CN113746094A - 基于高密度数据序列匹配的低压台区户变关系识别方法 - Google Patents
基于高密度数据序列匹配的低压台区户变关系识别方法 Download PDFInfo
- Publication number
- CN113746094A CN113746094A CN202111037177.5A CN202111037177A CN113746094A CN 113746094 A CN113746094 A CN 113746094A CN 202111037177 A CN202111037177 A CN 202111037177A CN 113746094 A CN113746094 A CN 113746094A
- Authority
- CN
- China
- Prior art keywords
- matching
- transformer
- low
- sequence
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 23
- 230000008859 change Effects 0.000 title claims description 14
- 239000013598 vector Substances 0.000 claims description 50
- 238000012795 verification Methods 0.000 claims description 21
- 239000007787 solid Substances 0.000 claims description 20
- 230000005611 electricity Effects 0.000 claims description 13
- 238000007667 floating Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 3
- 239000013078 crystal Substances 0.000 claims description 3
- 238000005265 energy consumption Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 abstract description 4
- 238000005259 measurement Methods 0.000 abstract description 4
- 230000009466 transformation Effects 0.000 abstract description 3
- 238000012546 transfer Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 4
- 238000005070 sampling Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000012360 testing method 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
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
-
- 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
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Power Engineering (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明公开基于高密度数据序列匹配的低压台区户变关系识别方法,适用于辐射状拓扑低压配电台区和具备细粒度用电行为采集的低压配电台区。本发明利用低压台区配电网的结构特点和能量传递方向,提取用户侧和台变侧功率阶跃序列,通过比对用户侧和台变侧功率阶跃,寻找最优阶跃匹配序列,从而确定台区户变关系;能够适用于具备新型智能电表和高量测密度的台区,大大提高低压台区户变关系识别的准确性,并且为智能电表在低压配电网中的推广提供实时性的支持;充分利用非介入式负荷辨识终端采集的高密度低压台区量测数据,进一步提高低压台区户变关系识别的准确性和置信度,大幅降低台区拓扑识别的运算分析时间。
