CN114912526B - 台区识别方法及系统、电子设备、存储介质 - Google Patents
台区识别方法及系统、电子设备、存储介质 Download PDFInfo
- Publication number
- CN114912526B CN114912526B CN202210524073.5A CN202210524073A CN114912526B CN 114912526 B CN114912526 B CN 114912526B CN 202210524073 A CN202210524073 A CN 202210524073A CN 114912526 B CN114912526 B CN 114912526B
- Authority
- CN
- China
- Prior art keywords
- identified
- characteristic value
- correlation characteristic
- value
- user
- 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 33
- 230000008859 change Effects 0.000 claims abstract description 93
- 238000004590 computer program Methods 0.000 claims description 11
- 238000010276 construction Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 4
- 230000005611 electricity Effects 0.000 abstract description 6
- 230000009466 transformation Effects 0.000 abstract description 5
- 238000004364 calculation method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000002347 injection Methods 0.000 description 3
- 239000007924 injection Substances 0.000 description 3
- 230000035772 mutation Effects 0.000 description 3
- 239000000243 solution Substances 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- KJONHKAYOJNZEC-UHFFFAOYSA-N nitrazepam Chemical compound C12=CC([N+](=O)[O-])=CC=C2NC(=O)CN=C1C1=CC=CC=C1 KJONHKAYOJNZEC-UHFFFAOYSA-N 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
- Y02E10/56—Power conversion systems, e.g. maximum power point trackers
Abstract
本发明公开了一种台区识别方法及系统、电子设备、存储介质,所述台区识别方法基于电压数据进行户变关系识别和拓扑关系识别,无需采用电流、功率、电量等负荷值,不仅适用于正常用电户表的识别,同时也适用于小负荷用户的识别。并且,选择相关性特征值变化值中的极大值点作为高辨识度特征值,相关性特征值变化值越大,意味着滑动窗口内左右数据区数据曲线间的相关性变化越大,其出现的次数越少,且变化值越稀疏,本特征值选择具有很好的排他性,辨识度高,可以有效地消除误差和其它偶然因素的影响,提高了台区识别的准确度。
Description
技术领域
本发明涉及电网台区识别技术领域,特别地,涉及一种台区识别方法及系统、电子设备、计算机可读取的存储介质。
背景技术
台区户变关系和线路拓扑是低压配电网的基础数据,其准确性直接影响台区线损的分析与治理,基于该数据还可以实现快速运检、三相不平衡治理等功能,同时该数据也是台区源(如分布式光伏)、荷(如电动汽车有序充电)、储(如分布式储能)有效联动的基础。但在实际建设中,有些台区一开始就存在户变/拓扑关系录入不全或出错的情况,而有些台区虽然有准确的初始户变/拓扑关系,但在后续的建设中(如迁建、扩容、割接、布点等),随着施工复杂度的提高,也会引入新增户的户变/拓扑错误。上述情况导致部分台区的户变/拓扑与实际不一致,并且这种不一致可能伴随台区建设动态存在,因此需要一种解决方案可以动态地、准确地识别出台区的户变/拓扑关系。
目前,当前台区的户变/拓扑识别以两种方案为主,即信号注入方案和负荷特征方案。其中,信号注入方案是使用专属的硬件收发设备,向台区注入信号,通过对该信号的接收与识别,完成对指定用户的户变/拓扑关系的判断。该方案是一种静态识别方案,可能对台区正常用电造成扰动,对台区的供电质量、用电安全和计量准确性造成一定影响。而负荷特征方案是通过采集台区各节点的电流、功率、电量等负荷值,提取负荷特征,通过对特征的匹配,实现对台区户变/拓扑关系的识别,例如本申请人之前申请的专利CN110707686A。负荷特征方案是一种智能化的解决方案,可以在用户无感知的情况下动态地识别出户变/拓扑关系,可以构建台区的海量负荷数据,并可以对这些海量数据进行深度挖掘,形成包括台区户变关系识别、线路拓扑识别、线路阻抗精准计算、系统误差分析等功能的台区智能化的整体解决方案,这些智能化的特点,使得负荷特征方案,在经过完善后,会取代信号注入方案,成为未来的主流。
