CN116722658B - 低压台区拓扑识别方法、装置、存储介质和芯片设备 - Google Patents

低压台区拓扑识别方法、装置、存储介质和芯片设备 Download PDF

Info

Publication number
CN116722658B
CN116722658B CN202311009324.7A CN202311009324A CN116722658B CN 116722658 B CN116722658 B CN 116722658B CN 202311009324 A CN202311009324 A CN 202311009324A CN 116722658 B CN116722658 B CN 116722658B
Authority
CN
China
Prior art keywords
low
data
dimensional
electric quantity
branch
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
CN202311009324.7A
Other languages
English (en)
Other versions
CN116722658A (zh
Inventor
陈金雷
代洪光
冀笑伟
胡亚静
徐鲲鹏
张谦
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.)
Beijing Smartchip Microelectronics Technology Co Ltd
Beijing Smartchip Semiconductor Technology Co Ltd
Original Assignee
Beijing Smartchip Microelectronics Technology Co Ltd
Beijing Smartchip Semiconductor Technology 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 Beijing Smartchip Microelectronics Technology Co Ltd, Beijing Smartchip Semiconductor Technology Co Ltd filed Critical Beijing Smartchip Microelectronics Technology Co Ltd
Priority to CN202311009324.7A priority Critical patent/CN116722658B/zh
Publication of CN116722658A publication Critical patent/CN116722658A/zh
Application granted granted Critical
Publication of CN116722658B publication Critical patent/CN116722658B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00001—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by the display of information or by user interaction, e.g. supervisory control and data acquisition systems [SCADA] or graphical user interfaces [GUI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • 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
    • 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
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00002—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by monitoring
    • 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
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00006—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment
    • H02J13/00007—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment using the power network as support for the transmission
    • 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
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00006—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment
    • H02J13/00022—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment using wireless data transmission
    • 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
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00032—Systems characterised by the controlled or operated power network elements or equipment, the power network elements or equipment not otherwise provided for
    • 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]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Power Engineering (AREA)
  • Mathematical Physics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Software Systems (AREA)
  • Algebra (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Human Computer Interaction (AREA)
  • Computing Systems (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种低压台区拓扑识别方法、装置、存储介质和芯片设备，低压台区拓扑识别方法包括：获取低压台区中各待识别设备的电量时序数据，得到原始电量数据；对原始电量数据进行降维处理，得到分支箱的低维电量数据和表箱的低维电量数据；根据分支箱的低维电量数据确定台区总表，更新待确定连接关系的分支箱，得到分支箱的第一连接关系，并得到末级分支箱；根据末级分支箱的低维电量数据和表箱的低维电量数据，确定表箱的第二连接关系；根据第一连接关系和第二连接关系，得到低压台区的拓扑结构。本发明实施例的低压台区拓扑识别方法，能够降低高维数据中的冗余信息造成的干扰，还能够准确得到低压台区的拓扑结构。

