CN117421622A - 基于聚类算法的低压台区线损计算方法及系统 - Google Patents

基于聚类算法的低压台区线损计算方法及系统 Download PDF

Info

Publication number
CN117421622A
CN117421622A CN202311136029.8A CN202311136029A CN117421622A CN 117421622 A CN117421622 A CN 117421622A CN 202311136029 A CN202311136029 A CN 202311136029A CN 117421622 A CN117421622 A CN 117421622A
Authority
CN
China
Prior art keywords
low
voltage
clustering
branch
voltage transformer
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.)
Pending
Application number
CN202311136029.8A
Other languages
English (en)
Inventor
周善善
陈虓
杨文呈
兰景
李光明
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.)
Lincang Power Supply Bureau of Yunnan Power Grid Co Ltd
Original Assignee
Lincang Power Supply Bureau of Yunnan Power Grid 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 Lincang Power Supply Bureau of Yunnan Power Grid Co Ltd filed Critical Lincang Power Supply Bureau of Yunnan Power Grid Co Ltd
Priority to CN202311136029.8A priority Critical patent/CN117421622A/zh
Publication of CN117421622A publication Critical patent/CN117421622A/zh
Pending legal-status Critical Current

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
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R21/00—Arrangements for measuring electric power or power factor
    • G01R21/06—Arrangements for measuring electric power or power factor by measuring current and voltage
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • 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
    • H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
    • 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)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Business, Economics & Management (AREA)
