CN112886589A - 基于社区挖掘的供电分区方法、系统、终端、介质及配电网 - Google Patents

基于社区挖掘的供电分区方法、系统、终端、介质及配电网 Download PDF

Info

Publication number
CN112886589A
CN112886589A CN202110383275.8A CN202110383275A CN112886589A CN 112886589 A CN112886589 A CN 112886589A CN 202110383275 A CN202110383275 A CN 202110383275A CN 112886589 A CN112886589 A CN 112886589A
Authority
CN
China
Prior art keywords
community
data
node
mining
nodes
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
Application number
CN202110383275.8A
Other languages
English (en)
Other versions
CN112886589B (zh
Inventor
李龙瑞
陶雄飞
邢伟
胡作启
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.)
Wuhan Century Superpower Technology Co ltd
Huazhong University of Science and Technology
Original Assignee
Wuhan Century Superpower Technology Co ltd
Huazhong University of Science and Technology
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 Wuhan Century Superpower Technology Co ltd, Huazhong University of Science and Technology filed Critical Wuhan Century Superpower Technology Co ltd
Priority to CN202110383275.8A priority Critical patent/CN112886589B/zh
Publication of CN112886589A publication Critical patent/CN112886589A/zh
Application granted granted Critical
Publication of CN112886589B publication Critical patent/CN112886589B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas or water supply
    • 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
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
    • H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
    • 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
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • 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
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
    • Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
    • Y02B70/3225—Demand response systems, e.g. load shedding, peak shaving
    • 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
    • Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
    • Y04S20/20—End-user application control systems
    • Y04S20/222—Demand response systems, e.g. load shedding, peak shaving

Abstract

本发明属于供电分区技术领域，公开了一种基于社区挖掘的供电分区方法、系统、终端、介质及配电网，根据各供区的网络数据生成对应的有向图，同时读取各个节点的有功负荷和无功负荷数据，将负荷数据转换成RGB彩色图像；将得到的有向图和各节点负荷数据的RGB彩色图像结合进行社区挖掘，得到带重叠部分的社区；根据得到的带重叠部分社区，利用模块度增量进行优化，得到非重叠的社区；同时对得到的社区数据进行特征提取；根据得到的社区数据特征，给出有关社区间柔性开关的接入方式和储能配置的建议。本发明提高了社区挖掘效率，并且提升了社区分类结果的全局模块度；使分区结果更加合理。