Description
技术领域
本发明属于智能电网用电领域,具体涉及一种基于高密度数据序列匹配的低压台区户变关系识别方法。
背景技术
随着现在科技的不断发展,配电网是电力网中起分配电能作用的网络,是国民经济和社会发展的重要公共基础设施。随着配电网的发展,电网供电设备种类逐渐丰富、接线方式逐渐复杂,有关资料的数据量和复杂度显著升高。
低压台区是配电网的最小单元和配电网运行数据的数据源头,长期存在变线户连接档案混乱、停电事件主动感知水平低等突出问题,进而导致线损管理困难、抢修时间长、设备故障率高等一系列后果。为解决上述问题,除了传统的人工排查和增设支持高速电力线载波通信HPLC(Highspeed Power Line Communication)的采集设备,国内外主要技术路线为:建设低压侧用电信息采集系统,实现对低压台区各级终端的数据采集,实现低压台区户变关系的识别。
自用采系统实现采集全覆盖后,采系统所支持的数据类型和数据密度持续提升,逐步实现了15分钟间隔存储的96点负荷曲线数据的每日抄读,并试点接入了非介入式负荷辨识终端及少量负荷分解电能表。基于分钟集采样数据,现有的主要技术路线主要通过研究基于能量守恒定律、基尔霍夫电流定律等,以相似度分析或整数规划的方式判别户变关系,适用于低密度的24点负荷曲线数据和96点负荷曲线数据,但受限于采集数据质量及台区运行特性的影响,户变关系的检出率和命中率均受限。
随着5G等通讯技术在电力系统中的推广应用,应用5G高比例终端接入及大带宽,能够进一步提升非介入式负荷辨识终端接入密度,以及各终端的采样类型、采样频次,实现s级及ms级数据采样,会大大扩展末端辨识终端/表采样的数据应用场景,支持面向更多非计量业务的应用价值挖掘。
针对上述提出的问题,现设计一种基于高密度数据序列匹配的低压台区户变关系识别方法。
发明内容
针对现有技术的不足,本发明的目的在于提供一种基于高密度数据序列匹配的低压台区户变关系识别方法,进一步提高了低压台区户变关系识别的准确性和置信度,大幅降低台区拓扑识别的运算分析时间。
本发明的目的可以通过以下技术方案实现:
基于高密度数据序列匹配的低压台区户变关系识别方法,适用于辐射状拓扑低压配电台区和具备细粒度用电行为采集的低压配电台区,所述辐射状拓扑结构包括树状拓扑结构和鱼骨状拓扑结构。
所述树状拓扑结构的低压配电台区具备下述特征:
具有一台台区变压器T,构成树状结构的根节点;在台区变压器T节点下,至少具有一个分支箱Bi;每台分支箱Bi下,均至少具有一个用户表箱Mj;
所述鱼骨状拓扑结构的低压配电台区具备下述特征:
具有一台台区变压器T,构成鱼骨状结构的起点;在台区变压器T节点下,至少具有一个分支箱Bi;每一台分支箱Bi都紧邻一台用户表箱Mj1;用户表箱Mj1之后,至少串联有一个用户表箱Mjk。
所述具备细粒度用电行为采集的低压配电台区,拥有毫秒级高密度用电信息采集能力,能够采集用户的三元向量序列。
进一步的,所述三元向量序列包括:c、tstart和p,c为记录到的用电事件的电器类型,tstart为记录到的用电事件的开始时刻,p为记录到的用电事件的功率阶跃值。
进一步的,所述树状拓扑结构的特征为:将被固定地区分为三层,第一层仅包含台变节点,第二层仅包含分支箱节点,第三层仅包含表箱节点。
所述鱼骨状拓扑结构的特征为:除台区变压器T节点以外,其余节点仅拥有不超过一个子节点。
所述辐射状拓扑的低压配电台区的节点和支路满足以下关系:
n=m+1
n为拓扑图中的节点数,m为拓扑图中的支路数。
所述树状和鱼骨状的低压台区拓扑结构,需要满足以下性质:
低压台区拓扑中有唯一根节点T,T代表台区变压器;
低压台区拓扑中的根节点至少分出一个子节点Bi,Bi代表分支箱;
低压台区拓扑中的分支箱节点至少分出一个子节点Mj,并延伸出至少一层,Mj代表用户表箱;
低压台区拓扑中任意两节点之间,只有一条支路,不存在环路。
进一步的,判断两个用电事件和记录的阶跃是否匹配时,算法遵循下述原则:类型匹配、时刻匹配和功率匹配。
所述类型匹配,即电器类型相同;
所述时刻匹配,即启动时间差的绝对值小于1s;
所述功率匹配,即电能消耗差值小于10%。
进一步的,判断两个三元向量序列是否匹配的原理为:在找到满足阶跃匹配条件的首阶跃后,对于用户侧三元向量序列中首阶跃后的每一个阶跃,都根据它们的起始时间和首阶跃之间的时间差,在台区变压器侧三元向量序列的对应位置寻找与之匹配的阶跃。