  • Power Engineering (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Public Health (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本申请提供一种基于聚类算法的低压台区线损计算方法及系统，所述方法包括：获取聚类特征数据样本，以生成样本集；再利用聚类算法对样本集聚类分析，并生成相关簇；对相关簇对应的数据样本进行均值向量分析，以得到聚类结果；根据聚类结果获取低压台区电压值、电流值以及总负荷；建立支路阻抗模型，再通过低压台区总负荷以及低压台区的总损耗功率，计算低压台区的线路损耗率，以解决低压台区线损计算方法准确率低的问题。

Description

基于聚类算法的低压台区线损计算方法及系统
技术领域
本申请涉及电力领域，尤其涉及一种基于聚类算法的低压台区线损计算方法及系统。
背景技术
在电力系统中，电力损耗是指在输电、变电和配电过程中，所有的电能设备和器件经过转换或传递电能所损失的电力。低压台区是指电力系统中的最后一级主变压器(即台区变压器)变压之后的低压配电网区域，再将电力输送至用户的用电终端。
低压线路相对较短，电流较大，电能损失也相对较大，因此，低压台区线路损耗率是电网损耗率的重要组成部分。低压台区线损的升高会增加用户额外用电量、降低用电质量。为了提高用电质量，需要对低压台区进行线损计算，但是，传统的低压台区线损计算方法准确率低。
发明内容
本申请提供一种基于聚类算法的低压台区线损计算方法及系统，以解决低压台区线损计算方法准确率低的问题。
本申请第一方面提供一种基于聚类算法的低压台区线损计算方法，包括：
获取聚类特征数据样本，以生成样本集；
利用聚类算法对样本集聚类分析，并生成相关簇；
对相关簇对应的数据样本进行均值向量分析，以得到聚类结果；
根据聚类结果获取低压台区电压值、电流值以及总负荷；
建立支路阻抗模型，支路阻抗模型包括每一支路的电阻、电感和电容；
通过支路阻抗模型计算每一支路的等效阻抗以及每一节点的电压值；
计算等效阻抗与负荷的乘积，以得到每一支路的电流值；
通过每一支路的电流值与每一支路的电阻计算每一支路的损耗功率
计算低压台区的总损耗功率，低压台区的总损耗功率为每一支路的损耗功率之和；
通过低压台区总负荷以及低压台区的总损耗功率，计算低压台区的线路损耗率。
可选的，支路阻抗模型作为一个复数，复数包括实部和虚部，实部为电阻值，虚部为电感值；
方法还包括：
通过每一支路的电阻值加权求和得到每一支路的等效阻抗。
可选的，方法还包括：
设置初始电压值，初始电压值为第一节点的电压值；
通过初始电压值以及所支路阻抗模型计算第二节点的电压值；
通第二节点的电压值，对低压台区进行迭代计算；
在迭代计算结果获得的电压值收敛时，输出每一节点的电压值。
可选的，利用聚类算法对样本集聚类分析，并生成相关簇，包括：
获取聚类特征值，聚类特征值包括三相不平衡度和功率因数；
通过轮廓系数构建评价标准，以确定最佳聚类中心数；
将样本集分为第一簇和第二簇，第一簇用于表征三相不平衡度，第二簇用于表征功率因数；
基于最佳聚类中心数，用K-Means算法对所述第一簇和第二簇进行聚类，以得到聚类结果。
可选的，聚类结果将低压台区划分为第一类低压台区以及第二类低压台区。
可选的，方法包括：
对特征数据样本进行预处理。
可选的，方法包括：
对聚类特征数据样本清洗，得到正常样本和异常样本；
对异常样本进行平滑处理与错误修正，得到修正后的样本；
将修正后的样本和正常样本利用三次样条插值法进行缺失值填充，得到填充样本；
对填充样本归一化，以得到归一化样本。
可选的，聚类特征数据样本包括线路负载数据样本、温度数据样本、湿度数据样本、日时段数据样本、电压数据样本、电流数据样本、三相不平衡数据样本以及功率因数数据样本。
可选的，方法还包括：
通过支路阻抗模型计算每一支路的等效阻抗以及每一节点的电压值；
计算等效阻抗与负荷的乘积，以得到每一支路的电流值；
通过每一支路的电流值与每一支路的电阻计算每一支路的损耗功率；
计算低压台区的总损耗功率，低压台区的总损耗功率为每一支路的损耗功率之和。
本申请第二方面提供一种基于聚类算法的低压台区线损计算系统，应用于第一方面基于聚类算法的低压台区线损计算方法，系统包括：特征数据模块、聚类模块和线损判断模块；
特征数据模块用于获取聚类特征数据样本，以生成样本集；
聚类模块用于利用聚类算法对样本集聚类分析，并生成相关簇；对相关簇对应的数据样本进行均值向量分析，以得到聚类结果；
线损判断模块用于根据聚类结果获取低压台区电压值、电流值以及总负荷；建立支路阻抗模型，支路阻抗模型包括每一支路的电阻、电感和电容；通过低压台区总负荷以及低压台区的总损耗功率，计算低压台区的线路损耗率。