但是,目前的负荷特征方案对正常用电的用户可以进行较好的识别,而对于小负荷用户或者空户来说(下文统称为小负荷用户),由于其小负荷甚至无负荷的特点,其负荷特征难以提取和匹配,因而给负荷特征方案带来了无法识别小负荷用户的户变/拓扑关系的问题,这个问题严重影响着负荷特征方案的广泛应用。
发明内容
本发明提供了一种台区识别方法及系统、电子设备、计算机可读取的存储介质,以解决现有的负荷特征方案无法识别出小负荷用户的户变关系/线路拓扑的技术问题。
根据本发明的一个方面,提供一种台区识别方法,包括以下内容:
获取待识别户表和台区内所有已识别节点的电压数据序列;
设置滑动窗口,所述滑动窗口包括等宽的左侧数据区和右侧数据区;
分别利用滑动窗口在待识别户表和所有已识别节点的电压数据序列中滑动,每滑动一次则计算左侧数据区内的电压曲线与右侧数据区内的电压曲线之间的相关性特征值,从而得到待识别户表和所有已识别节点的相关性特征值序列;
基于相关性特征值序列获得相关性特征值变化值序列,并从相关性特征值变化值序列中选出多个极大值点作为高辨识度特征值,以构建高辨识度特征值序列;
将待识别户表的高辨识度特征值序列与所有已识别节点的高辨识度特征值序列进行特征点匹配,并根据特征点匹配结果识别出待识别户表的户变关系或拓扑关系。
进一步地,所述相关性特征值为皮尔逊系数或者斯皮尔曼系数。
进一步地,所述基于相关性特征值序列获得相关性特征值变化值序列的过程具体为:
将相关性特征值序列中后一点的相关性特征值减去前一点的相关性特征值,从而得到相关性特征值变化值,逐一相减,得到相关性特征值变化值序列。
进一步地,当两个特征点在高辨识度特征值序列中的位置和高辨识度特征值均匹配时,则判定两个特征点匹配成功,当两个高辨识度特征值序列中匹配成功的特征点数量达到预设阈值时,则判定待识别户表与已识别节点匹配成功。
进一步地,若已识别节点选用户表,从中筛选出特征点匹配数量最多的已识别户表作为最佳匹配户表,则待识别户表与最佳匹配户表具有相同的户变关系。
进一步地,若最佳匹配户表的数量为多个时,筛选出高辨识度特征值更接近的户表作为最终的最佳匹配户表。
进一步地,若已识别节点选用分支单元,从中筛选出特征点匹配数量最多的已识别分支单元作为最佳匹配分支单元,则待识别户表归属在最佳匹配分支单元下。
另外,本发明还提供一种台区识别系统,包括:
数据采集模块,用于获取待识别户表和台区内所有已识别节点的电压数据序列;
窗口设置模块,用于设置滑动窗口,所述滑动窗口包括等宽的左侧数据区和右侧数据区;
第一序列构建模块,用于分别利用滑动窗口在待识别户表和所有已识别节点的电压数据序列中滑动,每滑动一次则计算左侧数据区内的电压曲线与右侧数据区内的电压曲线之间的相关性特征值,从而得到待识别户表和所有已识别节点的相关性特征值序列;
第二序列构建模块,用于基于相关性特征值序列获得相关性特征值变化值序列,并从相关性特征值变化值序列中选出多个极大值点作为高辨识度特征值,以构建高辨识度特征值序列;
识别模块,用于将待识别户表的高辨识度特征值序列与所有已识别节点的高辨识度特征值序列进行特征点匹配,并根据特征点匹配结果识别出待识别户表的户变关系或拓扑关系。
另外,本发明还提供一种电子设备,包括处理器和存储器,所述存储器中存储有计算机程序,所述处理器通过调用所述存储器中存储的所述计算机程序,用于执行如上所述的方法的步骤。
另外,本发明还提供一种计算机可读取的存储介质,用于存储进行台区识别的计算机程序,所述计算机程序在计算机上运行时执行如上所述的方法的步骤。
本发明具有以下效果:
本发明的台区识别方法,首先获取待识别分表和台区内所有已识别节点的电压数据序列,并设置好包含等宽的左侧数据区和右侧数据区的滑动窗口,再利用设置好的滑动窗口在待识别户表和所有已识别节点的电压数据序列中滑动,以构建待识别户表和所有已识别节点的相关性特征值序列,再基于相关性特征值序列得到相关性特征值变化值序列,并选出多个极大值点作为高辨识度特征值,以构建高辨识度特征值序列,最后将待识别户表的高辨识度特征值序列与所有已识别节点的高辨识度特征值序列进行特征点匹配,以识别出待识别户表的户变关系或拓扑关系。本发明的台区识别方法,基于电压数据进行户变关系识别和拓扑关系识别,无需采用电流、功率、电量等负荷值,不仅适用于正常用电户表的识别,同时也适用于小负荷用户的识别。并且,在实际情况中,对于一个节点,其在短时间内出现突变性影响的概率很小,因此,当窗口滑动时,窗口左右数据区的电压曲线间的相关性在多数情况下变化不大,即多数情况下相关性特征值变化值不大,而本发明选择相关性特征值变化值中的极大值点作为高辨识度特征值,相关性特征值变化值越大,意味着滑动窗口内左右数据区数据曲线间的相关性变化越大,其出现的次数越少,且变化值越稀疏,本特征值选择具有很好的排他性,辨识度高,可以有效地消除误差和其它偶然因素的影响,提高了台区识别的准确度。
