CN115329814B - 一种基于图像信号处理的低压用户链路识别方法及装置 - Google Patents
一种基于图像信号处理的低压用户链路识别方法及装置 Download PDFInfo
- Publication number
- CN115329814B CN115329814B CN202210958470.3A CN202210958470A CN115329814B CN 115329814 B CN115329814 B CN 115329814B CN 202210958470 A CN202210958470 A CN 202210958470A CN 115329814 B CN115329814 B CN 115329814B
- Authority
- CN
- China
- Prior art keywords
- voltage
- user
- users
- low
- matrix
- 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 51
- 238000012545 processing Methods 0.000 title claims abstract description 29
- 239000011159 matrix material Substances 0.000 claims abstract description 101
- 238000005457 optimization Methods 0.000 claims abstract description 33
- 238000012163 sequencing technique Methods 0.000 claims abstract description 20
- 238000000819 phase cycle Methods 0.000 claims abstract description 12
- 238000012937 correction Methods 0.000 claims abstract description 8
- 238000005259 measurement Methods 0.000 claims description 29
- 238000004590 computer program Methods 0.000 claims description 10
- 238000010276 construction Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000011144 upstream manufacturing Methods 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 229910052799 carbon Inorganic materials 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000006386 neutralization reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
- G06F16/9024—Graphs; Linked lists
-
- 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
-
- 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
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Power Engineering (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明实施例公开了一种基于图像信号处理的低压用户链路识别方法及装置,该方法构建电压数据矩阵X1和电流数据矩阵X2,构建以用户链路关系为变量矩阵的图结构优化识别模型,根据用户间的电压曲线相关性对用户进行分类和排序,得到初步用户链路关系,设定欧式距离差值阈值系数的第一阈值和电压曲线相关系数的第二阈值对初步用户链路进行修正,得到最终用户链路关系。实施例不需要人工核查,也不需要额外加装设备,投资成本少;将用户之间的链路关系转换成图结构中各顶点之间的连接关系,提出由相序识别‑用户排序和链路识别‑结果修正多模块组成的用户链路识别方案,实现用户链路关系识别,其不受新能源并网的影响。
Description
技术领域
本发明涉及低压用户链路识别技术领域,具体涉及一种基于图像信号处理的低压用户链路识别方法及装置。
背景技术
近年来,为了缓解环境污染和资源枯竭压力,我国提出了二氧化碳排放力争于2030年前达到峰值,努力争取2060年前实现“碳中和”。构建以新能源为主体的新型电力系统是实现“双碳目标”的重要途径。准确的低压拓扑连接关系是支撑新型电力系统的重要基础。低压拓扑关系指的是变压器-三相低压母线-各级分支馈线-用户(变-相-线-户)之间的物理连接线路。
由于低压台区数量繁多、布线复杂、变动频繁,现阶段各级分支线之间缺乏监控设备,识别分支线之间的网络拓扑难度较大,已有低压拓扑识别方法的研究对象主要集中在变户关系、相户关系以及线户关系识别三个方面。线户关系即用户与各相低压母线一级分支线的连接关系是当前低压拓扑识别的最小辨识颗粒度,还不能确定用户链路关系——用户之间的上下游连接关系。
