CN114330527A - 楼栋电表分布识别方法、系统、装置及存储介质 - Google Patents
楼栋电表分布识别方法、系统、装置及存储介质 Download PDFInfo
- Publication number
- CN114330527A CN114330527A CN202111592637.0A CN202111592637A CN114330527A CN 114330527 A CN114330527 A CN 114330527A CN 202111592637 A CN202111592637 A CN 202111592637A CN 114330527 A CN114330527 A CN 114330527A
- Authority
- CN
- China
- Prior art keywords
- attenuation
- electric energy
- difference
- matrix
- sets
- 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
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种楼栋电表分布识别方法、系统、装置及存储介质,通过采集所有电能表之间的信号衰减值,构成表间信号衰减矩阵;将表间信号衰减矩阵转化为数据集M;将每个电能表与其他电能表的衰减值从小到大排列,相邻做差得到衰减差,基于衰减差构建所有电能表的差集矩阵G;基于差集矩阵G中的衰减差变化,计算得到每个电能表的衰减门限值;在数据集M中找到每个电能表衰减值小于各自衰减门限值的最近邻居集合,对所有最近邻居集合进行取交集合并,得到多个集合B作为楼栋电表识别结果。仅利用电能表之间的衰减值即可将同一分支开关下属的电能表进行识别归类,需要的数据量少、成本低,且不受采集时间影响,结果可靠性高。
Description
技术领域
本发明属于电力数据处理技术领域,具体涉及一种基于信号衰减强度的楼栋电表分布识别方法、系统、装置及存储介质。
背景技术
近年来,供电企业对低压用户实行分台区管理,随着智能电网建设的不断发展,台区精益化管理已经成为电网运营建设的趋势。营配档案中的台区拓扑信息对于精细化管理具有重要意义,准确的台区拓扑信息可以帮助管理人员完善设备的台账信息,分析线损来源,全面提升客户服务和配网运营管理水平,减少人力运维的投入。
现有技术中,低压台区线路拓扑的识别常用方法包括如下:(1)基于特征电流的硬件装置,需要在每一层级设备侧安装计量装置(2)基于用电信息的大数据分析,是基于HPLC模块获取电压电流等数据,建立数学模型挖掘信息。两种方法都实现了不同层级的线路拓扑,但同样都存在各自的缺点,比如成本高、所需数据量大、采集时间长,有时需要周期性数据,拓扑识别归类计算繁琐。
发明内容
本发明的目的在于提供一种基于信号衰减强度的楼栋电表分布识别方法、系统、装置及存储介质,以解决现有技术中拓扑识别归类计算繁琐的问题。
为了实现上述目的,本发明采用如下技术方案:
本发明的第一方面,提供了一种基于信号衰减强度的楼栋电表分布识别方法,包括如下步骤:
采集所有电能表之间的信号衰减值,构成表间信号衰减矩阵Phase;
将所述表间信号衰减矩阵Phase转化为k×n矩阵格式的数据集M;其中,k为电能表表个数,n为不同信号衰减值个数;
将每个电能表与其他电能表的衰减值从小到大排列,相邻做差得到衰减差,基于所述衰减差构建所有电能表的差集矩阵G;
基于所述差集矩阵G中的衰减差变化,计算得到每个电能表的衰减门限值;
在数据集M中找到每个电能表衰减值小于各自衰减门限值的最近邻居集合,对所有最近邻居集合进行取交集合并,得到多个集合B作为楼栋电表识别结果。
可选的,将所述表间信号衰减矩阵Phase转化为k×n矩阵格式的数据集M,具体为:
从第一个表B1开始统计,当B1与Bj(j=1,……,k)的衰减值小于等于s,s∈S时,认定两个表为邻居,表示为(B1,Bj);S为衰减值范围;
可选的,差集矩阵G的具体获取方式为:将k×k的表间信号衰减矩阵Phase每一行从小到大排序,并将每一行的第i+1个衰减值与第i个衰减值做差,i=1,2,…,k-1,最终得到差集矩阵G为k×(k-1)。
可选的,所述衰减门限值的计算方式为:
设定每个电能表的初始衰减门限值Thresholds为0,根据差集矩阵G中每个表的衰减差变化,选取经验值r,当衰减差小于r时,使用初始门限值加衰减差不断更新初始门限值,当衰减差大于或等于r时,以此时得到衰减门限值作为新的衰减门限值,并停止计算。
可选的,所述经验值r的获取方式为:出现衰减差大于或者等于10情况的次数大于电能表的个数时,选择r=10,否则r=8。
