CN113114497B - 一种低压台区拓扑自动识别方法 - Google Patents
一种低压台区拓扑自动识别方法 Download PDFInfo
- Publication number
- CN113114497B CN113114497B CN202110368407.XA CN202110368407A CN113114497B CN 113114497 B CN113114497 B CN 113114497B CN 202110368407 A CN202110368407 A CN 202110368407A CN 113114497 B CN113114497 B CN 113114497B
- Authority
- CN
- China
- Prior art keywords
- voltage
- low
- area
- information
- transformer area
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/12—Discovery or management of network topologies
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q9/00—Arrangements in telecontrol or telemetry systems for selectively calling a substation from a main station, in which substation desired apparatus is selected for applying a control signal thereto or for obtaining measured values therefrom
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q2209/00—Arrangements in telecontrol or telemetry systems
- H04Q2209/60—Arrangements in telecontrol or telemetry systems for transmitting utility meters data, i.e. transmission of data from the reader of the utility meter
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种低压台区拓扑自动识别方法,其中方法包括:采集低压台区相关电压信息、电流信息;通过皮尔逊相关系数算法计算和结合台区采集信息形成初步低压台区拓扑图;通过初步低压台区拓扑图建立系统状态方程;结合台区采集信息及卡尔曼滤波器算法细微调整低压台区拓扑图;形成精确低压台区拓扑图。该发明通过皮尔逊相关系数法和结合台区采集信息初步确定低压台区拓扑的连接情况,随后通过卡尔曼滤波器算法对所得的拓扑进行细微调整,直至最终得到相对准确的拓扑连接情况,进而达到低压配电网拓扑自动识别的目标。解决了我国现有台区用户拓扑辨识方法不能很好地适应我国目前的台区现状的问题。
Description
技术领域
本发明涉及配电网技术领域,具体涉及一种低压台区拓扑自动识别方法。
背景技术
当前低压配电网因分支数量多,结构复杂,且许多存量设备信息化程度不够高,导致拓扑关系的识别较为困难。而准确的台区拓扑关系对于电力系统的信息采集及运行维护具有重要意义,不仅有利于系统的智能化改造,更有利于对故障的响应和服务效率的提高。
然而,当前在数据相关性的台区拓扑关系研究方面,目前国内外相关研究者主要从数据相关性入手,分析总表与用户分表间量测负荷数据的相似特性。当前广泛采用的电力用户用电信息采集系统中,智能用电采集设备可以提供台区下用户侧和总表侧的负荷数据,但采集精度和同步性难以满足前述方法的要求,例如常用的皮尔逊相关系数法,在电压序列较小时相关系数波动较大,但当电压序列较大时相关系数计算值往往偏小,不易于设置相关阈值来判断两个点电压曲线的相关性;KNN邻近算法,在每一次分类或回归时都需要将电压序列重新计算,其计算量大、效率低,并且其对选择的电压序列样本依赖度较大,尤其是对于配电台区高峰时刻与低谷时刻的电压序列进行计算可能得到的结果完全相反;灰色关联分析法,易受分辨系数、电压的极值差的影响。此外,部分台区经过三相治理,各相间负荷波动性差异很小。因此,仅依靠相关性方法难以得到台区准确的拓扑辨识结果,不能很好地适应我国目前的台区现状。
发明内容
本发明的目的在于提供一种低压台区拓扑自动识别方法,可以解决现有技术中仅依靠相关性方法难以得到低压台区准确的拓扑辨识结果,不能很好地适应我国目前的台区现状。
本发明的目的是通过以下技术方案实现的:
本发明提供一种低压台区拓扑自动识别方法,包括以下步骤:
步骤1、采集低压台区相关电压信息、电流信息;
步骤2、通过皮尔逊相关系数算法计算和结合台区采集信息形成初步低压台区拓扑图;
步骤3、通过初步低压台区拓扑图建立系统状态方程;
步骤4、结合台区采集信息及卡尔曼滤波器算法细微调整低压台区拓扑图;
步骤5、形成精确低压台区拓扑图。
进一步的,所述采集低压台区相关电压信息包括A、B、C相电源矢量电压测量值;所述采集低压台区相关电流信息包括A、B、C、N相矢量电流测量值。
进一步的,所述通过皮尔逊相关系数算法形成初步低压台区拓扑图计算还包括以下步骤:
S201、利用采集台区的电压数据计算皮尔逊相关系数r,其中公式如下:
式中,x,y分别为两个电能表在同一时段内的采集到的电压信息;E为期望值;Var表示方差。
S202、比较不同节点之间的皮尔逊相关系数r,判断出节点台区归属;