在识别对象方面,已有低压拓扑识别方法的研究对象主要集中在变户关系、相户关系以及线户关系识别三个方面,还不能确定用户链路关系——用户之间的上下游连接关系。
在识别手段方面,传统方法主要依赖负责各个片区的电工师傅的运维经验以及人工核查的方式。高级量测体系的发展提供了海量的低压台区运行数据。因此除人工核查之外,不少研究提出了利用信号发射设备和智能电表数据分析确定低压拓扑关系的方法。
现有技术中有公开用DDTW(基于导数动态时间弯曲)距离与DBSCAN(基于密度的有噪空间聚类应用)算法确定低压台区户变关系,研制了一种电能表供电相位识别系统,通过供电相位识别载波信号的收发,实现电能表供电相序识别,利用电表与配变三相母线电压曲线相关性,确定相户关系,利用用户间的电压曲线相关性和节点电流定律确定低压台区线户连接关系。然而,上述中电能表供电相位识别系统需要在低压台区中增加需增加大量终端设备,存在电子化移交的准确度要求高、投资大、运维难等问题,同时它们对于集中器和电表的时钟同步性要求较高,受通信影响大;上述其他技术关注的分别是低压台区变户、相户以及线户识别关系识别,均不能识别用户上下游链路关系,依赖于“位于同一相序的用户电压相关性高于不同相序用户间的电压相关性”这一特性。新能源并网双向潮流下,受同相用户间的电压数据时序性差异影响,位于同一相序的用户电压相关性可能低于不同相序用户间的电压相关性,在存在新能源并网的场景下效果较差的问题。
发明内容
针对所述缺陷,本发明实施例公开了一种基于图像信号处理的低压用户链路识别方法及装置,其投资成本低、不受新能源并网的影响。
本发明实施例第一方面公开了一种基于图像信号处理的低压用户链路识别方法,包括:
采集待识别的低压配电网中配电变压器低压侧三相母线和用户的电压时序数据及电流时序数据,并构建电压数据矩阵X1和电流数据矩阵X2;
构建以用户链路关系为变量矩阵的图结构优化识别模型,将所述电压矩阵X1和电流数据矩阵X2作为输入参数输入至所述图结构优化识别模型以输出相户关系;
根据用户间的电压曲线相关性对用户进行分类和排序,并根据所述排序重新构建图结构优化识别模型,以得到初步用户链路关系;
设定欧式距离差值阈值系数的第一阈值和电压曲线相关系数的第二阈值,基于所述第一阈值和第二阈值对初步用户链路进行修正,得到最终用户链路关系
作为一种可选的实施方式,在本发明实施例第一方面中, 每相邻两次采集所述电压时序数据和电流时序数据之间间隔15分钟。
作为一种可选的实施方式,在本发明实施例第一方面中,所述采集待识别的低压配电网中配电变压器低压侧三相母线和用户的电压时序数据及电流时序数据中,将LVDN低压母线上的计量终端和用户侧的智能电表统称为量测点;所述电压数据矩阵X1=[X1P; X1C],所述电流数据矩阵X2=[X2P; X2C],其中X1P表示低压三相母线的电压时序数据,X2P表示低压三相母线的电流时序数据,X2C表示用户的电压时序数据,X2C表示用户的电流时序数据
作为一种可选的实施方式,在本发明实施例第一方面中,所述图结构优化识别模型为:;
其中,
λ 1为图信号平滑性目标的超参数,
λ 2为节点电流定律目标的超参数,为反映图中量测点连接关系的邻接矩阵,量测点
i和
j之间的连接关系,
S为量测点总数目,为量测点的电压曲线相关性系数矩阵,
R ij 表示量测点
i和
j之间的电压曲线相关性系数;X2P为低压三相母线的电流时序数据,
C 1是一个-维的矩阵,
C 1=[EP;0],EP为-维的单位矩阵,
S P=3为低压母线的总相数,
S C为用户总数,
S为量测点总数,矩阵
H为矩阵
A的幂级数之和。
2.作为一种可选的实施方式,在本发明实施例第一方面中,所述根据用户间的电压曲线相关性对用户进行分类和排序,包括:
用集合
S A、
S B、
S C表示三相用户相序连接关系,并分别对
S A、
S B、
S C内包含的用户进行用户聚类,得到三相用户聚类集合Ωφ,;
对三相用户聚类集合Ωφ中各个类别里的用户分别进行排序,计算三相用户聚类集合Ωφ中每个类别内的用户的电压均值,根据电压均值从高至低的顺序对用户进行排序;
获取三相用户聚类集合Ωφ中每一个类别内分别对应的电压平均值,根据电压平均值从高至低的顺序对各个类别进行排序,得到三相用户的排序集合YA、YB、YC。
作为一种可选的实施方式,在本发明实施例第一方面中,根据所述排序重新构建图结构优化识别模型,以得到初步用户链路关系,具体为:
将用户按照{YA,YB,YC}排序,重新构建电压数据矩阵X1和电流数据矩阵X2;
将电压数据矩阵X1和电流数据矩阵X2输入图结构优化识别模型,求解得到矩阵蕴含用户链路关系的邻接矩阵
A,即初步用户链路关系。
作为一种可选的实施方式,在本发明实施例第一方面中,所述设定欧式距离差值阈值系数的第一阈值和电压曲线相关系数的第二阈值,基于所述第一阈值和第二阈值对初步用户链路进行修正,包括:
将用户按照{YA,YB,YC}排序,并按照排序结果对相邻用户的电压曲线计算欧式距离,得
D eu=[
d eu(1),
d eu(2),…,
d eu(
i),…,
d eu(
N-1)],其中,
d eu(1)表示第1个用户与第2个用户之间电压曲线的欧式距离,
d eu(2)标识第2个用户与第3个用户之间电压曲线的欧式距离,
d eu(i)表示第
i个用户和第
i+1个用户之间电压曲线的欧式距离,
d eu(
N-1)表示第
N-1个用户与第
N个用户之间电压曲线的欧式距离,
N代表低压台区中的总用户数;
对数组
D eu内的相邻元素进一步做差,得到数组
D meu=[
d meu(1),
d meu(2),…,
d meu(
j),…,
d meu(
N-2)],
d meu(1)=
d eu(2)-
d eu(1),
d meu(2)=
