CN117175572A - 一种基于hplc载波信号结合的拓扑识别方法 - Google Patents

Abstract

本发明公开了一种基于HPLC载波信号结合的拓扑识别方法，包括以下步骤：步骤一：基于K均值聚类算法识别技术理论基础进行初步处理；步骤二：通过HPLC的精确的HPLC全网时钟进行同步处理；步骤三：进行HPLC载波衰减特性的识别；步骤四：基于K类聚的边缘计算方法计算出方案；步骤五：通过识别流程进行最红的拓扑识别。本发明能够解决低压配电网供电可视化难题、解决运行维护方面设备状态监测不及时、抢修不及时、无法准确识别台区户变对应关系、无法精准进行分路、分相、分支线损计算等一些技术难题。

Description

一种基于HPLC载波信号结合的拓扑识别方法

技术领域

本发明涉及拓扑识别领域，具体涉及一种基于HPLC载波信号结合的拓扑识别方法。

背景技术

压配电网整体情况为：结构复杂，分支线较多，负荷性质复杂，历史资料不全等城市配电网有负荷密度大、用电量集中、供电可靠性要求高等特点，部分老城区的配电网络相对较薄弱、负荷转供能力较差等问题。

配电网基础数据差，信息化手段落后。配电网管理涉及到发展、农电、运检、营销、调度等不同部门，基础数据分散在不同系统中。系统之间的数据标准、模型不一致，此外，缺乏数据共维共享机制。配电网投资少，建设水平低，导致配网通信及信息系统发展相对滞后，缺少信息获取渠道。体现为管理精细化程度差，数据、图形和信息无法对应，甚至存在某种意义上的“盲”。

为解决这个“盲”，目前国内电网公司投入大量的资源建设“营配一体化项目”，此项目配网末端只能延升到表箱，由于整个技术采用人工静态录入方式，无法解决供电网络动态变化(台区拆分、负荷切换、设备换装、台区改造)。

随着台区HPLC通讯模块的普及，台区内通讯带宽得到极大提高，在不影响主站常规采集任务的条件下，边缘侧能够获取的台区内各设备的数据种类和频次有很大的提升，基于边缘计算的台区线损问题综合分析和台区健康状态监视成为可能。

基于大数据分析来进行低压台区拓扑识别，前提是数据需求可满足和数据质量有保障，这也是当前困扰数据分析的两个关键问题：

数据需求问题：数据分析方法有很多种，不同的分析方法对数据的种类、采集频次、采集时长要求不一样，按照适合所有数据分析方法的数据要求进行采集配置，会导致巨量的采集数据，缺乏可实施性。基于电网当前数据采集的架构，在主站按需进行快速、灵活的采集任务配置方式也是不可行。因此，基于当前主站采集的数据，很多数据分析方法的数据需求没法得到满足，极大限制了大数据分析方法的落地。

数据质量问题：数据分析的结果，需要数据质量来保障，数据治理可以部分提升数据质量，但是会导致可用数据量的减少，另外有些数据问题是无法通过数据治理提升的，比如台区时钟问题导致的数据无法对齐问题、采集失败导致的数据缺失问题等，极大的限制了大数据分析方法的效果。

因此，提出一种基于HPLC载波信号结合的拓扑识别方法。

发明内容

本发明所要解决的技术问题在于：如何解决现有的拓扑识别方法存在的数据需求问题和数据质量问题，提供了一种基于HPLC载波信号结合的拓扑识别方法。

本发明是通过以下技术方案解决上述技术问题的，本发明包括以下步骤：

步骤一：基于K均值聚类算法识别技术理论基础进行初步处理；

步骤二：通过HPLC的精确的HPLC全网时钟进行同步处理；

步骤三：进行HPLC载波衰减特性的识别；

步骤四：基于K类聚的边缘计算方法计算出方案；

步骤五：通过识别流程进行最红的拓扑识别。

进一步在于，所述基于K均值聚类算法识别技术理论基础进行初步处理的具体过程如下：给定的样本集，按照样本之间的距离大小，将样本集划分为K个簇；

让簇内的点尽量紧密的连在一起，而让簇间的距离尽量的大，通过迭代寻找K个簇的划分方案，使得聚类结果对应的损失函数最小，

其中，损失函数可以定义为各个样本距离所属簇中心点的误差平方和；

定义过程如下：

其中μi是簇Ci的均值向量，表达式为：

进一步在于，所述通过HPLC的精确的HPLC全网时钟进行同步处理的具体过程如下：HPLC载波通信网络中的所有设备必须同步到一个共用的时钟此时钟通信行业为网络基准时间，通过预设值的基时钟提供网络基准时间，并通过CCO模块为整个宽带电力线载波维护一个32位的时钟计时器。