另外,本发明的台区识别系统同样具有上述优点。
除了上面所描述的目的、特征和优点之外,本发明还有其它的目的、特征和优点。下面将参照图,对本发明作进一步详细的说明。
附图说明
构成本申请的一部分的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是本发明优选实施例的台区识别方法的流程示意图。
图2是某低压台区的秒级电压曲线示意图。
图3是本发明优选实施例的滑动窗口的示意图。
图4是本发明优选实施例中利用滑动窗口在秒级电压数据序列中滑动的示意图。
图5是采用现有负荷特征方案进行台区识别的识别结果示意图。
图6是低压台区的线路拓扑结构示意图。
图7是本发明另一实施例的台区识别系统的模块结构示意图。
具体实施方式
以下结合附图对本发明的实施例进行详细说明,但是本发明可以由下述所限定和覆盖的多种不同方式实施。
如图1所示,本发明的优选实施例提供一种台区识别方法,包括以下内容:
步骤S1:获取待识别户表和台区内所有已识别节点的电压数据序列;
步骤S2:设置滑动窗口,所述滑动窗口包括等宽的左侧数据区和右侧数据区;
步骤S3:分别利用滑动窗口在待识别户表和所有已识别节点的电压数据序列中滑动,每滑动一次则计算左侧数据区内的电压曲线与右侧数据区内的电压曲线之间的相关性特征值,从而得到待识别户表和所有已识别节点的相关性特征值序列;
步骤S4:基于相关性特征值序列获得相关性特征值变化值序列,并从相关性特征值变化值序列中选出多个极大值点作为高辨识度特征值,以构建高辨识度特征值序列;
步骤S5:将待识别户表的高辨识度特征值序列与所有已识别节点的高辨识度特征值序列进行特征点匹配,并根据特征点匹配结果识别出待识别户表的户变关系或拓扑关系。
可以理解,本实施例的台区识别方法,首先获取待识别分表和台区内所有已识别节点的电压数据序列,并设置好包含等宽的左侧数据区和右侧数据区的滑动窗口,再利用设置好的滑动窗口在待识别户表和所有已识别节点的电压数据序列中滑动,以构建待识别户表和所有已识别节点的相关性特征值序列,再基于相关性特征值序列得到相关性特征值变化值序列,并选出多个极大值点作为高辨识度特征值,以构建高辨识度特征值序列,最后将待识别户表的高辨识度特征值序列与所有已识别节点的高辨识度特征值序列进行特征点匹配,以识别出待识别户表的户变关系或拓扑关系。本发明的台区识别方法,基于电压数据进行户变关系识别和拓扑关系识别,无需采用电流、功率、电量等负荷值,不仅适用于正常用电户表的识别,同时也适用于小负荷用户的识别。并且,在实际情况中,对于一个节点,其在短时间内出现突变性影响的概率很小,因此,当窗口滑动时,窗口左右数据区的电压曲线间的相关性在多数情况下变化不大,即多数情况下相关性特征值变化值不大,而本发明选择相关性特征值变化值中的极大值点作为高辨识度特征值,相关性特征值变化值越大,意味着滑动窗口内左右数据区数据曲线间的相关性变化越大,其出现的次数越少,且变化值越稀疏,本特征值选择具有很好的排他性,辨识度高,可以有效地消除误差和其它偶然因素的影响,提高了台区识别的准确度。
可以理解,在所述步骤S1中,已识别节点指的是通过现有负荷特征方案已经识别出归属于本台区的节点,已识别节点可以选用已识别户表或者已识别分支单元,待识别户表可以是正常用电户表或者小负荷户表,正常用电户表在出现大功率电器启停时会同时存在电压波动和负荷跳变,而小负荷户表仅存在电压波动,而不会出现负荷跳变,因此,正常用电户表的户变关系和拓扑关系也可以采用现有的负荷特征方案识别得到,而小负荷户表由于不存在负荷特征,因此其户变关系和拓扑关系无法通过现有的负荷特征方案识别得到。例如如图2所示的某低压台区的秒级电压曲线,共3600秒,这种电压曲线很难直接用于小负荷用户的户变关系识别和拓扑关系识别。另外,电压数据序列可以选用周波级序列、秒级序列或分钟级序列等高频数据序列,综合考虑成本、数据采集便捷性和识别的准确性高效性,本发明优选采用秒级序列。
可以理解,如图3所示,在所述步骤S2中,构建一个包括等宽的左侧数据区和右侧数据区的滑动窗口,滑动窗口的大小可以根据需要进行设置,例如可以设置为20s、50s、60s等,具体在此不做限定。例如当滑动窗口的大小设置为20s时,左侧数据区和右侧数据区内各有10个秒级数据。
可以理解,如图4所示,在所述步骤S3中,利用设置好的滑动窗口在秒级电压数据序列中滑动,例如从窗口1的位置滑动至窗口2的位置,每次滑动时计算左侧数据区内的电压曲线和右侧数据区内的电压曲线之间的相关性特征值,随着滑动窗口的不断滑动,可以得到待识别户表和所有已识别节点的相关性特征值序列。其中,所述相关性特征值为皮尔逊系数或者斯皮尔曼系数,皮尔逊系数和斯皮尔曼系数的计算公式为现有技术,故在此不再赘述。
可以理解,在所述步骤S4中,所述基于相关性特征值序列获得相关性特征值变化值序列的过程具体为:
将相关性特征值序列中后一点的相关性特征值减去前一点的相关性特征值,从而得到相关性特征值变化值,逐一相减,得到相关性特征值变化值序列。
然后,从相关性特征值变化值序列中选出m个极大值点作为高辨识度特征值,用于进行后续的特征值匹配,并构建出待识别户表与所有已识别节点的高辨识度特征值序列。
