CN113191656B - 一种基于数据关联分析的低压配电网设备负荷与拓扑联动方法 - Google Patents
一种基于数据关联分析的低压配电网设备负荷与拓扑联动方法 Download PDFInfo
- Publication number
- CN113191656B CN113191656B CN202110523017.5A CN202110523017A CN113191656B CN 113191656 B CN113191656 B CN 113191656B CN 202110523017 A CN202110523017 A CN 202110523017A CN 113191656 B CN113191656 B CN 113191656B
- Authority
- CN
- China
- Prior art keywords
- data
- topology
- load
- distribution network
- voltage distribution
- 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
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000010219 correlation analysis Methods 0.000 title claims abstract description 12
- 239000011159 matrix material Substances 0.000 claims abstract description 24
- 238000004458 analytical method Methods 0.000 claims abstract description 19
- 238000012098 association analyses Methods 0.000 claims abstract description 15
- 238000010586 diagram Methods 0.000 claims abstract description 6
- 238000007619 statistical method Methods 0.000 claims abstract description 5
- 230000005856 abnormality Effects 0.000 claims description 8
- 239000000284 extract Substances 0.000 claims description 7
- 238000013480 data collection Methods 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 claims description 3
- 230000000875 corresponding effect Effects 0.000 description 15
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 4
- 238000000611 regression analysis Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 230000002354 daily effect Effects 0.000 description 2
- 238000004141 dimensional analysis Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000011524 similarity measure Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
Images
Classifications
-
- 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
- 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
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy 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
- 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]
-
- 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
