CN114036990B - 一种低压台区拓扑信号模糊增强方法 - Google Patents

一种低压台区拓扑信号模糊增强方法 Download PDF

Info

Publication number
CN114036990B
CN114036990B CN202210007438.7A CN202210007438A CN114036990B CN 114036990 B CN114036990 B CN 114036990B CN 202210007438 A CN202210007438 A CN 202210007438A CN 114036990 B CN114036990 B CN 114036990B
Authority
CN
China
Prior art keywords
fuzzy
fuzzy set
signal
transformation
station 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
Application number
CN202210007438.7A
Other languages
English (en)
Other versions
CN114036990A (zh
Inventor
葛玉磊
刘清
郑亚岗
苏超
杜志国
田珂
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.)
Qingdao Tuowei Technology Co.,Ltd.
Qingdao Zhidian New Energy Technology Co ltd
Qingdao Topscomm Communication Co Ltd
Original Assignee
Qingdao Topscomm Communication 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 Qingdao Topscomm Communication Co Ltd filed Critical Qingdao Topscomm Communication Co Ltd
Priority to CN202210007438.7A priority Critical patent/CN114036990B/zh
Publication of CN114036990A publication Critical patent/CN114036990A/zh
Application granted granted Critical
Publication of CN114036990B publication Critical patent/CN114036990B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/02Preprocessing

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明公开了一种低压台区拓扑信号模糊增强方法,涉及配电自动化系统领域,该方法将拓扑信号识别设备在同一频点不同时间段所获取到的特征电流信号集合,通过指定的变换函数转换到模糊集,并在模糊集中通过变换模型,突出其有效的信号强度值,弱化台区环境影响,转换模型利用模糊线性指数和熵指数来定量描述模糊增强的效果。其特征在于,利用模糊集合理论将信号强度值通过变换函数转换到模糊集合,利用模糊集合理论弱化不确定性环境的影响,并通过一定的量化指标调整和优化模糊集合转换模型,最终得到增强后的信号值,用于实现低压台区的拓扑梳理。