如果用户侧的阶跃能够多次重复与该台区变压器阶跃匹配,则该用户侧三元向量序列和该台区变压器侧三元向量序列构成序列匹配。
如果一个用户侧三元向量序列,存在多个有效的首阶跃,或与多个台区变压器均可构成序列匹配,则以阶跃匹配数量最大的首阶跃方案为准,判定该用户侧终端从属于使得阶跃匹配数量最大的台区变压器侧终端。
进一步的,判断两个三元向量序列遵循下述流程:
S1、首阶跃匹配
在读入全部用户侧和台变侧三元向量序列数据之后,对终端M三元向量序列中的任意一条阶跃,将其记为阶跃k,记其启动时间为tk,接着在tk的前后5分钟内,在台区变压器T的三元向量序列上,寻找与阶跃k匹配的功率阶跃,作为首阶跃匹配。最后,记录对应阶跃k及其首阶跃的首阶跃时间差tsolid;
S2、序列匹配
对其中满足首阶跃匹配条件的首阶跃对,对终端M上后续的k+1、k+2…k+n号阶跃,其启动时间分别为tk+1、tk+2…tk+n。在台区变压器T的三元向量序列中,寻找tk+1、tk+2的前后1秒内的阶跃,进行阶跃序列匹配,计入首阶跃时间差tsolid,即在tk+1+tsolid±1、tk+2+tsolid±1…tk+n+tsolid±1的时间范围中,寻找台区变压器T的三元向量序列中与k+1、k+2…k+n号阶跃匹配的阶跃,将匹配上的全部后续阶跃保存在阶跃匹配序列Q中,对终端M的每一个首阶跃,都进行序列匹配,并寻找其中最大化序列匹配的匹配数量的首阶跃,保存该首阶跃选择下的匹配序列;
S3、匹配校验
对每一个用户侧序列和台区变压器侧序列的组合的最大匹配子序列进行通道校验和时偏校验,如果经过校验,使得子序列不再是该组合的最大匹配子序列,则取次大匹配子序列继续运算,然后在每一个用户侧序列的所有通过匹配校验的最大匹配子序列中,选择长度最长的作为户变关系识别的结果,该用户侧终端属于该台区变压器的可能性最高。
进一步的,所述通道校验是指根据负荷辨识终端的通道号,筛除匹配序列中通道号与首阶跃所在通道不同的阶跃。
所述通道校验的原理是:负荷辨识终端的通道号对应待测表计的分相信息;
所述时偏校验是指根据负荷辨识终端之间的硬件时间误差,筛除匹配序列中与首阶跃属于不同负荷辨识终端,只因巧合被加入匹配序列的阶跃。
时偏校验的原理是:非介入式负荷辨识终端每隔数日进行一次统一对时,但负荷辨识终端使用的晶振电路具有无法完全消除的时钟偏差,时钟偏差随着负荷辨识终端的运行逐渐积累,且在当日运行中和每日运行间,偏差的方向是固定不变的。
所述时偏校验包含日内校验和日间校验。
进一步的,所述日内校验指的是,检查通过通道校验的包括首阶跃在内的所有阶跃与其在台区变压器T上的匹配阶跃间的浮动时间间隔的变化趋势。
所述日间校验指的是,在期间不进行统一对时的情况下,对每日的最终匹配结果不变的终端,检查其每日的首阶跃时间差,根据时偏校验原理,每日首阶跃时间差绝对值应缓慢增大。
本发明的有益效果:
1、本发明提出的基于高密度数据序列匹配的低压台区户变关系识别方法,利用低压台区配电网的结构特点和能量传递方向,提取用户侧和台变侧功率阶跃序列,通过比对用户侧和台变侧功率阶跃,寻找最优阶跃匹配序列,从而确定台区户变关系;
2、本发明提出的基于高密度数据序列匹配的低压台区户变关系识别方法,能够适用于具备新型智能电表和高量测密度的台区,大大提高低压台区户变关系识别的准确性,并且为智能电表在低压配电网中的推广提供实时性的支持;
3、本发明提出的基于高密度数据序列匹配的低压台区户变关系识别方法,充分利用非介入式负荷辨识终端采集的高密度低压台区量测数据,进一步提高低压台区户变关系识别的准确性和置信度,大幅降低台区拓扑识别的运算分析时间。
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,显而易见地,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是本发明实施例的树状拓扑低压配电台区样例拓扑图;
图2是本发明实施例的鱼骨状拓扑低压配电台区样例拓扑图;
图3是本发明实施例的阶跃匹配的流程图;
图4是本发明实施例的台区变压器的阶跃三元向量序列示意图;
图5是本发明实施例的用户表箱的阶跃三元向量序列示意图;
图6是本发明实施例的序列匹配的流程图。
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作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