-
- 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
- Y02B90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02B90/20—Smart grids as enabling technology in buildings sector
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Power Engineering (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Development Economics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Game Theory and Decision Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Human Computer Interaction (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明公开一种基于数据关联分析的低压配电网设备负荷与拓扑联动的方法,包括以下步骤:S1:对负荷数据进行储存分析,形成数据联动结构树的一条分支线;S2:后台管理中心进行判断,储存以及预处理,形成负荷识别;S3:对拓扑数据进行储存分析,形成数据联动结构树的另一条分支线;S4:形成拓扑矩阵图;S5:针对低压配网设备负荷数据和拓扑数据进行聚类统计分析和组合,形成其两方数据的关联结构树;S6:提取其相似度,利用数据关联分析,进行数据联动;S7:结果输出,并将其分析结果和其对应解决方案内容展示在客户端。减少设备负荷和拓扑识别中的计算量,为设备负荷和拓扑告警提升了准确度,电网信息化水平和数据质量得到了有效提高。
Description
技术领域
本发明涉及网络通信技术领域,尤其涉及一种数据关联分析的低压配电网设备负荷和拓扑联动的方法。
背景技术
目前电网内部记录了大量的数据信息,但是各层次的数据之间缺乏关联分析,低压配电网设备负荷数据的变化难以与拓扑联动,并且在一个单位时间内不利于线损统计和负荷调整等。需要实现多个层次拓扑和设备的负荷数据信息联动的方法,利用计算机相关技术和相关算法,对于电网设备状态和负荷情况进行多维度分析,归纳拓扑与负荷变化规律。
在中国专利文献CN112182499A中,公开了一种基于时序电量数据的低压配电网拓扑结构辨识方法,包括以下步骤:步骤1、通过用电信息采集系统采集多天台区关口表的三相电量数据和用户表的电量数据;步骤2、关口表的三相电量数据、用户表的电量数据和用电信息采集系统的采样时间构成时序电量数据分析矩阵Z;步骤3、计算关口表的三相电量数据和用户表的电量数据偏差的每天平均值β1,并根据计算出的每天平均值β1计算关口表三相电量数据每相和对应所有用户表的电量数据偏差的每天平均值β2;步骤4、根据每相偏差的每天平均值β2对时序电量数据分析矩阵Z进行映射,得到新的时序电量数据数据分析矩阵Z1;步骤5、对新的时序电量数据数据分析矩阵Z1进行主成分分析,去除数据噪声干扰;得到时序电量数据回归分析矩阵D;步骤6、在时序电量数据回归分析矩阵D中,判断元素的值,若元素的值接近1,则将该元素值用1替代,否则用0替代,根据归整后的时序电量数据回归分析矩阵判断配电网拓扑关系。
上述专利文献中的技术方案,实现了能够快速辨识低压台区下每一户的用电负荷由变压器的哪一项提供电源,从而能够方便快速地更新低压配电网的拓扑结构;但是对于实现低压配电网设备负荷和拓扑的数据联动方法并没有给出详细的解决方案,无法提升设备负荷和拓扑告警的准确度。
发明内容
本发明提供一种基于数据关联分析的低压配电网设备负荷与拓扑联动方法,能够解决在一个单位时间内的线损统计和负荷调整,减少设备负荷和拓扑识别中的计算量,为设备负荷和拓扑告警提升了准确度,同时,也使得电网信息化水平和数据质量得到了有效提高的问题。
为解决上述技术问题,本发明采用的方案是:该基于数据关联分析的低压配电网设备负荷与拓扑联动的方法,包括以下步骤:
S1:通过负荷数据采集系统的接口输出向后台管理中心传送数据,所述后台管理中心接收到数据后,对负荷数据进行储存分析,形成数据联动结构树的一条分支线;
S2:所述后台管理中心根据接收到的所述步骤S1中的低压配电网设备负荷数据,进行判断,储存以及预处理,形成负荷识别;
S3:拓扑数据通过无线网络将本地数据传输至所述后台管理中心,对拓扑数据进行储存分析,形成数据联动结构树的另一条分支线;
S4:所述后台管理中心根据接收到的所述步骤S3中的拓扑数据,进行对拓扑数据进行判断,储存以及预处理,形成拓扑矩阵图;