当STA设备，需要接入宽带通信网络，时钟必须同步到NTB，同时宽带载波通信网络中的所有STA设备同步维护一个32位计时器，即NTB_STA，这个计时器在频率和绝对值上应该与CCO的NTB保持同步。

进一步在于，所述进行HPLC载波衰减特性的识别的过程如下：SNR即信噪比，是信号强度和噪声的比值，主要受信道里面的衰减和噪声的影响，在电力线里，影响信号传输的主要两个因素就是衰减和噪声，在同一条线上，信号传输距离越短，经过的衰减和噪声就越小，信噪比就比较大，而且，信号通过空间耦合时，衰减也是比较大的。

根据宽带载波互联互通标准物理层的信号传输衰减原语和信噪比原语获得各载波节点的信号衰减曲线进行相关性分析实现供电网络的表箱内节点集合识别。

进一步在于，所述基于K类聚的边缘计算方法计算出方案的过程如下：低压台区所有计量节点采用HPLC通信信道实现双向高速连接通信。本算法分为如下：

第1步，提供HPLC主节模块主动采集所有分支节点的同步电气数据，并且存储这些数据，电气数据包括电压、电流、功率因数；

第2步，边缘计算装置快速获得这些同步本地数据，第3步，采用协方差对数据进行清洗，获得台区智能户表NTB同步的样本点；

第4步，按各相位(A/B/C)k-means算法形成K个相位族；

第5步，按相关性算法,采用回路阻抗样本进行单、三相开关拟合；

第6步，输出三层供电网络拓扑。

进一步在于，所述基于K类聚的边缘计算方法计算出方案的具体过还包括数据采集、数据清洗、按相k-means算法形成K个族、拟合三相&单相开关与输出供电网络拓扑。

进一步在于，所述数据采集的过程如下：

步骤1：算法识别模组发起数据同步采集命令，触发CCO启动采集命令；

步骤2；CCO触发通过NTB时钟同步冻结各用户表和台区总表的电压、电流、功率因数数据，冻结周期1分钟，冻结点数60个点；

步骤3：冻结时钟到后，COO主动采用并发抄表快速收集到所有户表的分钟冻结数据，含补充策略；

步骤4：CCO通知算法识别模组，本轮数据采集完成。

所述数据清洗的过程如下：数据清洗主要真对单块智能电表的，以时间轴为基础做数据帅选，帅选过程如下：

为了更加准确的得到理想的计算数据，ΔU、ΔI定义为1分钟内电压电流变化量，同时在计算分析时剔除掉电压和电流异常的情况。通过实际测试分析，一般回路阻抗在0.2欧姆以内，若ΔU>4V，则系统认为此测量点为异常过冲电流或其它异常产生，则计算时自动剔除掉此测量点；

采用1分钟对数据进行采集分析时，一个段时间可以得到60个点的电气数数据，数据样本的的可信度也随之增加，所得到数据量一般成正态分布。

阻抗估算值：

Ri＝阻抗平均值(ΔU<4&阻抗估算样本)

我们可以设置相应的可信区间，可信区间：

其中：

所以可信区间0.95的电压数据纳入计算。

进一步在于，所述拟合三相&单相开关的过程如下：因为相关性结果，是把所有的户表按相电压形成了相电压的相关性，由于大部分表箱为三相入户，如果三相用户，他们的三相每相线路阻抗基本是相等的。根据第1步数据帅选的回路阻抗均值：