基于高密度数据序列匹配的低压台区户变关系识别方法,适用于辐射状拓扑低压配电台区和具备细粒度用电行为采集的低压配电台区,其中辐射状拓扑结构包括树状拓扑结构和鱼骨状拓扑结构,树状拓扑结构多见于城市小区,鱼骨状拓扑结构多见于高层住宅小区。
如图1所示,树状拓扑结构的低压配电台区具备下述特征:
1、具有一台唯一的台区变压器T,构成树状结构的根节点;
2、在台区变压器T节点下,至少具有一个分支箱Bi;
3、每台分支箱Bi下,均至少具有一个用户表箱Mj。
树状拓扑结构的特征为:将被固定地区分为三层,第一层仅包含台变节点,第二层仅包含分支箱节点,第三层仅包含表箱节点。
如图2所示,鱼骨状拓扑结构的低压配电台区具备下述特征:
1、具有一台唯一的台区变压器T,构成鱼骨状结构的起点;
2、在台区变压器T节点下,至少具有一个分支箱Bi;
3、每一台分支箱Bi都紧邻一台用户表箱Mj1;
4、用户表箱Mj1之后,至少串联有一个用户表箱Mjk。
鱼骨状拓扑结构的特征为:除台区变压器T节点以外,其余节点仅拥有不超过一个子节点。
综上所述,辐射状拓扑的低压配电台区的节点和支路满足以下关系:
n=m+1
其中,n为拓扑图中的节点数,m为拓扑图中的支路数。
而且树状和鱼骨状的低压台区拓扑结构,需要满足以下性质:
(1)、低压台区拓扑中有唯一根节点T,T代表台区变压器;
(2)、低压台区拓扑中的根节点至少分出一个子节点Bi,Bi代表分支箱;
(3)、低压台区拓扑中的分支箱节点至少分出一个子节点Mj,并延伸出至少一层,Mj代表用户表箱;
(4)、低压台区拓扑中任意两节点之间,只有一条支路,不存在环路。
具备细粒度用电行为采集的低压配电台区,拥有毫秒级高密度用电信息采集能力,能够以1Hz~1000Hz的频率采集用户的三元向量序列(包括:电器类型、启动时间和电能消耗)。上述三元向量序列能够通过非介入式负荷辨识技术进行采集。
现有非介入式负荷辨识终端能够采样待测表计的电压和电流,接着通过既有算法,计算待测表计的功率变化曲线,分析功率曲线得到电器工作用电事件序列,提取其中功率阶跃的用电事件,并实时记录待测表计用户的三元向量序列,该三元向量序列用数学符号表示为:
<c,tstart,P>
其中,c为记录到的用电事件的电器类型,tstart为记录到的用电事件的开始时刻,p为记录到的用电事件的功率阶跃值。
如图3所示,对于两个独立的用电事件e1<c1,t1,start,P1>和e2<c2,t2,start,P2>,其中,e1发生在用户侧终端M上,e2发生在台区变压器侧终端T上。判断两个用电事件e1和e2记录的阶跃是否匹配时,算法遵循下述流程:
S1、类型匹配
检测两个用电事件的三元向量e1和e2,比较两个用电事件的电器分类c1和c2,负荷辨识终端给出的电器类型判断结果应相同,即c1=c2;
S2、时刻匹配
继续比较两个阶跃的起始时间t1,start和t2,start,负荷辨识终端记录的开始时刻误差绝对值应小于1s,即|t1,start-t2,start|<1;
S3、功率匹配
只有同时满足上述阶跃匹配条件,才能说明用户侧终端M上记录到的用电事件e1和台变侧终端T上记录到的用电事件e2匹配。
负荷辨识终端运行期间记录的三元向量组成三元向量序列,台区中全部负荷辨识终端形成的全部三元向量序列组,能够用于进行序列匹配。
如图4、图5所示,以10Hz采集的单日数据为例,本发明判断两个三元向量序列是否匹配的原理为:在找到满足阶跃匹配条件的首阶跃后,对于用户侧三元向量序列中首阶跃后的每一个阶跃,都根据它们的起始时间和首阶跃之间的时间差,在台区变压器侧三元向量序列的对应位置寻找与它们匹配的阶跃;如果用户侧的阶跃能够多次重复与该台区变压器阶跃匹配,则该用户侧三元向量序列和该台区变压器侧三元向量序列构成序列匹配;如果一个用户侧三元向量序列,存在多个有效的首阶跃,或者与多个台区变压器均可构成序列匹配,则以阶跃匹配数量最大的首阶跃方案为准,判定该用户侧终端从属于使得阶跃匹配数量最大的台区变压器侧终端。当一对首阶跃匹配之后,在用户表箱图5上的后续每一条阶跃,都根据其起始时间在台区变压器对应时刻寻找图4台区变压器上的后续阶跃,如果也能找到台区变压器上的后续阶跃就进行两两阶跃之间的匹配。依序匹配完用户表箱上的所有后续阶跃,形成一组序列匹配。
如图6所示,判断两个三元向量序列遵循下述流程:
S1、首阶跃匹配
