CN117150191A - 一种数字化电表错接线追退电量计算方法及系统 - Google Patents
一种数字化电表错接线追退电量计算方法及系统 Download PDFInfo
- Publication number
- CN117150191A CN117150191A CN202311414953.8A CN202311414953A CN117150191A CN 117150191 A CN117150191 A CN 117150191A CN 202311414953 A CN202311414953 A CN 202311414953A CN 117150191 A CN117150191 A CN 117150191A
- Authority
- CN
- China
- Prior art keywords
- time window
- power
- day
- time
- miswiring
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000004364 calculation method Methods 0.000 claims abstract description 36
- 238000007621 cluster analysis Methods 0.000 claims abstract description 10
- 230000006870 function Effects 0.000 claims description 58
- 230000005611 electricity Effects 0.000 claims description 22
- 238000012545 processing Methods 0.000 claims description 17
- 238000000354 decomposition reaction Methods 0.000 claims description 15
- 238000010606 normalization Methods 0.000 claims description 15
- 238000004422 calculation algorithm Methods 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 6
- 239000008186 active pharmaceutical agent Substances 0.000 claims description 4
- 238000009434 installation Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 abstract description 6
- 230000007547 defect Effects 0.000 abstract description 4
- 230000000295 complement effect Effects 0.000 abstract description 2
- 230000002354 daily effect Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 238000011084 recovery Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000003203 everyday effect Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Classifications
-
- 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
- G06F17/15—Correlation function computation including computation of convolution operations
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R22/00—Arrangements for measuring time integral of electric power or current, e.g. electricity meters
- G01R22/06—Arrangements for measuring time integral of electric power or current, e.g. electricity meters by electronic methods
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Evolutionary Biology (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Algebra (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及电量计量领域，特别提供一种数字化电表错接线追退电量计算方法及系统，对错接线类型的用电信息特征进行修正，得到修正后的该类型错接线基本用电信息特征集。采用错接线用电信息特征集与历史日内的用电特征进行相似性比较，以回溯错接线发生日期。将历史日内的时点功率因数及有功功率标幺值作为样本，对错接线发生日期至今的所有历史日进行聚类分析，得到各个聚类中心的数值。根据错接线发生日期至今的所有历史日的聚类情况，计算具体某一历史日的电量进行追退，从而获得精确的三相电能表错接线追退电量。本发明解决了现有的错接线追补计算方法的不足，减轻了工作人员的负担，提高工作效率。