d eu(3)-
d eu(2),
d meu(
j)=
d eu(
j+1)-
d eu(
j),
d meu(
N-2)=
d eu(
N-1)-
d eu(
N-2);
设定第一阈值为 1,第二阈值为 2,设定
j=1;
判断
d meu(
j)是否大于第一阈值 1,若是判断第(
j+2)个用户与前序用户的电压曲线相关性系数是否低于第二阈值 2,否则,判断
j是否大于等于
N-2;
当第(
j+2)个用户与前序用户的电压曲线相关性系数低于第二阈值 2时,判断第(
j+2)个用户与第(
j+1)用户是否位于同相,否则,判断j是否大于等于
N-2;
当第(
j+2)个用户与第(
j+1)用户位于同相时,对邻接矩阵
A中的元素进行修改;
当
j大于等于
N-2时,流程结束并得到修改后的邻接矩阵
A,否则,
j=
j+1,并返回判断
d meu(
j)是否大于第一阈值 1。
本发明实施例第二方面公开一种基于图像信号处理的低压用户链路识别装置,包括:
数据采集模块:用于采集待识别的低压配电网中配电变压器低压侧三相母线和用户的电压时序数据及电流时序数据,并构建电压数据矩阵X1和电流数据矩阵X2;
模型构建模块:用于构建以用户链路关系为变量矩阵的图结构优化识别模型,将所述电压矩阵X1和电流数据矩阵X2作为输入参数输入至所述图结构优化识别模型以输出相户关系;
链路关系获得模块:用于根据用户间的电压曲线相关性对用户进行分类和排序,并根据所述排序重新构建图结构优化识别模型,以得到初步用户链路关系;
链路关系修正模块:用于设定欧式距离差值阈值系数的第一阈值和电压曲线相关系数的第二阈值,基于所述第一阈值和第二阈值对初步用户链路进行修正,得到最终用户链路关系。
本发明实施例第三方面公开一种电子设备,包括:存储有可执行程序代码的存储器;与所述存储器耦合的处理器;所述处理器调用所述存储器中存储的所述可执行程序代码,用于执行本发明实施例第一方面公开的基于图像信号处理的低压用户链路识别方法。
本发明实施例第四方面公开一种计算机可读存储介质,其存储计算机程序,其中,所述计算机程序使得计算机执行本发明实施例第一方面公开的基于图像信号处理的低压用户链路识别方法。
与现有技术相比,本发明实施例具有以下有益效果:
本发明实施例中公开的基于图像信号处理的低压用户链路识别方法利用当前台区已有的量测系统,采集台区配电变压器低压侧三相母线和用户的电压、电流数据,不需要人工核查,也不需要额外加装设备,投资成本少;将用户之间的链路关系转换成图结构中各顶点之间的连接关系,提出由相序识别-用户排序和链路识别-结果修正多模块组成的用户链路识别方案,实现用户链路关系识别,其不受新能源并网的影响。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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是本发明实施例公开的一种基于图像信号处理的低压用户链路识别方法的流程示意图;
图2是本发明实施例提供的一种基于图像信号处理的低压用户链路识别装置的结构示意图;
图3是本发明实施例提供的一种电子设备的结构示意图。
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做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书中的术语“第一”、“第二”、“第三”、“第四”等是用于区别不同的对象,而不是用于描述特定顺序。本发明实施例的术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,示例性地,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本发明实施例公开了基于图像信号处理的低压用户链路识别方法、装置、电子设备及存储介质,利用当前台区已有的量测系统,采集台区配电变压器低压侧三相母线和用户的电压、电流数据,不需要人工核查,也不需要额外加装设备,投资成本少;将用户之间的链路关系转换成图结构中各顶点之间的连接关系,提出由相序识别-用户排序和链路识别-结果修正多模块组成的用户链路识别方案,实现用户链路关系识别,其不受新能源并网的影响。
实施例一
请参阅图1,图1是本发明实施例公开的基于图像信号处理的低压用户链路识别方法的流程示意图。其中,本发明实施例所描述的方法的执行主体为由软件或/和硬件组成的执行主体,该执行主体可以通过有线或/和无线方式接收相关信息,并可以发送一定的指令。当然,其还可以具有一定的处理功能和存储功能。该执行主体可以控制多个设备,例如远程的物理服务器或云服务器以及相关软件,也可以是对某处安置的设备进行相关操作的本地主机或服务器以及相关软件等。在一些场景中,还可以控制多个存储设备,存储设备可以与设备放置于同一地方或不同地方。如图1所示,该基于基于图像信号处理的低压用户链路识别方法包括以下步骤:
101、采集待识别的低压配电网中配电变压器低压侧三相母线和用户的电压时序数据及电流时序数据,并构建电压数据矩阵X1和电流数据矩阵X2。
本步骤中,每相邻两次采集所述电压时序数据和电流时序数据之间间隔15分钟。也即是,每隔15分钟采集一次电压时序数据和电流时序数据。
上述中,将LVDN低压母线上的计量终端和用户侧的智能电表统称为量测点;所述电压数据矩阵X1=[X1P; X1C],所述电流数据矩阵X2=[X2P; X2C],其中X1P表示低压三相母线的电压时序数据,X2P表示低压三相母线的电流时序数据,X2C表示用户的电压时序数据,X2C表示用户的电流时序数据。
