CN113159488A - 一种低压台区拓扑辨识方法 - Google Patents

一种低压台区拓扑辨识方法 Download PDF

Info

Publication number
CN113159488A
CN113159488A CN202110107234.6A CN202110107234A CN113159488A CN 113159488 A CN113159488 A CN 113159488A CN 202110107234 A CN202110107234 A CN 202110107234A CN 113159488 A CN113159488 A CN 113159488A
Authority
CN
China
Prior art keywords
equipment
substeps
low
phase
box
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
CN202110107234.6A
Other languages
English (en)
Other versions
CN113159488B (zh
Inventor
马骏昶
冒烨颖
胡杨
赵建
张军
杨启明
吴俊兴
叶忆
黄政宇
杨晓伟
王冬瑞
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.)
NARI Nanjing Control System Co Ltd
Suzhou Power Supply Co of State Grid Jiangsu Electric Power Co Ltd
Original Assignee
NARI Nanjing Control System Co Ltd
Suzhou Power Supply Co of State Grid Jiangsu 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 NARI Nanjing Control System Co Ltd, Suzhou Power Supply Co of State Grid Jiangsu Electric Power Co Ltd filed Critical NARI Nanjing Control System Co Ltd
Priority to CN202110107234.6A priority Critical patent/CN113159488B/zh
Publication of CN113159488A publication Critical patent/CN113159488A/zh
Application granted granted Critical
Publication of CN113159488B publication Critical patent/CN113159488B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0639Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/23Clustering techniques
    • G06F18/232Non-hierarchical techniques
    • G06F18/2321Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06Energy or water supply
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02EREDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Data Mining & Analysis (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Game Theory and Decision Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)

Abstract

本发明涉及一种低压台区拓扑识别方法,该方法首先根据同相馈线上设备的电压相似性,利用基于密度的聚类算法DBSCAN,将设备归类到不同的相线区域(A、B和C),并排除不属于该台区的设备;其次基于能量守恒基本定律,上游设备输入功率等于其下游设备功率之和的特点,结合功率皮尔逊相关系数和残差平方和两个因素共同判断上下游设备之间的连通性;最后对设备连通性进行调节,建立最优的台区拓扑结构。本发明能够较为准确、高效的实现低压台区拓扑辨识,从而有助于配电网侧的精细化管理。