Description

一种低压台区拓扑信号模糊增强方法
技术领域
本发明涉及配电自动化系统领域,特别是一种低压台区拓扑信号模糊增强方法。
背景技术
随着中国经济的飞速发展,人民生活质量的逐步提升,低压台区用电用能规模也在不断扩大,对供电可靠性,供电环境治理提出更高的要求,为实现台区的精益化管理,有人提出了基于微电流的拓扑识别方案,通过台区内电气设备发送微电流拓扑信号,梳理出低压台区电气设备物理拓扑图,但在实现过程中发现微电流拓扑信号常常收到供电半径和噪音影响,信号强度差,无法有效梳理台区隶属关系。
针对目前拓扑识别信号差的情况,当前普遍做法是增加发送功率,提高微电流信号的幅值,但这种做法不但对电网环境造成影响,发送信号设备由于发送功率变大,出现发热问题,大大缩短设备的使用寿命。
发明内容
本发明所要解决的技术问题是克服上述现有技术存在的问题,提供一种能够增强信号的方法,利用模糊集合理论,将设备在同一频点不同时间点所发送的拓扑信号集,通过变换函数映射到模糊集,在模糊集中通过模糊集变换函数,去除集合中非线性数据点,通过模糊线性指数,调整变换函数中参数值大小,使模糊集的变换过程达到渐进收敛的目的,再通过反变换函数将模糊集转换到信号集,在变换过程中,通过模糊线性指数和熵指数,两个可量化指标衡量增强后的信号值强度。
为了实现上述发明目的,本发明采取如下技术方案:
步骤一,获取设备在同一频点下不同时间点所发送的拓扑信号强度值;
步骤二,通过变换函数将信号集合转换到模糊集合;
步骤三,建立模糊变换模型,通过模糊线性指数调整模型参数值范围,使模糊集至模糊集的变换过程为渐近收敛;
步骤四,得到模糊集变换之后的结果,使用熵指数衡量转换之后的不确定性和离散程度,确认最终的变换模型,完成模糊集之间的变换;
步骤五,将模糊集反变换到信号集,完成信号增强处理。
步骤六,拓扑梳理设备根据增强后的信号集,自下而上,判断每一级节点的隶属关系,最终完成整个台区拓扑关系梳理,构造低压台区拓扑图。
进一步的,步骤一所述的拓扑信号强度值,是发送设备在同一发送频点任意时刻发出的,并被某一个识别设备所识别和记录。
进一步的,步骤二所述的转换函数值,在传统变换函数基础上,提出加入正弦函数,不仅符合模糊集的要求,且正反变换简便易算。
进一步的,步骤三建立使用模糊线性指数来定量描述变换后增强效果,根据计算结果,优化调整变换公式内的参数值,达到渐近收敛的效果。
进一步的,步骤四得到的模糊变换之后的结果,根据熵指数衡量转换之后不确定性和离散程度,根据此来最终得到变换模型参数值,完成模糊集之间的转换。
进一步的,将模糊集反变换到信号集,得到增强后的信号集用于台区内设备的隶属关系。
附图说明
图1拓扑信号模糊增强的模型。
图2本发明基于模糊算法实现拓扑信号增强流程图。
具体实现方式
下面结合附图对本发明作进一步描述,以下内容仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
步骤一,获取某一拓扑识别设备所识别并记录的同一频点不同时间点的特征电流信号强度值X1、X2、…Xn,并计算该组数据的标准差值σ,利用3σ标准去除不合理的信号强度值,得到不同时间点的特征电流信号强度值。
步骤二,基于模糊增强算法对信号集进行变换,从信号集转换到模糊集,定义的变换函数如下:
Pn=sin(π/2)(1-Xn/Xmax) (1)
式中:Xmax为信号集中的最大值,Pn为变换之后的值。显然,上式满足模糊集合的要求(0≤Pn≤1)。
步骤三,根据模糊变换理论,由模糊集Pn至另一个模糊集Pn'的变换定义如下:
Figure GDA0003547256740000021
式中:j是控制收敛速度的一个参量,j越大,收敛越快。为了使模糊集至模糊集的变换过程是渐近收敛而不是突变收敛,控制j的大小是必要的。因此我们引入了模糊线性指数,通过具体的衡量指标,来优化和调整参数j得到最优的变换结果。
定义模糊线性指数计算公式如下:
Figure GDA0003547256740000031
当变换后模糊集不确定因素大时,L(x)相应地大,反之,L(x)减小。
步骤四,在确认变换渐近收敛过程后,我们通过熵指数计算,确认最终参数j值,得到最终的模糊变换模型。
定义熵指数计算公式如下:
Figure GDA0003547256740000032
式中S(Pn')是Shannon熵,其计算公式如下:
S(Pn')=-Pn'logPn'-(1-Pn')log(1-Pn') (5)
按照Shannon信息论的观点,熵增大过程就是不确定性增大的过程,相反,熵越小,不确定性就越小。
步骤五,由模糊集至信号集,定义的变换函数如下:
X'n=Xmax(1-(2/π)sin-1Pn') (6)
获取到增强后的特征电流信号集。
步骤六,
本专利利用模糊集合理论,将低压台区拓扑中某一识别设备所获取到的特征电流信号强度值,通过变换函数转到模糊集,通过模糊线性指数和熵指数,确立模糊集合转换模型,在模糊集中完成增强处理后,再变换到信号集,完成对拓扑信号的增强处理,更有利于实现台区各级设备电气连接关系的识别。

Claims (3)

1.基于模糊集合理论的低压台区拓扑信号增强方法,其特征在于,将低压拓扑信号集,通过转换函数转到模糊集,在模糊集中,利用变换模型将模糊集中的信息进行分析处理,并通过模糊线性指数和熵指数不断调整和优化变换模型参数,得到最优的模糊集变换模型,完成模糊集之间的变换,再通过反转换函数,将数据从模糊集转换到信号集,完成对信号的增强处理,对于信号增强的过程包括以下几个步骤:
步骤一,获取某一拓扑识别设备所识别并记录的同一频点不同时间点的特征电流信号强度值X1、X2、…,Xn
步骤二,根据模糊集合理论将信号集通过转换函数转换到模糊集,定义转换函数如下;
Pn=sin(π/2)(1-Xn/Xmax)
式中:Xmax为信号集中的最大值,Pn为转换之后的模糊集,上式满足模糊集合的要求0≤Pn≤1;
步骤三,在模糊集合中,通过模糊线性指数和熵指数不断调整和优化变换模型参数,得到最终的变换模型;
由模糊集Pn至另一个模糊集P′n的变换定义如下
Figure FDA0003547256730000011
式中:j是控制收敛速度的一个参量,j越大,收敛越快;为了使模糊集至模糊集的变换过程是渐近收敛而不是突变收敛,控制j的大小是必要的,因此引入了模糊线性指数,
定义模糊线性指数计算公式如下:
Figure FDA0003547256730000012
当变换后模糊集不确定因素大时,L(x)相应地大,反之,L(x)减小;
定义熵指数计算公式如下:
Figure FDA0003547256730000013
式中S(P′n)是Shannon熵,其计算公式如下:
S(P′n)=-P′nlogP′n-(1-P′n)log(1-P′n)
按照Shannon信息论的观点,熵增大过程就是不确定性增大的过程,相反,熵越小,不确定性就越小;
确认变换模型后,完成模糊集到模糊集之间的变换;
步骤四,经过转换后的模糊集,再由模糊集合理论所定义的反变换函数变换到信号集,用于低压台区电气设备隶属关系梳理,定义的模糊集到信号集的变换函数如下:
X′n=Xmax(1-(2/π)sin-1P′n)
式中:Xmax为信号集中的最大值,X′n为转换后的信号值。
2.根据权利要求1所述的低压台区拓扑信号增强方法,其特征在于:步骤一中的被识别设备不受供电环境和供电半径的影响,所发出的拓扑信号能够被台区内的识别设备所接收即可。
3.根据权利要求1所述的低压台区拓扑信号增强方法,其特征在于:步骤五,梳理台区内电气设备的隶属关系,进而获取到台区的拓扑关系。
CN202210007438.7A 2022-01-06 2022-01-06 一种低压台区拓扑信号模糊增强方法 Active CN114036990B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210007438.7A CN114036990B (zh) 2022-01-06 2022-01-06 一种低压台区拓扑信号模糊增强方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210007438.7A CN114036990B (zh) 2022-01-06 2022-01-06 一种低压台区拓扑信号模糊增强方法

