CN116436152B - 一种基于特征信息相关性的智能低压配电台区拓扑识别方法 - Google Patents

Abstract

本发明公开了一种基于特征信息相关性的低压配电台区拓扑识别方法，基于智能融合终端并结合高速电力载波通信技术，构建低压配电台区拓扑识别架构系统；提取并分析智能监测单元在各分支箱、智能电表箱和用户侧所采集的特征数据集，计算得出台区内各分支进出线特征信息之间的相关性；结合台区内各节点信噪比以及过零点相位偏移量，再根据进出线的特征信息相关性，利用智能融合终端对台区内户变关系、相序关系和低压拓扑关系进行综合分析，结合边缘计算实时更新台区低压拓扑图。本发明提高了低压配电台区拓扑自动识别的精度和效率，并实现了低压站区拓扑识别的动态管理，为低压侧线路的故障诊断提供了有效的智能监测手段，减少了人工检查和运维周期。

Description

一种基于特征信息相关性的智能低压配电台区拓扑识别方法

技术领域

本发明属于低压配电台区网架结构及其从属关系的管理领域，涉及一种基于特征信息相关性的低压配电台区拓扑识别方法。

背景技术

低压配电系统是电力系统的重要组成部分，直接影响到用电的可靠性。近年来，为了满足生活和生产的需要，台区内低压设备的数量逐渐增加，设备种类逐渐丰富。若不能够详细、准确的获得用变电信息和拓扑线路的等级关系，则进行台区内故障位置的判断、线损异常的分析和拓扑结构的识别将非常困难。虽然目前台区内已有大量具备设备状态采集和外部通信能力的低压电气设备，但相关运维部门仍无法详细获得低压配电台区内各电气分支的电压、电流和功率功耗等关键数据，低压配电台区拓扑识别仍然是配电物联网信息采集的关键问题。

传统低压配电台区拓扑关系的识别主要依靠人工观测和手工绘制。操作员将现场调查与区域设备表相结合，以搜索从用户仪表箱到变压器的更高级别设备，但由于其精度较低，并且感知拓扑实时变化的识别时间较长，手动绘制方法仅适用于简单的区域结构。也有学者将聚类算法和相关分析算法应用在台区的拓扑识别方法中，从需求侧用户的智能电表数据中挖掘数据，验证用电变压器关系的准确性，识别用户的相位，但这种识别算法需要更多的数据样本和具有一定计算能力的设备，实时性较差。目前，随着越来越多智能融合终端及智能监测设备安装在配电台区当中，通常利用各类用电信息采集或能效监测终端将自身的终端识别码通过低压电力线传输功率信号至通信集中器，将集中器中收集到的信息传送至云端进行计算分析，对台区进行综合管理。这种方法能够有效减少对人工检查和运维的需求，并能进行拓扑自动识别，但需要提前已知各个监测终端自身的终端识别码与监测终端间的对应关系，且云端信号的传输易受外部环境干扰，延时性较高。除此之外，现有智能台区的识别方法大多仅利用采集到的单一电力特征信号进行计算判别，无法对具有复杂结构和复杂运行情况下的台区进行准确识别，具有一定的缺陷和局限性。因此，需要对低压配电台区拓扑识别方法进行改进，提高拓扑自动识别的精度和效率。

发明内容

本发明为解决传统低压配电台区拓扑识别方法中的各种问题，减少人力成本和人为误操作可能性，提高台区拓扑自动识别的精度和运行管理效率，提供了一种基于特征信息相关性的低压配电台区拓扑识别方法。

为达到上述目的，本发明采用的技术方案具体如下：

一种基于特征信息相关性的低压配电台区拓扑识别方法，其特征在于，包括如下步骤：

步骤一：基于一个台区智能融合终端和多个智能监测单元，结合高速电力载波通信技术，构建低压配电台区拓扑识别的网络架构；

步骤二：所述智能融合终端根据智能监测单元上传的进出线特征信息集合C_X＝[C₁…C_i…C_m]^T、C_Y＝[C₁…C_i…C_m]^T计算C_X集合和C_Y集合中特征信息之间的相关性，根据特征信息的相关性判定特征信息所对应的进出线彼此是否为电气连接关系，智能融合终端根据判定结果作进一步本地计算和分析，最终得出台区拓扑结构；