Description

低压台区拓扑识别方法、装置、存储介质和芯片设备
技术领域
本发明涉及配电网络技术领域，尤其涉及一种低压台区拓扑识别方法、一种低压台区拓扑识别装置、一种非临时性计算机可读存储介质和一种芯片设备。
背景技术
低压台区物理拓扑能够真实地反映台区内配电变压器、线路及用户之间的连接关系，如图1所示，低压台区拓扑结构包括台变层、分支层和表箱层，台变层包括一个台区总表，分支层包括多个分支箱，表箱层包括多个表箱。实时掌握台区“台区总表-分支箱-表箱”的拓扑关系能够为电力系统精益管理、线路故障定位、台区线路损耗分析提供重要依据。
然而，低压台区长期存在拓扑关系混乱的问题，需要理清拓扑关系以支撑高级电力应用。目前，相关拓扑识别技术主要包括以下三种：1、脉冲电流法，通过向台区注入特征信号进行拓扑辨别，该方法浪费人力物力，且注入工频信号会造成电网安全隐患。2、载波通信法，通过收发电力线载波信号来判断电路各节点对应关系，但是受用电负荷的影响，信号可信度较低，无法准确识别拓扑结构。3、数据挖掘法，根据电压、功率、电量等用电信息之间的相似性，判断台区设备间的连接关系，但相关技术中的数据挖掘法识别准确性不高。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本发明的目的在于提出一种低压台区拓扑识别方法、装置、存储介质和芯片设备，以准确识别出低压台区的拓扑结构。
为达到上述目的，本发明第一方面实施例提出了一种低压台区拓扑识别方法，所述方法包括：获取所述低压台区中各待识别设备的电量时序数据，得到原始电量数据；对所述原始电量数据进行降维处理，得到分支箱的低维电量数据和表箱的低维电量数据；根据所述分支箱的低维电量数据确定台区总表，更新待确定连接关系的分支箱，并对所述待确定连接关系的分支箱进行分组，得到多个组合，以及根据各所述组合中分支箱的低维电量数据和目标分支箱的低维电量数据，确定出目标组合，作为所述目标分支箱的下一层，返回至所述更新待确定连接关系的分支箱的步骤，直至分到低压台区分支层的最后一层，得到所述分支箱的第一连接关系，并得到末级分支箱，其中，所述目标分支箱为所述待确定连接关系分支箱的上一层分支箱；根据所述末级分支箱的低维电量数据和所述表箱的低维电量数据，确定所述表箱的第二连接关系；根据所述第一连接关系和所述第二连接关系，得到所述低压台区的拓扑结构。
另外，本发明实施例的低压台区拓扑识别方法还可以具有如下附加技术特征：
根据本发明的一个实施例，所述根据所述分支箱的低维电量数据确定台区总表，包括：根据所述分支箱的低维电量数据，计算各所述分支箱电量数据的平均值，并将最大平均值对应的分支箱作为所述台区总表。
根据本发明的一个实施例，所述对所述待确定连接关系的分支箱进行分组，得到多个组合，包括：从所述待确定连接关系的分支箱中，分别随机选择1，…，e-1，e个分支箱进行分组，得到种组合，其中，K为所述待确定连接关系的分支箱数。
根据本发明的一个实施例，所述低维电量数据为时序数据，所述根据各所述组合中分支箱的低维电量数据和目标分支箱的低维电量数据，确定出目标组合，包括：针对每个所述组合，将该组合各分支箱的低维电量数据中相同时刻的电量数据相加，得到该组合的累计电量数据；分别计算各所述组合的累计电量数据与所述目标分支箱的低维电量数据的皮尔逊相关系数；将最大皮尔逊相关系数对应的组合作为所述目标组合。
根据本发明的一个实施例，在所述得到所述分支箱的第一连接关系之后，所述方法还包括：判断所述第一连接关系中是否存在漏连接分支箱；若存在，则分别计算所述漏连接分支箱的低维电量数据与各所述目标组合对应的累计电量序列的皮尔逊相关系数；根据最大皮尔逊相关系数对应的目标组合，确定所述漏连接分支箱在所述第一连接关系中的位置，并根据所述位置更新所述第一连接关系。
根据本发明的一个实施例，所述方法还包括：判断所述第一连接关系中是否存在具有直连关系的分支箱；若存在，则通过电力载波向所述低压台区发送高频信号，并获取所述具有直连关系的分支箱的信号强度；根据所述信号强度确定所述具有直连关系的分支箱的上下级关系，并根据所述上下级关系更新所述第一连接关系。
根据本发明的一个实施例，所述根据所述末级分支箱的低维电量数据和所述表箱的低维电量数据，确定所述表箱的第二连接关系，包括：针对每个所述末级分支箱，根据该末级分支箱的低维电量数据和所述表箱的低维电量数据，构建该所述末级分支箱与所有表箱的线性关系式，并将所述线性关系式转化为凸优化模型，以及对所述凸优化模型进行求解，得到该末级分支箱连接的表箱；根据各所述末级分支箱连接的表箱，得到所述表箱的第二连接关系。
根据本发明的一个实施例，所述将所述线性关系式转化为凸优化模型，包括：将所述线性关系式转化为求解误差最小的优化模型；通过范数替代所述优化模型中的/>范数，得到所述凸优化模型。
根据本发明的一个实施例，所述线性关系式为：。
所述优化模型为：
s.t.
所述凸优化模型为：
s.t.
其中，表示第i个所述末级分支箱的低维电量数据，/>表示所述低维电量数据的时刻数，/>表示M个所述表箱的低维电量数据，/>表示与第i个所述末级分支箱构建线性关系式的表箱，当第m个所述表箱和第i个所述末级分支箱具有连接关系时，/>，否则/>，/>表示电量测量值受随机噪声干扰产生的误差，/>表示/>范数，/>表示/>范数。
根据本发明的一个实施例，所述对所述原始电量数据进行降维处理，得到分支箱的低维电量数据和表箱的低维电量数据，包括：计算所述原始电量数据的高斯概率分布矩阵；构建低维数据，并初始化所述低维数据，以及计算所述低维数据的t分布矩阵，其中，所述低维数据的时刻数小于所述原始电量数据的时刻数；计算所述高斯概率分布矩阵与所述t分布矩阵的KL散度，作为损失函数；基于所述损失函数利用梯度下降法对所述低维数据进行求解，得到分支箱的低维电量数据和表箱的低维电量数据。
根据本发明的一个实施例，所述计算所述原始电量数据的高斯概率分布矩阵，包括：计算所述原始电量数据中两两数据之间的相似性条件概率，并根据所述相似性条件概率计算第一联合概率，以及根据所述第一联合概率，得到所述原始电量数据的高斯概率分布矩阵；所述计算所述低维数据的t分布矩阵，包括：通过t分布函数计算低维数据的第二联合概率，其中，所述低维数据的初始值通过随机初始化得到；根据所述第二联合概率，得到所述低维数据的t分布矩阵。
根据本发明的一个实施例，所述基于所述损失函数利用梯度下降法对所述低维数据进行求解，包括：根据所述损失函数，通过所述梯度下降法对所述低维数据进行计算，得到梯度函数；根据所述梯度函数，得到梯度向量，并根据所述梯度向量对所述低维数据进行更新；判断更新后的低维数据是否达到迭代结束条件；若没有达到，则返回所述计算所述低维数据的t分布矩阵的步骤；若达到，则将当前的低维数据作为所述低维电量数据。
根据本发明的一个实施例，通过如下公式计算所述相似性条件概率：
其中，表示所述原始电量数据，表示第i个待识别设备的电量时序数据，/>表示所述待识别设备的总数量，/>表示第i个待识别设备分布在第j个待识别设备周围的相似性条件概率，/>表示以/>为中心的正态分布方差。
通过如下公式计算所述第一联合概率：
其中，表示第i个待识别设备和第j个待识别设备的概率相似度。
所述高斯概率分布矩阵表示为：，其中，，/>。
通过如下公式计算所述第二联合概率：
其中，表示所述低维数据，/>表示第i个待识别设备的低维数据，/>表示所述低维数据的时刻数。
所述t分布矩阵表示为：，其中，/>，。
根据本发明的一个实施例，通过如下公式计算所述损失函数：
其中，表示第i个待识别设备的损失函数。
通过如下公式计算所述梯度函数：
所述梯度向量表示为：。
根据本发明的一个实施例，通过如下公式进行迭代计算：
其中，表示学习率，/>表示动量因子。
为达到上述目的，本发明第二方面实施例提出了一种低压台区拓扑识别装置，其特征在于，所述装置包括：第一获取模块，用于获取所述低压台区中各待识别设备的电量时序数据，得到原始电量数据；数据处理模块，用于对所述原始电量数据进行降维处理，得到分支箱的低维电量数据和表箱的低维电量数据；第一确定模块，用于根据所述分支箱的低维电量数据确定台区总表，更新待确定连接关系的分支箱，并对所述待确定连接关系的分支箱进行分组，得到多个组合，以及根据各所述组合中分支箱的低维电量数据和目标分支箱的低维电量数据，确定出目标组合，作为所述目标分支箱的下一层，重新更新待确定连接关系的分支箱，直至分到所述低压台区分支层的最后一层，得到所述分支箱的第一连接关系，并得到末级分支箱，其中，所述目标分支箱为所述待确定连接关系分支箱的上一层分支箱；第二确定模块，用于根据所述末级分支箱的低维电量数据和所述表箱的低维电量数据，确定所述表箱的第二连接关系；第三确定模块，用于根据所述第一连接关系和所述第二连接关系，得到所述低压台区的拓扑结构。