可选的,所述得到多个集合B的具体方法为:在数据集M中,将每个电能表的衰减值小于各自衰减门限值的最近邻居集合提取出来,进行取交集合并,得到多个集合B,集合B则为楼栋电表识别情况。
可选的,取交集合并的方法为:
(i)基于所述最近邻居集合,对有公共元素的所述最近邻居集合进行合并;
(ii)对合并后的各个最近邻居集合去重,得到电能表分布结果。
本发明的第二方面,提供了一种用于所述基于信号衰减强度的楼栋电表分布识别方法的系统,包括:
数据获取模块,用于采集所有电能表之间的信号衰减值,构成表间信号衰减矩阵Phase;
矩阵转换模块,用于将所述表间信号衰减矩阵Phase转化为k×n矩阵格式的数据集M;其中,k为电能表表个数,n为不同信号衰减值个数;
矩阵构建模块,用于将每个电能表与其他电能表的衰减值从小到大排列,相邻做差得到衰减差,基于所述衰减差构建所有电能表的差集矩阵G;
门限值计算模块,用于基于所述差集矩阵G中的衰减差变化,计算得到每个电能表的衰减门限值;
合并模块,用于在数据集M中找到每个电能表衰减值小于各自衰减门限值的最近邻居集合,对所有最近邻居集合进行取交集合并,得到多个集合B,集合B为楼栋电表识别结果。
本发明的第三方面,提供了一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现所述的基于信号衰减强度的楼栋电表分布识别方法。
本发明的第四方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时,实现所述的基于信号衰减强度的楼栋电表分布识别方法。
本发明的有益效果如下:
1)本发明提供的基于信号衰减强度的楼栋电表分布识别方法,采集所有电能表之间的信号衰减值,构成表间信号衰减矩阵Phase;将所述表间信号衰减矩阵Phase转化为k×n矩阵格式的数据集M;其中,k为电能表表个数,n为不同信号衰减值个数;将每个电能表与其他电能表的衰减值从小到大排列,相邻做差得到衰减差,基于所述衰减差构建所有电能表的差集矩阵G;基于所述差集矩阵G中的衰减差变化,计算得到每个电能表的衰减门限值;在数据集M中找到每个电能表衰减值小于各自衰减门限值的最近邻居集合,对所有最近邻居集合进行取交集合并,得到多个集合B作为楼栋电表识别结果。仅利用电能表之间的衰减值即可将同一分支开关下属的电能表进行识别归类,需要的数据量少、成本低,且不受采集时间影响,结果可靠性高。
2)本发明仅利用电表间的SNR值,并进行特征构造,将同一分支开关下属的电能表进行识别归类,梳理完整的电气线路,使得电表所属上级拓扑更精细化;整个过程所需数据量少、计算简单,不需要额外添加其他设备。
附图说明
构成本申请的一部分的说明书附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本发明实施例楼栋电表分布识别方法流程图;
图2为本发明实施例中将表间信号衰减矩阵Phase转化为数据集M的方法流程图;
图3为本发明实施例中差集矩阵G的具体获取方法流程图;
图4为本发明实施例中衰减门限值的计算方法流程图;
图5为本发明实施例中取交集合并方法流程图。
具体实施方式
下面将参考附图并结合实施例来详细说明本发明。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
以下详细说明均是示例性的说明,旨在对本发明提供进一步的详细说明。除非另有指明,本发明所采用的所有技术术语与本申请所属领域的一般技术人员的通常理解的含义相同。本发明所使用的术语仅是为了描述具体实施方式,而并非意图限制根据本发明的示例性实施方式。
如图1所示,本发明实施例的第一个方面,提供了一种基于信号衰减强度的楼栋电表分布识别方法,具体包括如下步骤:
步骤1:采集所有电能表之间的信号衰减值,构成表间信号衰减矩阵Phase,将表间信号衰减矩阵Phase转化为k×n矩阵格式的数据集M;如图2所示,具体包括如下步骤:
采集所有电能表之间的信号衰减值,构成k×k的表间信号衰减矩阵Phase;获取Phase中的数值范围,即信号衰减值范围S,将k×k的表间信号衰减矩阵Phase转化为k×n矩阵格式的数据集M;k为电能表个数;n为不同信号衰减值个数;在矩阵格式的数据集M中,各列分别代表从小到大的衰减值例如s,s+1,s+2……S。
应用于本发明的具体实施例,构建邻居集合数据集M的方法如下:
从第一个电能表B1开始统计,当B1与Bj(j=1,……,k)的衰减值小于等于s(s∈S)时,认定两个电能表为邻居,表示为(B1,Bj)。