Description

一种低压台区拓扑辨识方法
技术领域
本发明属于配电网识别技术领域,具体涉及一种基于改进相关性分析的低压台区拓扑辨识方法。
背景技术
智能电网是本世纪初世界电力工业最大的变革和创新,也对智慧城市建设起着制约和促进作用。同时,要解决智能电网在发展过程中的关键性问题需要加强对配电网侧进行精细化管理。然而低压配电网结构复杂,缺乏技术手段进行网络拓扑异常检测及校验,同时人工现场排查难度大效率低,导致数据质量较差、更新不及时,进而使得电力信息系统中拓扑物理模型和信息模型及数据不匹配的问题较为突出。因此,如何通过已有的运行数据提出精准且高效的台区拓扑辨识方法,对实现智能配电台区安全和可靠运行具有重要意义。
综合国内外研究和应用情况来看,校验低压配网拓扑关系主要有人工现场识别(人工方式)和系统自动识别(在线方式)两种。人工方式主要包括工作人员现场清理拓扑,以及使用台区识别仪进行辅助识别。这种方式识别率高,但是成本也高,效率低下。在线方式是将电力通讯作为传输信息,并在用户端将信号解调为相位信息,实现所属台区和相位的辨别。然而这种方法存在辨识不准确、不稳定的问题,会出现串线情况。
发明内容
本发明的目的是提供一种识别率、效率均较高,而成本较低的低压台区拓扑辨识方法。
为达到上述目的,本发明采用的技术方案是:
一种低压台区拓扑辨识方法,包括以下步骤:
步骤1:以配电变压器为中心,选择合适的半径范围内的配电箱设备作为研究对象,采集所述研究对象的功率数据;
步骤2:在所述研究对象中确定所述配电变压器下游的一级分支箱,并采用DBSCAN算法将其余所述研究对象按照所述一级分支箱的三相进行所属相位划分,得到所述一级分支箱的三相对应设备集;
步骤3:基于能量守恒定律结合功率皮尔逊相关系数和功率残差平方和两个因素,分别对各个所述设备集分别进行分析,得到各个所述设备集中各所述研究对象的连通性,从而得到低压台区拓扑结构。
所述步骤1中,选择的半径为500米。
所述步骤2包括以下子步骤:
子步骤2-1:在所述研究对象中确定所述配电变压器下游的所述一级分支箱R;
子步骤2-2:定义设备集合M:{m1,m2,...,mi,...,mn,},其中mi为不包括所述一级分支箱R 的所述研究对象;
子步骤2-3:提取所述一级分支箱R的三相电压数据
Figure RE-RE-GDA0003094238850000021
以及所述设备集合M中各所述研究对象的电压数据
Figure RE-RE-GDA0003094238850000022
子步骤2-4:设置节点参数minpoints;
子步骤2-5:设置距离标准参数dstX,Y
子步骤2-6:依据所述节点参数minpoints和所述距离标准参数dstX,Y,不断调节半径参数R而进行DBSCAN算法聚类,将所述设备集合M中各所述研究对象按照所述一级分支箱的三相进行所属相位的类簇划分;
子步骤2-7:定义集合A、B、C,所述集合A为所述一级分支箱的A相所对应的所述设备集合M中各所述研究对象所构成的设备集合,所述集合B为所述一级分支箱的B相所对应的所述设备集合M中各所述研究对象所构成的设备集合,所述集合C为所述一级分支箱的C相所对应的所述设备集合M中各所述研究对象所构成的设备集合。
所述子步骤2-4中,若已知所述一级分支箱的各相下的最少节点数size,则设置所述节点参数minpoints=size,否则,设置所述节点参数minpoints=1。
所述子步骤2-5中,所述距离标准参数dstX,Y=1-pearson(X,Y),其中,pearson(X,Y) 为所述DBSCAN算法对应的皮尔逊相关系数。
所述步骤3包括以下子步骤:
子步骤3-1:利用所述集合A/B/C中包含的各个所述研究对象与所述一级分支箱的A/B/C 相出线功率曲线残差平方和si与皮儿森相关系数pi的比值ri,判断出所述一级分支箱的A/B/C 相出线下所连接的配电箱设备;
子步骤3-2:将所述一级分支箱的A/B/C相出线下所连接的配电箱设备加入集合UA/UB/UC,并将所述一级分支箱的A/B/C相出线下所连接的配电箱设备从所述集合A/B/C 中移出;
子步骤3-3:从所述集合UA/UB/UC中选取一个未确定下游连接关系的配电箱设备;
子步骤3-4:根据所选取的配电箱设备的出线个数k,在所述集合A/B/C中挑选出大小为 k的子集,记为Ai/Bi/Ci,i表示大小为k的所述子集的个数,
Figure RE-RE-GDA0003094238850000023
n为所述集合A/B/C中的元素个数;