可以理解,对于一个节点,其电压取值在一个基本固定的区间,如[200V,240V],在没有外界突变性影响的情况下,短时间内其电压会维持一个非常小幅的波动而不会有大的变化,如图4所示,当滑动窗口在电压序列内滑动时,前后两个窗口之间滑动1秒,对每个窗口计算其左、右侧数据区的电压曲线之间的相关性,该前后窗口相关性通常变化不大。而本发明选用相关性特征值变化值中的极大值点作为高辨识度特征值,相关性特征值变化值越大,意味着滑动窗口内左右数据区数据曲线间的相关性变化越大,其出现的次数越少,且变化值越稀疏,本特征值选择具有很好的排他性,辨识度高,可以有效地消除误差和其它偶然因素的影响。
可以理解,在所述步骤S5中,在将待识别户表的高辨识度特征值序列与所有已识别节点的高辨识度特征值序列进行特征点匹配时,当两个特征点在高辨识度特征值序列中的位置和高辨识度特征值均匹配时,则判定两个特征点匹配成功,当两个高辨识度特征值序列中匹配成功的特征点数量达到预设阈值时,则判定待识别户表与已识别节点匹配成功。其中,高辨识度特征值序列中每个点的数据包括下标和变化值幅值,其中,下标指的是该点在皮尔逊系数变化值序列中的位置,只有两个特征点的下标相对应且变化值幅值相当时,才判别两个特征点匹配成功。其中,变化值幅值相当可以是两者差值在预设范围内,或者比值在预设范围内,具体可以根据需要进行设定,在此不做具体限定。当两个高辨识度特征值序列中匹配成功的特征点数量达到预设阈值n时,则判定待识别户表与已识别节点匹配成功,其中,预设阈值n可以根据需要进行设定,一般设为n=m/2。另外,当进行匹配之后未找到匹配成功的已识别节点,则判定待识别户表不属于该台区。
可以理解,户变关系识别的目标在于解决总表和户表之间的归属关系,而本发明应用于部分户表已识别、部分户表未识别的情况,并且可以非常好地应用于该部分未识别户表为小负荷户表的情况。如图5所示,通过负荷特征方案已识别出分表1、2、…、x归属于台区A,分表x+1…、y不属于台区A,分表y+1、…、z由于负荷过小或者无负荷或者无法通过负荷特征方案判断出其相对于台区A的归属关系。对于台区内的用户,其电压波动受两个影响因素,即配电变压器一次侧(10KV侧)的电压变化和台区负荷的变化,前者是外部影响因素,对不同台区具有近似的影响,后者是内部影响因素,其影响局限于本台区。如图6所示,台区线路拓扑是一个树状结构,根节点是总表,叶子节点是户表,中间是分支节点,在台区内同一分支节点下的户表(即兄弟户表),物理上接在同一点,具有相同的电压,台区内不同分支节点下的户表(即表兄弟户表),由于受到相似的台区内负荷变化的影响,具有相似的电压波动,而不同台区的户表,由于其受不同的台区内负荷变化的影响,其电压波动存在一定的差异。
因此,若已识别节点选用户表,则从匹配成功的多个已识别户表中筛选出特征点匹配数量最多的已识别户表作为最佳匹配户表,则待识别户表与最佳匹配户表具有相同的户变关系。其中,若最佳匹配户表的数量为多个时,则筛选出高辨识度特征值更接近的户表作为最终的最佳匹配户表。
可以理解,本发明通过电压数据序列构建具备高辨识性的特征进行匹配识别,可以准确识别出小负荷户表的最佳匹配户表(可以是兄弟户表或者表兄弟户表),从而得到小负荷户表的户变关系。
另外,若已识别节点选用分支单元,从中匹配成功的多个分支单元中筛选出特征点匹配数量最多的已识别分支单元作为最佳匹配分支单元,则待识别户表归属在最佳匹配分支单元下,从而识别出待识别户表的拓扑关系。其中,若最佳匹配分支单元的数量为多个时,则从中筛选出高辨识度特征值更接近的分支单元作为最终的最佳匹配分支单元。另外,也可以采用已识别户表进行拓扑关系识别,小负荷户表与最佳匹配户表应当归属于同一分支单元。
可选地,考虑到台区内出现负荷变化时,不同分支下的电压受所在分支负荷启停的影响,电压波动会具有较小的差异,因此,本发明选择在出现频繁大功率电器启停的时段进行台区识别,有利于进一步提高识别结果的准确度。
可以理解,本发明的一实施例采用皮尔逊系数作为相关性特征值来构建高辨识度特征值。具体地,对于图2所示的3600秒电压数据序列,采用20秒的滑动窗口在电压数据序列上滑动,从而得到皮尔逊系数序列,共3581个数据点,再计算得到皮尔逊系数变化值序列,共3580个数据点,其中,皮尔逊系数变化值序列的3580个数据点的分布情况如表1所示。
表1、某低压台区电压序列的皮尔逊系数变化值分布表
个数 | |
皮尔逊系数变化值<0.3(含负值) | 3369 |
0.3≤皮尔逊系数变化值<0.4 | 126 |
0.4≤皮尔逊系数变化值<0.5 | 45 |
0.5≤皮尔逊系数变化值<0.6 | 19 |
0.6≤皮尔逊系数变化值<0.7 | 11 |
0.7≤皮尔逊系数变化值<0.8 | 6 |
皮尔逊系数变化值≥0.8 | 4 |
其中,皮尔逊系数变化值≥0.8的数据点只有4个,其[下标,皮尔逊系数变化值]分别为:([161,0.803684603500046],[2007,0.835155246054912],[2538,0.921662178429091],[3452,0.82710781785706]),显然皮尔逊系数变化值越大,出现的次数越少,且变化值越稀疏。因此,本发明选择皮尔逊系数变化值最大的m个点确定最佳匹配户表,有较好的排他性,辨识度高,可以有效消除误差和其他偶然因素的影响。本发明可以在一个小时的秒级电压数据中构建出高辨识度的负荷特征,可以大幅缩短户变关系的识别周期。