Description
技术领域
本发明属于电量计量领域，尤其涉及一种数字化电表错接线追退电量计算方法及系统。
背景技术
电力系统营销计量专业经常面临三相电能表发生错接线而需要计算故障追补电量的情况。现有电量追补方式仍以传统的追补系数K系数进行人工测算作为依据，K系数算法根据以下公式计算追补电量：
正确电量=错误电量X更正系数；
追补电量=(正确电量-错误电量)=错误电量X(更正系数-1)；
由上述公式可知：只要知道计量装置在故障情况下累积的电量，就可以计算出追补电量。这种K系数计算方式一直延续了很多年，这是因为当时采用的都是机械式计量装置，只能以K系数方式测算。三相电能表出现接线错误时会出现明显有别于正常运行的角度，然而这个角度会随时变化，难以精确的把握。
而负荷大小产生的功率也会随时变化，简单地依据传统的K系数测算肯定是不精确的。同时还存在如下问题：人工测算应用的公式不同测算结果也不同；需要耗费大量的人工,且对人员的专业知识要求非常高；可能存在一定人为因素的干扰。
由此可见，现有追补电量计算方法的准确性低，缺乏说服力，不能作为有效的依据，使用户无法知晓准确的电量数据，影响电力用户的数据准确性。
发明内容
本发明提供一种数字化电表错接线追退电量计算方法，方法中能够记录大量的用电信息，为电力追补电量提供了可参考的数据，可以增加电力用户对电力数据的认可度。
方法包括：
步骤1、在获悉到三相电能表已发生错接线时，从错接线之日起算，以7天为一个时间窗口，从用电信息采集系统中回溯读取三相电能表一个时间窗口的功率因数时间序列和有功功率时间序列，并对有功功率时间序列进行归一化处理；
步骤2、采用动态时间归整算法，计算第n个时间窗口的第一层本征模态函数Df n,1(t)和DP n,1(t)与第(n+2)个时间窗口的第一层本征模态函数Df (n+2),1(t)和DP (n+2),1(t)之间的功率因数相似度和/>；
计算第(n+1)个时间窗口的第一层本征模态函数Df (n+1),1(t)和DP (n+1),1(t)与第(n+3)个时间窗口的第一层本征模态函数Df (n+3),1(t)和DP (n+3),1(t)之间的功率因数相似度和/>；
基于、/>和/>、/>，计算第n个时间窗口的综合相似度差值ΔS n是否大于误差允许阈值ε；
如果综合相似度差值ΔS n大于阈值ε，说明错接线日期发生在第(n+3)个时间窗口内，计算第(n+3)时间窗口内第i天的标幺有功功率数据序列和功率因数数据序列与第(n+2)个时间窗口的第一层本征模态函数Df (n+2),1(t)和DP (n+2),1(t)之间的综合相似度；
如满足的i最小值，即判断第(n+3)时间窗口的第i天发生错接线，进而得到错接线发生的持续天数；
步骤3、将错接线发生至今的所有历史日内的功率因数时间序列及标幺有功功率时间序列作为样本，对错接线发生日期至今的所有历史日进行基于DBSCAN的聚类分析，得到聚类中心的数值；按照已经获知的三相电能表的错接线类型计算三相电能表错接线需要追退的电量。
进一步需要说明的是，步骤1具体包括如下步骤：
步骤1.1：定义第n个时间窗口的第i天的有功功率时间序列和功率因数时间序列曲线/>（i=1,2,…,7）的具体表达式可描述为如下形式：
对原始功率曲线进行如下的归一化处理：
得到第n个时间窗口内第i天，即第7(n-1)+i个历史日内的标幺功率时间序列；
步骤1.2：对第n个时间窗口内每日的时间序列和/>重新排列，i=1,2,…,7，得到第n个时间窗口的数据序列f n(t)和P n(t) ，t=1,2,…,96，表达式具体如下：
其中：变量的下标7(n-1)+i表示具体的历史日，i是第n个时间窗口的第i个历史日；变量的上标t表示历史日内的t时段；
步骤1.3：对第n个时间窗口的数据序列f n(t)和P n(t)，t=1,2,…,96，分别进行经验模态分解，得到如下的表达式：
其中：和/>分别表示第n个时间窗口的数据序列f n(t)和P n(t)经过经验模态分解后，得到的第j层本征模态函数；nf和np分别表示第n个时间窗口的数据序列f n(t)和P n(t)的经验模态分解的层级数；/>和/>分别表示第n个时间窗口的数据序列f n(t)和P n(t)经过经验模态分解后的余量；
经过处理，得到第n个时间窗口的功率因数曲线f n(t)和标幺功率曲线P n(t)的最后一个层级本征模态函数Df n,nf(t)和DP n,np(t)。
进一步需要说明的是，步骤2中，如果综合相似度差值ΔS n小于阈值ε，则更新滑动窗口，重新返回步骤1进行计算。
进一步需要说明的是，步骤2中，如果所有历史记录遍历完毕后，差值仍然小于阈值，则说明错接线发生在电能表上一次的更换日。
进一步需要说明的是，步骤2还包括如下方法：
设DTW(x,y)为基于动态时间归整算法计算两条曲线x、y之间距离的函数；
DTW(x,y)函数分别计算第n个时间窗口的本征模态函数和/>与第(n-2)个时间窗口的本征模态函数/>和/>之间的相似度，分别得到第n个时间窗口的功率因数相似度/>和标幺功率相似度/>，具体表达式如下：
同理，计算得到第(n-1)个时间窗口的功率因数相似度和标幺功率相似度/>，
具体表达式如下：
。
进一步需要说明的是，步骤2中，通过如下公式计算第n个时间窗口的综合相似度差值ΔS n
判断第n个时间窗口综合相似度差值ΔS n是否大于误差允许阈值ε；
如果大于，说明错接线日期发生在第n个时间窗口内，分别计算第n个时间窗口第i天的数据序列和/>（i=1,2,…,7）与第(n-1)个时间窗口本征模态函数和/>之间的综合相似度，表达式如下：
满足的i最小值，即判断第n个时间窗口内第i天发生了错接线，进而得到错接线发生的持续天数DW，直接转入步骤3；