在读入全部用户侧和台变侧三元向量序列数据之后,对终端M三元向量序列中的任意一条阶跃,将其记为阶跃k,记其启动时间为tk,接着在tk的前后5分钟内,在台区变压器T的三元向量序列上,寻找与阶跃k匹配的功率阶跃,作为首阶跃匹配。最后,记录对应阶跃k及其首阶跃的首阶跃时间差tsolid;
S2、序列匹配
对其中满足首阶跃匹配条件的首阶跃对,对终端M上后续的k+1、k+2…k+n号阶跃,其启动时间分别为tk+1、tk+2…tk+n。在台区变压器T的三元向量序列中,寻找tk+1、tk+2的前后1秒内的阶跃,进行阶跃序列匹配,计入首阶跃时间差tsolid,即在tk+1+tsolid±1、tk+2+tsolid±1…tk+n+tsolid±1的时间范围中,寻找台区变压器T的三元向量序列中与k+1、k+2…k+n号阶跃匹配的阶跃,将匹配上的全部后续阶跃保存在阶跃匹配序列Q中,对终端M的每一个首阶跃,都进行序列匹配,并寻找其中最大化序列匹配的匹配数量的首阶跃,保存该首阶跃选择下的匹配序列;
S3、匹配校验
对每一个用户侧序列和台区变压器侧序列的组合的最大匹配子序列进行通道校验和时偏校验,如果经过校验,使得子序列不再是该组合的最大匹配子序列,则取次大匹配子序列继续运算,然后在每一个用户侧序列的所有通过匹配校验的最大匹配子序列中,选择长度最长的作为户变关系识别的结果,该用户侧终端属于该台区变压器的可能性最高。
其中,通道校验是指根据负荷辨识终端的通道号,筛除匹配序列中通道号与首阶跃所在通道不同的阶跃。通道校验的原理是:负荷辨识终端的通道号对应待测表计的分相信息。尽管待测表计的分相档案信息不准确,但无论档案信息正确与否,待测表计与负荷辨识终端通道的对应关系不会频繁改变
时偏校验是指根据负荷辨识终端之间的硬件时间误差,筛除匹配序列中与首阶跃不来自同一台负荷辨识终端,只因巧合被加入匹配序列的阶跃。时偏校验的原理是:非介入式负荷辨识终端每隔数日进行一次统一对时,但负荷辨识终端使用的晶振电路具有无法完全消除的时钟偏差,时钟偏差随着负荷辨识终端的运行逐渐积累,且在当日运行中和每日运行间,偏差的方向是固定不变的。根据上述原理,时偏校验包含日内校验和日间校验。
日内校验指的是,检查通过通道校验的所有阶跃(包括首阶跃)与其在台变T上的匹配阶跃间的浮动时间间隔tfloat的变化趋势。根据时偏校验的原理,随着当日运行的进行,浮动时间间隔的绝对值|tfloat|理应逐渐增大,即时钟较快的负荷辨识终端越来越领先,时钟较慢的负荷辨识终端越来越落后。如果所有阶跃的浮动时间间隔趋势不稳定,表明阶跃序列中存在误匹配,筛去不符合趋势的阶跃。
其中浮动时间间隔tfloat的计算公式为:
tfloat=Ti-ti-tsolid
上式中,ti表示匹配序列中的阶跃i的发生时刻,Ti表示台变上与阶跃i匹配的阶跃的发生时刻。
日间校验指的是,在期间不进行统一对时的情况下,对每日的最终匹配结果不变的终端,检查其每日的首阶跃时间差tsolid,根据时偏校验原理,每日首阶跃时间差绝对值|tsolid|应缓慢增大。日间校验计算3日的首阶跃时间差的标准差,记为σ(td,solid),若满足σ(td,solid)<10,则判断该终端匹配结果正确。若不满足,则判断该终端3日的首阶跃匹配存在错误,剔除其中的异常天,并继续观察该终端后续2日的阶跃匹配情况,直到得到正确的终端匹配结果。
所有终端均通过匹配校验,得到正确稳定的终端匹配结果后,即可得到低压台区拓扑结构的户变关系。
在本说明书的描述中,参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。
Claims (8)
1.基于高密度数据序列匹配的低压台区户变关系识别方法,适用于辐射状拓扑低压配电台区和具备细粒度用电行为采集的低压配电台区,其特征在于,所述辐射状拓扑结构包括树状拓扑结构和鱼骨状拓扑结构;
所述树状拓扑结构的低压配电台区具备下述特征:
具有一台台区变压器T,构成树状结构的根节点;在台区变压器T节点下,至少具有一个分支箱Bi;每台分支箱Bi下,均至少具有一个用户表箱Mj;
所述鱼骨状拓扑结构的低压配电台区具备下述特征:
具有一台台区变压器T,构成鱼骨状结构的起点;在台区变压器T节点下,至少具有一个分支箱Bi;每一台分支箱Bi都紧邻一台用户表箱Mj1;用户表箱Mj1之后,至少串联有一个用户表箱Mjk;
所述具备细粒度用电行为采集的低压配电台区,拥有毫秒级高密度用电信息采集能力,能够采集用户的三元向量序列。