同时,本发明还进行了对比试验,对于同一份数据,相比于使用皮尔逊系数变化值极大值作为匹配特征,使用皮尔逊系数绝对值最小值/最大值做匹配特征(意味着此时滑动窗口内左、右数据区的相关性最差/最强),就不具备这种稀疏性,在本例中,皮尔逊系数序列中前10个最小值分别为:0.000152,0.000163,-0.000346,0.000542,0.001208,0.001227,-0.001250,0.001449,-0.001821,-0.002204,皮尔逊系数序列中前10个最大值分别为:0.942369,0.885821,0.874293,0.873375,0.871924,0.871652,0.868110,0.868611,0.868279,0.868067,电表的误差或者其他的偶然因素会较明显地影响计算结果的准确度。
另外,本发明的一实施例采用斯皮尔曼系数作为相关性特征值来构建高辨识度特征值。具体地,对于图2所示的3600秒电压数据序列,采用50秒的滑动窗口在电压数据序列上滑动,从而得到斯皮尔曼系数序列,共3551个数据点,再计算得到斯皮尔曼系数变化值序列,共3550个数据点,其中,斯皮尔曼系数变化值序列的3550个数据点的分布情况如表2所示。
表2、某低压台区电压序列的斯皮尔曼系数变化值分布表
个数 | |
斯皮尔曼系数变化值<0.12(含负值) | 3397 |
0.12≤斯皮尔曼系数变化值<0.14 | 61 |
0.14≤斯皮尔曼系数变化值<0.16 | 42 |
0.16≤斯皮尔曼系数变化值<0.18 | 23 |
0.18≤斯皮尔曼系数变化值<0.2 | 19 |
0.2≤斯皮尔曼系数变化值<0.22 | 6 |
斯皮尔曼系数变化值≥0.22 | 2 |
其中,斯皮尔曼系数变化值≥0.22的数据点只有2个,其[下标,斯皮尔曼系数变化值]分别为:([2415,0.230769],[629,0.220769])。显然斯皮尔曼系数变化值越大,出现的次数越少,且变化值越稀疏。因此我们选择斯皮尔曼系数变化值最大的m个点确定最佳匹配户表,有较好的排他性,辨识度高,可以有效消除误差和其他偶然因素的影响。本发明可以在一个小时的秒级电压数据中构建出高辨识度的负荷特征,可以大幅缩短户变关系的识别周期。
另外,如图7所示,本发明的另一实施例还提供一种台区识别系统,优选采用如上所述的台区识别方法,该系统包括:
数据采集模块,用于获取待识别户表和台区内所有已识别节点的电压数据序列;
窗口设置模块,用于设置滑动窗口,所述滑动窗口包括等宽的左侧数据区和右侧数据区;
第一序列构建模块,用于分别利用滑动窗口在待识别户表和所有已识别节点的电压数据序列中滑动,每滑动一次则计算左侧数据区内的电压曲线与右侧数据区内的电压曲线之间的相关性特征值,从而得到待识别户表和所有已识别节点的相关性特征值序列;
第二序列构建模块,用于基于相关性特征值序列获得相关性特征值变化值序列,并从相关性特征值变化值序列中选出多个极大值点作为高辨识度特征值,以构建高辨识度特征值序列;
识别模块,用于将待识别户表的高辨识度特征值序列与所有已识别节点的高辨识度特征值序列进行特征点匹配,并根据特征点匹配结果识别出待识别户表的户变关系或拓扑关系。
可以理解,本实施例的台区识别系统,首先获取待识别分表和台区内所有已识别节点的电压数据序列,并设置好包含等宽的左侧数据区和右侧数据区的滑动窗口,再利用设置好的滑动窗口在待识别户表和所有已识别节点的电压数据序列中滑动,以构建待识别户表和所有已识别节点的相关性特征值序列,再基于相关性特征值序列得到相关性特征值变化值序列,并选出多个极大值点作为高辨识度特征值,以构建高辨识度特征值序列,最后将待识别户表的高辨识度特征值序列与所有已识别节点的高辨识度特征值序列进行特征点匹配,以识别出待识别户表的户变关系或拓扑关系。本发明的台区识别系统,基于电压数据进行户变关系识别和拓扑关系识别,无需采用电流、功率、电量等负荷值,不仅适用于正常用电户表的识别,同时也适用于小负荷用户的识别。并且,在实际情况中,对于一个节点,其在短时间内出现突变性影响的概率很小,因此,当窗口滑动时,窗口左右数据区的电压曲线间的相关性在多数情况下变化不大,即多数情况下相关性特征值变化值不大,而本发明选择相关性特征值变化值中的极大值点作为高辨识度特征值,相关性特征值变化值越大,意味着滑动窗口内左右数据区数据曲线间的相关性变化越大,其出现的次数越少,且变化值越稀疏,本特征值选择具有很好的排他性,辨识度高,可以有效地消除误差和其它偶然因素的影响,提高了台区识别的准确度。
可以理解,本实施例的系统中的各个模块分别与上述方法实施例的各个步骤相对应,故各个模块的具体工作过程在此不再赘述,参考上述方法实施例即可。
另外,本发明的另一实施例还提供一种电子设备,包括处理器和存储器,所述存储器中存储有计算机程序,所述处理器通过调用所述存储器中存储的所述计算机程序,用于执行如上所述的方法的步骤。
另外,本发明的另一实施例还提供一种计算机可读取的存储介质,用于存储进行台区识别的计算机程序,所述计算机程序在计算机上运行时执行如上所述的方法的步骤。