如第n个时间窗口综合相似度差值ΔS n未大于误差允许阈值ε，则说明错接线日期不在第n个时间窗口内发生；
判断历史日是否已经遍历完毕，如历史日未遍历完毕，则时间窗口滑动前移7天，令n=n+1，返回步骤1；
如历史日遍历完毕，则说明有数据记录以来错接线就已经发生，错接线的具体日期追溯至表计安装日，执行步骤3。
进一步需要说明的是，步骤2中，如果历史日小于28天，则从当天开始，回溯计算第j日的功率因数曲线与标幺有功功率曲线的综合相似度DS j，表达式如下：
如果第j日的后续3天综合相似度均大于第j日的综合相似度，即判断错接线发生在距今第j日；
即，如果满足：
其中：为并集运算符；
通过分析和计算，得到错接线发生的持续天数DW。
进一步需要说明的是，步骤3具体包括如下步骤：
步骤3.1 从当前日开始，回溯获取步骤2所得到的DW个错接线历史日内的用电信息，构建第wi(wi=1,2,…,DW)个错接线历史日的负荷功率因数数据集；
步骤3.2 对步骤3.1得到的DW个错接线历史日的负荷功率因数数据集进行基于DBSCAN的聚类分析，wi=1,2,…,DW；
将DW个错接线历史日的负荷功率因数数据集形成N f个聚类，聚类中心记为f i,c(i=1,2,…,N f)，其具体表达式如下：
再获取落入每个聚类f i,c(i=1,2,…,N f)中历史日天数，计为Day i，i=1,2,…,N f；
求出DW个错接线历史日的负荷功率因数的平均值，具体如下所示：
其中：(t=1,2,…,96)分别为错接线历史日的负荷功率因数聚类中心；
步骤3.3 从用电信息采集系统中读取第wi个错接线历史日的用电量W wi；
设在纯阻性负荷情况下，按照错误接线和正确接线的功角偏差分为α、β，则错接线日的错接线追退电量为：
其中：arccos为反余弦函数；
在错接线情况下，三相电能表错接线需要追退的电量为：
。
本发明还提供一种数字化电表错接线追退电量计算系统，系统包括：错接线状态获取模块、用电信息计时读取模块、功率因数计算模块以及电量分析处理模块；
错接线状态获取模块用于获取用户输入的，或者构建错接线类型的用电信息特征集，系统基于用电信息特征集判定得到的三相电能表错接线信息；
用电信息计时读取模块用于在获悉到三相电能表已发生错接线时，从错接线之日起算，以7天为一个时间窗口，从用电信息采集系统中回溯读取三相电能表一个时间窗口的功率因数时间序列和有功功率时间序列，并对有功功率时间序列进行归一化处理；
功率因数计算模块用于采用动态时间归整算法，计算第n个时间窗口的第一层本征模态函数Df n,1(t)和DP n,1(t)与第(n+2)个时间窗口的第一层本征模态函数Df (n+2),1(t)和DP (n+2),1(t)之间的功率因数相似度和/>；
计算第(n+1)个时间窗口的第一层本征模态函数Df (n+1),1(t)和DP (n+1),1(t)与第(n+3)个时间窗口的第一层本征模态函数Df (n+3),1(t)和DP (n+3),1(t)之间的功率因数相似度和/>；
基于、/>和/>、/>，计算第n个时间窗口的综合相似度差值ΔS n是否大于误差允许阈值ε；
如果综合相似度差值ΔS n大于阈值ε，说明错接线日期发生在第(n+3)个时间窗口内，计算第(n+3)时间窗口内第i天的标幺有功功率数据序列和功率因数数据序列与第(n+2)个时间窗口的第一层本征模态函数Df (n+2),1(t)和DP (n+2),1(t)之间的综合相似度；
如满足的i最小值，即判断第(n+3)时间窗口的第i天发生错接线，进而得到错接线发生的持续天数；
电量分析处理模块用于将错接线发生至今的所有历史日内的功率因数时间序列及标幺有功功率时间序列作为样本，对错接线发生日期至今的所有历史日进行基于DBSCAN的聚类分析，得到聚类中心的数值；按照已经获知的三相电能表的错接线类型计算三相电能表错接线需要追退的电量。
从以上技术方案可以看出，本发明具有以下优点：
1）本发明提出的数字化电表错接线追退电量计算方法通过滑动窗口从当前日回溯，遍历每一个时间窗口内部功率因数及标幺有功功率两个数字序列之间的相似度，利用不同时间窗口数字序列相似度的差异相对值进行判断，避免了采用相似度绝对值变化受用电特性影响差异过大的情况。
2）本发明还将一个时间窗口内的数字序列按照“先时点，后日期”的方式排列，降低了个别数据波动对总体趋势的影响。同时，采用经验模态分解算法，仅采用第一层模态函数进行相似度计算，保留了用电负荷的基本特征，进一步降低了外界干扰对相似度的影响，提高了错接线发生日期研判的精度。
3）本发明还利用聚类算法，按时点逐一计算每日每时段的追补电量，能够有效提高追补电量的精度，克服了传统追补方法简单粗糙、缺乏科学性的做法，具有较强的理论依据，维护了用户和电网公司双方的利益。
附图说明
为了更清楚地说明本发明的技术方案，下面将对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为从用电信息系统中读取的数据序列排列方式及其构成示意图；
图2 为数字化电表错接线追退电量计算方法流程图；
图3 为模态经验分解的各层级函数示意图。
具体实施方式
本发明提供的数字化电表错接线追退电量计算方法是通过从用电信息采集系统中获取该三相三线电能表历史日用电信息，针对大量的历史数据，并将其按照周、月、季度和年等不同时间尺度开展基于DBSCAN的聚类处理。再将其与现场接线类型库进行相似性计算，进而判别出该三相三线电能表的具体接线形式。
作为本发明提供的数字化电表错接线追退电量计算方法来讲，可以基于智能电网技术对关联的数据进行获取和处理。其中，数字化电表错接线追退电量计算方法利用数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用装置。其中，本发明的方法可以结合传感器、电网专用智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。