三相回路阻抗在一个三相开关他们的回路阻抗具备强相关性，具体拟合算法采用如下：

相关性算法采用两组相关节点数据进行计数：

用X和Y表示两组系列(分别是A相族1和B相族N的回路阻抗)，用X(i)和Y(i)表示两组序列中的元素，长度为N的相关运算如下：

计数变量之间的相关程度如下：

公式中的Cov(x,y)为两组变量的协方差，Var[x]为变量X的方差，Var[y]为变量Y的方差，方差Var[x]的公式为：

期望值分别为E[x]和E[y]的两个随机变量X与Y之间的方差Cov(x,y)；

Cov(x,y)的计算公式如下：

Cov(X，Y)＝E[(X-E[X]])(Y-E[Y])]

通过相关经验知识,检测阈值设置为0.8,以实现参考相位拟合的相关性，如果已知结果的百分比大于其通过率阈值，则选择具有最高频率的相关性，其他任何结果记录为未知相关性，

通过率％由综合评估来确定,其标准值＝80～90％。判断这两个相位族具备基本相关性，可以拟合成一个开关；如果低于这个数据认为弱相关。如果A相族1和所有B相族X及C相族Y都时不存在相关性，我们认为此开关为单相开关表箱，否则为三相开关表箱，找通过率最高的为相位族，拟合开关相位，形成三相开关；

所有相关性的分支点组成一条具备上下级关系的分路，他们的电流大小确认他们的上下级关。

所述输出供电网络拓扑的过程如下：根据上面的步骤已经已经形成分支开关，即单相、三相和智能电表的上下级关系即CCO--分支开关--智能电表的拓扑关系.算法识别模组采用扩展规范的方式输出台区供电网络关系的三级拓扑图，在采用带监控的分路检测单元，迭代出多级分支拓。

本发明相比现有技术具有以下优点：该基于HPLC载波信号结合的拓扑识别方法，能够全面提升低压配电网的自动化管理水平，解决了低压配电网供电可视化难题、解决运行维护方面设备状态监测不及时、抢修不及时、无法准确识别台区户变对应关系、无法精准进行分路、分相、分支线损计算等一些技术难题。项目后期推广后将带来巨大的经济效益与社会效益。一方面通过系统的建设在一定程度上替代传统的线路巡查方式，加快了故障隐患发现、定位、处理的速度，提升了配网抢修人员的工作效率，减少了故障停电次数，保证了供电质量；另一方面，通过系统的建设，缩短了故障发生后的发现、分析、定位、抢修时间，为用户保质、保量、安全用电提供了保障，提高客户满意度，让该系统更加值得推广使用。

附图说明

图1是本发明的识别流程图。

具体实施方式

下面对本发明的实施例作详细说明，本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。

如图1所示，本实施例提供一种技术方案：一种基于HPLC载波信号结合的拓扑识别方法，包括以下步骤：

步骤一：基于K均值聚类算法识别技术理论基础进行初步处理；

步骤二：通过HPLC的精确的HPLC全网时钟进行同步处理；

步骤三：进行HPLC载波衰减特性的识别；

步骤四：基于K类聚的边缘计算方法计算出方案；

步骤五：通过识别流程进行最红的拓扑识别。

进一步在于，所述基于K均值聚类算法识别技术理论基础进行初步处理的具体过程如下：给定的样本集，按照样本之间的距离大小，将样本集划分为K个簇；

让簇内的点尽量紧密的连在一起，而让簇间的距离尽量的大，通过迭代寻找K个簇的划分方案，使得聚类结果对应的损失函数最小，

其中，损失函数可以定义为各个样本距离所属簇中心点的误差平方和；

定义过程如下：

其中μi是簇Ci的均值向量，表达式为：

进一步在于，所述通过HPLC的精确的HPLC全网时钟进行同步处理的具体过程如下：HPLC载波通信网络中的所有设备必须同步到一个共用的时钟此时钟通信行业为网络基准时间，通过预设值的基时钟提供网络基准时间，并通过CCO模块为整个宽带电力线载波维护一个32位的时钟计时器。

当STA设备，需要接入宽带通信网络，时钟必须同步到NTB，同时宽带载波通信网络中的所有STA设备同步维护一个32位计时器，即NTB_STA，这个计时器在频率和绝对值上应该与CCO的NTB保持同步。