Description

基于社区挖掘的供电分区方法、系统、终端、介质及配电网
技术领域
本发明属于供电分区技术领域，尤其涉及一种基于社区挖掘的供电分区方法、系统、终端、介质及配电网。
背景技术
目前，社区挖掘算法主要应用于复杂网络中的节点分类，与传统的聚类算法不同，社区挖掘分类更多依据社区节点间的链接。电力系统就是一个典型的复杂网络，对电力网络拓扑结构以及每个节点的负荷数据结合起来进行社区挖掘，将每个社区的特征提取出来，进行相应的柔性开关接入或进行储能配置，可大大提升负载的平衡性。
现有的分区大多依据行政区域或者运维人员的经验划分，显然已经无法满足我国电网高速发展的需求。而纵观将社区挖掘运用到电力系统的应用，大多是基于无功电压分区，将配电网抽象成拓扑网络，把线路间阻抗、电压等信息作为网络中边的权重，利用最传统的GN算法对社区进行挖掘，缺少对节点自身性质的考虑；或者以社区的核心节点发现关键节点，利用社区间连边发现关键线路，还有就是用社区结构对子区域进行划分，缺少对电网拓扑结构和节点本身数据的联合考察，分区的准确性还有待提升。
通过上述分析，现有技术存在的问题及缺陷为：现有的分区方法准确性不高，无法满足电网的实际需求。
解决以上问题及缺陷的难度为：
现有的社区挖掘算法大多都是基于网络拓扑结构的挖掘，然而，节点自身的属性也是社区挖掘的重要依据。如何把节点属性和网络结构有机的联合起来进行挖掘，是目前研究中的难题。目前将社区挖掘应用在配电网分区上也是如此，大多数都是单纯根据配电网建模，将配电网视为无权网络，或者将电路阻抗、导纳或者电网潮流看作线路间的权重，缺少对节点自身属性，如电压和负荷等数据的考虑。这会导致社区挖掘与实际有偏差，从而降低社区挖掘的准确性。
解决以上问题及缺陷的意义为：本发明将节点的电压和负荷等特征用图像描绘出来，然后利用指纹哈希算法计算节点间的相似度，避免了传统上以欧氏距离为基础的数据相似度计算方法的弊端，使负荷特征出现的时间参与相似度的计算，将网络结构和节点属性结合起来一起进行社区挖掘，可以避免聚类算法大多只关注节点特征、社区挖掘大多只关注网络结构造成的分区不准确的缺陷，提高了配电网分区的准确性。
发明内容
针对现有技术存在的问题，本发明提供了一种基于社区挖掘的供电分区方法、系统、终端、介质及配电网。
本发明是这样实现的，一种基于社区挖掘的供电分区方法，所述基于社区挖掘的供电分区方法包括：
采集到配电网数据，通过分析配电网结构图、电压、有功负荷和无功负荷对配电网进行分区。
进一步，所述基于社区挖掘的供电分区方法还包括：
根据各供区的网络数据生成对应的有向图，同时读取各个节点的有功负荷和无功负荷数据，将负荷数据转换成RGB彩色图像；
将得到的有向图和各节点负荷数据的RGC彩色图像结合进行社区挖掘，得到带重叠部分的社区；
根据得到的带重叠部分社区，利用模块度增量进行优化，得到非重叠的社区；同时对得到的社区数据进行特征提取；根据得到的社区数据特征，给出有关社区间柔性开关的接入方式和储能配置的建议。
进一步，所述基于社区挖掘的供电分区方法包括以下步骤：
步骤一，获取配电网架结构和节点的数据，并对获取的数据进行预处理；
步骤二，基于预处理后的数据进行社区挖掘，得到带重叠部分的社区；基于得到的带重叠部分的社区，获取非重叠社区；
步骤三，根据分区结果提取社区特征，给出储能配置或者柔性开关接入方式的建议并输出。
进一步，步骤一中，所述对获取的数据进行预处理包括：
利用networkx建立节点网络，读取节点电压、负荷数据，将得到的数据代入节点网络进行验证；利用随机森林对空缺数据进行预测和填补，得到完整的数据；并将每个节点的电压、有功负荷和无功负荷数据转换成RGB彩色图像。
进一步，所述数据包括用户有功负荷、无功负荷和三相平均电压变化数据。