一般计算机可读取存储介质的形式包括:软盘(floppy disk)、可挠性盘片(flexible disk)、硬盘、磁带、任何其与的磁性介质、CD-ROM、任何其余的光学介质、打孔卡片(punch cards)、纸带(paper tape)、任何其余的带有洞的图案的物理介质、随机存取存储器(RAM)、可编程只读存储器(PROM)、可抹除可编程只读存储器(EPROM)、快闪可抹除可编程只读存储器(FLASH-EPROM)、其余任何存储器芯片或卡匣、或任何其余可让计算机读取的介质。指令可进一步被一传输介质所传送或接收。传输介质这一术语可包含任何有形或无形的介质,其可用来存储、编码或承载用来给机器执行的指令,并且包含数字或模拟通信信号或其与促进上述指令的通信的无形介质。传输介质包含同轴电缆、铜线以及光纤,其包含了用来传输一计算机数据信号的总线的导线。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种台区识别方法,其特征在于,包括以下内容:
获取待识别户表和台区内所有已识别节点的电压数据序列;
设置滑动窗口,所述滑动窗口包括等宽的左侧数据区和右侧数据区;
分别利用滑动窗口在待识别户表和所有已识别节点的电压数据序列中滑动,每滑动一次则计算左侧数据区内的电压曲线与右侧数据区内的电压曲线之间的相关性特征值,从而得到待识别户表和所有已识别节点的相关性特征值序列;
基于相关性特征值序列获得相关性特征值变化值序列,并从相关性特征值变化值序列中选出多个极大值点作为高辨识度特征值,以构建高辨识度特征值序列;
将待识别户表的高辨识度特征值序列与所有已识别节点的高辨识度特征值序列进行特征点匹配,并根据特征点匹配结果识别出待识别户表的户变关系或拓扑关系;
所述基于相关性特征值序列获得相关性特征值变化值序列的过程具体为:
将相关性特征值序列中后一点的相关性特征值减去前一点的相关性特征值,从而得到相关性特征值变化值,逐一相减,得到相关性特征值变化值序列。
2.如权利要求1所述的台区识别方法,其特征在于,所述相关性特征值为皮尔逊系数或者斯皮尔曼系数。
3.如权利要求1所述的台区识别方法,其特征在于,当两个特征点在高辨识度特征值序列中的位置和高辨识度特征值均匹配时,则判定两个特征点匹配成功,当两个高辨识度特征值序列中匹配成功的特征点数量达到预设阈值时,则判定待识别户表与已识别节点匹配成功。
4.如权利要求3所述的台区识别方法,其特征在于,若已识别节点选用户表进行匹配,从中筛选出特征点匹配数量最多的已识别户表作为最佳匹配户表,则待识别户表与最佳匹配户表具有相同的户变关系。
5.如权利要求4所述的台区识别方法,其特征在于,若最佳匹配户表的数量为多个时,筛选出高辨识度特征值更接近的户表作为最终的最佳匹配户表。
6.如权利要求3所述的台区识别方法,其特征在于,若已识别节点选用分支单元进行匹配,从中筛选出特征点匹配数量最多的已识别分支单元作为最佳匹配分支单元,则待识别户表归属在最佳匹配分支单元下。
7.一种台区识别系统,采用如权利要求1~6任一项所述的方法,其特征在于,包括:
数据采集模块,用于获取待识别户表和台区内所有已识别节点的电压数据序列;
窗口设置模块,用于设置滑动窗口,所述滑动窗口包括等宽的左侧数据区和右侧数据区;
第一序列构建模块,用于分别利用滑动窗口在待识别户表和所有已识别节点的电压数据序列中滑动,每滑动一次则计算左侧数据区内的电压曲线与右侧数据区内的电压曲线之间的相关性特征值,从而得到待识别户表和所有已识别节点的相关性特征值序列;
第二序列构建模块,用于基于相关性特征值序列获得相关性特征值变化值序列,并从相关性特征值变化值序列中选出多个极大值点作为高辨识度特征值,以构建高辨识度特征值序列;
识别模块,用于将待识别户表的高辨识度特征值序列与所有已识别节点的高辨识度特征值序列进行特征点匹配,并根据特征点匹配结果识别出待识别户表的户变关系或拓扑关系。
8.一种电子设备,其特征在于,包括处理器和存储器,所述存储器中存储有计算机程序,所述处理器通过调用所述存储器中存储的所述计算机程序,用于执行如权利要求1~6任一项所述的方法的步骤。
9.一种计算机可读取的存储介质,用于存储进行台区识别的计算机程序,其特征在于,所述计算机程序在计算机上运行时执行如权利要求1~6任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210524073.5A CN114912526B (zh) | 2022-05-13 | 2022-05-13 | 台区识别方法及系统、电子设备、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210524073.5A CN114912526B (zh) | 2022-05-13 | 2022-05-13 | 台区识别方法及系统、电子设备、存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114912526A CN114912526A (zh) | 2022-08-16 |
CN114912526B true CN114912526B (zh) | 2024-04-26 |
Family
ID=82767605
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210524073.5A Active CN114912526B (zh) | 2022-05-13 | 2022-05-13 | 台区识别方法及系统、电子设备、存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114912526B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116626366B (zh) * | 2023-07-19 | 2023-10-24 | 青岛鼎信通讯科技有限公司 | 一种配电网特征电流识别方法 |