方法还结合计算机程序代码来实现数字化电表错接线追退电量计算，这里的程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或电力服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机，或者，可以连接到外部计算机(示例性的讲利用因特网服务提供商来通过因特网连接)。
在本公开的各种实施例中使用的术语“用户”可指示使用电子装置的人或使用电子装置的电力用户以及相关监控人员等等。来解决了现有的错接线追补计算方法的不足，减轻了工作人员的负担，提高工作效率，避免了人为因素导致的计算错误，同时大大提高了计算的精度。
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。
请参阅图1至3所示是一具体实施例中数字化电表错接线追退电量计算方法的流程图，方法包括：
步骤1、获取到三相电能表已发生错接线及错接线具体类型的前提下，从当前日算起，以7天为一个时间窗口，从用电信息采集系统中回溯读取三相电能表一个时间窗口的功率因数时间序列和有功功率时间序列，并对有功功率时间序列进行归一化处理。
设置距离当前日最近的7天为第1个时间窗口，余下时间窗口编号依次类推。对第n个时间窗口的功率因数时间序列、归一化后的有功功率时间序列按一定规则重新排列，得到第n个时间窗口的功率因数时间序列f n(t)和标幺有功功率时间序列P n(t)，对f n(t)和P n(t)进行经验模态分解，分别得到f n(t)和P n(t)的第一层本征模态函数Df n,1(t)和DP n,1(t)。
根据本申请的实施例，步骤1具体包括如下步骤：
步骤1.1 在明确三相电能表已发生错接线的前提下，从当前日算起，以7天为一个时间窗口，从用电信息采集系统中回溯读取三相电能表一个时间窗口的历史功率因数时间序列和历史有功功率时间序列。
需要说明的是，三相电能表每15分钟将功率因数和有功功率上传至用电信息采集系统，即三相电能表每天上传用电采集系统96组数据。
所以，第n个时间窗口的第i天的有功功率时间序列和功率因数时间序列曲线/>（i=1,2,…,7）的具体表达式可描述为如下形式：
（1）
进一步，对原始功率曲线进行如下的归一化处理：
（2）
从而得到第n个时间窗口内第i天，即第7(n-1)+i个历史日内的标幺功率时间序列。
步骤1.2 对第n个时间窗口内每日的时间序列和/>（i=1,2,…,7）重新排列，得到第n个时间窗口的数据序列f n(t)和P n(t) （t=1,2,…,96），表达式具体如下：
（3）
其中：变量的下标7(n-1)+i表示具体的历史日，i是第n个时间窗口的第i个历史日；变量的上标t表示历史日内的t时段。
步骤1.3 对第n个时间窗口的数据序列f n(t)和P n(t)（t=1,2,…,96）分别进行经验模态分解，得到如下的表达式：
（4）
其中：和/>分别表示第n个时间窗口的数据序列f n(t)和P n(t)经过经验模态分解后，得到的第j层本征模态函数；nf和np分别表示第n个时间窗口的数据序列f n(t)和P n(t)的经验模态分解的层级数；/>和/>分别表示第n个时间窗口的数据序列f n(t)和P n(t)经过经验模态分解后的余量。
可以看出，经过上述处理，得到第n个时间窗口的功率因数曲线f n(t)和标幺功率曲线P n(t)的最后一个层级本征模态函数Df n,nf(t)和DP n,np(t)。
步骤2、采用动态时间归整（Dynamic Time Warping，DTW）算法，计算第n个时间窗口的第一层本征模态函数Df n,1(t)和DP n,1(t)与第(n+2)个时间窗口的第一层本征模态函数Df (n+2),1(t)和DP (n+2),1(t)之间的功率因数相似度和/>。
基于上述方式也可以计算第(n+1)个时间窗口的第一层本征模态函数Df (n+1),1(t)和DP (n+1),1(t)与第(n+3)个时间窗口的第一层本征模态函数Df (n+3),1(t)和DP (n+3),1(t)之间的功率因数相似度和/>。基于/>、/>和/>、/>，计算第n个时间窗口的综合相似度差值ΔS n是否大于误差允许阈值ε。
如果综合相似度差值ΔS n小于阈值ε，则更新滑动窗口，重新返回步骤1进行计算。
如果综合相似度差值ΔS n大于阈值ε，说明错接线日期发生在第(n+3)个时间窗口内，计算第(n+3)时间窗口内第i天的标幺有功功率数据序列和功率因数数据序列与第(n+2)个时间窗口的第一层本征模态函数Df (n+2),1(t)和DP (n+2),1(t)之间的综合相似度，满足/>的i最小值，即可判断第(n+3)时间窗口的第i天发生了错接线，进而得到错接线发生的持续天数。
如果历史日小于28天，则从当天开始，回溯计算第j日的功率因数曲线与标幺有功功率曲线的综合相似度DS j，如果第j日的后续3天综合相似度均与第j日的综合相似度出现较大差异，即可判断错接线发生在距今第j日。
如果所有历史记录遍历完毕后，差值仍然小于阈值，则说明错接线发生在电能表上一次的更换日。
在本发明的一种实施例中，基于步骤2，以下将给出一种可能的实施例对其具体的实施方案进行非限制性阐述。
步骤2.1 判断数据窗口n是否大于等于4。
如果满足，则进行下一步的分析。
如果不满足，判断历史日是否遍历完毕；
如是，则说明有记录的错接线历史天数小于28天，直接执行步骤2.6。
如否，则返回步骤1.1继续从用电信息采集系统中回溯读取电能表历史日的原始有功功率和功率因数，完成一个时间窗口的功率因数数据序列和标幺有功功率书序序列的最后一个层级本征模态函数的计算。
步骤2.2 设DTW(x,y)为基于动态时间归整（Dynamic Time Warping，DTW）算法计算两条曲线x、y之间距离的函数。