进一步，步骤二中，所述基于预处理后的数据进行社区挖掘包括：
(1)将节点以度数排序，优先挖掘度数大的节点；所述节点度数{D}为网络中与节点相连的边的总数；判断是否所有节点都被归入到某社区，若否，则转向步骤(2)；若是，则结束；
(2)将排序最靠前的还未划分入任何一个社区的节点N1加入社区C，将N1的邻节点加入邻域B；
(3)将N1的图像逐个与B中节点图像利用指纹哈希算法进行对比，得到图像相似度最高的节点N2，计算将N2加入C后的局部模块度增量△R，判断△R是否大于0，如果△R>0，转向步骤(4)；如果△R<0，从C中剔除N2；
(4)将N1加入C，从邻域中删除N2，将N2的邻节点加入B；重复步骤(3)至步骤(4)，直至邻域B为空；重复步骤(2)至步骤(4)，直至所有节点都归属到某一社区。
进一步，所述局部模块度
Figure BDA0003013842710000031
其中，{I}表示社区内部边的边数，{T}表示连接社区内节点所有边的边数。
进一步，步骤二中，所述基于得到的带重叠部分的社区，获取非重叠社区包括：
将得到的重叠节点随机划分到任意一个所属社区；计算此时网络的全局模块度，遍历每一个重叠节点，将其依次划入其他所属社区，得到全局模块度增量{△Q}最大的时的社区划分。
进一步，所述网络的全局模块度计算公式如下：
Figure BDA0003013842710000041
其中，{m}表示网络所有边权值的和，{Aij}表示i、j连边的权重，{ki}表示节点i的度，{δ(ci,cj)}当节点i、j属于同一个社区时为1，反之为0。
进一步，步骤三中，所述根据分区结果提取社区特征，给出储能配置或者柔性开关接入方式的建议包括：
利用得到的分区结果，将每个社区内的节点数据相加取均值，得到代表这个社区的数据特征，在社区内部利用指纹哈希算法计算每个节点与社区数据特征的相似度，得到最接近社区数据特征的节点即最能代表此社区数据特征的关键节点；基于得到的关键节点确定柔性开关接入方式。
进一步，所述基于得到的关键节点确定柔性开关接入方式包括：将数据差异较大的两个社区的关键节点相连。
本发明的另一目的在于提供一种实施基于社区挖掘的供电分区方法的基于社区挖掘的供电分区系统，所述基于社区挖掘的供电分区系统包括：
数据输入模块，用于根据各供区的网络数据生成对应的有向图，同时读取各个节点的有功负荷和无功负荷数据，将负荷数据转换成RGB彩色图像；并进行文件IO、空缺数据补齐；
社区挖掘模块，用于将得到的有向图和各节点负荷数据的RGC彩色图像结合进行社区挖掘，得到带重叠部分的社区；
数据处理模块，用于根据得到的带重叠部分社区，利用模块度增量进行优化，得到非重叠的社区；同时对得到的社区数据进行特征提取；
配置建议模块，用于根据得到的社区数据特征，给出有关社区间柔性开关的接入方式和储能配置的建议。
本发明的另一目的在于提供一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行所述基于社区挖掘的供电分区方法。
本发明的另一目的在于提供一种信息数据处理终端，所述信息数据处理终端包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行所述基于社区挖掘的供电分区方法。
本发明的另一目的在于提供一种配电网，所述配电网执行所述基于社区挖掘的供电分区方法。
结合上述的所有技术方案，本发明所具备的优点及积极效果为：本发明结合社区挖掘算法和指纹哈希算法进行合理分类，联合模块度和节点间负荷数据相似度两个指标，得出较优分类结果，并且将分类结果以图像和文本形式输出到终端。