作为本发明的实施例的一种示例,当s=-3时,电能表B1的邻居集合有(B1,B1)、(B1,B2)、(B1,B7)、(B1,B10),对邻居集合进行合并去重,即可获得衰减值s下的电能表B1的邻居集合(B1,B2,B7,B10);
步骤2:将每个电能表与其他电能表的衰减值从小到大排列,相邻两组进行做差,得到所有电能表的差集矩阵G。
应用于本发明的具体实施例,如图3所示,获取每个电能表的断层值包括下列步骤:
衰减值做差:将k×k的信号衰减值矩阵Phase每一行从小到大排序,并将每一行的第i+1个衰减值与第i个衰减值做差,所述i=1,2,…,k-1,最终得到所有电能表的差集矩阵G为k×(k-1)。
步骤3:获取每个表的衰减门限值,对所有表进行所属楼栋识别。
应用于本发明的具体实施例,如图4所示,具体包括下列步骤:
设定每个表的初始衰减门限值Thresholds为0,根据差集矩阵G中每个表的衰减差变化,选取经验值r,当衰减差小于r时,使用初始门限值加衰减差不断更新初始门限值,直到循环结束,以此时得到衰减门限值作为新的衰减门限值,为每个电能表得到新的衰减门限值,循环结束的条件是衰减差大于或等于r,此时停止计算。
当衰减差大于或等于r时,停止计算,即此时衰减值跳跃比较大,将此称为断层,即在断层处停止表判断。
作为本发明的示例,当Thresholds的值超过25时,赋予Thresholds一个新值,最终为每个表找到了衰减门限值Thresholds。
作为本发明的示例,将每一行的第i+1个衰减值与第i个衰减值做差,出现差值大于或者等于10情况的次数大于电能表的个数时,选择r=10,否则r=8。
在数据集M中,将每个电能表衰减值小于各自Thresholds的最近邻居集合提取出来,进行取交集合并,得到多个集合B,集合B则为楼栋电表识别情况。
应用于本发明的具体实施例,如图5所示,取交集合并过程有两步:
(i)利用Thresholds提取出来的所有邻居集合,对有公共元素的进行合并;
(ii)对合并后的各个集合去重,得到电能表分布结果。
经过上述三个步骤,实现对电表所属楼栋的识别。
本发明的第二方面,提供了一种用于所述基于信号衰减强度的楼栋电表分布识别方法的系统,包括:
数据获取模块,用于采集所有电能表之间的信号衰减值,构成表间信号衰减矩阵Phase;
矩阵转换模块,用于将所述表间信号衰减矩阵Phase转化为k×n矩阵格式的数据集M;其中,k为电能表表个数,n为不同信号衰减值个数;
矩阵构建模块,用于将每个电能表与其他电能表的衰减值从小到大排列,相邻做差得到衰减差,基于所述衰减差构建所有电能表的差集矩阵G;
门限值计算模块,用于基于所述差集矩阵G中的衰减差变化,计算得到每个电能表的衰减门限值;
合并模块,用于在数据集M中找到每个电能表衰减值小于各自衰减门限值的最近邻居集合,对所有最近邻居集合进行取交集合并,得到多个集合B,集合B为楼栋电表识别结果。
本发明的第三方面,提供了一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现所述的基于信号衰减强度的楼栋电表分布识别方法。
本发明的第四方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时,实现所述的基于信号衰减强度的楼栋电表分布识别方法。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
由技术常识可知,本发明可以通过其它的不脱离其精神实质或必要特征的实施方案来实现。因此,上述公开的实施方案,就各方面而言,都只是举例说明,并不是仅有的。所有在本发明范围内或在等同于本发明的范围内的改变均被本发明包含。
Claims (10)
1.一种基于信号衰减强度的楼栋电表分布识别方法,其特征在于,包括如下步骤:
采集所有电能表之间的信号衰减值,构成表间信号衰减矩阵;
将所述表间信号衰减矩阵转化为数据集M;
将每个电能表与其他电能表的衰减值从小到大排列,相邻做差得到衰减差,基于所述衰减差构建所有电能表的差集矩阵G;
基于所述差集矩阵G中的衰减差变化,计算得到每个电能表的衰减门限值;
在数据集M中找到每个电能表衰减值小于各自衰减门限值的最近邻居集合,对所有最近邻居集合进行取交集合并,得到多个集合B作为楼栋电表识别结果。
3.根据权利要求1所述的基于信号衰减强度的楼栋电表分布识别方法,其特征在于,差集矩阵G的具体获取方式为:
将k×k的表间信号衰减矩阵Phase每一行从小到大排序;
将每一行的第i+1个衰减值与第i个衰减值做差,i=1,2,…,k-1,最终得到差集矩阵G为k×(k-1)。
4.根据权利要求1所述的基于信号衰减强度的楼栋电表分布识别方法,其特征在于,所述衰减门限值的计算方式为:
设定每个电能表的初始衰减门限值为0;