步骤三：所述智能监测单元分别对各分支节点进行过零时刻、电力线载波通信能量和噪声能量的采集并上传至智能融合终端，智能融合终端根据所采集数据分别计算得出各分支箱节点和智能电表箱节点在相同时刻的过零点相位差值以及信噪比，根据过零点相位差值以及信噪比判断节点对应的分支箱或智能表箱是否属于同一分支，智能融合终端根据过零点相位差值和SNR的值进行边缘计算，生成低压配电台区拓扑连接表，得出台区拓扑结构；

步骤四：所述智能融合终端通利用相似度综合分析判别步骤二和步骤三计算所得台区拓扑结构的正确可靠性，最终实现整个台区的拓扑识别。

进一步的，所述步骤一中构建的低压配电台区拓扑识别的网络架构具体为：

智能融合终端安装在变压器低压出线侧，智能监测单元安装在分支节点和用户智能电表箱，智能融合终端和智能监测单元均具有电力载波通信功能，整个低压配电台区的拓扑网络采用一主多从的组网方式；一、二级支路分支和智能电表箱分别设置智能监测单元，对配电分支箱进出线、智能电表箱进出线及用户进线的电压、电流、功率、停电状态、带电状态进行实时监测，得到实时监测数据，并通过电力载波通信将所监测的数据上传至智能融合终端，智能融合终端再根据搜集的各智能监测单元的实时数据进行综合对比判断，从而完成台区配网拓扑识别。

进一步的，所述步骤二中所述智能融合终端根据智能监测单元上传的进出线特征信息集合C_X＝[C₁…C_i…C_m]^T、C_Y＝[C₁…C_i…C_m]^T计算C_X集合和C_Y集合中特征信息之间的相关性，根据特征信息的相关性判定特征信息所对应的进出线彼此是否为电气连接关系，具体步骤为：

步骤2.1：设台区内有N条分支、智能表箱和用户进线，以及L条出线，智能监测单元采集的实时特征信息为：

式中：C_i是第i个采集点的特征信息集，主要包括电流I、有功功率P、无功功率Q、功耗W；m是信息采集总数，取为10～20；N个进线数据集表示为C_X＝{C_x1、C_x2、…、C_xN}，L个出线数据集表示为C_Y＝{C_y1、C_y2、…、C_yL}。

步骤2.2：对步骤2.1中采集的台区内各进出线特征信息进行平均化处理，以克服由于智能监测单元采集时间不同步导致的数据误差：

式中：X_av和Y_av分别为平均化处理后的特征数据集合；f_i ^x、f_i ^y分别表示进出线特征信息的标幺值；

步骤2.3：引入相关性系数ξ，计算步骤2.2中X_av集合和Y_av集合中信息之间的相关性：

式中：T_xy表示X_av和Y_av所对应C_X和C_Y两组数据的相关性集合，集合内各数值范围为0～100％，根据T_xy集合中数值的大小是否为1，判定C_X和C_Y所对应的各进出线之间是否具有电气连接关系；

步骤2.4：根据智能监测单元实时采集的电流I、有功功率P、无功功率Q、功耗W等特征信息，将步骤2.1中特征信息集进行更新，组成C₁＝{I₁、P₁、Q₁、W₁}、C_i＝{I_i、P_i、Q_i、W_i}、……、C_m＝{I_m、P_m、Q_m、W_m}，用矩阵形式表示为：

分别使用{C_XIJ＝[I_X1,…,I_Xm]，C_yIK＝[I_Y1,…,I_Ym]}；{C_XPJ＝[P_X1,…,P_Xm]，C_YPK＝[P_Y1,…,P_Ym]}；{C_XQJ＝[Q_X1,…,Q_Xm]，C_YQK＝[Q_Y1,…,Q_Ym]}；

{C_XWJ＝[W_X1,…,W_Xm]，C_YWK＝[W_X1,…,W_Xm]}作为进线J和出线K处的计算参数，并利用步骤2.2、步骤2.3对T_xy进行计算，结果记录为T_I、T_P、T_Q、T_W，其中1≦J≦N、1≦K≦L；