本发明采用一种基于局部模块度优化的社区挖掘算法，提高了社区挖掘效率，并且提升了社区分类结果的全局模块度；本发明将供区节点的负荷数据转换成RGB图像，并且利用指纹哈希算法进行图像之间的相似度比较，避免了采用传统的基于几何距离的k-means算法在计算相似度时忽略数据的时移性的缺陷；本发明将上述两种算法结合起来进行社区挖掘，克服了社区挖掘算法忽略节点自身属性和聚类算法忽略节点间网络属性的缺陷，使分区结果更加合理。
本发明将节点的电压和负荷等特征用图像描绘出来，然后利用指纹哈希算法计算节点间的相似度，避免了传统上以欧氏距离为基础的数据相似度计算方法的弊端，使负荷特征出现的时间参与相似度的计算，将网络结构和节点属性结合起来一起进行社区挖掘，可以避免聚类算法大多只关注节点特征、社区挖掘大多只关注网络结构造成的分区不准确的缺陷，提高了配电网分区的准确性。
本发明对供电网络进行合理的分区，并且提取出各个社区的数据特征，根据提取出来的数据特征对柔性开关接入方式和储能配置提出建议；同时结合了社区挖掘算法和指纹哈希算法，使得节点自身的负荷数据也被作为社区挖掘的依据，提升了挖掘的准确性。本发明可以得到较为准确的分区以及每个分区的关键节点，为储能配置和柔性开关接入提供参考。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图做简单的介绍，显而易见地，下面所描述的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的基于社区挖掘的供电分区方法架构图。
图2是本发明实施例提供的基于社区挖掘的供电分区方法原理图。
图3是本发明实施例提供的基于社区挖掘的供电分区方法流程图。
图4是本发明实施例提供的基于社区挖掘的供电分区系统结构示意图；
图中：1、数据输入模块；2、社区挖掘模块；3、数据处理模块；4、配置建议模块。
图5是本发明实施例提供的2020年11月武汉某用户用电数据示意图。
图6是本发明实施例提供的IEEE39节点配电系统示意图。
图7是本发明实施例提供的利用networkx构建的IEEE39节点网络示意图。
图8是本发明实施例提供的数据处理流程示意图。
图9是本发明实施例提供的融合节点属性的社区挖掘算法流程示意图。
图10是本发明实施例提供的社区和领域关系示意图。
图11是本发明实施例提供的社区挖掘后配电网的分区结果示意图。
图12是本发明实施例提供的通过日志输出的分区结果和关键节点示意图。
图13是本发明实施例进行社区挖掘后，网络的模块度统计。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
针对现有技术存在的问题，本发明提供了一种基于社区挖掘的供电分区方法，下面结合附图对本发明作详细的描述。
如图1所示，本发明实施例提供的基于社区挖掘的供电分区方法包括：
采集到配电网数据，通过分析配电网结构图、电压、有功负荷和无功负荷对配电网进行分区。
如图2所示，本发明实施例提供的基于社区挖掘的供电分区方法还包括：
根据各供区的网络数据生成对应的有向图，同时读取各个节点的有功负荷和无功负荷数据，将负荷数据转换成RGB彩色图像；
将得到的有向图和各节点负荷数据的RGC彩色图像结合进行社区挖掘，得到带重叠部分的社区；
根据得到的带重叠部分社区，利用模块度增量进行优化，得到非重叠的社区；同时对得到的社区数据进行特征提取；根据得到的社区数据特征，给出有关社区间柔性开关的接入方式和储能配置的建议。
如图3所示，本发明实施例提供的基于社区挖掘的供电分区方法包括以下步骤：
S101，获取配电网架结构和节点的数据，并对获取的数据进行预处理；
S102，基于预处理后的数据进行社区挖掘，得到带重叠部分的社区；基于得到的带重叠部分的社区，获取非重叠社区；