另外，本发明实施例的低压台区拓扑识别装置还可以具有如下附加技术特征：
根据本发明的一个实施例，所述第一确定模块在根据所述分支箱的低维电量数据确定台区总表时，用于：根据所述分支箱的低维电量数据，计算各所述分支箱电量数据的平均值，并将最大平均值对应的分支箱作为所述台区总表。
根据本发明的一个实施例，所述第一确定模块在对所述待确定连接关系的分支箱进行分组，得到多个组合时，用于：从所述待确定连接关系的分支箱中，分别随机选择1，…，e-1，e个分支箱进行分组，得到种组合，其中，K为所述待确定连接关系的分支箱数。
根据本发明的一个实施例，所述低维电量数据为时序数据，所述第一确定模块在根据各所述组合中分支箱的低维电量数据和目标分支箱的低维电量数据，确定出目标组合时，用于：针对每个所述组合，将该组合各分支箱的低维电量数据中相同时刻的电量数据相加，得到该组合的累计电量数据；分别计算各所述组合的累计电量数据与所述目标分支箱的低维电量数据的皮尔逊相关系数；将最大皮尔逊相关系数对应的组合作为所述目标组合。
根据本发明的一个实施例，所述装置还包括：第一判断模块，用于判断所述第一连接关系中是否存在漏连接分支箱；第一计算模块，用于当存在漏连接分支箱时，则分别计算所述漏连接分支箱的低维电量数据与各所述目标组合对应的累计电量序列的皮尔逊相关系数；第四确定模块，用于根据最大皮尔逊相关系数对应的目标组合，确定所述漏连接分支箱在所述第一连接关系中的位置，并根据所述位置更新所述第一连接关系。
根据本发明的一个实施例，所述装置还包括：第二判断模块，用于判断所述第一连接关系中是否存在具有直连关系的分支箱；第二获取模块，用于当存在具有直连关系的分支箱时，通过电力载波向所述低压台区发送高频信号，并获取所述具有直连关系的分支箱的信号强度；第五确定模块，用于根据所述信号强度确定所述具有直连关系的分支箱的上下级关系，并根据所述上下级关系更新所述第一连接关系。
根据本发明的一个实施例，所述第二确定模块在根据所述末级分支箱的低维电量数据和所述表箱的低维电量数据，确定所述表箱的第二连接关系时，用于：针对每个所述末级分支箱，根据该末级分支箱的低维电量数据和所述表箱的低维电量数据，构建该所述末级分支箱与所有表箱的线性关系式，并将所述线性关系式转化为凸优化模型，以及对所述凸优化模型进行求解，得到该末级分支箱连接的表箱；根据各所述末级分支箱连接的表箱，得到所述表箱的第二连接关系。
根据本发明的一个实施例，所述第二确定模块在将所述线性关系式转化为凸优化模型时，用于：将所述线性关系式转化为求解误差最小的优化模型；通过范数替代所述优化模型中的/>范数，得到所述凸优化模型。
根据本发明的一个实施例，所述线性关系式为：。
所述优化模型为：
s.t.
所述凸优化模型为：
s.t.
其中，表示第i个所述末级分支箱的低维电量数据，/>表示所述低维电量数据的时刻数，/>表示M个所述表箱的低维电量数据，/>表示与第i个所述末级分支箱构建线性关系式的表箱，当第m个所述表箱和第i个所述末级分支箱具有连接关系时，/>，否则/>，/>表示电量测量值受随机噪声干扰产生的误差，/>表示/>范数，/>表示/>范数。
根据本发明的一个实施例，所述数据处理模块在对所述原始电量数据进行降维处理，得到分支箱的低维电量数据和表箱的低维电量数据时，用于：计算所述原始电量数据的高斯概率分布矩阵；构建低维数据，并初始化所述低维数据，以及计算所述低维数据的t分布矩阵，其中，所述低维数据的时刻数小于所述原始电量数据的时刻数；计算所述高斯概率分布矩阵与所述t分布矩阵的KL散度，作为损失函数；基于所述损失函数利用梯度下降法对所述低维数据进行求解，得到分支箱的低维电量数据和表箱的低维电量数据。
根据本发明的一个实施例，所述数据处理模块在计算所述原始电量数据的高斯概率分布矩阵时，用于：计算所述原始电量数据中两两数据之间的相似性条件概率，并根据所述相似性条件概率计算第一联合概率，以及根据所述第一联合概率，得到所述原始电量数据的高斯概率分布矩阵；所述数据处理模块在计算所述低维数据的t分布矩阵时，用于：通过t分布函数计算低维数据的第二联合概率，其中，所述低维数据的初始值通过随机初始化得到；根据所述第二联合概率，得到所述低维数据的t分布矩阵。
根据本发明的一个实施例，所述数据处理模块在基于所述损失函数利用梯度下降法对所述低维数据进行求解时，用于：根据所述损失函数，通过所述梯度下降法对所述低维数据进行计算，得到梯度函数；根据所述梯度函数，得到梯度向量，并根据所述梯度向量对所述低维数据进行更新；判断更新后的低维数据是否达到迭代结束条件；若没有达到，则返回所述计算所述低维数据的t分布矩阵的步骤；若达到，则将当前的低维数据作为所述低维电量数据。
根据本发明的一个实施例，所述数据处理模块通过如下公式计算所述相似性条件概率：
其中，表示所述原始电量数据，表示第i个待识别设备的电量时序数据，/>表示所述待识别设备的总数量，/>表示第i个待识别设备分布在第j个待识别设备周围的相似性条件概率，/>表示以/>为中心的正态分布方差。
所述数据处理模块通过如下公式计算所述第一联合概率：
其中，表示第i个待识别设备和第j个待识别设备的概率相似度。
所述高斯概率分布矩阵表示为：，其中，，/>。
所述数据处理模块通过如下公式计算所述第二联合概率：
其中，表示所述低维数据，/>表示第i个待识别设备的低维数据，/>表示所述低维数据的时刻数。
所述t分布矩阵表示为：，其中，/>，。
根据本发明的一个实施例，所述数据处理模块通过如下公式计算所述损失函数：
其中，表示第i个待识别设备的损失函数。
所述数据处理模块通过如下公式计算所述梯度函数：
所述梯度向量表示为：。
根据本发明的一个实施例，所述数据处理模块通过如下公式进行迭代计算：
其中，表示学习率，/>表示动量因子。
为达到上述目的，本发明第三方面实施例提出的非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述的低压台区拓扑识别方法。
为达到上述目的，本发明第四方面实施例提出了一种芯片设备，包括存储器、处理器和存储在所述存储器上的计算机程序，所述计算机程序被所述处理器执行时，实现上述的低压台区拓扑识别方法。
本发明实施例的低压台区拓扑识别方法、装置、存储介质和芯片设备的有益效果是：1、利用电量数据作为判断台区各待识别目标连接关系的数值条件，克服了使用电流、功率等瞬时数据对系统时间同步性要求高的影响，易于实现。2、通过对原始电量数据进行降维处理，能够降低高维数据中的冗余信息造成的干扰，通过低维电量数据分别得到第一连接关系和第二连接关系，能够准确得到低压台区的拓扑结构；3、对于台区分支层和表箱层分别采取不同的拓扑识别方法，保证了方法的有效性和可靠性；4、在判别第一连接关系时，对于漏识别的分支箱，根据已有目标组合确定其位置归属。进一步地，对于具有直连关系的分支箱，利用电力线载波信号衰减特性确定两者的上下级关系，总体上提升了整体识别准确度。
附图说明
图1是相关技术中低压台区拓扑结构的示意图；
图2是本发明一实施例的低压台区拓扑识别方法的流程示意图；
图3是本发明一实施例的根据各组合中分支箱的低维电量数据和目标分支箱的低维电量数据，确定出目标组合的流程示意图；
图4是本发明一实施例的根据末级分支箱的低维电量数据和表箱的低维电量数据，确定表箱的第二连接关系的流程示意图；
图5是本发明一实施例的对原始电量数据进行降维处理的流程示意图；
图6是本发明一实施例的低压台区拓扑识别装置的结构示意图；
图7是本发明一实施例的低压台区拓扑识别系统应用流程示意图；
图8是本发明一实施例的芯片设备的结构示意图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
下面参考附图描述本发明实施例的低压台区拓扑识别方法、装置、存储介质和芯片设备。
图2是本发明一实施例的低压台区拓扑识别方法的流程示意图。
如图2所示，低压台区拓扑识别方法包括：
S1，获取低压台区中各待识别设备的电量时序数据，得到原始电量数据。
其中，原始电量数据可能包含噪音信息。
S2，对原始电量数据进行降维处理，得到分支箱的低维电量数据和表箱的低维电量数据。
作为一个示例，降维处理方法可为主成分分析法或线性判别分析法。
需要说明的是，通过降维处理能够降低数据的维度，减少数据冗余，削弱噪声的影响。
S3，根据分支箱的低维电量数据确定台区总表，更新待确定连接关系的分支箱，并对待确定连接关系的分支箱进行分组，得到多个组合，以及根据各组合中分支箱的低维电量数据和目标分支箱的低维电量数据，确定出目标组合，作为目标分支箱的下一层，返回至更新待确定连接关系的分支箱的步骤，直至分到低压台区分支层的最后一层，得到分支箱的第一连接关系，并得到末级分支箱，其中，目标分支箱为待确定连接关系分支箱的上一层分支箱。