步骤2.5：根据步骤2.4计算结果得到进线J和出线K之间的相关性：

式中：ε为相关定值系数，根据低压台区的实际运行情况自行设定，按照下式进行取值：

当满足特征信息的相关性T_JK为1时，则表示J进线与K出线具有电气连接关系；当特征信息的相关性T_JK为0，表示所对应的进出线无电气连接关系。

进一步的，所述步骤三具体包括：

步骤3.1：智能监测单元在各分支节点所检测的量值在传递过程中，所涉及的检测总信号通常是由频率为50Hz的主频分量f₁、含量低于0.05％的谐波分量f_n、含有一定信噪比的随机噪声f_No、以及直流分量f₀组成；

智能监测单元检测到的各信号分量定义为：

式中：A₀、A₁、A_i分别表示各信号对应幅值大小；ω和分别表示信号的角频率和相位；

总信号表示为：f＝f₁+f₀+f_n+f_No，其中随机噪声f_No是电容、电阻线性元件的发热、半导体非线性元件的沟道特性、以及线圈等电工元件电磁耦合效应产生的随机信号；

步骤3.2：定义某一分支节点随机噪声信号的信噪比(SNR)为：

SNR＝P_s/P_n(8)式中：P_s是智能监测单元在该节点所监测到的总信号f的功率，P_n是在该节点监测到随机噪声f_No的功率；

再根据步骤3.1计算得到该节点总信号的过零点相位为：

式中：A_No、分别为随机噪声信号的幅值和相位；

步骤3.3：通过求解下式，得到信号的过零点时刻：

步骤3.4：智能融合终端的HPLC模块向智能监控单元站点发送“过零采集指令消息”，指示智能监测单元对过零时间和SNR进行采集，智能融合终端根据各分支节点之间相互通信的过零点相位和信噪比信息进行边缘计算，确定相邻通信节点、上下级支路的通信节点和旁支路的通信节点是否属于同一分支，生成低压配电台区拓扑连接表，并完成智能融合终端下属终端设备的相位识别和台区拓扑识别功能。

进一步的，步骤四具体包括：

智能融合终端通过HPLC通信模块与智能监测单元进行通信，实时记录存储智能监测单元采集的特征数据信息和电表箱分支节点信息，将智能融合终端依照特征信息相关性计算完成的台区拓扑识别信息与其利用SNR和过零点相位差进行边缘计算所完成的拓扑识别信息进行对比分析，若两种拓扑识别结果的相似度超过80％，则表明识别结果相对正确可靠，选取任一识别结果作为台区最终拓扑结构；若相似度低于80％，则重新进行台区数据的采集和计算，直至相似度超过80％后停止。

与现有技术相比，本发明的有益效果如下：

本发明根据低压台区智能监控单元进、出线特征信息的相关性，实现了拓扑识别的动态管理，提高了拓扑自动识别的精度和效率。相比基于单一特征信息的识别方法，本发明利用多个特征信息之间的相关性进行识别能够适应更加复杂的电力网络和运行情况，在各种干扰下仍能保证识别结果的可靠性。此外，本发明利用智能融合终端、HPLC通信模块和具有电压过零偏移特性的智能监测单元来完成整个配电站区域的拓扑识别，将低压拓扑关系与边缘计算相结合，能够根据本地智能融合终端的计算结果实时更新低压拓扑图，降低了对于通信网络的依赖，提高了通信故障的鲁棒性。本发明减少了人工检查的周期，为低压侧线路的故障研究和判断提供了有效和智能的监测方法，将“被动”运维转化为“主动”运维。

附图说明

为了更清楚地说明本申请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，下面描述中的附图仅仅是本申请的一些实施例，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是低压配电台区拓扑识别网络层次和架构图；

图2是本发明提出的拓扑识别方法整体流程图；

图3是本发明实施例1提供的台区仿真结构图；

图4是本发明实施例1提供的某地拓扑识别结果图；

图5是本发明实施例2提供的配电变压器台区1拓扑图。

具体实施方式

下面结合本发明技术方案和实施例的附图对本发明的技术方案进行解释和说明，但下述实施例仅为本发明的优选实施例，并非全部。基于实施方式中的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得其他实施例，都属于本发明的保护范围。

针对现有技术存在的问题，本发明提供了一种基于特征信息相关性的低压配电台区拓扑识别方法，下面结合附图对本发明作详细的描述。

低压配电台区拓扑识别架构如图1所示。台区智能融合终端设有智能支路监测单元，具有工频信号功能。一、二级支路单元和电表箱分别配备智能支路监测单元。智能分支监测单元的HPLC(高速电力线通信)载波通信功能具有传输距离长、工频信号衰减低的特点。台区智能融合终端可以通过HPLC采集低压配电区用户侧的进、出线、支线、电表箱、智能电表等节点的电压、电流、功率等运行信息，通过边缘计算实现本地策略修正更新，完成拓扑识别。