S103，根据分区结果提取社区特征，给出储能配置或者柔性开关接入方式的建议并输出。
步骤S101中，本发明实施例提供的对获取的数据进行预处理包括：
利用networkx建立节点网络，读取节点电压、负荷数据，将得到的数据代入节点网络进行验证；利用随机森林对空缺数据进行预测和填补，得到完整的数据；并将每个节点的电压、有功负荷和无功负荷数据转换成RGB彩色图像。
本发明实施例提供的数据包括用户有功负荷、无功负荷和三相平均电压变化数据。
步骤S101中，本发明实施例提供的基于预处理后的数据进行社区挖掘包括：
(1)将节点以度数排序，优先挖掘度数大的节点；所述节点度数{D}为网络中与节点相连的边的总数；判断是否所有节点都被归入到某社区，若否，则转向步骤(2)；若是，则结束；
(2)将排序最靠前的还未划分入任何一个社区的节点N1加入社区C，将N1的邻节点加入邻域B；
(3)将N1的图像逐个与B中节点图像利用指纹哈希算法进行对比，得到图像相似度最高的节点N2，计算将N2加入C后的局部模块度增量△R，判断△R是否大于0，如果△R>0，转向步骤(4)；如果△R<0，从C中剔除N2；
(4)将N1加入C，从邻域中删除N2，将N2的邻节点加入B；重复步骤(3)至步骤(4)，直至邻域B为空；重复步骤(2)至步骤(4)，直至所有节点都归属到某一社区。
本发明实施例提供的局部模块度
Figure BDA0003013842710000081
其中，{I}表示社区内部边的边数，{T}表示连接社区内节点所有边的边数。
步骤S102中，本发明实施例提供的基于得到的带重叠部分的社区，获取非重叠社区包括：
将得到的重叠节点随机划分到任意一个所属社区；计算此时网络的全局模块度，遍历每一个重叠节点，将其依次划入其他所属社区，得到全局模块度增量{△Q}最大的时的社区划分。
本发明实施例提供的网络的全局模块度计算公式如下：
Figure BDA0003013842710000082
其中，{m}表示网络所有边权值的和，{Aij}表示i、j连边的权重，{ki}表示节点i的度，{δ(ci,cj)}当节点i、j属于同一个社区时为1，反之为0。
步骤S103中，本发明实施例提供的根据分区结果提取社区特征，给出储能配置或者柔性开关接入方式的建议包括：
利用得到的分区结果，将每个社区内的节点数据相加取均值，得到代表这个社区的数据特征，在社区内部利用指纹哈希算法计算每个节点与社区数据特征的相似度，得到最接近社区数据特征的节点即最能代表此社区数据特征的关键节点；基于得到的关键节点确定柔性开关接入方式。
本发明实施例提供的基于得到的关键节点确定柔性开关接入方式包括：将数据差异较大的两个社区的关键节点相连。
如图4所示，本发明实施例提供的基于社区挖掘的供电分区系统包括：
数据输入模块1，用于根据各供区的网络数据生成对应的有向图，同时读取各个节点的有功负荷和无功负荷数据，将负荷数据转换成RGB彩色图像；并进行文件IO、空缺数据补齐；
社区挖掘模块2，用于将得到的有向图和各节点负荷数据的RGC彩色图像结合进行社区挖掘，得到带重叠部分的社区；
数据处理模块3，用于根据得到的带重叠部分社区，利用模块度增量进行优化，得到非重叠的社区；同时对得到的社区数据进行特征提取；
配置建议模块4，用于根据得到的社区数据特征，给出有关社区间柔性开关的接入方式和储能配置的建议。
下面结合具体实施例对本发明的技术效果作进一步描述。
实施例1：
图1是本发明的整体系统框图，展示了配电网数据与分区的关系，在采集到配电网数据后，通过分析配电网结构图、电压、有功负荷和无功负荷来对配电网进行分区。
图2是供电分区算法的系统结构图，主要分为三个模块：
数据输入模块：文件IO、空缺数据补齐；
社区挖掘模块：结合节点数据的社区挖掘算法；