Publications (2)

Publication Number Publication Date
CN114036990A CN114036990A (zh) 2022-02-11
CN114036990B true CN114036990B (zh) 2022-04-26

Family

ID=80147299

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210007438.7A Active CN114036990B (zh) 2022-01-06 2022-01-06 一种低压台区拓扑信号模糊增强方法

Country Status (1)

Country Link
CN (1) CN114036990B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6421467B1 (en) * 1999-05-28 2002-07-16 Texas Tech University Adaptive vector quantization/quantizer
US6571224B1 (en) * 2000-10-24 2003-05-27 Ndsp Corporation Fuzzy logic based color transition improvement method and system
CN108154490A (zh) * 2018-01-18 2018-06-12 长春工程学院 基于改进模糊集理论的高压输电线路绝缘子图像增强方法
CN110930339A (zh) * 2019-12-05 2020-03-27 福州大学 基于nsct域的航空及遥感图像去雾方法
CN112862716A (zh) * 2021-02-07 2021-05-28 江苏科技大学 基于双树复数小波和模糊理论的声呐图像目标增强方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2790165A1 (en) * 2013-04-09 2014-10-15 SWARCO Traffic Systems GmbH Quality determination in data acquisition
US9824489B2 (en) * 2014-11-05 2017-11-21 Umm Al-Qura University Grading and monitoring of a geographical region
CN104394566B (zh) * 2014-11-12 2017-09-05 南京航空航天大学 一种基于模糊决策的低功耗自适应分簇多跳无线传感器网络拓扑控制方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6421467B1 (en) * 1999-05-28 2002-07-16 Texas Tech University Adaptive vector quantization/quantizer
US6571224B1 (en) * 2000-10-24 2003-05-27 Ndsp Corporation Fuzzy logic based color transition improvement method and system
CN108154490A (zh) * 2018-01-18 2018-06-12 长春工程学院 基于改进模糊集理论的高压输电线路绝缘子图像增强方法
CN110930339A (zh) * 2019-12-05 2020-03-27 福州大学 基于nsct域的航空及遥感图像去雾方法
CN112862716A (zh) * 2021-02-07 2021-05-28 江苏科技大学 基于双树复数小波和模糊理论的声呐图像目标增强方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
"Fuzzy Entropy and Its Application for Enhanced Subspace Filtering";H. Xie等;《IEEE Transactions on Fuzzy Systems》;20180831;第26卷(第4期);全文 *
"双线性广义模糊增强边界图像检测算法";韩培友等;《计算机辅助设计与图形学学报》;20050228;第2005年卷(第02期);全文 *
"基于模糊理论的光照不均匀图像自适应增强算法";韩菲等;《电脑知识与技术》;20180630;第14卷(第18期);全文 *