2.根据权利要求1所述的基于高密度数据序列匹配的低压台区户变关系识别方法,其特征在于,所述三元向量序列包括:c、tstart和p,c为记录到的用电事件的电器类型,tstart为记录到的用电事件的开始时刻,p为记录到的用电事件的功率阶跃值。
3.根据权利要求1所述的基于高密度数据序列匹配的低压台区户变关系识别方法,其特征在于,所述树状拓扑结构的特征为:将被固定地区分为三层,第一层仅包含台变节点,第二层仅包含分支箱节点,第三层仅包含表箱节点;
所述鱼骨状拓扑结构的特征为:除台区变压器T节点以外,其余节点仅拥有不超过一个子节点;
所述辐射状拓扑的低压配电台区的节点和支路满足以下关系:
n=m+1
n为拓扑图中的节点数,m为拓扑图中的支路数;
所述树状和鱼骨状的低压台区拓扑结构,需要满足以下性质:
低压台区拓扑中有唯一根节点T,T代表台区变压器;
低压台区拓扑中的根节点至少分出一个子节点Bi,Bi代表分支箱;
低压台区拓扑中的分支箱节点至少分出一个子节点Mj,并延伸出至少一层,Mj代表用户表箱;
低压台区拓扑中任意两节点之间,只有一条支路,不存在环路。
4.根据权利要求2所述的基于高密度数据序列匹配的低压台区户变关系识别方法,其特征在于,判断两个用电事件和记录的阶跃是否匹配时,算法遵循下述原则:类型匹配、时刻匹配和功率匹配;
所述类型匹配,即电器类型相同;
所述时刻匹配,即启动时间差的绝对值小于1s;
所述功率匹配,即电能消耗差值小于10%。
5.根据权利要求2所述的基于高密度数据序列匹配的低压台区户变关系识别方法,其特征在于,判断两个三元向量序列是否匹配的原理为:在找到满足阶跃匹配条件的首阶跃后,对于用户侧三元向量序列中首阶跃后的每一个阶跃,都根据它们的起始时间和首阶跃之间的时间差,在台区变压器侧三元向量序列的对应位置寻找与之匹配的阶跃;
如果用户侧的阶跃能够多次重复与该台区变压器阶跃匹配,则该用户侧三元向量序列和该台区变压器侧三元向量序列构成序列匹配;
如果一个用户侧三元向量序列,存在多个有效的首阶跃,或与多个台区变压器均可构成序列匹配,则以阶跃匹配数量最大的首阶跃方案为准,判定该用户侧终端从属于使得阶跃匹配数量最大的台区变压器侧终端。
6.根据权利要求5所述的基于高密度数据序列匹配的低压台区户变关系识别方法,其特征在于,判断两个三元向量序列遵循下述流程:
S1、首阶跃匹配
在读入全部用户侧和台变侧三元向量序列数据之后,对终端M三元向量序列中的任意一条阶跃,将其记为阶跃k,记其启动时间为tk,接着在tk的前后5分钟内,在台区变压器T的三元向量序列上,寻找与阶跃k匹配的功率阶跃,作为首阶跃匹配。最后,记录对应阶跃k及其首阶跃的首阶跃时间差tsolid;
S2、序列匹配
对其中满足首阶跃匹配条件的首阶跃对,对终端M上后续的k+1、k+2…k+n号阶跃,其启动时间分别为tk+1、tk+2…tk+n。在台区变压器T的三元向量序列中,寻找tk+1、tk+2的前后1秒内的阶跃,进行阶跃序列匹配,计入首阶跃时间差tsolid,即在tk+1+tsolid±1、tk+2+tsolid±1…tk+n+tsolid±1的时间范围中,寻找台区变压器T的三元向量序列中与k+1、k+2…k+n号阶跃匹配的阶跃,将匹配上的全部后续阶跃保存在阶跃匹配序列Q中,对终端M的每一个首阶跃,都进行序列匹配,并寻找其中最大化序列匹配的匹配数量的首阶跃,保存该首阶跃选择下的匹配序列;
S3、匹配校验
对每一个用户侧序列和台区变压器侧序列的组合的最大匹配子序列进行通道校验和时偏校验,如果经过校验,使得子序列不再是该组合的最大匹配子序列,则取次大匹配子序列继续运算,然后在每一个用户侧序列的所有通过匹配校验的最大匹配子序列中,选择长度最长的作为户变关系识别的结果,该用户侧终端属于该台区变压器的可能性最高。
7.根据权利要求6所述的基于高密度数据序列匹配的低压台区户变关系识别方法,其特征在于,所述通道校验是指根据负荷辨识终端的通道号,筛除匹配序列中通道号与首阶跃所在通道不同的阶跃;
所述通道校验的原理是:负荷辨识终端的通道号对应待测表计的分相信息;
所述时偏校验是指根据负荷辨识终端之间的硬件时间误差,筛除匹配序列中与首阶跃属于不同负荷辨识终端,只因巧合被加入匹配序列的阶跃;
时偏校验的原理是:非介入式负荷辨识终端每隔数日进行一次统一对时,但负荷辨识终端使用的晶振电路具有无法完全消除的时钟偏差,时钟偏差随着负荷辨识终端的运行逐渐积累,且在当日运行中和每日运行间,偏差的方向是固定不变的;