数据处理模块：优化分区结果得到最有指标，提取关键节点；
配置建议模块：对储能配置进行建议。
具体实现步骤如下：
步骤一：数据读取和空缺数据补齐
配电网架结构和节点的数据是进行社区挖掘的基础，根据供电公司提供的数据，图4是2020年11月武汉某企业用户的有功负荷、无功负荷和三相平均电压变化数据。图5是IEEE39节点网络，将数据代入该节点网络进行验证。首先利用networkx库建立网络。供电公司提供的数据往往有空缺，利用随机森林(Random Forest)对空缺数据进行预测和填补，得到较为完整的数据。同时将每个节点的电压、有功负荷和无功负荷数据转换成RGB彩色图像。图6展示了根据供电公司提供的网架图建立的网络；图7展示了数据处理的流程，图8展示了根据节点数据生成的彩色图像。
步骤二：基于步骤一所得到的数据进行社区挖掘，算法流程由图9所示。
通过融合节点属性的社区挖掘算法对配电网节点进行分区，算法主要流程如下。
1、将节点以度数排序，优先挖掘度数大的节点；节点度{D}是网络中与该节点相连的边的总数。度数越高的节点越靠近网络中心。这一步的目的是，使靠近网络中心的节点优先被挖掘。
2、将排序最靠前的还未划分入任何一个社区的节点(N1)加入社区(C),将N1的邻节点加入邻域(B)；节点、社区和领域的关系如图9。
3、将N1的图像逐个与B中节点图像利用指纹哈希算法进行对比，得到图像相似度最高的N2，加入C，将N2从B中剔除；利用指纹哈希算法求得节点数据的相似度，代替传统的利用数据的欧氏距离来求相似度；
4、局部模块度
Figure BDA0003013842710000101
{I}是社区内部边的边数，{T}是连接社区内节点所有边的边数。对比N2加入前后，局部社区C的模块度增量△R，如果△R>0，将N2的邻节点加入B，如果△R<0，从C中剔除N2；
5、重复3、4，直到B为空；
6、重复2、3、4，直到所有节点都归属到某一社区
步骤三：获取非重叠社区，由于本社区挖掘获取的是重叠社区，如果分区的目标是可重叠的，此步骤可以跳过，若需要得到重叠社区，进行这一步后可以得到非重叠的社区划分。
利用步骤二得到的重叠社区，获取非重叠社区，主要流程如下：
1、将步骤二中得到的重叠节点随机划分到任意一个所属社区；
2、计算此时网络的全局模块度
Figure BDA0003013842710000111
其中，{m}表示网络所有边权值的和，{Aij}表示i、j连边的权重，{ki}表示节点i的度，{δ(ci,cj)}当节点i、j属于同一个社区时为1，反之为0；
3、遍历每一个重叠节点，将其依次划入其他所属社区，得到全局模块度增量{△Q}最大的时的社区划分。
步骤四：根据分区结果提取社区特征，给出储能配置或者柔性开关接入方式的建议
利用前面步骤得到的分区结果，将每个社区内的节点数据相加取均值，得到代表这个社区的数据特征，然后在社区内部利用指纹哈希算法求得每个节点与社区数据特征的相似度，得到最接近社区数据特征的节点，此节点便是最能代表此社区数据特征的关键节点。在本发明后续需要做柔性开关接入时，便可以考虑将数据差异较大的两个社区的关键节点相连，达到平衡负荷的效果。
步骤五：结果输出
将结果通过终端或者日志输出。如图11和图12所示。
图13给出了在1000个不同的配电网中，进行此专利所述的社区挖掘算法后网络的模块度Q分布，其中平均模块度为0.46，模块度分布在0.3～0.7范围内占99.1％，证明社区挖掘效果良好。
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，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。