102、构建以用户链路关系为变量矩阵的图结构优化识别模型,将所述电压矩阵X1和电流数据矩阵X2作为输入参数输入至所述图结构优化识别模型以输出相户关系。
本步骤是构建以用户链路关系为变量矩阵的图结构优化识别模型,输入电压数据矩阵X1、电流数据矩阵X2,求解图结构优化识别模型得到相户关系。其中,图结构优化识别模型为:;
其中,
λ 1为图信号平滑性目标的超参数,
λ 2为节点电流定律目标的超参数,为反映图中量测点连接关系的邻接矩阵,量测点
i和
j之间的连接关系,
S为量测点总数目,为量测点的电压曲线相关性系数矩阵,
R ij 表示量测点
i和
j之间的电压曲线相关性系数;X2P为低压三相母线的电流时序数据,
C 1是一个-维的矩阵,
C 1=[EP;0],EP为-维的单位矩阵,
S P=3为低压母线的总相数,
S C为用户总数,
S为量测点总数,矩阵
H为矩阵
A的幂级数之和。
103、根据用户间的电压曲线相关性对用户进行分类和排序,并根据所述排序重新构建图结构优化识别模型,以得到初步用户链路关系。
上述中,用集合
S A、
S B、
S C表示三相用户相序连接关系,并分别对
S A、
S B、
S C内包含的用户进行用户聚类,得到三相用户聚类集合Ωφ,;对三相用户聚类集合Ωφ中各个类别里的用户分别进行排序,计算三相用户聚类集合Ωφ中每个类别内的用户的电压均值,根据电压均值从高至低的顺序对用户进行排序;获取三相用户聚类集合Ωφ中每一个类别内分别对应的电压平均值,根据电压平均值从高至低的顺序对各个类别进行排序,得到三相用户的排序集合YA、YB、YC。而后,将用户按照{YA,YB,YC}排序,重新构建电压数据矩阵X1和电流数据矩阵X2;将电压数据矩阵X1和电流数据矩阵X2输入图结构优化识别模型,求解得到矩阵蕴含用户链路关系的邻接矩阵
A,即初步用户链路关系。
104、设定欧式距离差值阈值系数的第一阈值和电压曲线相关系数的第二阈值,基于所述第一阈值和第二阈值对初步用户链路进行修正,得到最终用户链路关系。
将用户按照{YA,YB,YC}排序,并按照排序结果对相邻用户的电压曲线计算欧式距离,得
D eu=[
d eu(1),
d eu(2),…,
d eu(
i),…,
d eu(
N-1)],其中,
d eu(1)表示第1个用户与第2个用户之间电压曲线的欧式距离,
d eu(2)标识第2个用户与第3个用户之间电压曲线的欧式距离,
d eu(i)表示第
i个用户和第
i+1个用户之间电压曲线的欧式距离,
d eu(
N-1)表示第
N-1个用户与第
N个用户之间电压曲线的欧式距离,
N代表低压台区中的总用户数;
根据公式对数组Deu内的相邻元素进一步做差,得到数组
D meu=[
d meu(1),
d meu(2),…,
d meu(
j),…,
d meu(
N-2)],
d meu(1)=
d eu(2)-
d eu(1),该
d meu(1)表示第2个用户与第3个用户之间电压曲线的欧式距离
d eu(2)和第1个用户与第2个用户之间电压曲线的欧式距离
d eu(1)的差值;
d meu(2)=
d eu(3)-
d eu(2),表示第3个用户与第4个用户之间电压曲线的欧式距离
d eu(3)和第2个用户与第3个用户之间电压曲线的欧式距离
d eu(2)的差值;
d meu(
j)=
d eu(
j+1)-
d eu(
j),表示第
j+1个用户和第
j+2个用户
d eu(
j+1)与第
j个用户和第
j+1个用户
d eu(
j)之间电压曲线的欧式距离之差,
d meu(
N-2)=
d eu(
N-1)-
d eu(
N-2);表示第
N个用户和第
N-1个用户
d eu(
N-1)与第
N-1个用户和第
N-2个用户
d eu(
N-2)之间电压曲线的欧式距离之差。
之后,设定第一阈值为 1,第二阈值为 2,设定
j=1;判断
d meu(
j)是否大于第一阈值 1,若是判断第(
j+2)个用户与前序用户的电压曲线相关性系数是否低于第二阈值 2,否则,判断
j是否大于等于
N-2;当第
(j+2)个用户与前序用户的电压曲线相关性系数低于第二阈值
δ 2时,判断第(
j+2)个用户与第(
j+1)用户是否位于同相,否则,判断
j是否大于等于
N-2;当第(
j+2)个用户与第(
j+1)用户位于同相时,对邻接矩阵
A中的元素进行修改;当
j大于等于
N-2时,流程结束并得到修改后的邻接矩阵
A,也是最终的用户链路关系,否则,
j=
j+1,并返回判断
d meu(
j)是否大于第一阈值 1。
实施例二
请参阅图2,图2是本发明实施例公开的基于图像信号处理的低压用户链路识别装置的结构示意图。如图2所示,该基于图像信号处理的低压用户链路识别装置可以包括数据采集模块201、模型构建模块202、链路关系获得模块203和链路关系修正模块204,数据采集模块201用于采集待识别的低压配电网中配电变压器低压侧三相母线和用户的电压时序数据及电流时序数据,并构建电压数据矩阵X1和电流数据矩阵X2;模型构建模块202用于构建以用户链路关系为变量矩阵的图结构优化识别模型,将所述电压矩阵X1和电流数据矩阵X2作为输入参数输入至所述图结构优化识别模型以输出相户关系;链路关系获得模块203用于根据用户间的电压曲线相关性对用户进行分类和排序,并根据所述排序重新构建图结构优化识别模型,以得到初步用户链路关系;链路关系修正模块204用于设定欧式距离差值阈值系数的第一阈值和电压曲线相关系数的第二阈值,基于所述第一阈值和第二阈值对初步用户链路进行修正,得到最终用户链路关系。