S203、通过电压高低初步判断台区下节点的远近顺序;
S204、根据节点的台区归属情况及远近顺序,形成低压台区初步拓扑图。
进一步的,所述卡尔曼滤波器算法包括根据当前状态信息预测未来状态和根据误差协方差对测量结果和预测结果进行加权得到相对准确的状态信息。
进一步的,所述通过卡尔曼滤波器算法细微调整低压台区拓扑图的基本原理为:取测量得到的电压和电流为准确,计算可以得到误差协方差,并进一步可以通过对系统矩阵的调整实现该协方差的不断减小,直至达到稳定值得到系统的精确状态矩阵,其中矩阵包括:
式中,Pk表示协方差矩阵,u表示采样得到的电压信息,i表示采样得到的电流信息。
本发明通过皮尔逊相关系数算法计算和结合台区电压采集信息中的电路理论的知识,初步确定低压台区拓扑的连接情况,得到初步的低压台区的拓扑拓扑连接情况,随后再结合采集信息及卡尔曼滤波器算法对所得的拓扑进行细微调整,直至最终得到相对准确的拓扑连接情况,进而达到低压配电网拓扑自动识别的目标。该发明解决了现有台区用户拓扑辨识方法不能很好地适应我国目前的台区现状的问题。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见的,下面描述中的附图仅仅是本发明的一些实施例,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它的附图。
图1为本发明的低压台区拓扑自动识别方法的步骤示意图;
图2为本发明的初步形成低压台区拓扑图的步骤示意图;
图3为本发明中的配电台区检测系统总体结构;
图4为本发明中的卡尔曼滤波器算法计算流程图。
具体实施方式
下面结合附图对本公开实施例进行详细描述。
以下通过特定的具体实例说明本公开的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本公开的其他优点与功效。显然,所描述的实施例仅仅是本公开一部分实施例,而不是全部的实施例。本公开还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本公开的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。基于本公开中的实施例,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,都属于本公开保护的范围。
请参阅图1,本发明的一种低压台区拓扑自动识别方法,包括以下步骤:
步骤1、采集低压台区相关电压信息、电流信息。
步骤2、通过皮尔逊相关系数算法计算和结合台区采集信息形成初步低压台区拓扑图。
步骤3、通过初步低压台区拓扑图建立系统状态方程;
当形成低压台区的初步拓扑图后,可根据电压基尔霍夫定律及电流基尔霍夫定律的基本原理建立系统的状态方程。
步骤4、结合台区采集信息及卡尔曼滤波器算法细微调整低压台区拓扑图。
步骤5、形成精确低压台区拓扑图。
具体的,所述采集低压台区相关电压信息包括A、B、C相电源矢量电压测量值;所述采集低压台区相关电流信息包括A、B、C、N相矢量电流测量值,如图3所示,配电网关还具备基本交流模拟量采集功能,包括三相电压、三相电流、相角、分相有功及无功功率、三相有功及无功功率、分相有功及无功电能、三相有功及无功电能、功率因数、频率等,具备扩展配置配电缺相保护等各类继电保护的能力。
具体的,请参阅图2,所述通过皮尔逊相关系数算法形成初步低压台区拓扑图计算还包括以下步骤:
S201、利用采集台区的电压数据计算皮尔逊相关系数r,其中公式如下:
式中,x,y分别为两个电能表在同一时段内的采集到的电压信息;E为期望值;Var表示方差。
需要说明的时,两个电能表之间的皮尔逊系数的计算需要大量的采样数据分别计算二者的期望值和方差,且数据量越大,计算的皮尔逊系数用于台区识别时就越可靠。实际运算中每个台区内的电能表数量很多,计算每两个电能表之间的皮尔逊系数必然会造成庞大的计算量和存储量,基于皮尔逊系数的相关性分析方法应该在初步判断台区内的电能表的台区关系,在长时域上进行精确验证。
S202、比较不同节点之间的皮尔逊相关系数r,判断出节点台区归属;
需要说明的是,皮尔逊相关系数r的变化范围为-1~1。当皮尔逊相关系数r为1时,意味着两个电能表的电压数据为正相关,二者属于同一台区;当皮尔逊系数r的值为-1时,则意味着两个电能表的电压数据为负相关,二者属于同一台区;当系数的值为0时,则意味着两个电能表的数据各自独立。本方法中当两个电能表之间的皮尔逊相关系数r的绝对值大于等于0.4时,则表示二者的相关性高,初步判定两二者为同一台区。
S203、通过电压高低初步判断台区下节点的远近顺序;
需要说明的是,根据电路理论的知识,同一个台区距离台区变压器较近的节点电压将高于距离变压器较远的节点电压。
S204、根据节点的台区归属情况及远近顺序,形成低压台区初步拓扑图。
综上所述,同一台区的电能表在电气物理关系上为并联电气结构,同一台区内的电能表所采集的节点电压的变化规律应具有很高的一致性。另一方面,根据电路理论的知识,同一个台区距离台区变压器最近的节点电压将高于距离变压器较远的节点电压。基于这两个判据,通过计算皮尔逊系数量化台区电能表之间的相关性和比较同一台区内的节点电压大小,实现配电网台区信息的在线识别。
具体的,所述卡尔曼滤波器算法包括根据当前状态信息预测未来状态和根据误差协方差对测量结果和预测结果进行加权得到相对准确的状态信息。
需要说明的是,如图4所示,卡尔曼滤波器算法计算流程如下:
更新时间:
a、预测未来状态,公式为:
b、预测误差协方差,公式为:
测量更新:
c、计算卡尔曼增益,公式为:
d、更新预测的检测值,公式为:
e、更新误差协方差,公式为:
具体的,所述通过卡尔曼滤波器算法细微调整低压台区拓扑图的基本原理为:取测量得到的电压和电流为准确,计算可以得到误差协方差,并进一步可以通过对系统矩阵的调整实现该协方差的不断减小,直至达到稳定值得到系统的精确状态矩阵,所述精准状态矩阵包括:
其中,Pk表示协方差矩阵,u表示采样得到的电压信息,i表示采样得到的电流信息。
本发明通过皮尔逊(皮尔逊)相关系数算法计算和结合台区电压采集信息中的电路理论的知识,初步确定低压台区拓扑的连接情况,得到初步的低压台区的拓扑拓扑连接情况,随后再结合采集信息及卡尔曼滤波器算法对所得的拓扑进行细微调整,直至最终得到相对准确的拓扑连接情况,进而达到低压配电网拓扑自动识别的目标。解决了现有台区用户拓扑辨识方法不能很好地适应我国目前的台区现状的问题。
以上仅为说明本发明的实施方式,并不用于限制本发明,对于本领域的技术人员来说,凡在本发明的精神和原则之内,不经过创造性劳动所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (2)
1.一种低压台区拓扑自动识别方法,其特征在于,包括以下步骤:
步骤1、采集低压台区相关电压信息、电流信息;
步骤2、通过皮尔逊相关系数算法计算和结合台区采集信息形成初步低压台区拓扑图;具体包括:
S201、利用采集台区的电压数据计算皮尔逊相关系数r,其中公式如下:
式中,x,y分别为两个电能表在同一时段内的采集到的电压信息;E为期望值;Var表示方差;
S202、比较不同节点之间的皮尔逊相关系数r,判断出节点台区归属;
S203、通过电压高低初步判断台区下节点的远近顺序;
S204、根据节点的台区归属情况及远近顺序,形成低压台区初步拓扑图;
步骤3、通过初步低压台区拓扑图建立系统状态方程;
步骤4、结合台区采集信息及卡尔曼滤波器算法细微调整低压台区拓扑图;所述卡尔曼滤波器算法包括根据当前状态信息预测未来状态和根据误差协方差对测量结果和预测结果进行加权得到相对准确的状态信息,具体包括:
取测量得到的电压和电流为准确,计算可以得到误差协方差,并进一步可以通过对系统矩阵的调整实现该协方差的不断减小,直至达到稳定值得到系统的精确状态矩阵,其中矩阵包括:
其中,Pk表示协方差矩阵,u表示采样得到的电压信息,i表示采样得到的电流信息;
步骤5、形成精确低压台区拓扑图。
2.根据权利要求1所述的低压台区拓扑自动识别方法,其特征在于,所述采集低压台区相关电压信息包括A、B、C相电源矢量电压测量值;所述采集低压台区相关电流信息包括A、B、C、N相矢量电流测量值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110368407.XA CN113114497B (zh) | 2021-04-06 | 2021-04-06 | 一种低压台区拓扑自动识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110368407.XA CN113114497B (zh) | 2021-04-06 | 2021-04-06 | 一种低压台区拓扑自动识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113114497A CN113114497A (zh) | 2021-07-13 |
CN113114497B true CN113114497B (zh) | 2023-03-21 |
Family
ID=76714045
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110368407.XA Active CN113114497B (zh) | 2021-04-06 | 2021-04-06 | 一种低压台区拓扑自动识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113114497B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113406443A (zh) * | 2021-08-02 | 2021-09-17 | 广东电网有限责任公司东莞供电局 | 一种低压台区故障精准定位系统及方法 |
CN115329814B (zh) * | 2022-08-09 | 2023-04-07 | 广州番禺职业技术学院 | 一种基于图像信号处理的低压用户链路识别方法及装置 |
CN115800287B (zh) * | 2022-10-27 | 2023-10-27 | 深圳市国电科技通信有限公司 | 一种基于阈值分割聚类的低压台区拓扑识别方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110659693A (zh) * | 2019-09-26 | 2020-01-07 | 国网湖南省电力有限公司 | 基于k近邻分类的配电网快速拓扑识别方法、系统及可读存储介质 |
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 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20200405223A1 (en) * | 2015-07-17 | 2020-12-31 | Chao-Lun Mai | Method, apparatus, and system for automatic and adaptive wireless monitoring and tracking |
CN109325545A (zh) * | 2018-10-16 | 2019-02-12 | 南方电网科学研究院有限责任公司 | 低压配电网拓扑结构校验方法、装置、设备及存储介质 |
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 |