这里的DTW(x,y)函数分别计算第n个时间窗口的本征模态函数和/>与第(n-2)个时间窗口的本征模态函数/>和/>之间的相似度，分别得到第n个时间窗口的功率因数相似度/>和标幺功率相似度/>，具体表达式如下：
（5）
本实施例基于上述方式还可以计算得到第(n-1)个时间窗口的功率因数相似度和标幺功率相似度/>，具体表达式如下：
（6）
步骤2.3 计算第n个时间窗口综合相似度差值ΔS n：
（7）
步骤2.4 判断第n个时间窗口综合相似度差值ΔS n是否大于误差允许阈值ε。
如果大于，说明错接线日期发生在第n个时间窗口内，执行步骤2.5；
反之，则说明错接线日期不在第n个时间窗口内发生。
进一步还可以判断历史日是否已经遍历完毕。
如历史日未遍历完毕，则时间窗口滑动前移7天，令n=n+1，返回步骤1.1。
如历史日遍历完毕，则说明有数据记录以来错接线就已经发生，错接线的具体日期可追溯至表计安装日，执行步骤3；
步骤2.5 分别计算第n个时间窗口第i天的数据序列和/>（i=1,2,…,7）与第(n-1)个时间窗口本征模态函数/>和/>之间的综合相似度，表达式如下：
（9）
满足的i最小值，即可判断第n个时间窗口内第i天发生了错接线，进而得到错接线发生的持续天数DW，直接转入步骤3。
步骤2.6 如果历史日小于28天，则从当天开始，回溯计算第j日的功率因数曲线与标幺有功功率曲线的综合相似度DS j，表达式如下：
（10）
如果第j日的后续3天综合相似度均大于第j日的综合相似度，即可判断错接线发生在距今第j日。
即，如果满足：
（11）
其中：为并集运算符。
通过上述分析和计算，从而得到错接线发生的持续天数DW。
步骤3、将错接线发生至今的所有历史日内的功率因数时间序列及标幺有功功率时间序列作为样本，对错接线发生日期至今的所有历史日进行基于DBSCAN的聚类分析，得到聚类中心的数值。按照已经获知的三相电能表的错接线类型计算三相电能表错接线需要追退的电量。
在一个示例性实施例中，将错接线发生至今的历史日内的时点功率因数及有功功率标幺值作为样本，对其进行聚类分析，开展基于电能表错接线历史日聚类的电量追退计算。
步骤3具体还包括如下步骤：
步骤3.1 从当前日开始，回溯获取步骤2所得到的DW个错接线历史日内的用电信息，构建第wi(wi=1,2,…,DW)个错接线历史日的负荷功率因数数据集。
（12）
步骤3.2 对步骤3.1得到的DW个错接线历史日的负荷功率因数数据集(wi=1,2,…,DW) 进行基于DBSCAN的聚类分析，功率因数聚类半径取0.05。这样，可将DW个错接线历史日的负荷功率因数数据集/>形成N f个聚类，聚类中心记为f i,c(i=1,2,…,N f)，其具体表达式如下：
（13）
同时，也能够获得落入每个聚类f i,c(i=1,2,…,N f)中历史日天数，计为Day i(i=1,2,…,N f)。
进而，求出DW个错接线历史日的负荷功率因数的平均值，具体如下所示：
（14）
其中：(t=1,2,…,96)分别为错接线历史日的负荷功率因数聚类中心。
步骤3.3 从用电信息采集系统中读取第wi个错接线历史日的用电量W wi，三相电能表的错接线类型已经可以获知，假设在纯阻性负荷情况下，按照错误接线和正确接线的功角偏差分为α、β。则该日的错接线追退电量为：
（15）
其中：arccos为反余弦函数。
则该类错接线情况下，三相电能表错接线需要追退的电量为：/>
（16）
基于上述方法能够记录大量的用电信息，为电力追补电量提供了大量可参考的数据。而且基于大数据分析的电能表错接线精准追补计算方法研究，可挽回电力的经济损失，增加电力用户对方法数据处理过程的认可度，保证精度和准确度。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，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。
以下是本公开实施例提供的数字化电表错接线追退电量计算系统的实施例，该系统与上述各实施例的数字化电表错接线追退电量计算方法属于同一个发明构思，在数字化电表错接线追退电量计算系统的实施例中未详尽描述的细节内容，可以参考上述数字化电表错接线追退电量计算方法的实施例。
系统包括：错接线状态获取模块、用电信息计时读取模块、功率因数计算模块以及电量分析处理模块；
错接线状态获取模块用于获取用户输入的，或者构建错接线类型的用电信息特征集，系统基于用电信息特征集判定得到的三相电能表错接线信息；
用电信息计时读取模块用于在获悉到三相电能表已发生错接线时，从错接线之日起算，以7天为一个时间窗口，从用电信息采集系统中回溯读取三相电能表一个时间窗口的功率因数时间序列和有功功率时间序列，并对有功功率时间序列进行归一化处理；
功率因数计算模块用于采用动态时间归整算法，计算第n个时间窗口的第一层本征模态函数Df n,1(t)和DP n,1(t)与第(n+2)个时间窗口的第一层本征模态函数Df (n+2),1(t)和DP (n+2),1(t)之间的功率因数相似度和/>；
计算第(n+1)个时间窗口的第一层本征模态函数Df (n+1),1(t)和DP (n+1),1(t)与第(n+3)个时间窗口的第一层本征模态函数Df (n+3),1(t)和DP (n+3),1(t)之间的功率因数相似度和/>；
基于、/>和/>、/>，计算第n个时间窗口的综合相似度差值ΔS n是否大于误差允许阈值ε；
如果综合相似度差值ΔS n大于阈值ε，说明错接线日期发生在第(n+3)个时间窗口内，计算第(n+3)时间窗口内第i天的标幺有功功率数据序列和功率因数数据序列与第(n+2)个时间窗口的第一层本征模态函数Df (n+2),1(t)和DP (n+2),1(t)之间的综合相似度；