如图2所示，本发明提供的一种基于特征信息相关性的低压配电台区拓扑识别方法，主要通过将台区各分支和节点智能监测单元所采集到的各类特征信息传送到智能融合终端进行计算识别，能够有效节省人力资源，并且在对整个台区进行更加全面和精确的监控管理下，能够实现台区拓扑的动态识别，适用于更加复杂的电力网络。

本发明采用的技术方法如下：

Step1：基于一个台区智能融合终端和多个智能监测单元，结合高速电力载波通信(HPLC)技术，构建低压配电台区拓扑识别的网络架构。

Step2：Step1架构内的智能融合终端根据智能监测单元上传的进出线特征信息集合C_X＝[C₁…C_i…C_m]^T、C_Y＝[C₁…C_i…C_m]^T计算C_X集合和C_Y集合中特征信息之间的相关性，并判定相关性为1的一对特征信息所对应的进出线彼此为电气连接关系，智能融合终端将根据判定结果作进一步本地计算和分析，最终得出台区拓扑结构。

Step3：Step1架构内的智能监测单元分别对各分支节点进行过零时刻、电力线载波通信能量和噪声能量的采集并上传至智能融合终端，智能融合终端根据所采集数据可分别计算得出各分支箱节点和智能电表箱节点在相同时刻的过零点相位差值以及信噪比(SNR)。若节点之间相位过零点的差值越小，且信噪比越大，则判断节点对应的分支箱或智能表箱属于同一分支。最后，智能融合终端根据过零点相位差值和SNR的值进行边缘计算，生成低压配电台区拓扑连接表，得出台区拓扑结构。

Step4：智能融合终端通过HPLC通信模块与智能监测单元进行通信，实时记录存储Step2和Step3中智能监测单元采集的特征数据信息和分支节点数据信息。最后，通过智能融合终端对上述信息进行Step2和Step3中的计算，分别得出两个台区拓扑结构，并利用相似度综合分析判别上述台区拓扑结构的正确可靠性，最终实现了整个台区的拓扑识别。

Step1中智能融合终端安装在变压器低压出线侧，智能监测单元安装在分支节点和用户智能电表箱，智能融合终端和智能监测单元均具有电力载波通信(HPLC)功能，整个低压配电台区的拓扑网络采用一主多从的组网方式。一、二级支路分支和智能电表箱分别设置智能监测单元，对配电分支箱进出线、智能电表箱进出线及用户进线的电压、电流、功率、停电状态、带电状态进行实时监测，得到实时监测数据，并通过电力载波通信(HPLC)将所监测的数据上传至智能融合终端，智能融合终端再根据搜集的各智能监测单元的实时数据进行综合对比判断，从而完成台区配网拓扑识别。

Step2中特征信息相关性分析与连接关系识别，具体步骤为：

步骤2.1：设台区内有N条分支、智能表箱和用户进线，以及L条出线，智能监测单元采集的实时特征信息为：

式中：C_i是第i个采集点的特征信息集，主要包括电流I、有功功率P、无功功率Q、功耗W；m是信息采集总数，取为10～20。N个进线数据集表示为C_X＝{C_x1、C_x2、…、C_xN}，L个出线数据集表示为C_Y＝{C_y1、C_y2、…、C_yL}。

步骤2.2：对步骤一中采集的台区内各进出线特征信息(即C_X、C_Y集合)进行平均化处理，以克服由于智能监测单元采集时间不同步导致的数据误差：

式中：X_av和Y_av分别为平均化处理后的特征数据集合；f_i ^x、f_i ^y分别表示进出线特征信息的标幺值(例如，对于电流特征信息，f_i ^x和f_i ^y分别等于采集到的进出线电流实际值/规定基准值)。

步骤2.3：引入相关性系数ξ，计算步骤2.2中X_av集合和Y_av集合中信息之间的相关性：

式中：T_xy表示X_av和Y_av所对应C_X和C_Y两组数据的相关性集合，集合内各数值范围为0～100％。根据T_xy集合中数值的大小是否为1，可判定C_X和C_Y所对应的各进出线之间是否具有电气连接关系。