CN111061821B (zh) * | 2019-11-12 | 2024-02-02 | 国网山东省电力公司聊城供电公司 | 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 |
CN111273126B (zh) * | 2020-01-20 | 2021-01-29 | 湖南大学 | 一种配电网拓扑快速感知方法 |
CN111476427A (zh) * | 2020-04-15 | 2020-07-31 | 北京智芯微电子科技有限公司 | 低压台区拓扑识别方法及识别装置 |
CN112288015A (zh) * | 2020-10-30 | 2021-01-29 | 国网四川省电力公司电力科学研究院 | 基于边缘计算改进knn的配网电气拓扑识别方法及系统 |
-
2021
- 2021-04-06 CN CN202110368407.XA patent/CN113114497B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110659693A (zh) * | 2019-09-26 | 2020-01-07 | 国网湖南省电力有限公司 | 基于k近邻分类的配电网快速拓扑识别方法、系统及可读存储介质 |
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 |
Non-Patent Citations (1)
Title |
---|
"Low-voltage distribution network topology verification method based on Revised Pearson correlation coefficient";Bing Lou等;《Journal of Physics:conference Series》;20201231;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113114497A (zh) | 2021-07-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113114497B (zh) | 一种低压台区拓扑自动识别方法 | |
CN108535599B (zh) | 基于电压曲线聚类分析的低压台区用户相位识别方法 | |
CN110880760A (zh) | 一种低压配电网线损与无功补偿协同优化方法 | |
KR101132107B1 (ko) | 분산전원이 연계된 전력계통의 전압/무효전력 제어 시스템 및 이를 위한 방법 | |
CN111680084A (zh) | 一种基于多源数据融合的线损计算方法 | |
CN113078630B (zh) | 一种基于实时量测数据的低压配电网拓扑辨识方法 | |
CN111625991A (zh) | 一种低压配电网拓扑校验方法 | |
CN110110907B (zh) | 一种低压台区特征参数的提取方法 | |
CN110264032B (zh) | 一种直流配网规划方案评价结果的获取方法 | |
CN104376207A (zh) | 一种配电网交流输电损耗计算与参数估计方法 | |
CN111460374A (zh) | 一种考虑节点差异性的配电网d-pmu优化配置方法 | |
CN109412145B (zh) | 一种基于同步测量数据的主动配电网动态特性评估方法 | |
CN110707693A (zh) | 一种基于ami全量测点分区的集合卡尔曼滤波动态状态估计方法 | |
CN112633605A (zh) | 一种城市配电网规划方法 | |
CN116845971A (zh) | 一种光伏并网低压台区拓扑结构自动识别方法 | |
CN112232382A (zh) | 一种低压台区的分路与电表隶属关系识别方法及系统 | |
Lin et al. | Voltage sag severity analysis based on improved FP-Growth algorithm and AHP algorithm | |
Qin et al. | Topology Identification Method of Low-voltage Distribution Network Based on Improved Pearson Correlation Coefficient Method | |
CN107767060B (zh) | 配网线路理论线损计算系统及方法 | |
CN110768285A (zh) | 一种交直流混联直流多馈入受端电网强度获得方法 | |
CN116231637A (zh) | 一种基于大数据分析的低压配电网拓扑识别方法 | |
CN113806899B (zh) | 一种配电网拓扑关系的识别方法、装置及移动终端 | |
Ajoudani et al. | Modified weighted least squares method to improve active distribution system state estimation | |
CN111610371A (zh) | 一种台区阻抗的实时计算方法 | |
Zhao et al. | User-transformer Relationship Verification Method of Low Voltage Distribution Network Based on Voltage Correlaion Analysis |
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 |