进一步在于，所述进行HPLC载波衰减特性的识别的过程如下：SNR即信噪比，是信号强度和噪声的比值，主要受信道里面的衰减和噪声的影响，在电力线里，影响信号传输的主要两个因素就是衰减和噪声，在同一条线上，信号传输距离越短，经过的衰减和噪声就越小，信噪比就比较大，而且，信号通过空间耦合时，衰减也是比较大的。

根据宽带载波互联互通标准物理层的信号传输衰减原语和信噪比原语获得各载波节点的信号衰减曲线进行相关性分析实现供电网络的表箱内节点集合识别。

进一步在于，所述基于K类聚的边缘计算方法计算出方案的过程如下：低压台区所有计量节点采用HPLC通信信道实现双向高速连接通信。本算法分为如下：

第1步，提供HPLC主节模块主动采集所有分支节点的同步电气数据，并且存储这些数据，电气数据包括电压、电流、功率因数；

第2步，边缘计算装置快速获得这些同步本地数据，第3步，采用协方差对数据进行清洗，获得台区智能户表NTB同步的样本点；

第4步，按各相位(A/B/C)k-means算法形成K个相位族；

第5步，按相关性算法,采用回路阻抗样本进行单、三相开关拟合；

第6步，输出三层供电网络拓扑。

进一步在于，所述基于K类聚的边缘计算方法计算出方案的具体过还包括数据采集、数据清洗、按相k-means算法形成K个族、拟合三相&单相开关与输出供电网络拓扑。

进一步在于，所述数据采集的过程如下：

步骤1：算法识别模组发起数据同步采集命令，触发CCO启动采集命令；

步骤2；CCO触发通过NTB时钟同步冻结各用户表和台区总表的电压、电流、功率因数数据，冻结周期1分钟，冻结点数60个点；

步骤3：冻结时钟到后，COO主动采用并发抄表快速收集到所有户表的分钟冻结数据，含补充策略；

步骤4：CCO通知算法识别模组，本轮数据采集完成。

所述数据清洗的过程如下：数据清洗主要真对单块智能电表的，以时间轴为基础做数据帅选，帅选过程如下：

为了更加准确的得到理想的计算数据，ΔU、ΔI定义为1分钟内电压电流变化量，同时在计算分析时剔除掉电压和电流异常的情况。通过实际测试分析，一般回路阻抗在0.2欧姆以内，若ΔU>4V，则系统认为此测量点为异常过冲电流或其它异常产生，则计算时自动剔除掉此测量点；

采用1分钟对数据进行采集分析时，一个段时间可以得到60个点的电气数数据，数据样本的的可信度也随之增加，所得到数据量一般成正态分布。

阻抗估算值：

Ri＝阻抗平均值(ΔU<4&阻抗估算样本)

我们可以设置相应的可信区间，可信区间：

其中：

所以可信区间0.95的电压数据纳入计算。

进一步在于，所述拟合三相&单相开关的过程如下：因为相关性结果，是把所有的户表按相电压形成了相电压的相关性，由于大部分表箱为三相入户，如果三相用户，他们的三相每相线路阻抗基本是相等的。根据第1步数据帅选的回路阻抗均值：

三相回路阻抗在一个三相开关他们的回路阻抗具备强相关性，具体拟合算法采用如下：

相关性算法采用两组相关节点数据进行计数：

用X和Y表示两组系列(分别是A相族1和B相族N的回路阻抗)，用X(i)和Y(i)表示两组序列中的元素，长度为N的相关运算如下：

计数变量之间的相关程度如下：

公式中的Cov(x,y)为两组变量的协方差，Var[x]为变量X的方差，Var[y]为变量Y的方差，方差Var[x]的公式为：

期望值分别为E[x]和E[y]的两个随机变量X与Y之间的方差Cov(x,y)；

Cov(x,y)的计算公式如下：

Cov(X,Y)＝E[(X-E[X])(Y-E[Y])]

通过相关经验知识,检测阈值设置为0.8,以实现参考相位拟合的相关性，如果已知结果的百分比大于其通过率阈值，则选择具有最高频率的相关性，其他任何结果记录为未知相关性，

通过率％由综合评估来确定,其标准值＝80～90％。判断这两个相位族具备基本相关性，可以拟合成一个开关；如果低于这个数据认为弱相关。如果A相族1和所有B相族X及C相族Y都时不存在相关性，我们认为此开关为单相开关表箱，否则为三相开关表箱，找通过率最高的为相位族，拟合开关相位，形成三相开关；

所有相关性的分支点组成一条具备上下级关系的分路，他们的电流大小确认他们的上下级关。

所述输出供电网络拓扑的过程如下：根据上面的步骤已经已经形成分支开关，即单相、三相和智能电表的上下级关系即CCO--分支开关--智能电表的拓扑关系.算法识别模组采用扩展规范的方式输出台区供电网络关系的三级拓扑图，在采用带监控的分路检测单元，迭代出多级分支拓.