如满足的i最小值，即判断第(n+3)时间窗口的第i天发生错接线，进而得到错接线发生的持续天数；
电量分析处理模块用于将错接线发生至今的所有历史日内的功率因数时间序列及标幺有功功率时间序列作为样本，对错接线发生日期至今的所有历史日进行基于DBSCAN的聚类分析，得到聚类中心的数值；按照已经获知的三相电能表的错接线类型计算三相电能表错接线需要追退的电量。这样，解决了现有的错接线追补计算方法的不足，减轻了工作人员的负担，提高工作效率，避免了人为因素导致的计算错误，同时大大提高了计算的精度。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (9)
1.一种数字化电表错接线追退电量计算方法，其特征在于，方法包括：
步骤1、在获悉到三相电能表已发生错接线时，从错接线之日起算，以7天为一个时间窗口，从用电信息采集系统中回溯读取三相电能表一个时间窗口的功率因数时间序列和有功功率时间序列，并对有功功率时间序列进行归一化处理；
步骤2、采用动态时间归整算法，计算第n个时间窗口的第一层本征模态函数Df n,1(t)和DP n,1(t)与第(n+2)个时间窗口的第一层本征模态函数Df (n+2),1(t)和DP (n+2),1(t)之间的功率因数相似度和/>；
计算第(n+1)个时间窗口的第一层本征模态函数Df (n+1),1(t)和DP (n+1),1(t)与第(n+3)个时间窗口的第一层本征模态函数Df (n+3),1(t)和DP (n+3),1(t)之间的功率因数相似度和；
基于、/>和/>、/>，计算第n个时间窗口的综合相似度差值ΔS n是否大于误差允许阈值ε；
如果综合相似度差值ΔS n大于阈值ε，说明错接线日期发生在第(n+3)个时间窗口内，计算第(n+3)时间窗口内第i天的标幺有功功率数据序列和功率因数数据序列与第(n+2)个时间窗口的第一层本征模态函数Df (n+2),1(t)和DP (n+2),1(t)之间的综合相似度；
如满足的i最小值，即判断第(n+3)时间窗口的第i天发生错接线，进而得到错接线发生的持续天数；
步骤3、将错接线发生至今的所有历史日内的功率因数时间序列及标幺有功功率时间序列作为样本，对错接线发生日期至今的所有历史日进行基于DBSCAN的聚类分析，得到聚类中心的数值；按照已经获知的三相电能表的错接线类型计算三相电能表错接线需要追退的电量。
2.根据权利要求1所述的数字化电表错接线追退电量计算方法，其特征在于，步骤1具体包括如下步骤：
步骤1.1：定义第n个时间窗口的第i天的有功功率时间序列和功率因数时间序列曲线/>（i=1,2,…,7）的具体表达式描述为如下形式：
对原始功率曲线进行如下的归一化处理：
得到第n个时间窗口内第i天，即第7(n-1)+i个历史日内的标幺功率时间序列；
步骤1.2：对第n个时间窗口内每日的时间序列和/>重新排列，i=1,2,…,7，得到第n个时间窗口的数据序列f n(t)和P n(t) ，t=1,2,…,96，表达式具体如下：
其中：变量的下标7(n-1)+i表示具体的历史日，i是第n个时间窗口的第i个历史日；变量的上标t表示历史日内的t时段；
步骤1.3：对第n个时间窗口的数据序列f n(t)和P n(t)，t=1,2,…,96，分别进行经验模态分解，得到如下的表达式：
其中：和/>分别表示第n个时间窗口的数据序列f n(t)和P n(t)经过经验模态分解后，得到的第j层本征模态函数；nf和np分别表示第n个时间窗口的数据序列f n(t)和P n(t)的经验模态分解的层级数；/>和/>分别表示第n个时间窗口的数据序列f n(t)和P n(t)经过经验模态分解后的余量；
经过处理，得到第n个时间窗口的功率因数曲线f n(t)和标幺功率曲线P n(t)的最后一个层级本征模态函数Df n,nf(t)和DP n,np(t)。
3.根据权利要求1所述的数字化电表错接线追退电量计算方法，其特征在于，步骤2中，如果综合相似度差值ΔS n小于阈值ε，则更新滑动窗口，重新返回步骤1进行计算。
4.根据权利要求1所述的数字化电表错接线追退电量计算方法，其特征在于，步骤2中，如果所有历史记录遍历完毕后，差值仍然小于阈值，则说明错接线发生在电能表上一次的更换日。
5.根据权利要求1所述的数字化电表错接线追退电量计算方法，其特征在于，步骤2还包括如下方法：
设DTW(x,y)为基于动态时间归整算法计算两条曲线x、y之间距离的函数；
DTW(x,y)函数分别计算第n个时间窗口的本征模态函数和/>与第(n-2)个时间窗口的本征模态函数/>和/>之间的相似度，分别得到第n个时间窗口的功率因数相似度/>和标幺功率相似度/>，具体表达式如下：
同理，计算得到第(n-1)个时间窗口的功率因数相似度和标幺功率相似度/>，
具体表达式如下：
。
6.根据权利要求5所述的数字化电表错接线追退电量计算方法，其特征在于，步骤2中，通过如下公式计算第n个时间窗口的综合相似度差值ΔS n
判断第n个时间窗口综合相似度差值ΔS n是否大于误差允许阈值ε；
如果大于，说明错接线日期发生在第n个时间窗口内，分别计算第n个时间窗口第i天的数据序列和/>（i=1,2,…,7）与第(n-1)个时间窗口本征模态函数和/>之间的综合相似度，表达式如下：
满足的i最小值，即判断第n个时间窗口内第i天发生了错接线，进而得到错接线发生的持续天数DW，直接转入步骤3；
如第n个时间窗口综合相似度差值ΔS n未大于误差允许阈值ε，则说明错接线日期不在第n个时间窗口内发生；
判断历史日是否已经遍历完毕，如历史日未遍历完毕，则时间窗口滑动前移7天，令n=n+1，返回步骤1；
如历史日遍历完毕，则说明有数据记录以来错接线就已经发生，错接线的具体日期追溯至表计安装日，执行步骤3。
7.根据权利要求6所述的数字化电表错接线追退电量计算方法，其特征在于，步骤2中，如果历史日小于28天，则从当天开始，回溯计算第j日的功率因数曲线与标幺有功功率曲线的综合相似度DS j，表达式如下：