上述中,数据采集模块201中,每相邻两次采集所述电压时序数据和电流时序数据之间间隔15分钟。所述采集待识别的低压配电网中配电变压器低压侧三相母线和用户的电压时序数据及电流时序数据中,将LVDN低压母线上的计量终端和用户侧的智能电表统称为量测点;所述电压数据矩阵X1=[X1P; X1C],所述电流数据矩阵X2=[X2P; X2C],其中X1P表示低压三相母线的电压时序数据,X2P表示低压三相母线的电流时序数据,X2C表示用户的电压时序数据,X2C表示用户的电流时序数据。
其中,图结构优化识别模型为:;
其中,
λ 1为图信号平滑性目标的超参数,
λ 2为节点电流定律目标的超参数,为反映图中量测点连接关系的邻接矩阵,量测点
i和
j之间的连接关系,
S为量测点总数目,为量测点的电压曲线相关性系数矩阵,
R ij 表示量测点
i和
j之间的电压曲线相关性系数;X2P为低压三相母线的电流时序数据,
C 1是一个-维的矩阵,
C 1=[EP;0],EP为-维的单位矩阵,
S P=3为低压母线的总相数,
S C为用户总数,
S为量测点总数,矩阵
H为矩阵
A的幂级数之和。
在链路关系获得模块203中,用集合
S A、
S B、
S C表示三相用户相序连接关系,并分别对
S A、
S B、
S C内包含的用户进行用户聚类,得到三相用户聚类集合Ωφ,;对三相用户聚类集合Ωφ中各个类别里的用户分别进行排序,计算三相用户聚类集合Ωφ中每个类别内的用户的电压均值,根据电压均值从高至低的顺序对用户进行排序;获取三相用户聚类集合Ωφ中每一个类别内分别对应的电压平均值,根据电压平均值从高至低的顺序对各个类别进行排序,得到三相用户的排序集合YA、YB、YC。将用户按照{YA,YB,YC}排序,重新构建电压数据矩阵X1和电流数据矩阵X2;将电压数据矩阵X1和电流数据矩阵X2输入图结构优化识别模型,求解得到矩阵蕴含用户链路关系的邻接矩阵A,即初步用户链路关系。
在链路关系修正模块204中,将用户按照{YA,YB,YC}排序,并按照排序结果对相邻用户的电压曲线计算欧式距离,得
D eu=[
d eu(1),
d eu(2),…,
d eu(i),…,
d eu(
N-1)],其中,
d eu(1)表示第1个用户与第2个用户之间电压曲线的欧式距离,
d eu(2)标识第2个用户与第3个用户之间电压曲线的欧式距离,
d eu(i)表示第i个用户和第
i+1个用户之间电压曲线的欧式距离,
d eu(
N-1)表示第
N-1个用户与第
N个用户之间电压曲线的欧式距离,
N代表低压台区中的总用户数;对数组
D eu内的相邻元素进一步做差,得到数组
D meu=[
d meu(1),
d meu(2),…,
d meu(
j)
,…,
d meu(
N-2)],
d meu(1)=
d eu(2)-
d eu(1),
d meu(2)=
d eu(3)-
d eu(2),
d meu(
j)=
d eu(
j+1)-
d eu(
j),
d meu(
N-2)=
d eu(
N-1)-
d eu(
N-2);设定第一阈值为 1,第二阈值为 2,设定
j=1;判断
d meu(
j)是否大于第一阈值 1,若是判断第(
j+2)个用户与前序用户的电压曲线相关性系数是否低于第二阈值 2,否则,判断
j是否大于等于
N-2;当第(
j+2)个用户与前序用户的电压曲线相关性系数低于第二阈值 2时,判断第(
j+2)个用户与第(
j+1)用户是否位于同相,否则,判断
j是否大于等于
N-2;当第(
j+2)个用户与第(
j+1)用户位于同相时,对邻接矩阵
A中的元素进行修改;当
j大于等于
N-2时,流程结束并得到修改后的邻接矩阵
A,否则,
j=
j+1,并返回判断
d meu(
j)是否大于第一阈值 1。
实施例三
请参阅图3,图3是本发明实施例公开的一种电子设备的结构示意图。电子设备可以是计算机以及服务器等,当然,在一定情况下,还可以是手机、平板电脑以及监控终端等智能设备,以及具有处理功能的图像采集装置。如图3所示,该电子设备可以包括:
存储有可执行程序代码的存储器301;
与存储器301耦合的处理器302;
其中,处理器302调用存储器301中存储的可执行程序代码,执行实施例一中的基于图像信号处理的低压用户链路识别方法中的部分或全部步骤。
本发明实施例公开一种计算机可读存储介质,其存储计算机程序,其中,该计算机程序使得计算机执行实施例一中的基于图像信号处理的低压用户链路识别方法中的部分或全部步骤。
本发明实施例还公开一种计算机程序产品,其中,当计算机程序产品在计算机上运行时,使得计算机执行实施例一中的基于图像信号处理的低压用户链路识别方法中的部分或全部步骤。
本发明实施例还公开一种应用发布平台,其中,应用发布平台用于发布计算机程序产品,其中,当计算机程序产品在计算机上运行时,使得计算机执行实施例一中的基于图像信号处理的低压用户链路识别方法中的部分或全部步骤。
在本发明的各种实施例中,应理解,所述各过程的序号的大小并不意味着执行顺序的必然先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物单元,即可位于一个地方,或者也可以分布到多个网络单元上。可根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。所述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元若以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可获取的存储器中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或者部分,可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储器中,包括若干请求用以使得一台计算机设备(可以为个人计算机、服务器或者网络设备等,具体可以是计算机设备中的处理器)执行本发明的各个实施例所述方法的部分或全部步骤。