S5:所述后台管理中心针对接收到的所述步骤S1中的低压配网设备负荷数据和所述步骤S3中的拓扑数据进行聚类统计分析和组合,形成其两方数据的关联结构树;
S6:所述后台管理中心根据形成的数据联动结构树分析设备负荷数据和拓扑数据,提取其相似度,利用数据关联分析,进行数据联动;
S7:所述后台管理中心根据所述步骤S6中分析后的结果输出,并将其分析结果和其对应解决方案内容展示在客户端。
上述技术方案,实现多个层次拓扑和设备的负荷数据信息联动的方法,利用计算机相关技术和相关算法,对于电网设备状态和负荷情况进行多维度分析,归纳拓扑与负荷变化规律;数据关联是信息融合系统中的关键要素,对低压配网设备负荷数据和拓扑数据进行关联分析时,需要分别对低压配网设备负荷数据和拓扑数据进行预处理。根据数据来源,形成其数据关联结构树,将关联的设备负荷数据和拓扑数据下相同的量测数据集合成一个组合,在此范围内寻找与该组合有类似拓扑结构的其他组合进行判断。本发明以数据树状结构形式,完整记录了各节点的关系路径,实现低压配电网设备负荷和拓扑的数据联动方法。
本发明基于数据中侧重相关关联分析的实现方法,对低压配电网设备负荷数据和拓扑数据进行大量分组关联分析,经过分析后的结果在电网各系统客户端中进行体现。低压配电网设备负荷数据和拓扑数据的相关性比较强,因此,大数据关联分析可以在电力系统数据中完成从数据向有用信息的转化,验证其方法的有效性。同类别数据联动树形结构关联分析不仅能完成从低压配电网设备负荷到拓扑联动,还可以完成有关数据分析与挖掘的基本工作。
集成组合判断,数据联动树形结构树,数据相似度分析,负荷数据采集系统,负荷设备识别以及拓扑识别,有利于在一个单位时间内的线损统计和负荷调整,减少设备负荷和拓扑识别中的计算量,为设备负荷和拓扑告警提升了准确度。同时,也使得电网信息化水平和数据质量得到了有效提高。
优选的,在所述步骤S1中,所述负荷数据采集系统通过无线方式和所述后台管理中心进行连接传输,所述负荷数据采集系统通过无线方式将负荷特性数据以及已经采集的线路电压、电流、功率经由其主控器处理的数据传送至所述后台管理中心,形成数据联动结构树的一条分支线。
优选的,在所述步骤S2中,将低压配电网设备负荷时间序列按照给定的原则进行分割,然后以DTW 距离为相似性度量指标,分别将分割后的用户设备负荷子序列与负荷设备数据库中的参考时间序列进行时间匹配,选择匹配效果最好的参考序列所对应的设备作为该子序列的识别结果。
其中,DTW为动态时间规整法,可以更好的反应序列间波动趋势。两个电压序列L1:X={X1,X2,…,Xn}和L2:Y={ Y1,Y2,…,Ym}。利用DTW算法比较两个序列之间的波动趋势,首先构建n×m的原始空间矩阵,元素d(i,j)表示Xj和Yj两点之间的距离,其分别代表着序列X的每一个点和序列Y的每一个点之间的相似度,距离越小则相似度越高,在原空间矩阵基础上,根据下方公式构建DTW距离矩阵。
公式中:D(i,j)表示DTW距离矩阵第i行第j列元素;d(i,j)表示Xj和Yj两点之间的距离,DTW矩阵根据电压序列的波动趋势所计算的相似性距离。
优选的,在所述步骤S3中,拓扑数据通过无线网络的方式和所述后台管理中心进行连接实现传输,拓扑数据通过无线方式将采集的线路和节点参数传送至所述后台管理中心,形成数据联动结构树的另外一条分支线。
优选的,在所述步骤S4中,所述后台管理中心根据接收到的所述步骤S3中的拓扑数据,通过拓扑共享度特征指标的相似性系数,结合聚类组合分析对低压配电网数据进行判断和储存,形成与之结构单元相似的架构聚类和指标比较分析,根据相关系数大于0.3的两个变量可认为其具有相关性,建立拓扑矩阵图。
相似度系数为Tanimoto相似度系数,可以计算各台区内设备的相似性及隶属关系,从而实现相关台区的拓扑识别。
Tanimoto相似度系数公式如下:
在每类台区筛选特征电压序列,x和y分别表示两个待识别的电压序列集合,j表示电压序列数,待识别电的电压序列集合中各状态的标幺值,同时引入Tanimoto相似度系数,得到两个待识别的电压序列j的相似度,进而实现配电区拓扑识别;,且越接近1,综合相似度越高,表示两个待识别电在同一个台区的概率越大,定义相似度阈值为0.5,若,则说明两个待识别点属于同一个台区;反之,不属于同一个台区。
优选的,在所述步骤S5中,所述后台管理中心根据接收到的低压配网设备负荷数据和拓扑数据,对低压配网设备负荷数据和拓扑数据进行聚类组合关联分析时,需要分别对低压配网设备负荷数据和拓扑数据进行预处理。
优选的,在所述步骤S5中,将关联的低压配网设备负荷数据和拓扑数据下的相同量测数据集合成一个组合,在此范围内寻找与该组合有类似拓扑结构的其他组合进行判断,在已经关联成功的组合进行搜索,找到相似度高的组合作为关联的父节点,确定后,查找父节点的端点所属的联结点,依据各个其他端点查找到与其各自对应的低压配电网设备节点,将查找到的低压配电网设备节点作为所述父节点的子节点,以所述子节点为新的父节点循环执行查找联结点的步骤,形成数据关联树形结构树。