根据差集矩阵G中每个表的衰减差变化,选取经验值r;当衰减差小于r时,使用初始门限值加衰减差不断更新初始门限值;当衰减差大于或等于r时,以此时得到衰减门限值作为新的衰减门限值,并停止计算。
5.根据权利要求1所述的基于信号衰减强度的楼栋电表分布识别方法,其特征在于,所述经验值r的获取方式为:
出现衰减差大于或者等于10情况的次数大于电能表的个数时,选择r=10,否则r=8。
6.根据权利要求1所述的基于信号衰减强度的楼栋电表分布识别方法,其特征在于,所述得到多个集合B的具体方法为:
在数据集M中,将每个电能表的衰减值小于各自衰减门限值的最近邻居集合提取出来,进行取交集合并,得到多个集合B,集合B则为楼栋电表识别情况。
7.根据权利要求1所述的基于信号衰减强度的楼栋电表分布识别方法,其特征在于,取交集合并的方法为:
(i)基于所述最近邻居集合,对有公共元素的所述最近邻居集合进行合并;
(ii)对合并后的各个最近邻居集合去重,得到电能表分布结果。
8.一种用于权利要求1所述基于信号衰减强度的楼栋电表分布识别方法的系统,其特征在于,包括:
数据获取模块,用于采集所有电能表之间的信号衰减值,构成表间信号衰减矩阵Phase;
矩阵转换模块,用于将所述表间信号衰减矩阵Phase转化为k×n矩阵格式的数据集M;其中,k为电能表表个数,n为不同信号衰减值个数;
矩阵构建模块,用于将每个电能表与其他电能表的衰减值从小到大排列,相邻做差得到衰减差,基于所述衰减差构建所有电能表的差集矩阵G;
门限值计算模块,用于基于所述差集矩阵G中的衰减差变化,计算得到每个电能表的衰减门限值;
合并模块,用于在数据集M中找到每个电能表衰减值小于各自衰减门限值的最近邻居集合,对所有最近邻居集合进行取交集合并,得到多个集合B,集合B为楼栋电表识别结果。
9.一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的基于信号衰减强度的楼栋电表分布识别方法。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时,实现如权利要求1至7任一项所述的基于信号衰减强度的楼栋电表分布识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111592637.0A CN114330527B (zh) | 2021-12-23 | 2021-12-23 | 楼栋电表分布识别方法、系统、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111592637.0A CN114330527B (zh) | 2021-12-23 | 2021-12-23 | 楼栋电表分布识别方法、系统、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114330527A true CN114330527A (zh) | 2022-04-12 |
CN114330527B CN114330527B (zh) | 2023-10-13 |
Family
ID=81054749
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111592637.0A Active CN114330527B (zh) | 2021-12-23 | 2021-12-23 | 楼栋电表分布识别方法、系统、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114330527B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020062193A1 (zh) * | 2018-09-29 | 2020-04-02 | 福建网能科技开发有限责任公司 | 基于北斗通信技术的电力数据采集系统 |
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 |
CN111650431A (zh) * | 2020-05-26 | 2020-09-11 | 珠海中慧微电子有限公司 | 一种电表台区识别方法 |
CN113779751A (zh) * | 2021-07-28 | 2021-12-10 | 天津大学 | 一种低压hplc台区拓扑识别方法及系统 |
-
2021