在本发明所提供的实施例中,应理解,“与A对应的B”表示B与A相关联,根据A可以确定B。但还应理解,根据A确定B并不意味着仅仅根据A确定B,还可以根据A和/或其他信息确定B。
本领域普通技术人员可以理解所述实施例的各种方法中的部分或全部步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质包括只读存储器(Read-Only Memory,ROM)、随机存储器(RandomAccess Memory,RAM)、可编程只读存储器(Programmable Read-only Memory,PROM)、可擦除可编程只读存储器(Erasable Programmable Read-Only Memory,EPROM)、一次可编程只读存储器(One-timeProgrammable Read-Only Memory,OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory,EEPROM)、只读光盘(CompactDisc Read-Only Memory,CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
以上对本发明实施例公开的基于图像信号处理的低压用户链路识别方法、装置、电子设备及存储介质进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (9)
1.一种基于图像信号处理的低压用户链路识别方法,其特征在于,包括:
采集待识别的低压配电网中配电变压器低压侧三相母线和用户的电压时序数据及电流时序数据,并构建电压数据矩阵X1和电流数据矩阵X2;
构建以用户链路关系为变量矩阵的图结构优化识别模型,将所述电压矩阵X1和电流数据矩阵X2作为输入参数输入至所述图结构优化识别模型以输出相户关系;所述图结构优化识别模型为:
;
其中,λ 1为图信号平滑性目标的超参数,λ 2为节点电流定律目标)的超参数,为反映图中量测点连接关系的邻接矩阵,量测点i和j之间的连接关系,S为量测点总数目,为量测点的电压曲线相关性系数矩阵,R ij 表示量测点i和j之间的电压曲线相关性系数;X2P为低压三相母线的电流时序数据,C 1是一个-维的矩阵,C 1=[EP;0],EP为-维的单位矩阵,S P=3为低压母线的总相数,S C为用户总数,S为量测点总数,矩阵H为矩阵A的幂级数之和;
根据用户间的电压曲线相关性对用户进行分类和排序,并根据所述排序重新构建图结构优化识别模型,以得到初步用户链路关系;
设定欧式距离差值阈值系数的第一阈值和电压曲线相关系数的第二阈值,基于所述第一阈值和第二阈值对初步用户链路进行修正,得到最终用户链路关系。
2.根据权利要求1所述的低压用户链路识别方法,其特征在于,每相邻两次采集所述电压时序数据和电流时序数据之间间隔15分钟。
3.根据权利要求1所述的低压用户链路识别方法,其特征在于,所述采集待识别的低压配电网中配电变压器低压侧三相母线和用户的电压时序数据及电流时序数据中,将LVDN低压母线上的计量终端和用户侧的智能电表统称为量测点;所述电压数据矩阵X1=[X1P; X1C],所述电流数据矩阵X2 =[X2P; X2C],其中X1P表示低压三相母线的电压时序数据,X2P表示低压三相母线的电流时序数据,X1C表示用户的电压时序数据,X2C表示用户的电流时序数据。
4.根据权利要求3所述的低压用户链路识别方法,其特征在于,所述根据用户间的电压曲线相关性对用户进行分类和排序,包括:
用集合S A、S B、S C表示三相用户相序连接关系,并分别对S A、S B、S C内包含的用户进行用户聚类,得到三相用户聚类集合Ωφ,φ{A,B,C};
对三相用户聚类集合Ωφ中各个类别里的用户分别进行排序,计算三相用户聚类集合Ωφ中每个类别内的用户的电压均值,根据电压均值从高至低的顺序对用户进行排序;
获取三相用户聚类集合Ωφ中每一个类别内分别对应的电压平均值,根据电压平均值从高至低的顺序对各个类别进行排序,得到三相用户的排序集合YA、YB、YC。
5.根据权利要求4所述的低压用户链路识别方法,其特征在于,根据所述排序重新构建图结构优化识别模型,以得到初步用户链路关系,具体为:
将用户按照{YA,YB,YC}排序,重新构建电压数据矩阵X1和电流数据矩阵X2;
将电压数据矩阵X1和电流数据矩阵X2输入图结构优化识别模型,求解得到矩阵蕴含用户链路关系的邻接矩阵A,即初步用户链路关系。
6.根据权利要求5所述的低压用户链路识别方法,其特征在于,所述设定欧式距离差值阈值系数的第一阈值和电压曲线相关系数的第二阈值,基于所述第一阈值和第二阈值对初步用户链路进行修正,包括:
将用户按照{YA,YB,YC}排序,并按照排序结果对相邻用户的电压曲线计算欧式距离,得D eu=[d eu(1), d eu(2),…, d eu(i),…, d eu(N-1)],其中,d eu(1)表示第1个用户与第2个用户之间电压曲线的欧式距离,d eu(2)标识第2个用户与第3个用户之间电压曲线的欧式距离,d eu(i)表示第i个用户和第i+1个用户之间电压曲线的欧式距离,d eu(N-1)表示第N-1个用户与第N个用户之间电压曲线的欧式距离,N代表低压台区中的总用户数;