子步骤3-5:分别计算各个所述子集Ai/Bi/Ci中所包含配电箱设备的合成功率;
子步骤3-6:分别计算所选取的配电箱设备的功率值与各个所述子集Ai/Bi/Ci中所包含配电箱设备的合成功率之间的残差平方和si与皮儿森相关系数pi的比值ri,从而判断出一个所述子集Ai/Bi/Ci中所包含的配电箱设备为所选取的配电箱设备下游的直连设备;
子步骤3-7:将包含所选取的配电箱设备下游的直连设备的一个所述子集Ai/Bi/Ci中所包含的配电箱设备全部加入所述集合UA/UB/UC,并将所选取的配电箱设备下游的直连设备从所述集合A/B/C中移出;
子步骤3-8:返回子步骤3-3,直至所述集合UA/UB/UC中的配电箱设备全部明确下游的直连设备。
所述子步骤3-1中,所述集合A/B/C中各个所述研究对象对应的比值ri中的最大值所对应的所述研究对象为所述一级分支箱的A/B/C相出线下所连接的配电箱设备。
所述子步骤3-5中,所述子集Ai/Bi/Ci中所包含配电箱设备的合成功率
Figure RE-RE-GDA0003094238850000031
的计算方法为:
Figure RE-RE-GDA0003094238850000032
其中,
Figure RE-RE-GDA0003094238850000033
为所述子集Ai/Bi/Ci中所包含配电箱设备的功率数据。
所述子步骤3-6中,所述子集Ai/Bi/Ci对应的比值ri中的最大值所对应的所述子集Ai/Bi/Ci中所包含配电箱设备,为所选取的配电箱设备下游的直连设备。
所述低压台区拓扑辨识方法还包括步骤4:对所述步骤3得到的所述低压台区拓扑结构进行修正。
由于上述技术方案运用,本发明与现有技术相比具有下列优点:本发明能够较为准确、高效的实现低压台区拓扑辨识,从而有助于配电网侧的精细化管理。
附图说明
附图1为低压台区拓扑结构示意图。
附图2为设备电压曲线图。
附图3为设备功率曲线图。
附图4为Pearson判别标准图。
附图5为SSE与Pearson比值判别标准图。
具体实施方式
下面结合附图所示的实施例对本发明作进一步描述。
实施例一:一种基于改进相关性分析的低压台区拓扑识别方法,该方法首先根据同相馈线上设备的电压相似性,利用基于密度的聚类算法DBSCAN,尽可能将设备归类到不同的相线区域(A、B和C),并排除不属于该台区的设备;其次基于能量守恒基本定律,上游设备输入功率等于其下游设备功率之和的特点,结合功率皮尔逊相关系数和残差平方和两个因素共同判断上下游设备之间的连通性;最后对设备连通性进行调节,建立最优的台区拓扑结构。
该低压台区拓扑辨识方法具体包括以下步骤:
步骤1:以配电变压器为中心,选择合适的半径范围内的配电箱设备作为研究对象,采集研究对象的功率数据。
根据低压配电线路的长度应满足末端电压质量的要求,选择合适范围内的台区设备作为研究对象,选择以配变为中心,半径500m内的配电箱设备作为研究对象,并采集这些对象的数据。
Figure RE-RE-GDA0003094238850000041
Figure RE-RE-GDA0003094238850000042
Figure RE-RE-GDA0003094238850000043
Figure RE-RE-GDA0003094238850000044
Figure RE-RE-GDA0003094238850000045
Figure RE-RE-GDA0003094238850000046
上式中:V1和V2分别表示受端1和受端2电压;δ表示受端1电压相位角;ΔV2表示受端2 电压降落;R、X分别表示线路2电阻和电抗;I2表示线路2电流;
Figure RE-RE-GDA0003094238850000047
表示功率因素角;P2和Q2表示受端2的注入有功功率和无功功率。
由上式可知,线路末端的电压会随着线路的增加而降低,且低压配电网输送电压较低,供电线路上将产生较大的损耗,若供电距离过长(即台区配电变压器的辐射范围过大),会造成线路末端用户电压过低,无法满足使用需求。
因此根据0.4kV的配电变压器供电范围一般要求:供电半径在市区不宜大于250m,近郊地区不宜大于400m,农村不宜大于500m。故文中选择以配电为中心,半径500m内的设备作为研究对象,进行台区拓扑识别方法研究。采集这些对象的功率数据,采集的频次每隔15min采集一次,采集次数为96次。
步骤2:设备所述相位识别