Also Published As

Publication number Publication date
CN114036990A (zh) 2022-02-11

Similar Documents

Publication Publication Date Title
CN113076985B (zh) 电力用户负荷识别方法、装置及计算机可读介质
CN108416695A (zh) 基于深度学习的电力负荷概率密度预测方法和系统、介质
CN110119545B (zh) 一种基于栈式自编码器的非侵入式电力负荷识别方法
CN111864896B (zh) 一种电力负荷监测方法及系统
CN102663501A (zh) 智能电网评价系统及方法
CN108256075A (zh) 一种基于非侵入式智能监测分析用户用电数据的技术
CN107800140A (zh) 一种考虑负荷特征的大用户供电接入决策方法
CN115065078B (zh) 微网环境下储能容量配置方法及系统
CN104408562A (zh) 一种基于bp神经网络的光伏系统发电效率综合评估方法
CN106529719A (zh) 基于粒子群优化算法风速融合的风电功率预测的方法
CN107808212A (zh) 基于灰色神经网络的太阳能收集功率预测方法
CN104133143B (zh) 一种基于Hadoop云计算平台的电网线路故障诊断系统及方法
CN110739774B (zh) 低压配电网的物联网系统
CN105550450B (zh) 一种电能质量干扰源特征谐波建模方法
CN111628494A (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
CN107169655A (zh) 一种优选配电网方案适应性的方法及装置
CN114036990B (zh) 一种低压台区拓扑信号模糊增强方法
CN110516849A (zh) 一种基于典型日负荷曲线的负荷分类结果评价方法
CN110991689B (zh) 基于LSTM-Morlet模型的分布式光伏发电系统短期预测方法
CN111274701B (zh) 一种采用区间监测数据降维回归的谐波源仿射建模方法
CN105699806A (zh) 一种多源谐波责任划分方法
CN105868916A (zh) 基于相似日聚类的微电网光伏出力空间预测方法
CN115375050A (zh) 一种多电力系统状态评价方法和系统
CN107219494A (zh) 一种电能表运行测试系统
CN113725919B (zh) 新能源并网发电的节能电力系统及动态节能调度方法

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
CB03 Change of inventor or designer information
CB03 Change of inventor or designer information

Inventor after: Ge Yulei

Inventor after: Yuan Zhishuang

Inventor after: Liu Qing

Inventor after: Zheng Yagang

Inventor after: Su Chao

Inventor after: Du Zhiguo

Inventor after: Tian Ke

Inventor before: Ge Yulei

Inventor before: Liu Qing

Inventor before: Zheng Yagang

Inventor before: Su Chao

Inventor before: Du Zhiguo

Inventor before: Tian Ke

TR01 Transfer of patent right

Effective date of registration: 20241113

Address after: No. 858, Huaguan Road, high tech Zone, Qingdao, Shandong Province 266000

Patentee after: QINGDAO TOPSCOMM COMMUNICATION Co.,Ltd.

Country or region after: China

Patentee after: QINGDAO DINGJUN ELECTRIC Co.,Ltd.

Address before: 266000 12th floor, 4b building, 858 Huaguan Road, high tech Zone, Qingdao City, Shandong Province

Patentee before: QINGDAO TOPSCOMM COMMUNICATION Co.,Ltd.

Country or region before: China

TR01 Transfer of patent right
CP03 Change of name, title or address

Address after: No. 858, Huaguan Road, high tech Zone, Qingdao, Shandong Province 266000

Patentee after: QINGDAO TOPSCOMM COMMUNICATION Co.,Ltd.

Country or region after: China

Patentee after: Qingdao Zhidian New Energy Technology Co.,Ltd.

Patentee after: QINGDAO DINGJUN ELECTRIC Co.,Ltd.

Address before: No. 858, Huaguan Road, high tech Zone, Qingdao, Shandong Province 266000

Patentee before: QINGDAO TOPSCOMM COMMUNICATION Co.,Ltd.

Country or region before: China

Patentee before: QINGDAO DINGJUN ELECTRIC Co.,Ltd.

CP03 Change of name, title or address
CP03 Change of name, title or address

Address after: No. 858, Huaguan Road, high tech Zone, Qingdao, Shandong Province 266000

Patentee after: QINGDAO TOPSCOMM COMMUNICATION Co.,Ltd.

Country or region after: China

Patentee after: Qingdao Zhidian New Energy Technology Co.,Ltd.

Patentee after: Qingdao Tuowei Technology Co.,Ltd.

Address before: No. 858, Huaguan Road, high tech Zone, Qingdao, Shandong Province 266000

Patentee before: QINGDAO TOPSCOMM COMMUNICATION Co.,Ltd.

Country or region before: China

Patentee before: Qingdao Zhidian New Energy Technology Co.,Ltd.

Patentee before: QINGDAO DINGJUN ELECTRIC Co.,Ltd.

CP03 Change of name, title or address