对数组D eu内的相邻元素进一步做差,得到数组D meu=[d meu(1), d meu(2),…, d meu(j),…,d meu(N-2)],d meu(1)= d eu(2)-d eu(1),d meu(2)= d eu(3)-d eu(2),d meu(j)= d eu(j+1)-d eu(j),d meu(N-2)= d eu(N-1)-d eu(N-2);
设定第一阈值为 1,第二阈值为 2,设定j=1;
判断d meu(j)是否大于第一阈值 1,若是判断第(j+2)个用户与前序用户的电压曲线相关性系数是否低于第二阈值 2,否则,判断j是否大于等于N-2;
当第(j+2)个用户与前序用户的电压曲线相关性系数低于第二阈值 2时,判断第(j+2)个用户与第(j+1)用户是否位于同相,否则,判断j是否大于等于N-2;
当第(j+2)个用户与第(j+1)用户位于同相时,对邻接矩阵A中的元素进行修改;
当j大于等于N-2时,流程结束并得到修改后的邻接矩阵A,否则,j=j+1,并返回判断d meu(j)是否大于第一阈值 1。
7.一种基于图像信号处理的低压用户链路识别装置,其特征在于,包括:
数据采集模块:用于采集待识别的低压配电网中配电变压器低压侧三相母线和用户的电压时序数据及电流时序数据,并构建电压数据矩阵X1和电流数据矩阵X2;
模型构建模块:用于构建以用户链路关系为变量矩阵的图结构优化识别模型,将所述电压矩阵X1和电流数据矩阵X2作为输入参数输入至所述图结构优化识别模型以输出相户关系;所述图结构优化识别模型为:;
其中,λ 1为图信号平滑性目标的超参数,λ 2为节点电流定律目标的超参数,为反映图中量测点连接关系的邻接矩阵,量测点i和j之间的连接关系A ij {0,1},S为量测点总数目,为量测点的电压曲线相关性系数矩阵,R ij 表示量测点i和j之间的电压曲线相关性系数;X2P为低压三相母线的电流时序数据,C 1是一个-维的矩阵,C 1=[EP;0],EP为-维的单位矩阵,S P=3为低压母线的总相数,S C为用户总数,S为量测点总数,矩阵H为矩阵A的幂级数之和;
链路关系获得模块:用于根据用户间的电压曲线相关性对用户进行分类和排序,并根据所述排序重新构建图结构优化识别模型,以得到初步用户链路关系;
链路关系修正模块:用于设定欧式距离差值阈值系数的第一阈值和电压曲线相关系数的第二阈值,基于所述第一阈值和第二阈值对初步用户链路进行修正,得到最终用户链路关系。
8.一种电子设备,其特征在于,包括:存储有可执行程序代码的存储器;与所述存储器耦合的处理器;所述处理器调用所述存储器中存储的所述可执行程序代码,用于执行权利要求1至6任一项所述的基于图像信号处理的低压用户链路识别方法。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储计算机程序,其中,所述计算机程序使得计算机执行权利要求1至6任一项所述的基于图像信号处理的低压用户链路识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210958470.3A CN115329814B (zh) | 2022-08-09 | 2022-08-09 | 一种基于图像信号处理的低压用户链路识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210958470.3A CN115329814B (zh) | 2022-08-09 | 2022-08-09 | 一种基于图像信号处理的低压用户链路识别方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115329814A CN115329814A (zh) | 2022-11-11 |
CN115329814B true CN115329814B (zh) | 2023-04-07 |
Family
ID=83922345
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210958470.3A Active CN115329814B (zh) | 2022-08-09 | 2022-08-09 | 一种基于图像信号处理的低压用户链路识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115329814B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117131355B (zh) * | 2023-06-19 | 2024-06-07 | 广州番禺职业技术学院 | 相户识别方法和装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5742795A (en) * | 1994-12-02 | 1998-04-21 | Abb Patent Gmbh | Method of initializing and updating a network model |
CN112819649A (zh) * | 2020-12-30 | 2021-05-18 | 国网北京市电力公司 | 确定台区户变关系的方法及装置 |
CN113114497A (zh) * | 2021-04-06 | 2021-07-13 | 广西电网有限责任公司电力科学研究院 | 一种低压台区拓扑自动识别方法 |
WO2021253806A1 (zh) * | 2020-06-16 | 2021-12-23 | 华南理工大学 | 一种基于电压关联特性的低压台区相户关系识别方法 |