在研究对象中确定配电变压器下游的一级分支箱,并采用DBSCAN算法将其余研究对象按照一级分支箱的三相进行所属相位划分,得到一级分支箱的三相对应设备集。
步骤2包括以下子步骤:
子步骤2-1:根据已知信息,在研究对象中确定配电变压器下游的一级分支箱R;
子步骤2-2:定义设备集合M:{m1,m2,...,mi,…,mn,},其中mi为不包括一级分支箱R的研究对象。
子步骤2-3:提取一级分支箱R的三相电压数据
Figure RE-RE-GDA0003094238850000051
以及设备集合M中各研究对象的电压数据
Figure RE-RE-GDA0003094238850000052
子步骤2-4:设置节点参数minpoints。若已知一级分支箱的各相下的最少节点数size,则设置节点参数minpoints=size,否则,设置节点参数minpoints=1,表示允许类簇只包含一个点。
子步骤2-5:设置距离标准参数dstX,Y
dstX,Y=1-pearson(X,Y)
其中,pearson(X,Y)为DBSCAN算法对应的皮尔逊相关系数。
子步骤2-6:依据节点参数minpoints和距离标准参数dstX,Y,不断调节半径参数R而进行DBSCAN算法聚类,将设备集合M中各研究对象按照一级分支箱的三相进行所属相位的类簇划分。
该子步骤中,若在参数R=r下,一级分支箱三相电压数据点都处于不同类簇;在参数 R=r+Δr下,一级分支箱三相电压数据点出现处于相同类簇的情况,则取参数R=r。此时得到类簇个数c及设备(对应数据集D)所属类别列表cl:{cl1,cl2,…,cli,…,cln},其中cli表示第i个设备的所属类别编号,若cli=clj,则设备i与设备j同类簇。该参数R确定方法可最大程度上区分三相下设备,划分三相区域。
子步骤2-7:定义集合A、B、C,集合A为一级分支箱的A相所对应的设备集合M中各研究对象所构成的设备集合,集合B为一级分支箱的B相所对应的设备集合M中各研究对象所构成的设备集合,集合C为一级分支箱的C相所对应的设备集合M中各研究对象所构成的设备集合。
该子步骤中,分别定义集合A、B和C确定各相线区域下设备列表。
Figure RE-RE-GDA0003094238850000061
式中,
Figure RE-RE-GDA0003094238850000062
表示一级分支箱R的A相数据所属的类簇,
Figure RE-RE-GDA0003094238850000063
表示一级分支箱R的B相数据所属的类簇,
Figure RE-RE-GDA0003094238850000064
表示一级分支箱R的C相数据所属的类簇。
最后,考虑到聚类效果对后续连通性辨别准确性的直接影响,将其它类簇或噪声点均分别加入集A、B和C。
步骤3:各相位区域设备连接关系求解
基于能量守恒定律结合功率皮尔逊相关系数和功率残差平方和两个因素,分别对各个设备集分别进行分析,得到各个设备集中各研究对象的连通性,从而得到低压台区拓扑结构。关于设备连接关系求解流程共分为两步:1)一级分支箱A/B/C相与其它设备连通性求解; 2)其余部分连通性求解。
步骤3包括以下子步骤:
子步骤3-1:利用集合A/B/C中包含的各个研究对象与一级分支箱的A/B/C相出线功率曲线残差平方和si与皮儿森相关系数pi的比值ri,判断出一级分支箱的A/B/C相出线下所连接的配电箱设备。该子步骤中,集合A/B/C中各个研究对象对应的比值ri中的最大值所对应的研究对象为一级分支箱的A/B/C相出线下所连接的配电箱设备。
子步骤3-2:将一级分支箱的A/B/C相出线下所连接的配电箱设备加入集合UA/UB/UC,并将一级分支箱的A/B/C相出线下所连接的配电箱设备从集合A/B/C中移出。
子步骤3-3:从集合UA/UB/UC中选取一个未确定下游连接关系的配电箱设备。
子步骤3-4:根据所选取的配电箱设备的出线个数k,在集合A/B/C中挑选出大小为k的子集,记为Ai/Bi/Ci,i表示大小为k的子集的个数,
Figure RE-RE-GDA0003094238850000065
n为集合A/B/C中的元素个数。
子步骤3-5:分别计算各个子集Ai/Bi/Ci中所包含配电箱设备的合成功率。子集Ai/Bi/Ci中所包含配电箱设备的合成功率
Figure RE-RE-GDA0003094238850000066
的计算方法为:
Figure RE-RE-GDA0003094238850000067
其中,
Figure RE-RE-GDA0003094238850000068