在已经关联成功的组合中进行搜索,找到相似度高的组合作为数据树形关联结构的父节点,然后,查找父节点的端点所属的联结点,判断所述联结点中是否包含其他端点,如果是,则依据各个其他端点查找到与其各自对应的低压配电网设备节点,将查找到的低压配电网设备节点作为所述父节点的子节点,以所述子节点为新的父节点循环执行查找联结点。如果否,则根据父节点和子节点构建低压配电网拓扑结构。
优选的,在所述步骤S6中,所述后台管理中心根据形成的数据联动结构树分析设备负荷数据和拓扑数据,重复所述步骤S5,直至没有可识别的组合可以选择,则进行关联树的比较,提取其相似度,将关联树相似度最大的数据关联树作为最终的关联树,形成其最终的关联结果。
优选的,在所述步骤S7中,所述后台管理中心根据分析后的输出结果,包含低压配电网设备负荷异常告警和拓扑异常告警的联动,以及运行风险预警以及与其对应解决建议内容在客户端进行展示;同时,根据等级强度以不同告警规则和策略,方式包含短信告警、公众号报警和电话告警。
与现有技术相比,本发明的具有以下有益效果:本次发明实现多个层次拓扑和设备的负荷数据信息联动方法,对于电网设备状态和负荷情况中的相同量测数据集成成组合进行多维度的组合聚类分析,并归纳拓扑与负荷变化规律,提取相似度,实现低压配电网设备负荷数据和拓扑的联动。
附图说明
下面结合附图和本发明的实施方式进一步详细说明:
图1是本发明的实现流程示意图;
图2是本发明的数据关联分析流程示意图;
具体实施方式
如图1、2所示,本发明的基于数据关联分析的低压配电网设备负荷与拓扑联动的方法,包括以下步骤:
S1:通过负荷数据采集系统的接口输出向后台管理中心传送数据,所述后台管理中心接收到数据后,对负荷数据进行储存分析,形成数据联动结构树的一条分支线;
S2:所述后台管理中心根据接收到的所述步骤S1中的低压配电网设备负荷数据,进行判断,储存以及预处理,形成负荷识别;
S3:拓扑数据通过无线网络将本地数据传输至所述后台管理中心,对拓扑数据进行储存分析,形成数据联动结构树的另一条分支线;
S4:所述后台管理中心根据接收到的所述步骤S3中的拓扑数据,进行对拓扑数据进行判断,储存以及预处理,形成拓扑矩阵图;
S5:所述后台管理中心针对接收到的所述步骤S1中的低压配网设备负荷数据和所述步骤S3中的拓扑数据进行聚类统计分析和组合,形成其两方数据的关联结构树;
S6:所述后台管理中心根据形成的数据联动结构树分析设备负荷数据和拓扑数据,提取其相似度,利用数据关联分析,进行数据联动;
S7:所述后台管理中心根据所述步骤S6中分析后的结果输出,并将其分析结果和其对应解决方案内容展示在客户端。
在所述步骤S1中,所述负荷数据采集系统通过无线方式和所述后台管理中心进行连接传输,所述负荷数据采集系统通过无线方式将负荷特性数据以及已经采集的线路电压、电流、功率经由其主控器处理的数据传送至所述后台管理中心,形成数据联动结构树的一条分支线。
在所述步骤S2中,将低压配电网设备负荷时间序列按照给定的原则进行分割,然后以DTW 距离为相似性度量指标,分别将分割后的用户设备负荷子序列与负荷设备数据库中的参考时间序列进行时间匹配,选择匹配效果最好的参考序列所对应的设备作为该子序列的识别结果。
DTW为动态时间规整法,可以更好的反应序列间波动趋势。两个低压配电网设备电压序列L1:X={X1,X2,…,Xn}和L2:Y={ Y1,Y2,…,Ym}。利用DTW算法比较两个序列之间的波动趋势,首先构建n×m的原始空间矩阵,元素d(i,j)表示Xj和Yj两点之间的距离,其分别代表着序列X的每一个点和序列Y的每一个点之间的相似度,距离越小则相似度越高,在原空间矩阵基础上,根据下方公式构建DTW距离矩阵。
公式中:D(i,j)表示DTW距离矩阵第i行第j列元素;d(i,j)表示Xj和Yj两点之间的距离。DTW矩阵根据电压序列的波动趋势所计算的相似性距离。
在所述步骤S3中,拓扑数据通过无线网络的方式和所述后台管理中心进行连接实现传输,拓扑数据通过无线方式将采集的线路和节点参数传送至所述后台管理中心,形成数据联动结构树的另外一条分支线。
在所述步骤S4中,所述后台管理中心根据接收到的所述步骤S3中的拓扑数据,通过拓扑共享度特征指标的相似性系数,结合聚类组合分析对低压配电网数据进行判断和储存,形成与之结构单元相似的架构聚类和指标比较分析,根据相关系数大于0.3的两个变量可认为其具有相关性,建立拓扑矩阵图。
相似度系数为Tanimoto相似度系数,可以计算各台区内设备的相似性及隶属关系,从而实现相关台区的拓扑识别。
Tanimoto相似度系数公式如下:
在每类台区筛选特征电压序列,x和y分别表示两个待识别的电压序列集合,j表示电压序列数,待识别电的电压序列集合中各状态的标幺值,同时引入Tanimoto相似度系数,得到两个待识别的电压序列j的相似度,进而实现配电区拓扑识别;,且越接近1,综合相似度越高,表示两个待识别电在同一个台区的概率越大,定义相似度阈值为0.5,若,则说明两个待识别点属于同一个台区;反之,不属于同一个台区。
在所述步骤S5中,所述后台管理中心根据接收到的低压配网设备负荷数据和拓扑数据,对低压配网设备负荷数据和拓扑数据进行聚类组合关联分析时,需要分别对低压配网设备负荷数据和拓扑数据进行预处理。
在所述步骤S5中,将关联的低压配网设备负荷数据和拓扑数据下的相同量测数据集合成一个组合,在此范围内寻找与该组合有类似拓扑结构的其他组合进行判断,在已经关联成功的组合进行搜索,找到相似度高的组合作为关联的父节点,确定后,查找父节点的端点所属的联结点,依据各个其他端点查找到与其各自对应的低压配电网设备节点,将查找到的低压配电网设备节点作为所述父节点的子节点,以所述子节点为新的父节点循环执行查找联结点的步骤,形成数据关联树形结构树。
在所述步骤S6中,所述后台管理中心根据形成的数据联动结构树分析设备负荷数据和拓扑数据, 重复所述步骤S5,直至没有可识别的组合可以选择,则进行关联树的比较,提取其相似度,将关联树相似度最大的数据关联树作为最终的关联树,形成其最终的关联结果。
在所述步骤S7中,所述后台管理中心根据分析后的输出结果,包含低压配电网设备负荷异常告警和拓扑异常告警的联动,以及运行风险预警以及与其对应解决建议内容在客户端进行展示;同时,根据等级强度以不同告警规则和策略,方式包含短信告警、公众号报警和电话告警。
如图2所示,当负荷数据采集系统和拓扑数据通过无线网络传输的方式,将数据传输至后台管理中心,然后后台管理中心进行储存分析,首先对于负荷和拓扑数据进行预处理,相同量测数据集合形成一个组合,在此范围内寻找与该组合有类似拓扑结构的其他组合进行判断,如果关联成功,在已经关联成功的组合进行搜索,找到相似度高的组合作为关联的父节点,如果未关联成功,则继续等待匹配与其相似的拓扑结构。父节点确定后,查找父节点的端点所属的联结点,判断所述联结点是否包含其他端点,如果是,则依据各个其他端点查找到与其各自对应的低压配电网设备节点,将查找到的低压配电网设备节点作为所述父节点的子节点, 以所述子节点为新的父节点循环执行查找联结点的步骤;如果否,则根据父节点和子节点构建配电网拓扑结构。形成数据关联树形结构,进行关联树的比较,提取相似度,数据联动同时给终端系统输出关联结果。
本发明实施例以树状结构形式,完整记录了各节点的关系路径,实现低压配电网设备负荷和拓扑的数据联动方法,并输出关联结果。客户端结果的展示包含低压配电网设备负荷异常告警通知详情和拓扑异常告警中的节点告警或节点间连线告警详情的联动。同时,其告警内容展示出对应运行风险预警以及其对应解决建议。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限制本发明;凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种基于数据关联分析的低压配电网设备负荷与拓扑联动的方法,其特征在于,包括以下步骤:
S1:通过负荷数据采集系统的接口输出向后台管理中心传送数据,所述后台管理中心接收到数据后,对负荷数据进行储存分析,形成数据联动结构树的一条分支线;
S2:所述后台管理中心根据接收到的所述步骤S1中的低压配电网设备负荷数据,进行判断,储存以及预处理,形成负荷识别;
S3:拓扑数据通过无线网络将本地数据传输至所述后台管理中心,对拓扑数据进行储存分析,形成数据联动结构树的另一条分支线;
S4:所述后台管理中心根据接收到的所述步骤S3中的拓扑数据,进行对拓扑数据进行判断,储存以及预处理,形成拓扑矩阵图;
S5:所述后台管理中心针对接收到的所述步骤S1中的低压配网设备负荷数据和所述步骤S3中的拓扑数据进行聚类统计分析和组合,形成其两方数据的关联结构树;
S6:所述后台管理中心根据形成的数据联动结构树分析设备负荷数据和拓扑数据,提取其相似度,利用数据关联分析,进行数据联动;
S7:所述后台管理中心根据所述步骤S6中分析后的结果输出,并将其分析结果和其对应解决方案内容展示在客户端;
在所述步骤S5中,所述后台管理中心根据接收到的低压配网设备负荷数据和拓扑数据,对低压配网设备负荷数据和拓扑数据进行聚类组合关联分析时,需要分别对低压配网设备负荷数据和拓扑数据进行预处理;
在所述步骤S5中,将关联的低压配网设备负荷数据和拓扑数据下的相同量测数据集合成一个组合,在此范围内寻找与该组合有类似拓扑结构的其他组合进行判断,在已经关联成功的组合进行搜索,找到相似度高的组合作为关联的父节点,确定后,查找父节点的端点所属的联结点,依据各个其他端点查找到与其各自对应的低压配电网设备节点,将查找到的低压配电网设备节点作为所述父节点的子节点,以所述子节点为新的父节点循环执行查找联结点的步骤,形成数据关联树形结构树;