Claims (10)

1.一种基于社区挖掘的供电分区方法，其特征在于，所述基于社区挖掘的供电分区方法包括以下步骤：
步骤一，获取配电网架结构和节点的数据，并对获取的数据进行预处理；
步骤二，基于预处理后的数据进行社区挖掘，得到带重叠部分的社区；基于得到的带重叠部分的社区，获取非重叠社区；
步骤三，根据分区结果提取社区特征，给出储能配置或者柔性开关接入方式的建议并输出。
2.如权利要求1所述基于社区挖掘的供电分区方法，其特征在于，步骤一中，所述对获取的数据进行预处理包括：
利用networkx建立节点网络，读取节点电压、负荷数据，将得到的数据代入节点网络进行验证；利用随机森林对空缺数据进行预测和填补，得到完整的数据；并将每个节点的电压、有功负荷和无功负荷数据转换成RGB彩色图像；所述数据包括用户有功负荷、无功负荷和三相平均电压变化数据。
3.如权利要求1所述基于社区挖掘的供电分区方法，其特征在于，步骤二中，所述基于预处理后的数据进行社区挖掘包括：
(1)将节点以度数排序，优先挖掘度数大的节点；所述节点度数{D}为网络中与节点相连的边的总数；判断是否所有节点都被归入到某社区，若否，则转向步骤(2)；若是，则结束；
(2)将排序最靠前的还未划分入任何一个社区的节点N1加入社区C，将N1的邻节点加入邻域B；
(3)将N1的图像逐个与B中节点图像利用指纹哈希算法进行对比，得到图像相似度最高的节点N2，计算将N2加入C后的局部模块度增量△R，判断△R是否大于0，如果△R>0，转向步骤(4)；如果△R<0，从C中剔除N2；
(4)将N1加入C，从邻域中删除N2，将N2的邻节点加入B；重复步骤(3)至步骤(4)，直至邻域B为空；重复步骤(2)至步骤(4)，直至所有节点都归属到某一社区。
4.如权利要求3所述基于社区挖掘的供电分区方法，其特征在于，所述步骤(3)局部模块度
Figure FDA0003013842700000021
其中，{I}表示社区内部边的边数，{T}表示连接社区内节点所有边的边数。
5.如权利要求1所述基于社区挖掘的供电分区方法，其特征在于，步骤二中，所述基于得到的带重叠部分的社区，获取非重叠社区包括：
将得到的重叠节点随机划分到任意一个所属社区；计算此时网络的全局模块度，遍历每一个重叠节点，将其依次划入其他所属社区，得到全局模块度增量{△Q}最大的时的社区划分；
所述网络的全局模块度计算公式如下：
Figure FDA0003013842700000022
其中，{m}表示网络所有边权值的和，{Aij}表示i、j连边的权重，{ki}表示节点i的度，{δ(ci,cj)}当节点i、j属于同一个社区时为1，反之为0。
6.如权利要求1所述基于社区挖掘的供电分区方法，其特征在于，步骤三中，所述根据分区结果提取社区特征，给出储能配置或者柔性开关接入方式的建议包括：
利用得到的分区结果，将每个社区内的节点数据相加取均值，得到代表这个社区的数据特征，在社区内部利用指纹哈希算法计算每个节点与社区数据特征的相似度，得到最接近社区数据特征的节点即最能代表此社区数据特征的关键节点；基于得到的关键节点确定柔性开关接入方式；
所述基于得到的关键节点确定柔性开关接入方式包括：将数据差异较大的两个社区的关键节点相连。
7.一种基于社区挖掘的供电分区系统，其特征在于，所述基于社区挖掘的供电分区系统包括：
数据输入模块，用于根据各供区的网络数据生成对应的有向图，同时读取各个节点的有功负荷和无功负荷数据，将负荷数据转换成RGB彩色图像；并进行文件IO、空缺数据补齐；
社区挖掘模块，用于将得到的有向图和各节点负荷数据的RGC彩色图像结合进行社区挖掘，得到带重叠部分的社区；
数据处理模块，用于根据得到的带重叠部分社区，利用模块度增量进行优化，得到非重叠的社区；同时对得到的社区数据进行特征提取；
配置建议模块，用于根据得到的社区数据特征，给出有关社区间柔性开关的接入方式和储能配置的建议。
8.一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行权利要求1～6任意一项所述基于社区挖掘的供电分区方法。
9.一种信息数据处理终端，其特征在于，所述信息数据处理终端包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行权利要求1～6任意一项所述基于社区挖掘的供电分区方法。
10.一种配电网，其特征在于，所述配电网执行权利要求1～6任意一项所述基于社区挖掘的供电分区方法。
CN202110383275.8A 2021-04-09 2021-04-09 基于社区挖掘的供电分区方法、系统、终端、介质及配电网 Active CN112886589B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110383275.8A CN112886589B (zh) 2021-04-09 2021-04-09 基于社区挖掘的供电分区方法、系统、终端、介质及配电网