由以上技术方案可知，本申请提供一种基于聚类算法的低压台区线损计算方法及系统，方法包括：获取聚类特征数据样本，以生成样本集；再利用聚类算法对样本集聚类分析，并生成相关簇；对相关簇对应的数据样本进行均值向量分析，以得到聚类结果；根据聚类结果获取低压台区电压值、电流值以及总负荷；建立支路阻抗模型，支路阻抗模型包括每一支路的电阻、电感和电容；通过低压台区总负荷以及低压台区的总损耗功率，计算低压台区的线路损耗率，通过线路损耗率可了解线路损耗原因，以解决低压台区线损计算方法准确率低的问题。
附图说明
为了更清楚地说明本申请的技术方案，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，对于本领域普通技术人员而言，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为基于聚类算法的低压台区线损计算方法流程示意图；
图2为支路阻抗模型流程图；
图3为聚类结果分类示意图。
具体实施方式
下面将详细地对实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下实施例中描述的实施方式并不代表与本申请相一致的所有实施方式。仅是与权利要求书中所详述的、本申请的一些方面相一致的系统和方法的示例。
为使配电系统高效稳定地运行，须定期进行线损分析，发现潜在的问题点，如设备性能、配电系统结构与运行、用电管理、计量系统等方面存在的问题，从而降低系统线路损耗。然而，由于线损分析时数据较为复杂、存在噪音和干扰以及还有一些不可避免的外部因素等，导致线损的分析困难。
参见图1，本申请部分实施例提供一种基于聚类算法的低压台区线损计算方法，包括：
S100：获取聚类特征数据样本，以生成样本集。
在本实施例中，可收集N条线路15天内的聚类特征样本，可以理解的是，还可以按照月、季进行收集，以生成不同的样本集。其中，聚类特征数据样本包括线路负载数据样本、温度数据样本、湿度数据样本、日时段数据样本、电压数据样本、电流数据样本、三相不平衡数据样本以及功率因数数据样本。
由于聚类特征数据样本具有不同的量纲和数量级，为方便计算，并且提高聚类结果的准确性，还可以先对样本集的聚类特征样本进行清洗、甄别等预处理，在一些实施例中，预处理可以包括：对聚类特征数据样本清洗，得到正常样本和异常样本；对异常样本进行平滑处理与错误修正，得到修正后的样本；将修正后的样本和正常样本利用三次样条插值法进行缺失值填充，得到填充样本；对填充样本归一化，以得到归一化样本。
还可以通过一下方式进行预处理，首先检查样本集中是否存在重复样本，如果有重复样本，需要将其删除。再检查样本集中是否存在缺失值，可以选择删除包含缺失值的样本，或者使用插补方法填充缺失值；检查样本集中是否存在异常值或离群点，可以选择删除异常值。将样本集中的数据类型进行转换，确保每个变量都具有正确的数据类型。最后对于三相不平衡数据样本以及功率因数数据样本，可以进行标准化操作，例如将数据缩放到特定的范围或进行标准化处理，以便不同变量之间具有可比性。
S110：利用聚类算法对样本集聚类分析，并生成相关簇。
根据相似性原则，把具有较高相似度的聚类特征数据样本划分到同一类簇，把具有较高相异度的聚类特征数据样本划分到不同类簇，从而使相同组中的数据点之间比其他组中的数据点更具有相似性。
示例性的，将电压数据样本、电流数据样本划分到同一类簇，将其他聚类特征数据样本划分到不同类簇。
配电网线损率相关因素众多，对线损率的各种相关因素进行分析比较，将三相不平衡度和功率因数作为特征值进行分析，其中，三相不平衡度体现三相电力系统中三相不平衡的程度；功率因数的大小体现线路的损耗水平。三相不平衡度及功率因数异常作为反映台区统计周期内是否发生计量异常事件的特征值，可定义为离散变量发生记为1,未发生记为0。
在将聚类特征数据样本分类完成后，在一些实施例中，获取聚类特征值，聚类特征值包括三相不平衡度和功率因数；通过轮廓系数构建评价标准，以确定最佳聚类中心数；将样本集分为第一簇和第二簇，第一簇用于表征三相不平衡度，第二簇用于表征功率因数。
S120：对相关簇对应的数据样本进行均值向量分析，以得到聚类结果。