所述时偏校验包含日内校验和日间校验。
8.根据权利要求7所述的基于高密度数据序列匹配的低压台区户变关系识别方法,其特征在于,所述日内校验指的是,检查通过通道校验的包括首阶跃在内的所有阶跃与其在台区变压器T上的匹配阶跃间的浮动时间间隔的变化趋势;
所述日间校验指的是,在期间不进行统一对时的情况下,对每日的最终匹配结果不变的终端,检查其每日的首阶跃时间差,根据时偏校验原理,每日首阶跃时间差绝对值应缓慢增大。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111037177.5A CN113746094B (zh) | 2021-09-06 | 2021-09-06 | 基于高密度数据序列匹配的低压台区户变关系识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111037177.5A CN113746094B (zh) | 2021-09-06 | 2021-09-06 | 基于高密度数据序列匹配的低压台区户变关系识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113746094A true CN113746094A (zh) | 2021-12-03 |
CN113746094B CN113746094B (zh) | 2024-04-12 |
Family
ID=78735862
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111037177.5A Active CN113746094B (zh) | 2021-09-06 | 2021-09-06 | 基于高密度数据序列匹配的低压台区户变关系识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113746094B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115577993A (zh) * | 2022-12-09 | 2023-01-06 | 江苏瑞电智芯信息科技有限公司 | 一种基于时序匹配的台区户变识别方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109873501A (zh) * | 2019-04-15 | 2019-06-11 | 东南大学 | 一种低压配电网拓扑自动识别方法 |
-
2021
- 2021-09-06 CN CN202111037177.5A patent/CN113746094B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109873501A (zh) * | 2019-04-15 | 2019-06-11 | 东南大学 | 一种低压配电网拓扑自动识别方法 |
Non-Patent Citations (2)
Title |
---|
田欣 等: "基于多层协作负荷辨识技术的新型智能电表研制及应用", 电力大数据, vol. 23, no. 8, pages 18 - 23 * |
陈招安 等: "基于T型灰色关联度和KNN算法的低压配电网台区拓扑识别方法", 电力系统保护与控制, vol. 49, no. 1, pages 163 - 168 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115577993A (zh) * | 2022-12-09 | 2023-01-06 | 江苏瑞电智芯信息科技有限公司 | 一种基于时序匹配的台区户变识别方法 |
CN115577993B (zh) * | 2022-12-09 | 2023-04-07 | 江苏瑞电智芯信息科技有限公司 | 一种基于时序匹配的台区户变识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113746094B (zh) | 2024-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Olivier et al. | Phase identification of smart meters by clustering voltage measurements | |