具体地，可根据分支箱的低维电量数据，并基于电能守恒原理，确定分支箱的第一连接关系。其中，电能守恒原理表明，在任何时间间隔内，一个分支箱的出线柜量测开关与其进线柜量测开关的电量在相同时刻内近似相等。
更具体地，在确定分支层中第一层的分支箱时，将分支箱中除了台区总表外的分支箱，都作为待确定连接关系的分支箱。之后在确定分支层中其他层的分支箱时，将分支箱中除了已确定连接关系的分支箱都作为待确定连接关系的分支箱。
更具体地，对待确定连接关系的分支箱进行分组，得到多个组合，包括：从待确定连接关系的分支箱中，分别随机选择1，…，e-1，e个分支箱进行分组，得到种组合，其中，K为待确定连接关系的分支箱数。
作为一个示例，首先，在去除台区总表后的分支箱中，随机选择1，…，e-1，e个分支箱组成一组，得到种组合，其中，N为分支箱总数；然后，在去除台区总表和分支层中的第一层分支箱后的分支箱中，随机选择1，…，z-1，z个分支箱组成一组，得到/>种组合，其中，y为分支层中第一层的分支箱数。
作为一个示例，首先确定台区总表，以台区总表为目标分支箱，确定分支层中第一层的表箱；接着，以分支层中第一层的表箱依次作为目标分支箱，确定分支层中第一层的表箱及其对应关系，依次循环直至分到低压台区分支层的最后一层。
S4，根据末级分支箱的低维电量数据和表箱的低维电量数据，确定表箱的第二连接关系。
S5，根据第一连接关系和第二连接关系，得到低压台区的拓扑结构。
本发明实施例的低压台区拓扑识别方法，通过对原始电量数据进行降维处理，能够降低高维数据中的冗余信息造成的干扰，通过低维电量数据分别得到第一连接关系和第二连接关系，能够准确得到低压台区的拓扑结构，总体上提升了整体识别准确度。
在本发明的一些实施例中，根据分支箱的低维电量数据确定台区总表，包括：根据分支箱的低维电量数据，计算各分支箱电量数据的平均值，并将最大平均值对应的分支箱作为台区总表。
在该实施例中，通过计算各分支箱电量数据的平均值，并进行排序将最大平均值对应的分支箱作为台区总表，能够快速确定分支箱中的台区总表。
在本发明的一些实施例中，低维电量数据为时序数据，如图3所示，根据各组合中分支箱的低维电量数据和目标分支箱的低维电量数据，确定出目标组合，包括：
S341，针对每个组合，将该组合各分支箱的低维电量数据中相同时刻的电量数据相加，得到该组合的累计电量数据。
需要说明的是，表示该K个组中的每个组只有一个分支箱，则将该分支箱的低维电量数据作为该组合的累计电量数据。
S342，分别计算各组合的累计电量数据与目标分支箱的低维电量数据的皮尔逊相关系数。
具体地，通过如下公式计算皮尔逊相关系数：
其中，表示第/>个分支箱或目标组合的电量序列，/>表示/>和/>的协方差，符号/>表示/>的方差。
S343，将最大皮尔逊相关系数对应的组合作为目标组合。
作为一个示例，假设待识别设备数为D，其中，N表示分支箱数，M表示表箱数。分支层的低维电量数据表示为：
其中，为第i个分支箱的低维电量数据。
将每个分支箱的电量序列取平均值，记作/>，并按照均值从大到小进行排序，将最大均值对应的分支箱作为台变层的台区总表，然后依次判断分支层中各层级分支箱的连接关系。
在该实施例中，利用皮尔逊相关系数度量目标组合和目标分支箱之间的相似性，/>越大，则表明目标组合和目标分支箱越可能为父子节点。因此，通过上述方法可以依次确定分支层中各分支箱的连接关系。
以图1为例，分支箱B31电量约等于B41，B42，B43之和。因此，分支箱B21找到的子节点可能是B31，B32，B33，也可能是B41，B42，B43（因为B31=B41+B42+B43），B32，B33。若B21判断其子节点为后者，则B31在拓扑识别过程中会被漏下。
在本发明的一些实施例中，在得到分支箱的第一连接关系之后，低压台区拓扑识别方法还包括：
S311，判断第一连接关系中是否存在漏连接分支箱。
S312，若存在，则分别计算漏连接分支箱的低维电量数据与各目标组合对应的累计电量序列的皮尔逊相关系数。
S313，根据最大皮尔逊相关系数对应的目标组合，确定漏连接分支箱在第一连接关系中的位置，并根据位置更新第一连接关系。
其中，可将漏连接分支箱连接在目标组合和目标组合先前对应的目标分支箱之间。
在该实施例中，通过获取全体漏连接分支箱，并重新确定漏连接分支箱的连接关系，并更新到第一连接关系中，能够保证台区拓扑结构的完整性。
以图1为例，分支箱B36和分支箱B4x之间的电量只有微小误差，分支箱B22在确定下一层连接的分支箱时,无法准确判断其下属节点是（B34，B35，B36）还是（B34，B35，B4x）,若判断为（B34，B35，B4x），则B36在拓扑识别过程中会被漏下。通过上述方法，可确定分支箱B36的最大相关性分支箱为B4x，由于与B36相关性最大的分支箱只有一个，故可以得知B36和B4x之间具有直连关系。然而,对于具有直连关系的分支箱而言，依然无法判断两者的上下级关系。
在本发明的一些实施例中，低压台区拓扑识别方法还包括：
S321，判断第一连接关系中是否存在具有直连关系的分支箱。
S322，若存在，则通过电力载波向低压台区发送高频信号，并获取具有直连关系的分支箱的信号强度。
S323，根据信号强度确定具有直连关系的分支箱的上下级关系，并根据上下级关系更新第一连接关系。
在该实施例中，通过分支箱间的信号强度衰减与分支箱间的距离关系，能够准确确定具有直连关系的分支箱的上下级关系，并更新到第一连接关系中，从而保证台区拓扑结构的准确性。
在本发明的一些实施例中，如图4所示，根据末级分支箱的低维电量数据和表箱的低维电量数据，确定表箱的第二连接关系，包括：
S41，针对每个末级分支箱，根据该末级分支箱的低维电量数据和表箱的低维电量数据，构建该末级分支箱与所有表箱的线性关系式，并将线性关系式转化为凸优化模型，以及对凸优化模型进行求解，得到该末级分支箱连接的表箱。
S42，根据各末级分支箱连接的表箱，得到表箱的第二连接关系。
在该实施例中，通过将线性关系式转化为凸优化模型，能够降低运算量，提高计算效率。
在本发明的一些实施例中，将线性关系式转化为凸优化模型，包括：
S411，将线性关系式转化为求解误差最小的优化模型。
S412，通过范数替代优化模型中的/>范数，得到凸优化模型。
在该实施例中，通过将线性关系式转化为求解误差最小的优化模型，能够在噪声干扰未知，且存在计量误差的情况下，求解得到准确的拓扑关系。
在本发明的一些实施例中，线性关系式为：。
优化模型为：
s.t.
凸优化模型为：
s.t.
其中，表示第i个末级分支箱的低维电量数据，/>表示低维电量数据的时刻数，/>表示M个表箱的低维电量数据，表示与第i个末级分支箱构建线性关系式的表箱，当第m个表箱和第i个末级分支箱具有连接关系时，/>，否则/>，/>表示电量测量值受随机噪声干扰产生的误差，/>表示/>范数，/>表示/>范数。
具体地，通过凸优化模型，即可得到的最优解。然而，计算得到的/>向量元素中包含小数，为明确连接关系，需要将/>向量中小数值转化成 0-1 值，即：
此时，向量中元素值可以表明第i个分支箱下所连接的表箱。
在该实施例中，通过引入0-1 变量表征表箱与分支箱的连接关系，能够提高计算效率。
在本发明的一些实施例中，如图5所示，对原始电量数据进行降维处理，得到分支箱的低维电量数据和表箱的低维电量数据，包括：
S21，计算原始电量数据的高斯概率分布矩阵。
具体地，计算原始电量数据的高斯概率分布矩阵，包括：计算原始电量数据中两两数据之间的相似性条件概率，并根据相似性条件概率计算第一联合概率，以及根据第一联合概率，得到原始电量数据的高斯概率分布矩阵。
S22，构建低维数据，并初始化低维数据，以及计算低维数据的t分布矩阵，其中，低维数据的时刻数小于原始电量数据的时刻数。
具体地，计算低维数据的t分布矩阵，包括：通过t分布函数计算低维数据的第二联合概率，其中，低维数据的初始值通过随机初始化得到；根据第二联合概率，得到低维数据的t分布矩阵。
S23，计算高斯概率分布矩阵与t分布矩阵的KL散度（Kullback-Leiblerdivergence，相对熵），作为损失函数。
S24，基于损失函数利用梯度下降法对低维数据进行求解，得到分支箱的低维电量数据和表箱的低维电量数据。
在该实施例中，通过采用t-SNE（t-distributed Stochastic NeighborEmbedding，t-随机邻近嵌入）算法对原始电量数据进行降维，从而放大数据之间的差异性并削弱噪声的影响，为后续拓扑识别算法提供高质量的低维电量数据。