CN117148010B (zh) * | 2023-09-01 | 2024-04-05 | 北京佳悦灏源科技有限公司 | 一种基于hplc信号特征和电压相关性的台区识别方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110707686A (zh) * | 2019-09-06 | 2020-01-17 | 北京市腾河智慧能源科技有限公司 | 台区识别方法、构建台区线路拓扑的方法 |
CN110727662A (zh) * | 2019-09-10 | 2020-01-24 | 国网浙江省电力有限公司电力科学研究院 | 基于相关性分析的低压台区用户相位识别方法和系统 |
CN111400371A (zh) * | 2020-03-13 | 2020-07-10 | 上海电力大学 | 一种基于电压相关性校验的户变关系识别方法 |
CN111624544A (zh) * | 2020-06-08 | 2020-09-04 | 南方电网科学研究院有限责任公司 | 一种台区户变关系识别方法及相关装置 |
CN111881189A (zh) * | 2020-08-04 | 2020-11-03 | 广东电网有限责任公司计量中心 | 一种台区户变关系校验方法及系统 |
WO2020221035A1 (zh) * | 2019-04-30 | 2020-11-05 | 北京市腾河智慧能源科技有限公司 | 台区识别方法、计算机可读取的存储介质 |
CN112186740A (zh) * | 2020-09-09 | 2021-01-05 | 北京市腾河电子技术有限公司 | 对小负荷用户进行台区识别的方法及系统、存储介质 |
CN112463849A (zh) * | 2020-11-20 | 2021-03-09 | 北京市腾河电子技术有限公司 | 进行台区户变关系识别的方法、计算机可读取的存储介质 |
CN112966219A (zh) * | 2021-03-01 | 2021-06-15 | 北京市腾河智慧能源科技有限公司 | 识别户表与表箱关系的方法及系统、设备、介质 |
CN113092935A (zh) * | 2021-04-02 | 2021-07-09 | 北京市腾河智慧能源科技有限公司 | 一种识别小负荷线路拓扑的方法及系统、设备、存储介质 |
CN113724101A (zh) * | 2021-08-30 | 2021-11-30 | 北京市腾河科技有限公司 | 台区的箱表关系识别方法及系统、设备、存储介质 |
CN114050657A (zh) * | 2021-11-26 | 2022-02-15 | 北京市腾河智慧能源科技有限公司 | 光伏并网后的台区拓扑识别方法及系统、设备、存储介质 |
-
2022
- 2022-05-13 CN CN202210524073.5A patent/CN114912526B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020221035A1 (zh) * | 2019-04-30 | 2020-11-05 | 北京市腾河智慧能源科技有限公司 | 台区识别方法、计算机可读取的存储介质 |
EP3965246A1 (en) * | 2019-04-30 | 2022-03-09 | Beijing Tengineer Aiot Tech Co., Ltd. | Transformer area identification method and computer-readable storage medium |
WO2021043317A1 (zh) * | 2019-09-06 | 2021-03-11 | 北京市腾河智慧能源科技有限公司 | 台区识别方法、构建台区线路拓扑的方法 |
CN110707686A (zh) * | 2019-09-06 | 2020-01-17 | 北京市腾河智慧能源科技有限公司 | 台区识别方法、构建台区线路拓扑的方法 |
CN110727662A (zh) * | 2019-09-10 | 2020-01-24 | 国网浙江省电力有限公司电力科学研究院 | 基于相关性分析的低压台区用户相位识别方法和系统 |
CN111400371A (zh) * | 2020-03-13 | 2020-07-10 | 上海电力大学 | 一种基于电压相关性校验的户变关系识别方法 |
CN111624544A (zh) * | 2020-06-08 | 2020-09-04 | 南方电网科学研究院有限责任公司 | 一种台区户变关系识别方法及相关装置 |
CN111881189A (zh) * | 2020-08-04 | 2020-11-03 | 广东电网有限责任公司计量中心 | 一种台区户变关系校验方法及系统 |
CN112186740A (zh) * | 2020-09-09 | 2021-01-05 | 北京市腾河电子技术有限公司 | 对小负荷用户进行台区识别的方法及系统、存储介质 |