在所述步骤S6中,所述后台管理中心根据形成的数据联动结构树分析设备负荷数据和拓扑数据,重复所述步骤S5,直至没有可识别的组合可以选择,则进行关联树的比较,提取其相似度,将关联树相似度最大的数据关联树作为最终的关联树,形成其最终的关联结果。
2.根据权利要求1中所述的基于数据关联分析的低压配电网设备负荷与拓扑联动的方法,其特征在于,在所述步骤S1中,所述负荷数据采集系统通过无线方式和所述后台管理中心进行连接传输,所述负荷数据采集系统通过无线方式将负荷特性数据以及已经采集的线路电压、电流、功率经由其主控器处理的数据传送至所述后台管理中心,形成数据联动结构树的一条分支线。
3.根据权利要求1中所述的基于数据关联分析的低压配电网设备负荷与拓扑联动的方法,其特征在于,在所述步骤S2中,将低压配电网设备负荷时间序列按照给定的原则进行分割,然后以DTW 距离为相似性度量指标,分别将分割后的用户设备负荷子序列与负荷设备数据库中的参考时间序列进行时间匹配,选择匹配效果最好的参考序列所对应的设备作为该子序列的识别结果;其中,DTW为动态时间规整法。
4.根据权利要求1中所述的基于数据关联分析的低压配电网设备负荷与拓扑联动的方法,其特征在于,在所述步骤S3中,拓扑数据通过无线网络的方式和所述后台管理中心进行连接实现传输,拓扑数据通过无线方式将采集的线路和节点参数传送至所述后台管理中心,形成数据联动结构树的另外一条分支线。
5.根据权利要求1中所述的基于数据关联分析的低压配电网设备负荷与拓扑联动的方法,其特征在于,在所述步骤S4中,所述后台管理中心根据接收到的所述步骤S3中的拓扑数据,通过拓扑共享度特征指标的相似系数结合聚类组合分析对低压配电网数据进行判断和储存,形成与之结构单元相似的架构聚类和指标比较分析,根据相关系数大于0.3的两个变量可认为其具有相关性,建立拓扑矩阵图。
6.根据权利要求1中所述的基于数据关联分析的低压配电网设备负荷与拓扑联动的方法,其特征在于,在所述步骤S7中,所述后台管理中心根据分析后的输出结果,包含低压配电网设备负荷异常告警和拓扑异常告警的联动,以及运行风险预警以及与其对应解决建议内容在客户端进行展示;同时,根据等级强度以不同告警规则和策略,方式包含短信告警、公众号报警和电话告警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110523017.5A CN113191656B (zh) | 2021-05-13 | 2021-05-13 | 一种基于数据关联分析的低压配电网设备负荷与拓扑联动方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110523017.5A CN113191656B (zh) | 2021-05-13 | 2021-05-13 | 一种基于数据关联分析的低压配电网设备负荷与拓扑联动方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113191656A CN113191656A (zh) | 2021-07-30 |
CN113191656B true CN113191656B (zh) | 2022-08-02 |
Family
ID=76981605
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110523017.5A Active CN113191656B (zh) | 2021-05-13 | 2021-05-13 | 一种基于数据关联分析的低压配电网设备负荷与拓扑联动方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113191656B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117970061B (zh) * | 2024-04-02 | 2024-06-11 | 山东泰开电力电子有限公司 | 一种高压电力电容器故障预警方法及系统 |
CN118353011B (zh) * | 2024-06-14 | 2024-08-20 | 国网江苏省电力有限公司南通供电分公司 | 基于图计算的配电网全景动态拓扑异常检测方法及系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2959559A1 (en) * | 2013-02-19 | 2015-12-30 | Astrolink International LLC c/o Lockheed Martin Corporation | A system and method for inferring schematic and topological properties of an electrical distribution grid |