按相k-means算法形成K个族

k-means算法是将样本聚类成k个簇(cluster)，具体算法描述如下：

随机选取k个聚类质心点，重复下面过程直到收敛,对于每一个样例i，计算其应该属于的类：

对于每一个类j，重新计算该类的质心：

创建k个点作为初始的质心点(随机选择),当任意一个点的簇分配结果发生改变时,对数据集中的每一个数据点,对每一个质心,计算质心与数据点的距离,将数据点分配到距离最近的簇,对每一个簇，计算簇中所有点的均值，并将均值作为质心。

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。

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必须针对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一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

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 (8)

1.一种基于HPLC载波信号结合的拓扑识别方法，其特征在于，包括以下步骤：

步骤一：基于K均值聚类算法识别技术理论基础进行初步处理；

步骤二：通过HPLC的精确的HPLC全网时钟进行同步处理；

步骤三：进行HPLC载波衰减特性的识别；

步骤四：基于K类聚的边缘计算方法计算出方案；

步骤五：通过识别流程进行最红的拓扑识别。

2.根据权利要求1所述的一种基于HPLC载波信号结合的拓扑识别方法，其特征在于：所述基于K均值聚类算法识别技术理论基础进行初步处理的具体过程如下：给定的样本集，按照样本之间的距离大小，将样本集划分为K个簇；

让簇内的点尽量紧密的连在一起，而让簇间的距离尽量的大，通过迭代寻找K个簇的划分方案，使得聚类结果对应的损失函数最小，

其中，损失函数可以定义为各个样本距离所属簇中心点的误差平方和；

定义过程如下：

其中μi是簇Ci的均值向量，表达式为：

3.根据权利要求1所述的一种基于HPLC载波信号结合的拓扑识别方法，其特征在于：所述通过HPLC的精确的HPLC全网时钟进行同步处理的具体过程如下：HPLC载波通信网络中的所有设备必须同步到一个共用的时钟此时钟通信行业为网络基准时间，通过预设值的基时钟提供网络基准时间，并通过CCO模块为整个宽带电力线载波维护一个32位的时钟计时器；

当STA设备，需要接入宽带通信网络，时钟必须同步到NTB，同时宽带载波通信网络中的所有STA设备同步维护一个32位计时器，即NTB_STA，这个计时器在频率和绝对值上应该与CCO的NTB保持同步。

4.根据权利要求1所述的一种基于HPLC载波信号结合的拓扑识别方法，其特征在于：所述进行HPLC载波衰减特性的识别的过程如下：SNR即信噪比，是信号强度和噪声的比值，主要受信道里面的衰减和噪声的影响，在电力线里，影响信号传输的主要两个因素就是衰减和噪声，在同一条线上，信号传输距离越短，经过的衰减和噪声就越小，信噪比就比较大，而且，信号通过空间耦合时，衰减也是比较大的；

根据宽带载波互联互通标准物理层的信号传输衰减原语和信噪比原语获得各载波节点的信号衰减曲线进行相关性分析实现供电网络的表箱内节点集合识别。

5.根据权利要求1所述的一种基于HPLC载波信号结合的拓扑识别方法，其特征在于：所述基于K类聚的边缘计算方法计算出方案的过程如下：低压台区所有计量节点采用HPLC通信信道实现双向高速连接通信，本算法分为如下：