步骤2.4：根据智能监测单元实时采集的电流I、有功功率P、无功功率Q、功耗W等特征信息，将步骤一中特征信息集进行更新，组成C₁＝{I₁、P₁、Q₁、W₁}、C_i＝{I_i、P_i、Q_i、W_i}、……、C_m＝{I_m、P_m、Q_m、W_m}，用矩阵形式可表示为：

分别使用{C_XIJ＝[I_X1,…,I_Xm]，C_yIK＝[I_Y1,…,I_Ym]}；{C_XPJ＝[P_X1,…,P_Xm]，C_YPK＝[P_Y1,…,P_Ym]}；{C_XQJ＝[Q_X1,…,Q_Xm]，C_YQK＝[Q_Y1,…,Q_Ym]}；

{C_XWJ＝[W_X1,…,W_Xm]，C_YWK＝[W_X1,…,W_Xm]}作为进线J和出线K处的计算参数，并利用步骤2.2、2.3对T_xy进行计算。结果记录为T_I、T_P、T_Q、T_W，其中1≦J≦N、1≦K≦L。

步骤2.5：根据步骤四计算结果可得进线J和出线K之间的相关性：

式中：ε为相关定值系数，可根据低压台区的实际运行情况自行设定，一般按照下式进行取值：

当满足特征信息的相关性T_JK为1时，则表示J进线与K出线具有电气连接关系；当特征信息的相关性T_JK为0，表示所对应的进出线无电气连接关系。

Step3中各分支节点过零点与信噪比的检测识别，具体步骤为：

步骤3.1：智能监测单元在各分支节点所检测的量值在传递过程中，所涉及的检测总信号通常是由频率为50Hz的主频分量f₁、含量低于0.05％的谐波分量f_n、含有一定信噪比的随机噪声f_No、以及直流分量f₀组成。

智能监测单元检测到的各信号分量可定义为：

式中：A₀、A₁、A_i分别表示各信号对应幅值大小；ω和分别表示信号的角频率和相位。

总信号可表示为：f＝f₁+f₀+f_n+f_No。其中随机噪声f_No是电容、电阻等线性元件的发热，半导体非线性元件的沟道特性，以及线圈等电工元件电磁耦合等效应产生的随机信号。

步骤3.2：定义某一分支节点随机噪声信号的信噪比(SNR)为：

SNR＝P_s/P_n(8)式中：P_s是智能监测单元在该节点所监测到的总信号f的功率，P_n是在该节点监测到随机噪声f_No的功率。

再根据步骤3.1计算得到该节点总信号的过零点相位为：

式中：A_No、分别为随机噪声信号的幅值和相位。可以看出，随机噪声对总信号过零点相位的影响随信号信噪比增大逐渐降低。

步骤3.3：通过求解下式，得到信号的过零点时刻：

采集过零时刻，是为了计算各分支箱和电表箱节点间在相同过零时刻的过零点相位差异，这个差异越小，代表节点所对应表箱越可能属于同一分支。

步骤3.4：根据上述拓扑识别过程，智能融合终端的HPLC模块向智能监控单元站点发送“过零采集指令消息”，指示智能监测单元对过零时间和SNR进行采集。智能融合终端根据各分支节点之间相互通信的过零点相位和信噪比信息进行边缘计算，确定相邻通信节点、上下级支路的通信节点和旁支路的通信节点是否属于同一分支，生成低压配电台区拓扑连接表，并完成智能融合终端下属终端设备的相位识别和台区拓扑识别功能。

Step4中智能融合终端通过HPLC通信模块与智能监测单元进行通信，实时记录存储智能监测单元采集的特征数据信息和电表箱分支节点信息。将智能融合终端依照特征信息相关性计算完成的台区拓扑识别信息与其利用SNR和过零点相位差进行边缘计算所完成的拓扑识别信息进行对比分析，若两种拓扑识别结果的相似度超过80％(即台区内进出线关系、分支关系是否对应相同)，则表明识别结果相对正确可靠，此时可选取任一识别结果作为台区最终拓扑结构；若相似度低于80％，则重新进行台区数据的采集和计算，直至相似度超过80％后停止。