如果第j日的后续3天综合相似度均大于第j日的综合相似度，即判断错接线发生在距今第j日；
即，如果满足：
其中：为并集运算符；
通过分析和计算，得到错接线发生的持续天数DW。
8.根据权利要求7所述的数字化电表错接线追退电量计算方法，其特征在于，步骤3具体包括如下步骤：
步骤3.1 从当前日开始，回溯获取步骤2所得到的DW个错接线历史日内的用电信息，构建第wi (wi=1,2,…,DW)个错接线历史日的负荷功率因数数据集；
步骤3.2 对步骤3.1得到的DW个错接线历史日的负荷功率因数数据集进行基于DBSCAN的聚类分析，wi=1,2,…,DW；
将DW个错接线历史日的负荷功率因数数据集形成N f个聚类，聚类中心记为f i,c(i=1,2,…, N f)，其具体表达式如下：
再获取落入每个聚类f i,c(i=1,2,…, N f)中历史日天数，计为Day i，i=1,2,…, N f；
求出DW个错接线历史日的负荷功率因数的平均值，具体如下所示：
其中：(t=1,2,…,96)分别为错接线历史日的负荷功率因数聚类中心；
步骤3.3 从用电信息采集系统中读取第wi个错接线历史日的用电量W wi；
设在纯阻性负荷情况下，按照错误接线和正确接线的功角偏差分为α、β，则错接线日的错接线追退电量为：
其中：arccos为反余弦函数；
在错接线情况下，三相电能表错接线需要追退的电量为：
。
9.一种数字化电表错接线追退电量计算系统，其特征在于，系统采用如权利要求1至8任意一项所述的数字化电表错接线追退电量计算方法；
系统包括：错接线状态获取模块、用电信息计时读取模块、功率因数计算模块以及电量分析处理模块；
错接线状态获取模块用于获取用户输入的，或者构建错接线类型的用电信息特征集，系统基于用电信息特征集判定得到的三相电能表错接线信息；
用电信息计时读取模块用于在获悉到三相电能表已发生错接线时，从错接线之日起算，以7天为一个时间窗口，从用电信息采集系统中回溯读取三相电能表一个时间窗口的功率因数时间序列和有功功率时间序列，并对有功功率时间序列进行归一化处理；
功率因数计算模块用于采用动态时间归整算法，计算第n个时间窗口的第一层本征模态函数Df n,1(t)和DP n,1(t)与第(n+2)个时间窗口的第一层本征模态函数Df (n+2),1(t)和DP (n+2),1(t)之间的功率因数相似度和/>；
计算第(n+1)个时间窗口的第一层本征模态函数Df (n+1),1(t)和DP (n+1),1(t)与第(n+3)个时间窗口的第一层本征模态函数Df (n+3),1(t)和DP (n+3),1(t)之间的功率因数相似度和；
基于、/>和/>、/>，计算第n个时间窗口的综合相似度差值ΔS n是否大于误差允许阈值ε；
如果综合相似度差值ΔS n大于阈值ε，说明错接线日期发生在第(n+3)个时间窗口内，计算第(n+3)时间窗口内第i天的标幺有功功率数据序列和功率因数数据序列与第(n+2)个时间窗口的第一层本征模态函数Df (n+2),1(t)和DP (n+2),1(t)之间的综合相似度；
如满足的i最小值，即判断第(n+3)时间窗口的第i天发生错接线，进而得到错接线发生的持续天数；
电量分析处理模块用于将错接线发生至今的所有历史日内的功率因数时间序列及标幺有功功率时间序列作为样本，对错接线发生日期至今的所有历史日进行基于DBSCAN的聚类分析，得到聚类中心的数值；按照已经获知的三相电能表的错接线类型计算三相电能表错接线需要追退的电量。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311414953.8A CN117150191B (zh) | 2023-10-30 | 2023-10-30 | 一种数字化电表错接线追退电量计算方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311414953.8A CN117150191B (zh) | 2023-10-30 | 2023-10-30 | 一种数字化电表错接线追退电量计算方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117150191A true CN117150191A (zh) | 2023-12-01 |
| CN117150191B CN117150191B (zh) | 2024-01-30 |
Family
ID=88908455
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311414953.8A Active CN117150191B (zh) | 2023-10-30 | 2023-10-30 | 一种数字化电表错接线追退电量计算方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117150191B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20180351355A1 (en) * | 2016-11-02 | 2018-12-06 | China Electric Power Research Institute Company Limited | Method for identifying pattern of load cycle |
| KR20210043389A (ko) * | 2019-10-11 | 2021-04-21 | 한국전력정보(주) | 클러스터링 기법에 의한 부하 전력 분석 장치 및 부하 전력 분석 방법 |