在本发明的一些实施例中，基于损失函数利用梯度下降法对低维数据进行求解，包括：
S241，根据损失函数，通过梯度下降法对低维数据进行计算，得到梯度函数。
S242，根据梯度函数，得到梯度向量，并根据梯度向量对低维数据进行更新。
S243，判断更新后的低维数据是否达到迭代结束条件。
S244，若没有达到，则返回计算低维数据的t分布矩阵的步骤。
S245，若达到，则将当前的低维数据作为低维电量数据。
具体地，通过如下公式计算损失函数：
其中，表示第i个待识别设备的损失函数。
需要说明的是，损失函数越小，则第i个待识别设备在降维前后与其他设备的相对分布越一致，即低维电量数据可以更好替代原始电量数据用于拓扑识别。
通过如下公式计算梯度函数：
梯度向量表示为：。
需要说明的是，逐步迭代计算梯度，根据获得的梯度对低维数据进行更新，当达到迭代条件时，即可得到低维电量数据。
通过如下公式进行迭代计算：
其中，表示学习率，/>表示动量因子。
需要说明的是，反复迭代求解迭代式，当小于等于设定阈值时，判断更新后的低维数据达到迭代结束条件。/>
在本发明的一些实施例中，通过如下公式计算相似性条件概率：
其中，表示原始电量数据，/>表示第i个待识别设备的电量时序数据，/>表示待识别设备的总数量，/>表示第i个待识别设备分布在第j个待识别设备周围的相似性条件概率，/>表示以/>为中心的正态分布方差。
通过如下公式计算第一联合概率：
其中，表示第i个待识别设备和第j个待识别设备的概率相似度。
高斯概率分布矩阵表示为：，其中，，/>。
通过如下公式计算第二联合概率：
其中，表示低维数据，/>表示第i个待识别设备的低维数据，/>表示低维数据的时刻数。
需要说明的是，低维数据可通过随机初始化矩阵得到，接着在后续步骤中不断迭代更新。
t分布矩阵表示为：，其中，/>，/>。
对应上述实施例，本发明还提出一种低压台区拓扑识别装置。
图6是本发明一实施例的低压台区拓扑识别装置的结构示意图。
如图6所示，本发明实施例的低压台区拓扑识别装置，包括：第一获取模块10、数据处理模块20、第一确定模块30、第二确定模块40和第三确定模块50。第一获取模块10用于获取低压台区中各待识别设备的电量时序数据，得到原始电量数据；数据处理模块20用于对原始电量数据进行降维处理，得到分支箱的低维电量数据和表箱的低维电量数据；第一确定模块30用于根据分支箱的低维电量数据确定台区总表，更新待确定连接关系的分支箱，并对待确定连接关系的分支箱进行分组，得到多个组合，以及根据各组合中分支箱的低维电量数据和目标分支箱的低维电量数据，确定出目标组合，作为目标分支箱的下一层，重新更新待确定连接关系的分支箱，直至分到低压台区分支层的最后一层，得到分支箱的第一连接关系，并得到末级分支箱，其中，目标分支箱为待确定连接关系分支箱的上一层分支箱；第二确定模块40用于根据末级分支箱的低维电量数据和表箱的低维电量数据，确定表箱的第二连接关系；第三确定模块50用于根据第一连接关系和第二连接关系，得到低压台区的拓扑结构。
需要说明的是，通过降维处理能够降低数据的维度，减少数据冗余，削弱噪声的影响。
具体地，可根据分支箱的低维电量数据，并基于电能守恒原理，确定分支箱的第一连接关系。其中，电能守恒原理表明，在任何时间间隔内，一个分支箱的出线柜量测开关与其进线柜量测开关的电量在相同时刻内近似相等。
更具体地，在确定分支层中第一层的分支箱时，将分支箱中除了台区总表外的分支箱，都作为待确定连接关系的分支箱。之后在确定分支层中其他层的分支箱时，将分支箱中除了已确定连接关系的分支箱都作为待确定连接关系的分支箱。
作为一个示例，首先确定台区总表，以台区总表为目标分支箱，确定分支层中第一层的表箱；接着，以分支层中第一层的表箱依次作为目标分支箱，确定分支层中第一层的表箱及其对应关系，依次循环直至分到低压台区分支层的最后一层。
本发明实施例的低压台区拓扑识别装置，通过对原始电量数据进行降维处理，能够降低高维数据中的冗余信息造成的干扰，通过低维电量数据分别得到第一连接关系和第二连接关系，能够准确得到低压台区的拓扑结构。
在本发明的一些实施例中，第一确定模块30在根据分支箱的低维电量数据确定台区总表时，用于：根据分支箱的低维电量数据，计算各分支箱电量数据的平均值，并将最大平均值对应的分支箱作为台区总表。
在该实施例中，第一确定模块30通过计算各分支箱电量数据的平均值，并进行排序将最大平均值对应的分支箱作为台区总表，能够快速确定分支箱中的台区总表。
在本发明的一些实施例中，第一确定模块30在对待确定连接关系的分支箱进行分组，得到多个组合时，用于：从待确定连接关系的分支箱中，分别随机选择1，…，e-1，e个分支箱进行分组，得到种组合，其中，K为待确定连接关系的分支箱数。
在本发明的一些实施例中，低维电量数据为时序数据，第一确定模块30在根据各组合中分支箱的低维电量数据和目标分支箱的低维电量数据，确定出目标组合时，用于：针对每个组合，将该组合各分支箱的低维电量数据中相同时刻的电量数据相加，得到该组合的累计电量数据；分别计算各组合的累计电量数据与目标分支箱的低维电量数据的皮尔逊相关系数；将最大皮尔逊相关系数对应的组合作为目标组合。
具体地，通过如下公式计算皮尔逊相关系数：
其中，表示第/>个分支箱或目标组合的电量序列，/>表示/>和/>的协方差，符号/>表示/>的方差。
作为一个示例，假设待识别设备数为D，其中，N表示分支箱数，M表示表箱数。分支层的低维电量数据表示为：
其中，为第i个分支箱的低维电量数据。
将每个分支箱的电量序列取平均值，记作/>，并按照均值从大到小进行排序，将最大均值对应的分支箱作为台变层的台区总表，然后依次判断分支层中各层级分支箱的连接关系。
在该实施例中，第一确定模块30利用皮尔逊相关系数度量目标组合和目标分支箱之间的相似性，/>越大，则表明目标组合和目标分支箱越可能为父子节点。因此，通过上述方法可以依次确定分支层中各分支箱的连接关系。
在本发明的一些实施例中，低压台区拓扑识别装置还包括：第一判断模块，用于判断第一连接关系中是否存在漏连接分支箱；第一计算模块，用于当存在漏连接分支箱时，则分别计算漏连接分支箱的低维电量数据与各目标组合对应的累计电量序列的皮尔逊相关系数；第四确定模块，用于根据最大皮尔逊相关系数对应的目标组合，确定漏连接分支箱在第一连接关系中的位置，并根据位置更新第一连接关系。
其中，可将漏连接分支箱连接在目标组合和目标组合先前对应的目标分支箱之间。
在该实施例中，通过获取全体漏连接分支箱，并重新确定漏连接分支箱的连接关系，并更新到第一连接关系中，能够保证台区拓扑结构的完整性。
在本发明的一些实施例中，低压台区拓扑识别装置还包括：第二判断模块，用于判断第一连接关系中是否存在具有直连关系的分支箱；第二获取模块，用于当存在具有直连关系的分支箱时，通过电力载波向低压台区发送高频信号，并获取具有直连关系的分支箱的信号强度；第五确定模块，用于根据信号强度确定具有直连关系的分支箱的上下级关系，并根据上下级关系更新第一连接关系。
在该实施例中，通过分支箱间的信号强度衰减与分支箱间的距离关系，能够准确确定具有直连关系的分支箱的上下级关系，并更新到第一连接关系中，从而保证台区拓扑结构的准确性。
在本发明的一些实施例中，第二确定模块40在根据末级分支箱的低维电量数据和表箱的低维电量数据，确定表箱的第二连接关系时，用于：针对每个末级分支箱，根据该末级分支箱的低维电量数据和表箱的低维电量数据，构建该末级分支箱与所有表箱的线性关系式，并将线性关系式转化为凸优化模型，以及对凸优化模型进行求解，得到该末级分支箱连接的表箱；根据各末级分支箱连接的表箱，得到表箱的第二连接关系。
在该实施例中，第二确定模块40通过将线性关系式转化为凸优化模型，能够降低运算量，提高计算效率。
在本发明的一些实施例中，第二确定模块40在将线性关系式转化为凸优化模型时，用于：将线性关系式转化为求解误差最小的优化模型；通过范数替代优化模型中的/>范数，得到凸优化模型。
在该实施例中，第二确定模块40通过将线性关系式转化为求解误差最小的优化模型，能够在噪声干扰未知，且存在计量误差的情况下，求解得到准确的拓扑关系。
在本发明的一些实施例中，线性关系式为：；
优化模型为：
s.t.
凸优化模型为：/>
s.t.
其中，表示第i个末级分支箱的低维电量数据，/>表示低维电量数据的时刻数，/>表示M个表箱的低维电量数据，表示与第i个末级分支箱构建线性关系式的表箱，当第m个表箱和第i个末级分支箱具有连接关系时，/>，否则/>，/>表示电量测量值受随机噪声干扰产生的误差，/>表示/>范数，/>表示/>范数。