下面结合仿真实验对本发明的技术方案作进一步描述。

实施例1：

基于智能融合终端拓扑识别的实际应用现场环境选择某城市配电台区。如图3所示，配电变压器的容量为100kVA，JP机柜具有内置无功功率补偿器和两条支线，供电半径约为300米，用户数为22人，用电负荷主要为住宅用户。将智能监测终端安装在分支开关、区域仪表箱等中。拓扑识别APP安装在终端中，用于识别拓扑信息，并采集和分析智能监控单元的交换采样数据，从而实现整个站区的低压拓扑图、故障研究和线损分析等功能，并在主站上显示。

第一步，首先依照本发明所提出的拓扑识别方法进行信息的采集，根据式(2)可得出C_X＝{20.5，21.6，22.7…，25.3}，C_Y＝{23.4，22.1，26.4…，21.5}。

第二步，分别对C_X和C_Y进行集中平均化处理得到X_av＝{21.45，22.76，20.79，…，24.34}和Y_av＝{22.35，21.96，25.61，…，21.14}再根据式(3)计算相关性系数ξ＝0.45和T_xy＝{1，0，0，1，…1}。根据式(4)对x和y特征信息集进行更新，可得到矩阵C如下所示：

最终根据式(5)对T_xy是否等于1进行判断。将台区内所有进出线相关性进行分析，最后将所得结果上传至智能融合终端。

第三步，根据采样的各信号分量利用式(7)计算得出f₀＝0.921、f₁＝3.149·sin(1.5t-0.628)、f_n＝0.005(0.132t+30)，然后根据所采集到各节点的P_s＝{80W，60W，75W，…，90W}和P_n＝{2W，3W，2.5W，…，3W}计算出随机噪声的噪声比SNR＝{40，20，30…，30}。再根据式(9)计算得出过零点相位最后将台区内各节点所采样的SNR以及的数据上传至智能融合终端进行边缘计算并实现相似度综合比较分析，可知相似度为96％(仅有一条进出线关系不相同)，最终得出台区的拓扑结构。

最终，智能融合终端按照图2通过本地分析将拓扑识别关系上传到主站。整个台区的拓扑识别结果如图4所示，从拓扑图可以看出，台区内有2个支路、15个分支电表箱和22个家用电表。经现场验证，与实际台区结构完全一致。

总体而言，基于特征信息相关性的低压配电台区拓扑识别方法采用HPLC通信模块、智能监测单元特征信息相关性、SNR和过零点相位偏移量，通过智能融合终端形成整个配电台区的拓扑图。当台区发生分支故障或电表箱发生单点故障时，智能监测单元使用HPLC通信模块向智能融合终端报告故障位置，终端侧拓扑识别APP进行边缘分析和计算，并计算出全站区某段时间内的故障分布图，进行线损分析并报告给主配电自动化站。

综上所述，本发明能够实现台区拓扑的动态识别，提高了识别的精度和效率，并且当台区发生故障时，故障会被及时定位和判断，这减少了人工检查的周期，为低压侧线路的故障研究和判断提供了有效和智能的监测方法。

实施例2

为验证在不同拓扑结构的台区下本发明方案的适用性和有效性，以某地区配电变压器台区为例进行本发明方案分析。

图5所示为待识别的配电变压器台区1，从用电信息采集系统查询得知其所属用户共36个，但在用电信息采集系统及配电自动化系统中并未有该台区拓扑结构图，为此采用本发明提出的方法进行拓扑识别及校验，并基于人工现场核对拓扑进行比较验证，限于篇幅及表格过大的限制，在此仅列出此台区典型的10个用户进行分析。

第一步，首先依照本发明所提出的拓扑识别方法进行信息的采集，根据式(2)可得出C_X＝{31.4，33.2，30.7…，24.4}，C_Y＝{32.5，33.9，34.2…，32.7}。

第二步，分别对C_X和C_Y进行集中平均化处理得到X_av＝{32.65，31.64，30.58，…，33.43}和Y_av＝{31.35，31.56，35.41，…，31.24}再根据式(3)计算相关性系数ξ＝0.43和T_xy＝{0，1，1，0，…0}。根据式(4)对x和y特征信息集进行更新，可得到矩阵C如下所示：