CN112117763B (zh) | 一种低压配电网拓扑识别与参数估计方法 | |
CN112232382B (zh) | 一种低压台区的分路与电表隶属关系识别方法及系统 | |
Zhang et al. | Topology identification method of distribution network based on smart meter measurements | |
CN109444800B (zh) | 基于无线通信采集的台区识别方法 | |
CN110932917A (zh) | 一种基于高频同步采集和边缘计算的台区拓扑发现方法 | |
CN113746094B (zh) | 基于高密度数据序列匹配的低压台区户变关系识别方法 | |
CN116845971A (zh) | 一种光伏并网低压台区拓扑结构自动识别方法 | |
CN115508662B (zh) | 一种用于判定台区电表与表箱间归属关系的方法 | |
Lin et al. | Voltage sag severity analysis based on improved FP-Growth algorithm and AHP algorithm | |
CN115207909B (zh) | 一种台区拓扑识别方法、装置、设备及存储介质 | |
CN116231637A (zh) | 一种基于大数据分析的低压配电网拓扑识别方法 | |
CN113868821B (zh) | 一种基于营配大数据融合的配网降损方法及终端机 | |
CN115659553A (zh) | 一种低压供电网络拓扑识别方法及系统 | |
CN115733258A (zh) | 一种基于物联网技术的全户内智能变电站系统的控制方法 | |
Zou et al. | Identification method for household-transformer relationship in low-voltage transformer area based on LCSS-DBSCAN | |
Li | Abnormal energy consumption analysis based on big data mining technology | |
Liu et al. | Hierarchical identification method of household-transformer relationship based on adaptive piecewise aggregation approximation | |
Wang et al. | Identification of household variation relation in low voltage distribution network based on trend similarity and distance measure (CICED 2022) | |
Zhang et al. | Meter-transformer connection relationship detection algorithm based on smart meter data | |
CN115809761B (zh) | 一种基于低压台区的电压质量分析方法及系统 | |
Deng et al. | Distribution Network Topology Identification Method Based on Knowledge Graph | |
CN114123201B (zh) | 一种低压配电拓扑辨识方法和系统 | |
CN117828796B (zh) | 一种基于存在合理性评价的城市电网拓扑补全方法 | |
Li et al. | Research on Recognition of Topological Relations Between Residential Lines in Low Voltage Station Area Based on Correlation Analysis Algorithm and Probabilistic Decision Method |
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 |