具体地，第二确定模块40通过凸优化模型，即可得到的最优解。然而，计算得到的向量元素中包含小数，为明确连接关系，需要将/>向量中小数值转化成 0-1 值，即：
此时，向量中元素值可以表明第i个分支箱下所连接的表箱。
在该实施例中，第二确定模块40通过引入0-1 变量表征表箱与分支箱的连接关系，能够提高计算效率。
在本发明的一些实施例中，数据处理模块20在对原始电量数据进行降维处理，得到分支箱的低维电量数据和表箱的低维电量数据时，用于：计算原始电量数据的高斯概率分布矩阵；构建低维数据，并初始化低维数据，以及计算低维数据的t分布矩阵，其中，低维数据的时刻数小于原始电量数据的时刻数；计算高斯概率分布矩阵与t分布矩阵的KL散度，作为损失函数；基于损失函数利用梯度下降法对低维数据进行求解，得到分支箱的低维电量数据和表箱的低维电量数据。
在该实施例中，数据处理模块20通过采用t-SNE算法对原始电量数据进行降维，从而放大数据之间的差异性并削弱噪声的影响，为后续拓扑识别算法提供高质量的低维电量数据。
在本发明的一些实施例中，数据处理模块20在计算原始电量数据的高斯概率分布矩阵时，用于：计算原始电量数据中两两数据之间的相似性条件概率，并根据相似性条件概率计算第一联合概率，以及根据第一联合概率，得到原始电量数据的高斯概率分布矩阵；数据处理模块20在计算低维数据的t分布矩阵时，用于：通过t分布函数计算低维数据的第二联合概率，其中，低维数据的初始值通过随机初始化得到；根据第二联合概率，得到低维数据的t分布矩阵。
在本发明的一些实施例中，数据处理模块20在基于损失函数利用梯度下降法对低维数据进行求解时，用于：根据损失函数，通过梯度下降法对低维数据进行计算，得到梯度函数；根据梯度函数，得到梯度向量，并根据梯度向量对低维数据进行更新；判断更新后的低维数据是否达到迭代结束条件；若没有达到，则返回计算低维数据的t分布矩阵的步骤；若达到，则将当前的低维数据作为低维电量数据。
具体地，数据处理模块20通过如下公式计算相似性条件概率：
其中，表示原始电量数据，/>表示第i个待识别设备的电量时序数据，/>表示待识别设备的总数量，/>表示第i个待识别设备分布在第j个待识别设备周围的相似性条件概率，/>表示以/>为中心的正态分布方差。
数据处理模块20通过如下公式计算第一联合概率：
其中，表示第i个待识别设备和第j个待识别设备的概率相似度。
高斯概率分布矩阵表示为：，其中，，/>。
数据处理模块20通过如下公式计算第二联合概率：
其中，表示低维数据，/>表示第i个待识别设备的低维数据，/>表示低维数据的时刻数。
t分布矩阵表示为：，其中，/>，/>。
更具体地，数据处理模块20通过如下公式计算损失函数：
其中，表示第i个待识别设备的损失函数。
数据处理模块20通过如下公式计算梯度函数：
梯度向量表示为：。
更具体地，数据处理模块20通过如下公式进行迭代计算：
其中，表示学习率，/>表示动量因子。
对应上述实施例的低压台区拓扑识别方法，本发明还提出一种低压台区拓扑识别系统。
如图7所示，低压台区拓扑识别系统包括：主站、融合终端、CCO（CentralCoordinator，中央协调器）、LTU（Line Terminal Unit，分支监测终端）和STA（Station，站点），其中，一个STA相当于一个电表。
低压台区拓扑识别系统的操作流程包括：
A1，主站发起全网校时命令，依次对融合终端、CCO、LTU、STA进行校时。
具体地，主站启动同步时钟，融合终端同步系统时钟、CCO同步系统时钟、LTU同步网络时钟、STA同步网络时钟。
A2，主站发起拓扑识别命令，分别采集LTU和STA的电量数据。
具体地，融合终端在接收到拓扑识别命令后，发送采集电量数据指令给CCO；CCO分别下发采集电量数据指令给LTU和STA；LTU和STA分别上报各自的电量数据给CCO；CCO将收到的电量数据发送给融合终端；融合终端上报LTU/STA电量数据给主站。
A3，主站通过上述的低压台区拓扑识别方法进行拓扑识别。
A4，主站输出拓扑识别结果，拓扑识别流程结束。
需要说明的是，低压配电网络包括变压器、配电房总表、分支箱、表箱及用户电表。其中，配电箱内的智能融合终端作为配电网的核心设备，通过HPLC（Highspeed Power LineCarrier，高速电力线载波通信）或HRF（Highspeed Radio Frequency，高速无线通信）等方式与智能断路器 /分支侧分支监测终端/智能量测开关通信。低压配电网络具备融合配变终端设备（采集配电数据）和集中器（采集营销数据）的功能，能够负责配变侧总表开关、分支侧LTU、用户侧智能量测开关等信息的采集与监测，同时，智能融合终端将台区数据分析、计算、整理后传输至配电自动化主站。基于台区智能终端的数据采集和边缘计算能力，可实现低压配电网全域信息感知和物理拓扑识别。
对应上述实施例，本发明还提出一种非临时性计算机可读存储介质。
本发明实施例的非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本发明上述实施例提出的低压台区拓扑识别方法。
根据本发明实施例的非临时性计算机可读存储介质，通过执行其存储的计算机程序，能够准确得到低压台区的拓扑结构，总体上提升了整体识别准确度。
对应上述实施例，本发明还提出一种芯片设备。
图8是本发明一实施例的芯片设备的结构示意图。
如图8所示，芯片设备500包括：处理器501和存储器503。其中，处理器501和存储器503相连，如通过总线502相连。可选地，芯片设备500还可以包括收发器504。需要说明的是，实际应用中收发器504不限于一个，该芯片设备500的结构并不构成对本发明实施例的限定。
处理器501可以是CPU（Central Processing Unit，中央处理器），通用处理器，DSP（Digital Signal Processor，数据信号处理器），ASIC（Application SpecificIntegrated Circuit，专用集成电路），FPGA（Field Programmable Gate Array，现场可编程门阵列）或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。处理器501可以实现或执行结合本发明公开内容所描述的各种示例性的逻辑方框、模块和电路。处理器501也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，DSP和微处理器的组合等。
总线502可包括一通路，在上述组件之间传送信息。总线502可以是PCI（Peripheral Component Interconnect，外设部件互连标准）总线或EISA（ExtendedIndustry Standard Architecture，扩展工业标准结构）总线等。总线502可以分为地址总线、数据总线、控制总线等。为便于表示，图8中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
存储器503用于存储与本发明上述实施例的低压台区拓扑识别方法对应的计算机程序，该计算机程序由处理器501来控制执行。处理器501用于执行存储器503中存储的计算机程序，以实现前述方法实施例所示的内容。
其中，芯片设备500包括但不限于：笔记本电脑、PAD（平板电脑）等等的移动终端以及诸如台式计算机等等的固定终端。图8示出的芯片设备500仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
本发明实施例的芯片设备500，能够准确得到低压台区的拓扑结构。
需要说明的是，在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备（如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统）使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例（非穷尽性列表）包括以下：具有一个或多个布线的电连接部（电子装置），便携式计算机盘盒（磁装置），随机存取存储器（RAM），只读存储器（ROM），可擦除可编辑只读存储器（EPROM或闪速存储器），光纤装置，以及便携式光盘只读存储器（CDROM）。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列（PGA），现场可编程门阵列（FPGA）等。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (28)