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110383275.8A CN112886589B (zh) 2021-04-09 2021-04-09 基于社区挖掘的供电分区方法、系统、终端、介质及配电网

Publications (2)

Publication Number Publication Date
CN112886589A true CN112886589A (zh) 2021-06-01
CN112886589B CN112886589B (zh) 2022-09-20

Family

ID=76040578

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110383275.8A Active CN112886589B (zh) 2021-04-09 2021-04-09 基于社区挖掘的供电分区方法、系统、终端、介质及配电网

Country Status (1)

Country Link
CN (1) CN112886589B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113836707A (zh) * 2021-09-10 2021-12-24 清华大学 基于加速属性网络嵌入算法的电力系统社区探测方法和装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012004425A1 (es) * 2010-07-08 2012-01-12 Telefonica, S.A. Método de detección de comunidades en redes sociales masivas mediante un enfoque aglomerativo
CN104021233A (zh) * 2014-06-30 2014-09-03 电子科技大学 一种基于社区发现的社交网络好友推荐方法
CN104166731A (zh) * 2014-08-29 2014-11-26 河海大学常州校区 一种社交网络重叠社区发现系统及其方法
US20160267359A1 (en) * 2013-11-04 2016-09-15 Beijing Jingdong Shangke Information Technology Co., Ltd. Image object category recognition method and device
CN108763492A (zh) * 2018-05-29 2018-11-06 四川远鉴科技有限公司 一种音频模板提取方法及装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012004425A1 (es) * 2010-07-08 2012-01-12 Telefonica, S.A. Método de detección de comunidades en redes sociales masivas mediante un enfoque aglomerativo
US20160267359A1 (en) * 2013-11-04 2016-09-15 Beijing Jingdong Shangke Information Technology Co., Ltd. Image object category recognition method and device
CN104021233A (zh) * 2014-06-30 2014-09-03 电子科技大学 一种基于社区发现的社交网络好友推荐方法
CN104166731A (zh) * 2014-08-29 2014-11-26 河海大学常州校区 一种社交网络重叠社区发现系统及其方法
CN108763492A (zh) * 2018-05-29 2018-11-06 四川远鉴科技有限公司 一种音频模板提取方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
刘大有等: "复杂网络社区挖掘综述", 《计算机研究与发展》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113836707A (zh) * 2021-09-10 2021-12-24 清华大学 基于加速属性网络嵌入算法的电力系统社区探测方法和装置

Also Published As

Publication number Publication date
CN112886589B (zh) 2022-09-20

Similar Documents

Publication Publication Date Title
Voice et al. Coalition structure generation over graphs
CN102541244B (zh) 虚拟主机合并方法与管理实体主机
CN104995870A (zh) 多目标服务器布局确定
CN102810113B (zh) 一种针对复杂网络的混合型聚类方法
Zuo et al. A two-layer hybrid optimization approach for large-scale offshore wind farm collector system planning
CN108256969A (zh) 一种公共自行车租赁点调度区域划分方法
CN112886589B (zh) 基于社区挖掘的供电分区方法、系统、终端、介质及配电网
CN111505443A (zh) 低压台区线户关系识别方法、装置和计算机设备
CN112329973A (zh) 一种基于图神经网络和区域网格化的时空负荷预测方法
CN110018997B (zh) 一种基于hdfs的海量小文件存储优化方法
Huang et al. Smart energy management system based on reconfigurable AI chip and electrical vehicles
CN110287237B (zh) 一种基于社会网络结构分析社团数据挖掘方法
CN112990538A (zh) 一种山地光伏电站集电线路确定方法、装置及设备
Fu et al. Efficient Topology Assessment for Integrated Transmission and Distribution Network with 10,000+ Inverter-based Resources
CN108122054B (zh) 一种基于图计算的电力系统拓扑实时计算方法
CN116094050A (zh) 基于边远区域负荷配电网电力电量优化方法、系统、应用
Liu et al. Link prediction based on contribution of neighbors
CN113836707A (zh) 基于加速属性网络嵌入算法的电力系统社区探测方法和装置
CN107248923A (zh) 一种基于局部拓扑信息和社团相关性的链路预测方法
Zhang et al. Research on massive data analysis of power utilization based on improved K-means algorithm and cloud computing
CN113761293A (zh) 图数据强连通分量挖掘方法、装置、设备及存储介质
CN112560213A (zh) 基于模型系统工程和超网络理论的体系建模方法及系统
CN112257950A (zh) 应用于电力市场的交易路径配置方法及计算机可读存储介质
Wang et al. Fast Cycle Structure Detection for Power Grids Based on Graph Computing
CN109388854A (zh) 基于主元分析的综合能源系统众多目标优化方法

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