为子集Ai/Bi/Ci中所包含配电箱设备的功率数据。
子步骤3-6:分别计算所选取的配电箱设备的功率值与各个子集Ai/Bi/Ci中所包含配电箱设备的合成功率之间的残差平方和si与皮儿森相关系数pi的比值ri,从而判断出一个子集Ai/Bi/Ci中所包含的配电箱设备为所选取的配电箱设备下游的直连设备。该子步骤中,子集 Ai/Bi/Ci对应的比值ri中的最大值所对应的子集Ai/Bi/Ci中所包含配电箱设备,为所选取的配电箱设备下游的直连设备。
子步骤3-7:将包含所选取的配电箱设备下游的直连设备的一个子集Ai/Bi/Ci中所包含的配电箱设备全部加入集合UA/UB/UC,并将所选取的配电箱设备下游的直连设备从集合A/B/C 中移出。
子步骤3-8:返回子步骤3-3,直至集合UA/UB/UC中的配电箱设备全部明确下游的直连设备。
以下以A相为例说明步骤3。
1)一级分支箱A相与其它设备连通性求解
(1)依次在集合A中选择选择一个设备mi,其功率数据记为
Figure RE-RE-GDA0003094238850000071
计算其与一级分支箱 A相出线功率曲线残差平方和si与皮儿森相关系数pi的比值ri,具体公式如下:
Figure RE-RE-GDA0003094238850000072
Figure RE-RE-GDA0003094238850000073
ri=si/pi
其中,ap表示A相出线时序功率数据;
Figure RE-RE-GDA0003094238850000074
表示设备mi的时序功率数据;
Figure RE-RE-GDA0003094238850000075
表示A相出线在采样点j的功率值;
Figure RE-RE-GDA0003094238850000076
表示设备mi在采样点j的功率值;n=96,表示共进行了96次采样。
(2)判别A相出线下连接的设备。如果max(ri),即设备mi是A相的下游直连设备,将设备mi加入集合UA,表示该设备已加入该拓扑结构,并在集合A中将该设备移出。
2)其余部分连通性求解
(1)从集合UA中选择一个未确定下游连接关系的配电箱设备(分支箱)x,判断其下游连接设备,其功率时序数据记为xp
(2)根据设备x出线个数k,在集合A中挑选出所有大小为k的子集,记为Ai,i表示大小为k的子集个数,
Figure RE-RE-GDA0003094238850000077
n为集合A的元素个数。
(3)计算所有子集内设备的合成功率。
Figure RE-RE-GDA0003094238850000078
其中,
Figure RE-RE-GDA0003094238850000079
表示子集Ai内设备的合成功率;
Figure RE-RE-GDA00030942388500000710
表示子集Ai内设备的功率数据;k表示子集Ai的元素个数。
(4)分别计算xp与各个
Figure RE-RE-GDA0003094238850000081
的残差平方和si与相关系数pi的比值ri,判断设备x的下游直连设备集合。
Figure RE-RE-GDA0003094238850000082
Figure RE-RE-GDA0003094238850000083
ri=si/pi
其中,
Figure RE-RE-GDA0003094238850000084
表示配电箱设备(分支箱)x在采样点j的功率值;
Figure RE-RE-GDA0003094238850000085
表示功率曲线
Figure RE-RE-GDA0003094238850000086
在采样点j 的功率值;n=96,表示共进行了96次采样。如果max(ri),即表示子集Ai内设备为配电箱设备(分支箱)x的下游直连设备。
(5)将子集Ai内设备全部加入集合UA,并在集合A内删除子集Ai内设备。
(6)重复步骤(1),直至集合UA的分支箱都明确下游直连的表箱集合。
步骤4:对步骤3得到的低压台区拓扑结构进行修正。
对于部分拓扑结构,例如由于节点2只与节点3相连,因此节点2功率与节点3功率极其相似,导致节点1在选择下游设备时选择了节点3,从而导致节点2没有上游设备,出现拓扑不连续的情况。针对这种情况,可由以下步骤解决:
(1)搜索残差平方和si与相关系数pi的比值矩阵Rp及比值集合
Figure RE-RE-GDA0003094238850000087
中满足条件的设备mj(mj∈M):使比值矩阵(向量)中值最大的且包含子集设备mj的子集出现一次以上,比如找到了节点3。