- 2021-12-23 CN CN202111592637.0A patent/CN114330527B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020062193A1 (zh) * | 2018-09-29 | 2020-04-02 | 福建网能科技开发有限责任公司 | 基于北斗通信技术的电力数据采集系统 |
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 |
CN111650431A (zh) * | 2020-05-26 | 2020-09-11 | 珠海中慧微电子有限公司 | 一种电表台区识别方法 |
CN113779751A (zh) * | 2021-07-28 | 2021-12-10 | 天津大学 | 一种低压hplc台区拓扑识别方法及系统 |
Non-Patent Citations (2)
Title |
---|
KARIMA GARRADHI ET AL.: "Low Voltage Low Power Analog Circuit Design OTA Using Signal Attenuation Technique and Applications", 《 DE GRUYTER》, pages 1 - 22 * |
赵宇东 等: "基于差分Lasso 的低压台区拓扑识别方法", 《现代电子技术》, vol. 44, no. 14, pages 124 - 128 * |
Also Published As
Publication number | Publication date |
---|---|
CN114330527B (zh) | 2023-10-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110727662A (zh) | 基于相关性分析的低压台区用户相位识别方法和系统 | |
CN111650431B (zh) | 一种电表台区识别方法 | |
EP3968040A1 (en) | Abnormal electricity use recognition method and device, and computer readable storage medium | |
CN109286188B (zh) | 一种基于多源数据集的10kV配电网理论线损计算方法 | |
CN109508835A (zh) | 一种融合环境反馈的智慧电网短期电力负荷预测方法 | |
CN108876019A (zh) | 一种基于大数据的用电负荷预测方法及系统 | |
CN108681815B (zh) | 一种基于快速排序和分块矩阵的配电系统运行可靠性评估方法 | |
CN111090643B (zh) | 一种基于数据分析系统下的海量用电数据挖掘方法 | |
CN111046519A (zh) | 一种人工智能技术在电能表误差诊断中的应用分析方法 | |
CN110968703B (zh) | 基于lstm端到端抽取算法的异常计量点知识库构建方法及系统 | |
CN116340437A (zh) | 一种面向大规模多源异构数据的多聚类方法 | |
CN112181715A (zh) | 基于配网自动化系统模型的可视化备份与比对方法 | |
CN110797865B (zh) | 一种数据驱动的供电薄弱环节识别方法及系统 | |
CN108335014B (zh) | 负荷分析方法、装置、存储介质和处理器 | |
CN111651448A (zh) | 一种基于降噪差分进化的低压拓扑识别方法 | |
CN114330527B (zh) | 楼栋电表分布识别方法、系统、装置及存储介质 | |
CN115207909B (zh) | 一种台区拓扑识别方法、装置、设备及存储介质 | |
CN113868821B (zh) | 一种基于营配大数据融合的配网降损方法及终端机 | |
CN115187134A (zh) | 基于网格的配电网规划方法、装置及终端设备 | |
CN101441454A (zh) | 一种低频减载及拉路序位在线监视实现方法 | |
CN114168662A (zh) | 一种基于多数据源的配电网问题梳理分析方法及系统 | |
CN109871998B (zh) | 一种基于专家样本库的配电网线损率预测方法及装置 | |
CN106600129A (zh) | 一种电网规划方法和系统 | |
CN108363789B (zh) | 一种工商业用户用电表码数据短期缺失修补方法及装置 | |
CN112560908A (zh) | 一种云端协同的负荷辨识系统及方法 |
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 |