最终根据式(5)对T_xy是否等于1进行判断。将台区内所有进出线相关性进行分析，所得结果如表1所示，最后将其上传至智能融合终端。

表1电能表1、表箱1与各分支箱、表箱及部分电能表相关性

第三步，根据采样的各信号分量利用式(7)计算得出f₀＝0.832、f₁＝3.25·sin(1.6t-0.625)、f_n＝0.008(0.143t+30)，然后根据所采集到某一节点的P_s＝{110W，104W，85W，…，90W}和P_n＝{2W，5W，2.5W，…，3.5W}计算出随机噪声的噪声比如表2所示：

再根据式(9)计算得出过零点相位最后将台区内各节点所采样的SNR以及的数据上传至智能融合终端进行综合比较分析，得出各表箱节点分支从属关系。

综上所述，可得到电能表1上级为表箱1，而表箱1上级为分支箱1。采用同样的方法，可分别得出电能表1～电能表10、表箱1～表箱4以及分支箱1与分支箱2的从属关系，从而得到整个待识别配电台区1的电气拓扑。

Claims (4)

1.一种基于特征信息相关性的低压配电台区拓扑识别方法，其特征在于，包括如下步骤：

步骤一：基于一个台区智能融合终端和多个智能监测单元，结合高速电力载波通信技术，构建低压配电台区拓扑识别的网络架构；

步骤二：所述智能融合终端根据智能监测单元上传的进出线特征信息集合C_X＝[C₁…C_i…C_m]^T、C_Y＝[C₁…C_i…C_m]^T计算C_X集合和C_Y集合中特征信息之间的相关性，根据特征信息的相关性判定特征信息所对应的进出线彼此是否为电气连接关系，智能融合终端根据判定结果作进一步本地计算和分析，最终得出台区拓扑结构；

步骤三：所述智能监测单元分别对各分支节点进行过零时刻、电力线载波通信能量和噪声能量的采集并上传至智能融合终端，智能融合终端根据所采集数据分别计算得出各分支箱节点和智能电表箱节点在相同时刻的过零点相位差值以及信噪比，根据过零点相位差值以及信噪比判断节点对应的分支箱或智能表箱是否属于同一分支，智能融合终端根据过零点相位差值和信噪比SNR的值进行边缘计算，生成低压配电台区拓扑连接表，得出台区拓扑结构；

步骤四：所述智能融合终端通利用相似度综合分析判别步骤二和步骤三计算所得台区拓扑结构的正确可靠性，最终实现整个台区的拓扑识别；

所述步骤三具体包括：

步骤3.1：智能监测单元在各分支节点所检测的量值在传递过程中，所涉及的检测总信号通常是由频率为50Hz的主频分量f₁、含量低于0.05％的谐波分量f_n、含有一定信噪比的随机噪声f_No、以及直流分量f₀组成；

智能监测单元检测到的各信号分量定义为：

式中：A₀、A₁、A_i分别表示各信号对应幅值大小；Ω和分别表示信号的角频率和相位；

总信号表示为：f＝f₁+f₀+f_n+f_No，其中随机噪声f_No是电容、电阻线性元件的发热、半导体非线性元件的沟道特性、以及线圈电磁耦合效应产生的随机信号；

步骤3.2：定义某一分支节点随机噪声信号的信噪比SNR为：

SNR＝P_s/P_n (8)

式中：P_s是智能监测单元在该节点所监测到的总信号f的功率，P_n是在该节点监测到随机噪声f_No的功率；

再根据步骤3.1计算得到该节点总信号的过零点相位为：

式中：A_No、分别为随机噪声信号的幅值和相位；

步骤3.3：通过求解下式，得到信号的过零点时刻：

步骤3.4：智能融合终端的HPLC模块向智能监控单元站点发送“过零采集指令消息”，指示智能监测单元对过零时间和SNR进行采集，智能融合终端根据各分支节点之间相互通信的过零点相位和信噪比信息进行边缘计算，确定相邻通信节点、上下级支路的通信节点和旁支路的通信节点是否属于同一分支，生成低压配电台区拓扑连接表，并完成智能融合终端下属终端设备的相位识别和台区拓扑识别功能。