(2)找到设备mj的上游设备,加入集合E,即将节点2和节点1加入集合E。
(3)通过残差平方和计算公式,判断集合E中设备的上下游关系,即可判断出节点2是节点1的下游设备。
(4)更新连接关系。节点1下游设备集删除节点3,加入节点2;节点2下游设备集加入节点3。
(5)重复(1),直至没有满足条件的mj结束。
(6)根据新的Rp
Figure RE-RE-GDA0003094238850000088
使比值最小项的设备、设备集具有连通关系,基于此完成台区拓扑的建立。
完成拓扑修正之后,以一级分支箱为中介节点,合并三相区域连通关系,建立全网台区拓扑结构。
以下欲用上述方法还原如附图1所示的台区拓扑结构,该拓扑中包含4个不属于该拓扑的干扰节点(2个表箱及2个分支箱),拓扑的正确连接关系如下表所示。
表1台区拓扑关系对照表
Figure RE-RE-GDA0003094238850000091
数据方面使用常见的用电曲线初始化终端表箱,进而基于线路阻抗得到全网节点的功率,最后通过潮流计算得到全网节点的电压,并且对随机对电压和功率进行±4%的调节,用于模拟采样不同步问题。
第一步、本算例共按此方法准备了10组数据,以下以第1组数据说明。一级分支箱各相及其他设备的进线电压曲线及功率曲线分别如附图2和附图3所示。
第二步、基于DBSCAN聚类算法的设备所属相位识别结果
在图1中可以看出,每相线下至少包含2个设备,因此可以设置minpoints=3,表示一个类簇至少要包含3个节点(包含相线数据点)。实验结果分别如表2-4所示(字体加粗部分为会导致拓扑无法计算的错误分类)。
表2 DBSCAN聚类结果(R=0.060)
Figure RE-RE-GDA0003094238850000092
表3 DBSCAN聚类结果(R=0.065)
Figure RE-RE-GDA0003094238850000101
表4 DBSCAN聚类结果(R=0.070)
Figure RE-RE-GDA0003094238850000102
由上表2可以看出,当设置R=0.060时,DBSCAN共划分了3个类簇,正好一级分支箱三相出线电压数据各属于不同的类簇,因此可以划分出A、B和C三相区域。但是由于R值的偏小,使相线区域A下面的一个设备被当作了非本台区设备;适当放大R值至0.065,如表3所示,可以准确的将设备划分至其所属相线区域;继续放大R值至0.070,如表4所示, DBSCAN共划分了2个类簇,一级分支箱的A相和B相出线电压数据同属于一个类簇,导致没能区分相线A和B区域,同时也由于R值稍大,将一个非本台区的设备B401划分到了B 相区域。
第三步、依据Pearson标准判断上下游设备连通性结果
若只依据Pearson标准判断设备连接关系,可以得到以下的拓扑关系对照表(只显示误判部分,字体加粗部分为误判设备)
表5台区拓扑关系误判表
Figure RE-RE-GDA0003094238850000103
可以看出,该方法共出现了四处误判。由于一个设备只有一个直连上游设备,因此一个设备判断错误,必然导致另一个设备判断错误,造成误判的大量出现。
第四步、根据功率曲线相似距离和欧式距离的设备连通性辨别结果
若依据SSE和Pearson比值标准判断设备连接关系,结果如表6所示(字体加粗部分为误判设备)。
表6 SSE和Pearson比值判断标准
Figure RE-RE-GDA0003094238850000111
从表6中可以看出,该判别标准修正这大部分错误,但是出现了相关误判,进一步修正,可得到同表1相同的正确的台区拓扑关系。
第五步、全部算例统计结果
首先,仅采用Pearson标准判别时,10组数据连通性判断结果统计如附图4所示。
可以看出10组数据中共出现了24次线路误判,准确率约
Figure RE-RE-GDA0003094238850000112
最后,采用SSE与Pearson比值标准判别时,10组数据连通性判断结果统计如附图5所示。
可以看出10组数据中共出现了4次线路误判,准确率约
Figure RE-RE-GDA0003094238850000113
提高了16个百分点。
由此可以知道本发明的基于改进相关性分析的低压台区拓扑辨别方法切实有效的。
上述实施例只为说明本发明的技术构思及特点,其目的在于让熟悉此项技术的人士能够了解本发明的内容并据以实施,并不能以此限制本发明的保护范围。凡根据本发明精神实质所作的等效变化或修饰,都应涵盖在本发明的保护范围之内。