第1步，提供HPLC主节模块主动采集所有分支节点的同步电气数据，并且存储这些数据，电气数据包括电压、电流、功率因数；

第2步，边缘计算装置快速获得这些同步本地数据，第3步，采用协方差对数据进行清洗，获得台区智能户表NTB同步的样本点；

第4步，按各相位(A/B/C)k-means算法形成K个相位族；

第5步，按相关性算法,采用回路阻抗样本进行单、三相开关拟合；

第6步，输出三层供电网络拓扑。

6.根据权利要求1所述的一种基于HPLC载波信号结合的拓扑识别方法，其特征在于：所述基于K类聚的边缘计算方法计算出方案的具体过还包括数据采集、数据清洗、按相k-means算法形成K个族、拟合三相&单相开关与输出供电网络拓扑。

7.根据权利要求6所述的一种基于HPLC载波信号结合的拓扑识别方法，其特征在于：所述数据采集的过程如下：

步骤1：算法识别模组发起数据同步采集命令，触发CCO启动采集命令；

步骤2；CCO触发通过NTB时钟同步冻结各用户表和台区总表的电压、电流、功率因数数据，冻结周期1分钟，冻结点数60个点；

步骤3：冻结时钟到后，COO主动采用并发抄表快速收集到所有户表的分钟冻结数据，含补充策略；

步骤4：CCO通知算法识别模组，本轮数据采集完成；

所述数据清洗的过程如下：数据清洗主要真对单块智能电表的，以时间轴为基础做数据帅选，帅选过程如下：

为了更加准确的得到理想的计算数据，ΔU、ΔI定义为1分钟内电压电流变化量，同时在计算分析时剔除掉电压和电流异常的情况，通过实际测试分析，一般回路阻抗在0.2欧姆以内，若ΔU>4V，则系统认为此测量点为异常过冲电流或其它异常产生，则计算时自动剔除掉此测量点；

采用1分钟对数据进行采集分析时，一个段时间可以得到60个点的电气数数据，数据样本的的可信度也随之增加，所得到数据量一般成正态分布，

阻抗估算值：

Ri＝阻抗平均值(ΔU<4&阻抗估算样本)

我们可以设置相应的可信区间，可信区间：

其中：

所以可信区间0.95的电压数据纳入计算。

8.根据权利要求6所述的一种基于HPLC载波信号结合的拓扑识别方法，其特征在于：所述拟合三相&单相开关的过程如下：因为相关性结果，是把所有的户表按相电压形成了相电压的相关性，由于大部分表箱为三相入户，如果三相用户，他们的三相每相线路阻抗基本是相等的，根据第1步数据帅选的回路阻抗均值：

三相回路阻抗在一个三相开关他们的回路阻抗具备强相关性，具体拟合算法采用如下：

相关性算法采用两组相关节点数据进行计数：

用X和Y表示两组系列(分别是A相族1和B相族N的回路阻抗)，用X(i)和Y(i)表示两组序列中的元素，长度为N的相关运算如下：

计数变量之间的相关程度如下：

公式中的Cov(x,y)为两组变量的协方差，Var[x]为变量X的方差，Var[y]为变量Y的方差，方差Var[x]的公式为：

期望值分别为E[x]和E[y]的两个随机变量X与Y之间的方差Cov(x,y)；Cov(x,y)的计算公式如下：

Cov(X，Y)＝E[(X-E[X])(Y-E[Y])]

通过相关经验知识,检测阈值设置为0.8,以实现参考相位拟合的相关性，如果已知结果的百分比大于其通过率阈值，则选择具有最高频率的相关性，其他任何结果记录为未知相关性，

分路开关IX将被选择if

通过率％由综合评估来确定,其标准值＝80～90％，判断这两个相位族具备基本相关性，可以拟合成一个开关；如果低于这个数据认为弱相关，如果A相族1和所有B相族X及C相族Y都时不存在相关性，我们认为此开关为单相开关表箱，否则为三相开关表箱，找通过率最高的为相位族，拟合开关相位，形成三相开关；

所有相关性的分支点组成一条具备上下级关系的分路，他们的电流大小确认他们的上下级关，

所述输出供电网络拓扑的过程如下：根据上面的步骤已经已经形成分支开关，即单相、三相和智能电表的上下级关系即CCO--分支开关--智能电表的拓扑关系.算法识别模组采用扩展规范的方式输出台区供电网络关系的三级拓扑图，在采用带监控的分路检测单元，迭代出多级分支拓。