，按电表在回路上的电压进行倒排。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010945035.8A CN112510817A (zh) | 2021-02-04 | 2021-02-04 | 一种台区低压拓扑关系智能识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010945035.8A CN112510817A (zh) | 2021-02-04 | 2021-02-04 | 一种台区低压拓扑关系智能识别方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112510817A true CN112510817A (zh) | 2021-03-16 |
Family
ID=74953476
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010945035.8A Pending CN112510817A (zh) | 2021-02-04 | 2021-02-04 | 一种台区低压拓扑关系智能识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112510817A (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 |
| CN113466548A (zh) * | 2021-08-06 | 2021-10-01 | 国网四川省电力公司营销服务中心 | 一种基于相量测量技术的智能电表台区识别方法 |
| CN116317094A (zh) * | 2022-09-07 | 2023-06-23 | 东南大学溧阳研究院 | 一种基于物联网设备量测数据的低压配电网拓扑识别方法 |
-
2021
- 2021-02-04 CN CN202010945035.8A patent/CN112510817A/zh active Pending
Cited By (5)
| 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 |
| CN113466548A (zh) * | 2021-08-06 | 2021-10-01 | 国网四川省电力公司营销服务中心 | 一种基于相量测量技术的智能电表台区识别方法 |
| CN113466548B (zh) * | 2021-08-06 | 2024-05-07 | 国网四川省电力公司营销服务中心 | 一种基于相量测量技术的智能电表台区识别方法 |
| CN116317094A (zh) * | 2022-09-07 | 2023-06-23 | 东南大学溧阳研究院 | 一种基于物联网设备量测数据的低压配电网拓扑识别方法 |
| CN116317094B (zh) * | 2022-09-07 | 2024-03-19 | 东南大学溧阳研究院 | 一种基于物联网设备量测数据的低压配电网拓扑识别方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112510817A (zh) | 一种台区低压拓扑关系智能识别方法 | |
| CN111505433B (zh) | 一种低压台区户变关系纠错及相位识别方法 | |
| CN111817291B (zh) | 一种基于电压关联特性的低压台区相户关系识别方法 | |
| CN107340492B (zh) | 基于大数据挖掘和场景预判的电能计量装置故障分析方法 | |
| CN113267692B (zh) | 一种低压台区线损智能诊断分析方法和系统 | |
| CN110376469B (zh) | 台区相序与线户关系识别方法及其装置 | |
| CN110609200B (zh) | 一种基于模糊度量融合判据的配电网接地故障保护方法 | |
| CN109828184B (zh) | 一种基于互近似熵的电压暂降源识别方法 | |
| Alam et al. | A SAX-based advanced computational tool for assessment of clustered rooftop solar PV impacts on LV and MV networks in smart grid | |
| CN111505434B (zh) | 一种低压配电表箱线路、表箱故障隐患识别方法 | |
| CN112329806B (zh) | 一种用于低压台区拓扑识别的电表聚类方法 | |
| CN110687361A (zh) | 一种用于识别低压配网台区相序的方法及系统 | |
| CN113189418B (zh) | 一种基于电压数据的拓扑关系识别方法 | |
| CN104537271B (zh) | 一种基于质量标签的配电网不良数据辨识方法 | |
| CN110389269A (zh) | 基于电流优化匹配的低压台区拓扑关系识别方法及其装置 | |
| CN115618249A (zh) | 一种基于LargeVis降维与DBSCAN聚类的低压配电台区相位识别方法 | |
| CN114462983B (zh) | 适用于配网工程的审计数据处理方法 | |
| CN113033897A (zh) | 基于用户分支的电量相关性识别台区户变关系的方法 | |
| CN116910602B (zh) | 一种基于关联性分析的线损分析方法及系统 | |
| CN112415304B (zh) | 基于低压台区电压数据曲线分群的线路识别方法 | |
| CN113112177A (zh) | 一种基于混合指标的台区线损处理方法及系统 | |
| 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 | |
| Grigoras et al. | Processing of smart meters data for peak load estimation of consumers | |
| CN111651448B (zh) | 一种基于降噪差分进化的低压拓扑识别方法 | |
| CN116845971A (zh) | 一种光伏并网低压台区拓扑结构自动识别方法 |
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 |