2.根据权利要求1所述的一种基于特征信息相关性的低压配电台区拓扑识别方法，其特征在于，所述步骤一中构建的低压配电台区拓扑识别的网络架构具体为：

智能融合终端安装在变压器低压出线侧，智能监测单元安装在分支节点和用户智能电表箱，智能融合终端和智能监测单元均具有电力载波通信功能，整个低压配电台区的拓扑网络采用一主多从的组网方式；一、二级支路分支和智能电表箱分别设置智能监测单元，对配电分支箱进出线、智能电表箱进出线及用户进线的电压、电流、功率、停电状态、带电状态进行实时监测，得到实时监测数据，并通过电力载波通信将所监测的数据上传至智能融合终端，智能融合终端再根据搜集的各智能监测单元的实时数据进行综合对比判断，从而完成台区配网拓扑识别。

3.根据权利要求1所述的一种基于特征信息相关性的低压配电台区拓扑识别方法，其特征在于，所述步骤二中所述智能融合终端根据智能监测单元上传的进出线特征信息集合C_X＝[C₁…C_i…C_m]^T、C_Y＝[C₁…C_i…C_m]^T计算C_X集合和C_Y集合中特征信息之间的相关性，根据特征信息的相关性判定特征信息所对应的进出线彼此是否为电气连接关系，具体步骤为：

步骤2.1：设台区内有N条分支、智能表箱和用户进线，以及L条出线，智能监测单元采集的实时特征信息为：

式中：C_i是第i个采集点的特征信息集，主要包括电流I、有功功率P、无功功率Q、功耗W；m是信息采集总数，取为10～20；N个进线数据集表示为C_X＝{C_x1、C_x2、…、C_xN}，L个出线数据集表示为C_Y＝{C_y1、C_y2、…、C_yL}；

步骤2.2：对步骤2.1中采集的台区内各进出线特征信息进行平均化处理，以克服由于智能监测单元采集时间不同步导致的数据误差：

式中：X_av和Y_av分别为平均化处理后的特征数据集合；f_i ^x、f_i ^y分别表示进出线特征信息的标幺值；

步骤2.3：引入相关性系数ξ，计算步骤2.2中X_av集合和Y_av集合中信息之间的相关性：

式中：T_xy表示X_av和Y_av所对应C_X和C_Y两组数据的相关性集合，集合内各数值范围为0～100％，根据T_xy集合中数值的大小是否为1，判定C_X和C_Y所对应的各进出线之间是否具有电气连接关系；

步骤2.4：根据智能监测单元实时采集的电流I、有功功率P、无功功率Q、功耗W，将步骤2.1中特征信息集进行更新，组成C₁＝{I₁、P₁、Q₁、W₁}、C_i＝{I_i、P_i、Q_i、W_i}、……、C_m＝{I_m、P_m、Q_m、W_m}，用矩阵形式表示为：

分别使用{C_XIJ＝[I_X1,…,I_Xm]，C_yIK＝[I_Y1,…,I_Ym]}；{C_XPJ＝[P_X1,…,P_Xm]，C_YPK＝[P_Y1,…,P_Ym]}；{C_XQJ＝[Q_X1,…,Q_Xm]，C_YQK＝[Q_Y1,…,Q_Ym]}；{C_XWJ＝[W_X1,…,W_Xm]，C_YWK＝[W_X1,…,W_Xm]}作为进线J和出线K处的计算参数，并利用步骤2.2、步骤2.3对T_xy进行计算，结果记录为T_I、T_P、T_Q、T_W，其中1≦J≦N、1≦K≦L；

步骤2.5：根据步骤2.4计算结果得到进线J和出线K之间的相关性：

式中：ε为相关定值系数，根据低压台区的实际运行情况自行设定，按照下式进行取值：

当满足特征信息的相关性T_JK为1时，则表示J进线与K出线具有电气连接关系；当特征信息的相关性T_JK为0，表示所对应的进出线无电气连接关系。

4.根据权利要求1所述的一种基于特征信息相关性的低压配电台区拓扑识别方法方法，其特征在于：步骤四具体包括：

智能融合终端通过HPLC通信模块与智能监测单元进行通信，实时记录存储智能监测单元采集的特征数据信息和电表箱分支节点信息，将智能融合终端依照特征信息相关性计算完成的台区拓扑识别信息与其利用SNR和过零点相位差进行边缘计算所完成的拓扑识别信息进行对比分析，若两种拓扑识别结果的相似度超过80％，则表明识别结果相对正确可靠，选取任一识别结果作为台区最终拓扑结构；若相似度低于80％，则重新进行台区数据的采集和计算，直至相似度超过80％后停止。