WO2018006073A1 (en) * | 2016-07-01 | 2018-01-04 | Ayasdi, Inc. | Scalable topological data analysis |
CN110795837A (zh) * | 2019-10-21 | 2020-02-14 | 国网安徽省电力有限公司安庆供电公司 | 基于拓扑联动的配网申请票一次方式自动批复操作方法 |
CN111817289A (zh) * | 2020-06-08 | 2020-10-23 | 华南理工大学 | 低压配电台区物理拓扑识别方法、装置、系统、终端及介质 |
CN111917188A (zh) * | 2020-08-11 | 2020-11-10 | 南方电网数字电网研究院有限公司 | 配电台区监测装置、配电台区拓扑识别系统和方法 |
CN112132491A (zh) * | 2020-11-25 | 2020-12-25 | 中国电力科学研究院有限公司 | 一种基于电网拓扑分析的电网监视告警系统及方法 |
CN112182499A (zh) * | 2020-10-23 | 2021-01-05 | 国网天津市电力公司 | 一种基于时序电量数据的低压配电网拓扑结构辨识方法 |
CN112785119A (zh) * | 2020-12-28 | 2021-05-11 | 云南电网有限责任公司瑞丽供电局 | 基于聚类和层次分析算法的配网电压越限原因分析方法 |
CN113852083A (zh) * | 2021-09-27 | 2021-12-28 | 内蒙古电力(集团)有限责任公司电力调度控制分公司 | 电网连锁故障自动搜索与预警方法、装置及设备 |
-
2021
- 2021-05-13 CN CN202110523017.5A patent/CN113191656B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2959559A1 (en) * | 2013-02-19 | 2015-12-30 | Astrolink International LLC c/o Lockheed Martin Corporation | A system and method for inferring schematic and topological properties of an electrical distribution grid |
WO2018006073A1 (en) * | 2016-07-01 | 2018-01-04 | Ayasdi, Inc. | Scalable topological data analysis |
CN110795837A (zh) * | 2019-10-21 | 2020-02-14 | 国网安徽省电力有限公司安庆供电公司 | 基于拓扑联动的配网申请票一次方式自动批复操作方法 |
CN111817289A (zh) * | 2020-06-08 | 2020-10-23 | 华南理工大学 | 低压配电台区物理拓扑识别方法、装置、系统、终端及介质 |
CN111917188A (zh) * | 2020-08-11 | 2020-11-10 | 南方电网数字电网研究院有限公司 | 配电台区监测装置、配电台区拓扑识别系统和方法 |
CN112182499A (zh) * | 2020-10-23 | 2021-01-05 | 国网天津市电力公司 | 一种基于时序电量数据的低压配电网拓扑结构辨识方法 |
CN112132491A (zh) * | 2020-11-25 | 2020-12-25 | 中国电力科学研究院有限公司 | 一种基于电网拓扑分析的电网监视告警系统及方法 |
CN112785119A (zh) * | 2020-12-28 | 2021-05-11 | 云南电网有限责任公司瑞丽供电局 | 基于聚类和层次分析算法的配网电压越限原因分析方法 |
CN113852083A (zh) * | 2021-09-27 | 2021-12-28 | 内蒙古电力(集团)有限责任公司电力调度控制分公司 | 电网连锁故障自动搜索与预警方法、装置及设备 |
Non-Patent Citations (4)
Title |
---|