| CN113740795A (zh) * | 2021-11-05 | 2021-12-03 | 北京志翔科技股份有限公司 | 一种三相四线电能表错接判断方法 |
| CN114114135A (zh) * | 2021-11-29 | 2022-03-01 | 广西电网有限责任公司 | 基于功率曲线还原积分的错误接线电量追补计算方法 |
| CN116775731A (zh) * | 2023-08-25 | 2023-09-19 | 安徽南瑞中天电力电子有限公司 | 基于滑动窗口的三相电能表错接线追退电量的计算方法 |
-
2023
- 2023-10-30 CN CN202311414953.8A patent/CN117150191B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20180351355A1 (en) * | 2016-11-02 | 2018-12-06 | China Electric Power Research Institute Company Limited | Method for identifying pattern of load cycle |
| KR20210043389A (ko) * | 2019-10-11 | 2021-04-21 | 한국전력정보(주) | 클러스터링 기법에 의한 부하 전력 분석 장치 및 부하 전력 분석 방법 |
| CN113740795A (zh) * | 2021-11-05 | 2021-12-03 | 北京志翔科技股份有限公司 | 一种三相四线电能表错接判断方法 |
| CN114114135A (zh) * | 2021-11-29 | 2022-03-01 | 广西电网有限责任公司 | 基于功率曲线还原积分的错误接线电量追补计算方法 |
| CN116775731A (zh) * | 2023-08-25 | 2023-09-19 | 安徽南瑞中天电力电子有限公司 | 基于滑动窗口的三相电能表错接线追退电量的计算方法 |
Non-Patent Citations (1)
| Title |
|---|
| 庞富宽;丁恒春;巨汉基;郑蒙蒙;妙红英;: "三相四线静止式多功能电能表错误接线时退补电量算法研究", 电测与仪表, no. 1 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117150191B (zh) | 2024-01-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109726872B (zh) | 一种能耗预测方法、装置、存储介质及电子设备 | |
| CN108593990B (zh) | 一种基于电能用户用电行为模式的窃电检测方法和应用 | |
| Hu et al. | A hybrid model based on CNN and Bi-LSTM for urban water demand prediction | |
| CN106505557B (zh) | 一种遥测错误辨识方法及装置 | |
| CN106796577A (zh) | 使用回归模型的能量基础设施传感器数据校正 | |
| CN106327055A (zh) | 一种基于大数据技术的电力费控方法及系统 | |
| CN112904266B (zh) | 一种电能表寿命预测方法及装置 | |
| CN110648249A (zh) | 年度电力平衡测算方法、装置及设备 | |
| CN109307811A (zh) | 一种基于大数据挖掘的用户专用变压器用电监测方法 | |
| CN111680398B (zh) | 一种基于Holt-Winters模型的单机性能退化预测方法 | |
| CN112364921A (zh) | 一种智能电房传感器数据的双重融合方法 | |
| Li et al. | Grid-constrained data cleansing method for enhanced bus load forecasting | |
| CN116231633A (zh) | 配电网碳排放量的监测方法、装置、设备及存储介质 | |
| CN117150191B (zh) | 一种数字化电表错接线追退电量计算方法及系统 | |
| CN104680010B (zh) | 一种汽轮机组稳态运行数据筛选方法 | |
| CN106056305A (zh) | 一种基于状态聚类的发电系统可靠性快速评估方法 | |
| CN112182499A (zh) | 一种基于时序电量数据的低压配电网拓扑结构辨识方法 | |
| CN116191412A (zh) | 电力负荷预测方法 | |
| CN109783894B (zh) | 一种基于信息再修正的负荷协调预测方法 | |
| CN114118633B (zh) | 一种基于先行关系的指标自优化预测方法及装置 | |
| CN111127186A (zh) | 一种基于大数据技术的客户信用等级评价体系的使用方法 | |
| CN113484818B (zh) | 基于滑动窗口的抗高频采集异常电能表精准定位方法 | |
| Hou et al. | A novel algorithm for multi-node load forecasting based on big data of distribution network | |
| WO2016206191A1 (zh) | 数据处理方法及装置 | |
| CN110175705B (zh) | 一种负荷预测方法及包含该方法的存储器、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 |