1.一种低压台区拓扑识别方法，其特征在于，所述方法包括：
获取所述低压台区中各待识别设备的电量时序数据，得到原始电量数据；
对所述原始电量数据进行降维处理，得到分支箱的低维电量数据和表箱的低维电量数据；
根据所述分支箱的低维电量数据确定台区总表，更新待确定连接关系的分支箱，并对所述待确定连接关系的分支箱进行分组，得到多个组合，以及根据各所述组合中分支箱的低维电量数据和目标分支箱的低维电量数据，确定出目标组合，作为所述目标分支箱的下一层，返回至所述更新待确定连接关系的分支箱的步骤，直至分到低压台区分支层的最后一层，得到所述分支箱的第一连接关系，并得到末级分支箱，其中，所述目标分支箱为所述待确定连接关系分支箱的上一层分支箱；
根据所述末级分支箱的低维电量数据和所述表箱的低维电量数据，确定所述表箱的第二连接关系；
根据所述第一连接关系和所述第二连接关系，得到所述低压台区的拓扑结构；
其中，所述对所述待确定连接关系的分支箱进行分组，得到多个组合，包括：从所述待确定连接关系的分支箱中，分别随机选择1，…，e-1，e个分支箱进行分组，得到种组合，其中，K为所述待确定连接关系的分支箱数；
在所述得到所述分支箱的第一连接关系之后，所述方法还包括：判断所述第一连接关系中是否存在漏连接分支箱；若存在，则分别计算所述漏连接分支箱的低维电量数据与各所述目标组合对应的累计电量序列的皮尔逊相关系数；根据最大皮尔逊相关系数对应的目标组合，确定所述漏连接分支箱在所述第一连接关系中的位置，并根据所述位置更新所述第一连接关系。
2.根据权利要求1所述的低压台区拓扑识别方法，其特征在于，所述根据所述分支箱的低维电量数据确定台区总表，包括：
根据所述分支箱的低维电量数据，计算各所述分支箱电量数据的平均值，并将最大平均值对应的分支箱作为所述台区总表。
3.根据权利要求2所述的低压台区拓扑识别方法，其特征在于，所述低维电量数据为时序数据，所述根据各所述组合中分支箱的低维电量数据和目标分支箱的低维电量数据，确定出目标组合，包括：
针对每个所述组合，将该组合各分支箱的低维电量数据中相同时刻的电量数据相加，得到该组合的累计电量数据；
分别计算各所述组合的累计电量数据与所述目标分支箱的低维电量数据的皮尔逊相关系数；
将最大皮尔逊相关系数对应的组合作为所述目标组合。
4.根据权利要求1所述的低压台区拓扑识别方法，其特征在于，所述方法还包括：
判断所述第一连接关系中是否存在具有直连关系的分支箱；
若存在，则通过电力载波向所述低压台区发送高频信号，并获取所述具有直连关系的分支箱的信号强度；
根据所述信号强度确定所述具有直连关系的分支箱的上下级关系，并根据所述上下级关系更新所述第一连接关系。
5.根据权利要求1所述的低压台区拓扑识别方法，其特征在于，所述根据所述末级分支箱的低维电量数据和所述表箱的低维电量数据，确定所述表箱的第二连接关系，包括：
针对每个所述末级分支箱，根据该末级分支箱的低维电量数据和所述表箱的低维电量数据，构建该所述末级分支箱与所有表箱的线性关系式，并将所述线性关系式转化为凸优化模型，以及对所述凸优化模型进行求解，得到该末级分支箱连接的表箱；
根据各所述末级分支箱连接的表箱，得到所述表箱的第二连接关系。
6.根据权利要求5所述的低压台区拓扑识别方法，其特征在于，所述将所述线性关系式转化为凸优化模型，包括：
将所述线性关系式转化为求解误差最小的优化模型；
通过范数替代所述优化模型中的/>范数，得到所述凸优化模型。
7.根据权利要求6所述的低压台区拓扑识别方法，其特征在于，
所述线性关系式为：；
所述优化模型为：
s.t.
所述凸优化模型为：
s.t.
其中，表示第i个所述末级分支箱的低维电量数据，/>表示所述低维电量数据的时刻数，/>表示M个所述表箱的低维电量数据，表示与第i个所述末级分支箱构建线性关系式的表箱，当第m个所述表箱和第i个所述末级分支箱具有连接关系时，/>，否则/>，/>表示电量测量值受随机噪声干扰产生的误差，/>表示/>范数，/>表示/>范数。
8.根据权利要求1所述的低压台区拓扑识别方法，其特征在于，所述对所述原始电量数据进行降维处理，得到分支箱的低维电量数据和表箱的低维电量数据，包括：
计算所述原始电量数据的高斯概率分布矩阵；
构建低维数据，并初始化所述低维数据，以及计算所述低维数据的t分布矩阵，其中，所述低维数据的时刻数小于所述原始电量数据的时刻数；
计算所述高斯概率分布矩阵与所述t分布矩阵的KL散度，作为损失函数；
基于所述损失函数利用梯度下降法对所述低维数据进行求解，得到分支箱的低维电量数据和表箱的低维电量数据。
9.根据权利要求8所述的低压台区拓扑识别方法，其特征在于，所述计算所述原始电量数据的高斯概率分布矩阵，包括：
计算所述原始电量数据中两两数据之间的相似性条件概率，并根据所述相似性条件概率计算第一联合概率，以及根据所述第一联合概率，得到所述原始电量数据的高斯概率分布矩阵；
所述计算所述低维数据的t分布矩阵，包括：
通过t分布函数计算低维数据的第二联合概率，其中，所述低维数据的初始值通过随机初始化得到；
根据所述第二联合概率，得到所述低维数据的t分布矩阵。
10.根据权利要求9所述的低压台区拓扑识别方法，其特征在于，所述基于所述损失函数利用梯度下降法对所述低维数据进行求解，包括：
根据所述损失函数，通过所述梯度下降法对所述低维数据进行计算，得到梯度函数；
根据所述梯度函数，得到梯度向量，并根据所述梯度向量对所述低维数据进行更新；
判断更新后的低维数据是否达到迭代结束条件；
若没有达到，则返回所述计算所述低维数据的t分布矩阵的步骤；
若达到，则将当前的低维数据作为所述低维电量数据。
11.根据权利要求10所述的低压台区拓扑识别方法，其特征在于，
通过如下公式计算所述相似性条件概率：
其中，表示所述原始电量数据，/>表示第i个待识别设备的电量时序数据，/>表示所述待识别设备的总数量，/>表示第i个待识别设备分布在第j个待识别设备周围的相似性条件概率，/>表示以/>为中心的正态分布方差；
通过如下公式计算所述第一联合概率：
其中，表示第i个待识别设备和第j个待识别设备的概率相似度；
所述高斯概率分布矩阵表示为：，其中，，/>；
通过如下公式计算所述第二联合概率：
其中，表示所述低维数据，/>表示第i个待识别设备的低维数据，/>表示所述低维数据的时刻数；
所述t分布矩阵表示为：，其中，/>，/>。
12.根据权利要求11所述的低压台区拓扑识别方法，其特征在于，
通过如下公式计算所述损失函数：
其中，表示第i个待识别设备的损失函数；
通过如下公式计算所述梯度函数：
所述梯度向量表示为：。
13.根据权利要求12所述的低压台区拓扑识别方法，其特征在于，
通过如下公式进行迭代计算：
其中，表示学习率，/>表示动量因子。
14.一种低压台区拓扑识别装置，其特征在于，所述装置包括：
第一获取模块，用于获取所述低压台区中各待识别设备的电量时序数据，得到原始电量数据；
数据处理模块，用于对所述原始电量数据进行降维处理，得到分支箱的低维电量数据和表箱的低维电量数据；
第一确定模块，用于根据所述分支箱的低维电量数据确定台区总表，更新待确定连接关系的分支箱，并对所述待确定连接关系的分支箱进行分组，得到多个组合，以及根据各所述组合中分支箱的低维电量数据和目标分支箱的低维电量数据，确定出目标组合，作为所述目标分支箱的下一层，重新更新待确定连接关系的分支箱，直至分到所述低压台区分支层的最后一层，得到所述分支箱的第一连接关系，并得到末级分支箱，其中，所述目标分支箱为所述待确定连接关系分支箱的上一层分支箱；
第二确定模块，用于根据所述末级分支箱的低维电量数据和所述表箱的低维电量数据，确定所述表箱的第二连接关系；
第三确定模块，用于根据所述第一连接关系和所述第二连接关系，得到所述低压台区的拓扑结构；
其中，所述第一确定模块在对所述待确定连接关系的分支箱进行分组，得到多个组合时，用于：从所述待确定连接关系的分支箱中，分别随机选择1，…，e-1，e个分支箱进行分组，得到种组合，其中，K为所述待确定连接关系的分支箱数；
所述装置还包括：
第一判断模块，用于判断所述第一连接关系中是否存在漏连接分支箱；
第一计算模块，用于当存在漏连接分支箱时，则分别计算所述漏连接分支箱的低维电量数据与各所述目标组合对应的累计电量序列的皮尔逊相关系数；
第四确定模块，用于根据最大皮尔逊相关系数对应的目标组合，确定所述漏连接分支箱在所述第一连接关系中的位置，并根据所述位置更新所述第一连接关系。
15.根据权利要求14所述的低压台区拓扑识别装置，其特征在于，所述第一确定模块在根据所述分支箱的低维电量数据确定台区总表时，用于：
根据所述分支箱的低维电量数据，计算各所述分支箱电量数据的平均值，并将最大平均值对应的分支箱作为所述台区总表。
16.根据权利要求15所述的低压台区拓扑识别装置，其特征在于，所述低维电量数据为时序数据，所述第一确定模块在根据各所述组合中分支箱的低维电量数据和目标分支箱的低维电量数据，确定出目标组合时，用于：
针对每个所述组合，将该组合各分支箱的低维电量数据中相同时刻的电量数据相加，得到该组合的累计电量数据；
分别计算各所述组合的累计电量数据与所述目标分支箱的低维电量数据的皮尔逊相关系数；
将最大皮尔逊相关系数对应的组合作为所述目标组合。
17.根据权利要求14所述的低压台区拓扑识别装置，其特征在于，所述装置还包括：
第二判断模块，用于判断所述第一连接关系中是否存在具有直连关系的分支箱；
第二获取模块，用于当存在具有直连关系的分支箱时，通过电力载波向所述低压台区发送高频信号，并获取所述具有直连关系的分支箱的信号强度；
第五确定模块，用于根据所述信号强度确定所述具有直连关系的分支箱的上下级关系，并根据所述上下级关系更新所述第一连接关系。
18.根据权利要求14所述的低压台区拓扑识别装置，其特征在于，所述第二确定模块在根据所述末级分支箱的低维电量数据和所述表箱的低维电量数据，确定所述表箱的第二连接关系时，用于：
针对每个所述末级分支箱，根据该末级分支箱的低维电量数据和所述表箱的低维电量数据，构建该所述末级分支箱与所有表箱的线性关系式，并将所述线性关系式转化为凸优化模型，以及对所述凸优化模型进行求解，得到该末级分支箱连接的表箱；
根据各所述末级分支箱连接的表箱，得到所述表箱的第二连接关系。
19.根据权利要求18所述的低压台区拓扑识别装置，其特征在于，所述第二确定模块在将所述线性关系式转化为凸优化模型时，用于：
将所述线性关系式转化为求解误差最小的优化模型；
通过范数替代所述优化模型中的/>范数，得到所述凸优化模型。
20.根据权利要求19所述的低压台区拓扑识别装置，其特征在于，
所述线性关系式为：；
所述优化模型为：
s.t.
所述凸优化模型为：
s.t.
其中，表示第i个所述末级分支箱的低维电量数据，/>表示所述低维电量数据的时刻数，/>表示M个所述表箱的低维电量数据，表示与第i个所述末级分支箱构建线性关系式的表箱，当第m个所述表箱和第i个所述末级分支箱具有连接关系时，/>，否则/>，/>表示电量测量值受随机噪声干扰产生的误差，/>表示/>范数，/>表示/>范数。
21.根据权利要求14所述的低压台区拓扑识别装置，其特征在于，所述数据处理模块在对所述原始电量数据进行降维处理，得到分支箱的低维电量数据和表箱的低维电量数据时，用于：
计算所述原始电量数据的高斯概率分布矩阵；
构建低维数据，并初始化所述低维数据，以及计算所述低维数据的t分布矩阵，其中，所述低维数据的时刻数小于所述原始电量数据的时刻数；
计算所述高斯概率分布矩阵与所述t分布矩阵的KL散度，作为损失函数；
基于所述损失函数利用梯度下降法对所述低维数据进行求解，得到分支箱的低维电量数据和表箱的低维电量数据。
22.根据权利要求21所述的低压台区拓扑识别装置，其特征在于，所述数据处理模块在计算所述原始电量数据的高斯概率分布矩阵时，用于：
计算所述原始电量数据中两两数据之间的相似性条件概率，并根据所述相似性条件概率计算第一联合概率，以及根据所述第一联合概率，得到所述原始电量数据的高斯概率分布矩阵；
所述数据处理模块在计算所述低维数据的t分布矩阵时，用于：
通过t分布函数计算低维数据的第二联合概率，其中，所述低维数据的初始值通过随机初始化得到；
根据所述第二联合概率，得到所述低维数据的t分布矩阵。
23.根据权利要求22所述的低压台区拓扑识别装置，其特征在于，所述数据处理模块在基于所述损失函数利用梯度下降法对所述低维数据进行求解时，用于：
根据所述损失函数，通过所述梯度下降法对所述低维数据进行计算，得到梯度函数；
根据所述梯度函数，得到梯度向量，并根据所述梯度向量对所述低维数据进行更新；
判断更新后的低维数据是否达到迭代结束条件；
若没有达到，则返回所述计算所述低维数据的t分布矩阵的步骤；
若达到，则将当前的低维数据作为所述低维电量数据。
24.根据权利要求23所述的低压台区拓扑识别装置，其特征在于，
所述数据处理模块通过如下公式计算所述相似性条件概率：
其中，表示所述原始电量数据，/>表示第i个待识别设备的电量时序数据，/>表示所述待识别设备的总数量，/>表示第i个待识别设备分布在第j个待识别设备周围的相似性条件概率，/>表示以/>为中心的正态分布方差；
所述数据处理模块通过如下公式计算所述第一联合概率：
其中，表示第i个待识别设备和第j个待识别设备的概率相似度；
所述高斯概率分布矩阵表示为：，其中，，/>；
所述数据处理模块通过如下公式计算所述第二联合概率：
其中，表示所述低维数据，/>表示第i个待识别设备的低维数据，/>表示所述低维数据的时刻数；
所述t分布矩阵表示为：，其中，/>，/>。
25.根据权利要求24所述的低压台区拓扑识别装置，其特征在于，
所述数据处理模块通过如下公式计算所述损失函数：
其中，表示第i个待识别设备的损失函数；
所述数据处理模块通过如下公式计算所述梯度函数：
所述梯度向量表示为：。
26.根据权利要求25所述的低压台区拓扑识别装置，其特征在于，
所述数据处理模块通过如下公式进行迭代计算：
其中，表示学习率，/>表示动量因子。
27.一种非临时性计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-13中任一项所述的低压台区拓扑识别方法。
28.一种芯片设备，包括存储器、处理器和存储在所述存储器上的计算机程序，其特征在于，所述计算机程序被所述处理器执行时，实现权利要求1-13中任一项所述的低压台区拓扑识别方法。
CN202311009324.7A 2023-08-11 2023-08-11 低压台区拓扑识别方法、装置、存储介质和芯片设备 Active CN116722658B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311009324.7A CN116722658B (zh) 2023-08-11 2023-08-11 低压台区拓扑识别方法、装置、存储介质和芯片设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311009324.7A CN116722658B (zh) 2023-08-11 2023-08-11 低压台区拓扑识别方法、装置、存储介质和芯片设备