CN112463849A (zh) * | 2020-11-20 | 2021-03-09 | 北京市腾河电子技术有限公司 | 进行台区户变关系识别的方法、计算机可读取的存储介质 |
CN112966219A (zh) * | 2021-03-01 | 2021-06-15 | 北京市腾河智慧能源科技有限公司 | 识别户表与表箱关系的方法及系统、设备、介质 |
CN113092935A (zh) * | 2021-04-02 | 2021-07-09 | 北京市腾河智慧能源科技有限公司 | 一种识别小负荷线路拓扑的方法及系统、设备、存储介质 |
CN113724101A (zh) * | 2021-08-30 | 2021-11-30 | 北京市腾河科技有限公司 | 台区的箱表关系识别方法及系统、设备、存储介质 |
CN114050657A (zh) * | 2021-11-26 | 2022-02-15 | 北京市腾河智慧能源科技有限公司 | 光伏并网后的台区拓扑识别方法及系统、设备、存储介质 |
Non-Patent Citations (4)
Title |
---|
Low-voltage station area topology recognition method based on weighted least squares method;Fusheng Wei et al.;《2020 IEEE Sustainable Power and Energy Conference》;20210218;2539-2544 * |
基于电压波动特征聚类的配电网拓扑识别方法;海迪 等;《湖南师范大学自然科学学报》;20211130;第44卷(第6期);114-120 * |
基于电压集群特性分析的台区户变关系校验方法;蔡永智 等;《广东电力》;20210831;第34卷(第8期);50-60 * |
基于电气特性分析的台区拓扑变化辨识方法;蔡永智 等;《机电工程技术》;20211231;第50卷(第11期);227-230 * |
Also Published As
Publication number | Publication date |
---|---|
CN114912526A (zh) | 2022-08-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114912526B (zh) | 台区识别方法及系统、电子设备、存储介质 | |
CN112117763B (zh) | 一种低压配电网拓扑识别与参数估计方法 | |
CN112186740B (zh) | 对小负荷用户进行台区识别的方法及系统、存储介质 | |
CN113092935B (zh) | 一种识别小负荷线路拓扑的方法及系统、设备、存储介质 | |
CN113363980B (zh) | 一种适用于低压配电网拓扑自动识别方法及设备 | |
CN106485089B (zh) | 谐波用户典型工况的区间参数获取方法 | |
CN110865237A (zh) | 基于电压时间序列的配电台区户表相位关系校验方法 | |
CN112600191B (zh) | 基于非线性回归的低压配电网参数和拓扑联合辨识方法 | |
CN107679289B (zh) | 一种降低多馈入直流换相失败风险的动态无功补偿配置方法 | |
CN112966219A (zh) | 识别户表与表箱关系的方法及系统、设备、介质 | |
CN112180204A (zh) | 一种基于电气量信息的电网线路故障诊断方法 | |
CN112561251A (zh) | 配电网异常点检测方法、装置、计算机设备及存储介质 | |
CN115618249A (zh) | 一种基于LargeVis降维与DBSCAN聚类的低压配电台区相位识别方法 | |
CN115000947A (zh) | 基于智能电表量测的配电网拓扑结构与线路参数辨识方法 | |
CN116401532A (zh) | 一种电力系统受扰后频率失稳识别方法及系统 | |
CN112381667B (zh) | 一种基于深度学习的配网电气拓扑识别方法 | |
CN116502149A (zh) | 基于电流特征传导的低压配电网户变关系识别方法及系统 | |
CN112583004B (zh) | 基于电压离散性识别线路拓扑的方法及系统、存储介质 | |
CN114896302B (zh) | 小负荷用户的户变关系识别方法及系统、设备、存储介质 | |
CN114785441A (zh) | 周波级电力数据的同步方法及系统、设备、存储介质 | |
CN115618286A (zh) | 变压器局部放电类型识别方法、系统、设备、终端及应用 | |
Rahimpour et al. | Parameters estimation of transformers gray box model | |
CN113139295A (zh) | 电力系统综合状态估计方法及系统 | |
CN113609765A (zh) | 一种过电压预测方法 | |
CN112834863A (zh) | 利用电力线通信中的阻抗估计算法监测电力线故障的方法 |
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 |