Claims (10)

1.一种低压台区拓扑辨识方法,其特征在于:所述低压台区拓扑辨识方法包括以下步骤:
步骤1:以配电变压器为中心,选择合适的半径范围内的配电箱设备作为研究对象,采集所述研究对象的功率数据;
步骤2:在所述研究对象中确定所述配电变压器下游的一级分支箱,并采用DBSCAN算法将其余所述研究对象按照所述一级分支箱的三相进行所属相位划分,得到所述一级分支箱的三相对应设备集;
步骤3:基于能量守恒定律结合功率皮尔逊相关系数和功率残差平方和两个因素,分别对各个所述设备集分别进行分析,得到各个所述设备集中各所述研究对象的连通性,从而得到低压台区拓扑结构。
2.根据权利要求1所述的一种低压台区拓扑辨识方法,其特征在于:所述步骤1中,选择的半径为500米。
3.根据权利要求1所述的一种低压台区拓扑辨识方法,其特征在于:所述步骤2包括以下子步骤:
子步骤2-1:在所述研究对象中确定所述配电变压器下游的所述一级分支箱R;
子步骤2-2:定义设备集合M:{m1,m2,…,mi,...,mn,},其中mi为不包括所述一级分支箱R的所述研究对象;
子步骤2-3:提取所述一级分支箱R的三相电压数据
Figure FDA0002917992450000011
以及所述设备集合M中各所述研究对象的电压数据
Figure FDA0002917992450000012
子步骤2-4:设置节点参数minpoints;
子步骤2-5:设置距离标准参数dstX,Y
子步骤2-6:依据所述节点参数minpoints和所述距离标准参数dstX,Y,不断调节半径参数R而进行DBSCAN算法聚类,将所述设备集合M中各所述研究对象按照所述一级分支箱的三相进行所属相位的类簇划分;
子步骤2-7:定义集合A、B、C,所述集合A为所述一级分支箱的A相所对应的所述设备集合M中各所述研究对象所构成的设备集合,所述集合B为所述一级分支箱的B相所对应的所述设备集合M中各所述研究对象所构成的设备集合,所述集合C为所述一级分支箱的C相所对应的所述设备集合M中各所述研究对象所构成的设备集合。
4.根据权利要求3所述的一种低压台区拓扑辨识方法,其特征在于:所述子步骤2-4中,若已知所述一级分支箱的各相下的最少节点数size,则设置所述节点参数minpoints=size,否则,设置所述节点参数minpoints=1。
5.根据权利要求3所述的一种低压台区拓扑辨识方法,其特征在于:所述子步骤2-5中,所述距离标准参数dstX,Y=1-pearson(X,Y),其中,pearson(X,Y)为所述DBSCAN算法对应的皮尔逊相关系数。
6.根据权利要求3所述的一种低压台区拓扑辨识方法,其特征在于:所述步骤3包括以下子步骤:
子步骤3-1:利用所述集合A/B/C中包含的各个所述研究对象与所述一级分支箱的A/B/C相出线功率曲线残差平方和si与皮儿森相关系数pi的比值ri,判断出所述一级分支箱的A/B/C相出线下所连接的配电箱设备;
子步骤3-2:将所述一级分支箱的A/B/C相出线下所连接的配电箱设备加入集合UA/UB/UC,并将所述一级分支箱的A/B/C相出线下所连接的配电箱设备从所述集合A/B/C中移出;
子步骤3-3:从所述集合UA/UB/UC中选取一个未确定下游连接关系的配电箱设备;
子步骤3-4:根据所选取的配电箱设备的出线个数k,在所述集合A/B/C中挑选出大小为k的子集,记为Ai/Bi/Ci,i表示大小为k的所述子集的个数,
Figure FDA0002917992450000021
n为所述集合A/B/C中的元素个数;
子步骤3-5:分别计算各个所述子集Ai/Bi/Ci中所包含配电箱设备的合成功率;
子步骤3-6:分别计算所选取的配电箱设备的功率值与各个所述子集Ai/Bi/Ci中所包含配电箱设备的合成功率之间的残差平方和si与皮儿森相关系数pi的比值ri,从而判断出一个所述子集Ai/Bi/Ci中所包含的配电箱设备为所选取的配电箱设备下游的直连设备;
子步骤3-7:将包含所选取的配电箱设备下游的直连设备的一个所述子集Ai/Bi/Ci中所包含的配电箱设备全部加入所述集合UA/UB/UC,并将所选取的配电箱设备下游的直连设备从所述集合A/B/C中移出;
子步骤3-8:返回子步骤3-3,直至所述集合UA/UB/UC中的配电箱设备全部明确下游的直连设备。
7.根据权利要求6所述的一种低压台区拓扑辨识方法,其特征在于:所述子步骤3-1中,所述集合A/B/C中各个所述研究对象对应的比值ri中的最大值所对应的所述研究对象为所述一级分支箱的A/B/C相出线下所连接的配电箱设备。
8.根据权利要求6所述的一种低压台区拓扑辨识方法,其特征在于:所述子步骤3-5中,所述子集Ai/Bi/Ci中所包含配电箱设备的合成功率
Figure FDA0002917992450000022
的计算方法为:
Figure FDA0002917992450000031
其中,
Figure FDA0002917992450000032
为所述子集Ai/Bi/Ci中所包含配电箱设备的功率数据。
9.根据权利要求6所述的一种低压台区拓扑辨识方法,其特征在于:所述子步骤3-6中,所述子集Ai/Bi/Ci对应的比值ri中的最大值所对应的所述子集Ai/Bi/Ci中所包含配电箱设备,为所选取的配电箱设备下游的直连设备。
10.根据权利要求1所述的一种低压台区拓扑辨识方法,其特征在于:所述低压台区拓扑辨识方法还包括步骤4:对所述步骤3得到的所述低压台区拓扑结构进行修正。
CN202110107234.6A 2021-01-27 2021-01-27 一种低压台区拓扑辨识方法 Active CN113159488B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110107234.6A CN113159488B (zh) 2021-01-27 2021-01-27 一种低压台区拓扑辨识方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110107234.6A CN113159488B (zh) 2021-01-27 2021-01-27 一种低压台区拓扑辨识方法