Publications (2)

Publication Number Publication Date
CN116722658A CN116722658A (zh) 2023-09-08
CN116722658B true CN116722658B (zh) 2023-12-29

Family

ID=87866543

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311009324.7A Active CN116722658B (zh) 2023-08-11 2023-08-11 低压台区拓扑识别方法、装置、存储介质和芯片设备

Country Status (1)

Country Link
CN (1) CN116722658B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117748499B (zh) * 2024-02-19 2024-05-17 北京智芯微电子科技有限公司 基于连接关系向量的低压台区的拓扑结构识别方法和装置

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109617231A (zh) * 2018-12-13 2019-04-12 天津大学 一种用于低压台区的用户网络拓扑识别装置及方法
CN109873501A (zh) * 2019-04-15 2019-06-11 东南大学 一种低压配电网拓扑自动识别方法
CN111162533A (zh) * 2020-01-17 2020-05-15 天津大学 一种基于凸优化的智能电网隐藏拓扑结构识别方法
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
CN111864771A (zh) * 2020-07-24 2020-10-30 石家庄科林电气股份有限公司 一种低压台区拓扑自动辨识方法
KR20210023127A (ko) * 2019-08-22 2021-03-04 한국전력공사 배전계통 고장구간 식별 시스템
CN112950172A (zh) * 2021-03-30 2021-06-11 山东卓文信息科技有限公司 一种台区拓扑识别方法
CN113159488A (zh) * 2021-01-27 2021-07-23 国网江苏省电力有限公司苏州供电分公司 一种低压台区拓扑辨识方法
CN113189418A (zh) * 2021-04-12 2021-07-30 中能瑞通（北京）科技有限公司 一种基于电压数据的拓扑关系识别方法
CN113363980A (zh) * 2021-06-30 2021-09-07 广东电网有限责任公司 一种适用于低压配电网拓扑自动识别方法及设备
CN114022308A (zh) * 2021-11-04 2022-02-08 国网山东省电力公司东营供电公司 基于主成分分析和凸优化的低压配网拓扑自适应识别方法
CN115600494A (zh) * 2022-10-13 2023-01-13 广西电网有限责任公司河池供电局（Cn） 一种低压台区拓扑自动识别方法及装置

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109617231A (zh) * 2018-12-13 2019-04-12 天津大学 一种用于低压台区的用户网络拓扑识别装置及方法
CN109873501A (zh) * 2019-04-15 2019-06-11 东南大学 一种低压配电网拓扑自动识别方法
KR20210023127A (ko) * 2019-08-22 2021-03-04 한국전력공사 배전계통 고장구간 식별 시스템
CN111162533A (zh) * 2020-01-17 2020-05-15 天津大学 一种基于凸优化的智能电网隐藏拓扑结构识别方法
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
CN111864771A (zh) * 2020-07-24 2020-10-30 石家庄科林电气股份有限公司 一种低压台区拓扑自动辨识方法
CN113159488A (zh) * 2021-01-27 2021-07-23 国网江苏省电力有限公司苏州供电分公司 一种低压台区拓扑辨识方法
CN112950172A (zh) * 2021-03-30 2021-06-11 山东卓文信息科技有限公司 一种台区拓扑识别方法
CN113189418A (zh) * 2021-04-12 2021-07-30 中能瑞通（北京）科技有限公司 一种基于电压数据的拓扑关系识别方法
CN113363980A (zh) * 2021-06-30 2021-09-07 广东电网有限责任公司 一种适用于低压配电网拓扑自动识别方法及设备
CN114022308A (zh) * 2021-11-04 2022-02-08 国网山东省电力公司东营供电公司 基于主成分分析和凸优化的低压配网拓扑自适应识别方法
CN115600494A (zh) * 2022-10-13 2023-01-13 广西电网有限责任公司河池供电局（Cn） 一种低压台区拓扑自动识别方法及装置

Also Published As

Publication number Publication date
CN116722658A (zh) 2023-09-08

Similar Documents

Publication Publication Date Title
Ardakanian et al. On identification of distribution grids
Li et al. Real-time faulted line localization and PMU placement in power systems through convolutional neural networks
Müller et al. Genetic algorithm‐based phasor measurement unit placement method considering observability and security criteria
CN116722658B (zh) 低压台区拓扑识别方法、装置、存储介质和芯片设备
Ma et al. Topology identification of distribution networks using a split-EM based data-driven approach
CN113985339B (zh) 智能电表的误差诊断方法及系统、设备、存储介质
Srivastava et al. Fault diagnosis, service restoration, and data loss mitigation through multi-agent system in a smart power distribution grid
CN111680841A (zh) 基于主成分分析的短期负荷预测方法、系统及终端设备
Thirugnanasambandam et al. AdaBoost classifiers for phasor measurements‐based security assessment of power systems
CN111784066B (zh) 一种配电网年运行效率预测方法、系统及设备
Mora-Florez et al. K-means algorithm and mixture distributions for locating faults in power systems
Unsihuay-Vila et al. Electricity demand and spot price forecasting using evolutionary computation combined with chaotic nonlinear dynamic model
Hur Rizvi et al. Hybrid voltage stability and security assessment using synchrophasors with consideration of generator Q‐limits
CN111091223B (zh) 一种基于物联网智能感知技术的配变短期负荷预测方法
Zeng et al. Short-term load forecasting of smart grid systems by combination of general regression neural network and least squares-support vector machine algorithm optimized by harmony search algorithm method
Rizvi Time series deep learning for robust steady-state load parameter estimation using 1D-CNN
CN114118595A (zh) 用电负荷预测的方法、系统、存储介质及电子设备
Li et al. A robust fault location method for active distribution network based on self-adaptive switching function
Wang et al. Application of multiattention mechanism in power system branch parameter identification
CN115207909B (zh) 一种台区拓扑识别方法、装置、设备及存储介质
CN115329814A (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
Liu et al. Estimating B‐coefficients of power loss formula considering volatile power injections: an enhanced least square approach
CN113656937A (zh) 用于识别电力设备拓扑的方法、装置、存储介质及处理器
Wang et al. Research of software reliability combination model based on neural net
Dewangan et al. Load Forecasting Models in Smart Grid Using Smart Meter Information: A Review. Energies 2023, 16, 1404

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