CN114243712A (zh) * | 2021-11-04 | 2022-03-25 | 中国电力科学研究院有限公司 | 一种低压台区拓扑识别方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11205901B2 (en) * | 2017-09-12 | 2021-12-21 | Depsys Sa | Method for estimating the topology of an electric power network using metering data |
-
2022
- 2022-08-09 CN CN202210958470.3A patent/CN115329814B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5742795A (en) * | 1994-12-02 | 1998-04-21 | Abb Patent Gmbh | Method of initializing and updating a network model |
WO2021253806A1 (zh) * | 2020-06-16 | 2021-12-23 | 华南理工大学 | 一种基于电压关联特性的低压台区相户关系识别方法 |
CN112819649A (zh) * | 2020-12-30 | 2021-05-18 | 国网北京市电力公司 | 确定台区户变关系的方法及装置 |
CN113114497A (zh) * | 2021-04-06 | 2021-07-13 | 广西电网有限责任公司电力科学研究院 | 一种低压台区拓扑自动识别方法 |
CN114243712A (zh) * | 2021-11-04 | 2022-03-25 | 中国电力科学研究院有限公司 | 一种低压台区拓扑识别方法及系统 |
Non-Patent Citations (2)
Title |
---|
刘超 ; 王旭东 ; 苏彦卓 ; 丁一 ; 梁栋 ; .基于高级量测体系和图模型近邻估计的配电网拓扑辨识.济南大学学报(自然科学版).2020,第34卷(第05期),全文. * |
唐捷 ; 蔡永智 ; 周来 ; 羿应棋 ; 陈国培 ; 梁尚达 ; 张勇军 ; .基于数据驱动的低压配电网线户关系识别方法.电力系统自动化.2020,第44卷(第11期),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN115329814A (zh) | 2022-11-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108416695B (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 | |
CN109325545A (zh) | 低压配电网拓扑结构校验方法、装置、设备及存储介质 | |
CN108376982B (zh) | 负载相序的识别方法及装置 | |
CN111624544B (zh) | 一种台区户变关系识别方法及相关装置 | |
CN111103459A (zh) | 电网用户相位识别方法及装置、电子设备 | |
CN112750051B (zh) | 基于随机森林算法的台区相序识别方法、装置及终端设备 | |
CN115329814B (zh) | 一种基于图像信号处理的低压用户链路识别方法及装置 | |
CN111141951B (zh) | 电力终端数据采集方法、装置和电子设备 | |
CN115170000A (zh) | 一种基于电能表通信模块的远程监测方法及系统 | |
CN115422788B (zh) | 一种配电网线损分析管理方法、装置、存储介质及系统 | |
CN111861023A (zh) | 基于统计学的混合风电功率预测方法、装置 | |
CN111537884A (zh) | 获取动力电池寿命数据的方法、装置、计算机设备及介质 | |
CN115759365A (zh) | 光伏发电功率的预测方法及相关设备 | |
EP3449267B1 (en) | A method for identifying the phases of a multi-phase distribution grid | |
CN115795329A (zh) | 一种基于大数据网格下的用电异常行为分析方法和装置 | |
CN114492742A (zh) | 神经网络结构搜索、模型发布方法、电子设备和存储介质 | |
CN112016856B (zh) | 综合倍率异常识别方法、装置、计量系统和存储介质 | |
CN109378834A (zh) | 基于信息最大相关的大规模电网电压稳定裕度评估系统 | |
CN107016066A (zh) | 一种电网模型建模过程中测点匹配方法及装置 | |
CN116662840A (zh) | 一种基于机器学习的低压台区用户相位识别方法 | |
CN110209713A (zh) | 异常网架结构识别方法及装置 | |
CN115545422A (zh) | 一种基于改进决策机制的台区户变关系识别方法 | |
CN111505445B (zh) | 台区相户关系的可信度检测方法、装置和计算机设备 | |
CN113589034A (zh) | 一种配电系统的窃电检测方法、装置、设备和介质 | |
CN111835541B (zh) | 一种流量识别模型老化检测方法、装置、设备及系统 |
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 |