A review of topological ordering based voltage rise mitigation methods for LV distribution networks with high levels of photovoltaic penetration;Ali,Md Sawkat;《RENEWABLE & SUSTAINABLE ENERGY REVIEWS》;20190430;第103卷;463-476 * |
主动配电网背景下无功电压控制方法研究综述;张勇;《2015年电网节能与电能质量论文集》;20150624;174-181 * |
基于状态估计的微电网功率平衡自适应控制;朱义贤;《控制工程》;20191120;第26卷(第11期);2152-2158 * |
基于网络拓扑识别的负荷平衡控制策略研究;丁一;《南开大学学报(自然科学版)》;20210220;第54卷(第01期);95-103 * |
Also Published As
Publication number | Publication date |
---|---|
CN113191656A (zh) | 2021-07-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107274105B (zh) | 基于线性判别分析的多属性决策树电网稳定裕度评估方法 | |
CN113191656B (zh) | 一种基于数据关联分析的低压配电网设备负荷与拓扑联动方法 | |
CN111428355B (zh) | 一种电力负荷数字统计智能综合的建模方法 | |
CN111429027A (zh) | 一种基于大数据的地区输电网运行多维度分析方法 | |
CN113723844B (zh) | 一种基于集成学习的低压台区理论线损计算方法 | |
CN112989133B (zh) | 一种电器设备的图数据建模电力指纹识别方法、存储介质及系统 | |
CN116995653A (zh) | 一种基于ddtw距离的低压台区相户拓扑识别方法 | |
CN117559443A (zh) | 尖峰负荷下大工业用户集群有序用电控制方法 | |
CN110287237B (zh) | 一种基于社会网络结构分析社团数据挖掘方法 | |
CN113595071A (zh) | 台区用户辨识与电压影响评估方法 | |
CN115219838A (zh) | 一种基于多源信息融合的配电网故障研判方法 | |
CN110909786A (zh) | 一种基于特性指标与决策树模型的新装用户负荷辨识方法 | |
CN115186882A (zh) | 一种基于聚类的可控负荷空间密度预测方法 | |
Ni et al. | A review of line loss analysis of the low-voltage distribution system | |
Feng et al. | Identification of disturbance sources based on random forest model | |
CN106127602B (zh) | 一种基于约简离群点算法的窃电辨识方法及装置 | |
CN106816871B (zh) | 一种电力系统状态相似性分析方法 | |
CN111241054B (zh) | 基于虚拟数据库的电力通信网络异地异构数据源整合方法 | |
CN113222216A (zh) | 冷热电负荷预测方法、装置及系统 | |
CN111815022A (zh) | 一种基于延时坐标嵌入法的电力负荷预测方法 | |
Wang et al. | Research on line loss prediction model based on clustering and multi prediction model fusion | |
Zhang et al. | Topology identification method of low voltage aea based on topological data analysis | |
Yan et al. | Cross-domain feature extraction-based household characteristics identification approach using smart meter data | |
Jinglong et al. | Research on Fault Prediction of Distribution Network Based on Large Data | |
Zhao et al. | Research on machine learning-based correlation analysis method for power equipment alarms |
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 |