Publications (2)

Publication Number Publication Date
CN113159488A true CN113159488A (zh) 2021-07-23
CN113159488B CN113159488B (zh) 2022-06-07

Family

ID=76878810

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110107234.6A Active CN113159488B (zh) 2021-01-27 2021-01-27 一种低压台区拓扑辨识方法

Country Status (1)

Country Link
CN (1) CN113159488B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111426905A (zh) * 2020-03-03 2020-07-17 国网江苏省电力有限公司电力科学研究院 一种配电网同母线变关系异常诊断方法、装置及系统
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
CN114091608A (zh) * 2021-11-24 2022-02-25 国网河南省电力公司许昌供电公司 一种基于数据挖掘的户变关系辨识方法
CN116722658A (zh) * 2023-08-11 2023-09-08 北京智芯微电子科技有限公司 低压台区拓扑识别方法、装置、存储介质和芯片设备

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110350528A (zh) * 2019-07-22 2019-10-18 石家庄科林电气股份有限公司 一种低压台区拓扑自动辨识方法
CN112165171A (zh) * 2020-10-10 2021-01-01 江苏方天电力技术有限公司 一种低压配电台区拓扑识别的方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110350528A (zh) * 2019-07-22 2019-10-18 石家庄科林电气股份有限公司 一种低压台区拓扑自动辨识方法
CN112165171A (zh) * 2020-10-10 2021-01-01 江苏方天电力技术有限公司 一种低压配电台区拓扑识别的方法

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111426905A (zh) * 2020-03-03 2020-07-17 国网江苏省电力有限公司电力科学研究院 一种配电网同母线变关系异常诊断方法、装置及系统
CN111426905B (zh) * 2020-03-03 2022-02-15 国网江苏省电力有限公司电力科学研究院 一种配电网同母线变关系异常诊断方法、装置及系统
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
CN114091608A (zh) * 2021-11-24 2022-02-25 国网河南省电力公司许昌供电公司 一种基于数据挖掘的户变关系辨识方法
CN114091608B (zh) * 2021-11-24 2024-02-20 国网河南省电力公司许昌供电公司 一种基于数据挖掘的户变关系辨识方法
CN116722658A (zh) * 2023-08-11 2023-09-08 北京智芯微电子科技有限公司 低压台区拓扑识别方法、装置、存储介质和芯片设备
CN116722658B (zh) * 2023-08-11 2023-12-29 北京智芯微电子科技有限公司 低压台区拓扑识别方法、装置、存储介质和芯片设备

Also Published As

Publication number Publication date
CN113159488B (zh) 2022-06-07

Similar Documents

Publication Publication Date Title
CN113159488B (zh) 一种低压台区拓扑辨识方法
CN112510707B (zh) 一种配电台区电力阻抗拓扑图生成方法及系统
CN109617231A (zh) 一种用于低压台区的用户网络拓扑识别装置及方法
CN103576048B (zh) 一种用于电压暂降源定位的可能故障线路集提取方法
CN108173263A (zh) 一种基于ami量测信息的配电网拓扑错误辨识算法
CN111061821A (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
CN110350528A (zh) 一种低压台区拓扑自动辨识方法
CN111505433A (zh) 一种低压台区户变关系纠错及相位识别方法
CN107340492A (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
CN111612056B (zh) 一种基于模糊聚类和过零偏移的低压户变关系识别方法
CN111628494B (zh) 一种基于逻辑回归法的低压配电网拓扑识别方法及系统
CN113723844B (zh) 一种基于集成学习的低压台区理论线损计算方法
CN112633658A (zh) 一种基于cnn-lstm的低压台区拓扑关系识别方法
CN112288015A (zh) 基于边缘计算改进knn的配网电气拓扑识别方法及系统
CN112329806A (zh) 一种用于低压台区拓扑识别的电表聚类方法
CN104036364A (zh) 一种配电网网络结构水平评价方法
CN108074198B (zh) 一种电力系统pmu不良数据识别方法
CN114297811B (zh) 基于约束多目标优化的低压台区拓扑识别方法
CN111178679A (zh) 一种基于聚类算法和网络搜索的相位识别方法
CN110927539B (zh) 一种单端暂态能量谱相似性的配电网故障区段定位方法
CN112508254A (zh) 变电站工程项目投资预测数据的确定方法
CN105243212B (zh) 一种基于功能信息集的虚端子可视化关联配置方法
CN113806899B (zh) 一种配电网拓扑关系的识别方法、装置及移动终端
CN107784326B (zh) 基于模糊k近邻分类的变电站主接线类型自动判别方法
CN114725937A (zh) 一种配电台区设备拓扑关系识别方法及装置

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