基于最佳聚类中心数，用K-Means算法对第一簇和第二簇进行聚类，以得到聚类结果。K-means算法在处理大规模数据集时具有较高的计算效率，并且，K-means算法可以很容易地扩展到高维样本集，并且可以处理具有大量样本的数据。
聚类结果将低压台区划分为第一类低压台区以及第二类低压台区，其中，第一类低压台区是技术损耗的低压台区，第二类低压台区是非技术损耗的低压台区。
参见图3技术损耗包括户变关系不准确，数据采集不规范以及计量失误三类，其中，户变关系的排查工作量较大，并且不同地区之间的低压台区户变关系复杂多样，台区的户变关系与实际情况之间也存在较大差异，会导致户变关系不准确，从而增加线路损耗的风险。在低压台区内，电压偏差异常、电压过高、复功率、功率因数异常、断相、数据为空等因素可能导致电能表采集用户用电数据失败，或者，采集覆盖率未达到100％，造成台区用电量被遗落计量。用户电能表接线错误，用户电能表故障以及用户电流互感器故障都会使系统不能正确计量用户的用电量，导致台区用电量被遗落计量。
非技术损耗包括设备故障、线路距离较远以及偷电、电表磁整三类，其中，设备的设计、安装、运行等方面的缺陷，例如：接头接触不良、电缆断层等都可能导致低压台区线路损耗异常。在线路运输过程中，电流会产生电阻和电感，随着线路长度增加，电缆损耗也会逐渐升高。一些人为操作如电表磁整、偷电，也会导致线路电流异常。
S200：根据聚类结果获取低压台区电压值、电流值以及总负荷。
低压台区包括多个支路，每个支路包括多个节点，在获取过程中，获取各个节点的电压值以及电流值，获取低压台区的总负荷。
S210：建立支路阻抗模型，支路阻抗模型包括每一支路的电阻、电感和电容。
参见图2，通过上述获取的电压值以及电流值计算每一支路的电阻，电感和电容，再建立支路阻抗模型，阻抗模型可以用于分析电路中的传输线，传输线是一种特殊的电路元件,用于传输高频信号。阻抗模型可以用来描述传输线的特性阻抗。在本实施例中支路阻抗模型作为一个复数，复数包括实部和虚部，实部为电阻值，虚部为电感值，通过每一支路的电阻值加权求和得到每一支路的等效阻抗。
S211：通过支路阻抗模型计算每一支路的等效阻抗以及每一节点的电压值。
需要注意的是，在实际计算中需要对支路阻抗模型中各个参数进行校正和修正，同时还需要考虑因环境温度、负载率等因素造成的误差，进行相应的修正和调整，以提高计算精度。此外，在计算过程中还需要考虑物理、安全等因素，以确保计算结果的可靠性和安全性。
在计算每一节点的电压值时，方法还包括：设置初始电压值，初始电压值为第一节点的电压值；通过初始电压值以及支路阻抗模型计算第二节点的电压值；通过第二节点的电压值，对低压台区进行迭代计算；在迭代计算结果获得的电压值收敛时，输出每一节点的电压值。
S212：计算等效阻抗与负荷的乘积，以得到每一支路的电流值。
S220：通过每一支路的电流值与每一支路的电阻计算每一支路的损耗功率。
S221：计算低压台区的总损耗功率。
其中，低压台区的总损耗功率为每一支路的损耗功率之和。
S300：通过低压台区总负荷以及低压台区的总损耗功率，计算低压台区的线路损耗率。
与其他算法相比，本实施例提供的方法在计算低压台区线损率时更简单，计算速度更快。
在计算完成线路损耗率后，可通过不同的低压台区的线路损耗率采取不同的降损措施，降低线损可以提高电能利用率、减少能源浪费、提高供电质量和稳定性，实现节约能源和减少温室气体排放的目标。示例性的：对低压配电网络设备设施进行定期检查和维护；在用电管理时，增加计量设备的精确性，提高设备采集成功率，从而减小电能损耗；合理规划低压配电线路的布局，减少变压器的过长供电，避免出现过载现象，有效地降低电能损耗；采用节能型设备可以有效地减少低压台区的无功损耗和有功损耗，降低电能损耗。
基于上述一种基于聚类算法的低压台区线损计算方法，本申请部分实施例还提供一种基于聚类算法的低压台区线损计算系统，应用于上述基于聚类算法的低压台区线损计算方法，系统包括：特征数据模块、聚类模块和线损判断模块；
特征数据模块用于获取聚类特征数据样本，以生成样本集；聚类模块用于利用聚类算法对样本集聚类分析，并生成相关簇；对相关簇对应的数据样本进行均值向量分析，以得到聚类结果；线损判断模块用于根据聚类结果获取低压台区电压值、电流值以及总负荷；建立支路阻抗模型，支路阻抗模型包括每一支路的电阻、电感和电容。
在一些实施例中，支路阻抗模型还用于通过支路阻抗模型计算每一支路的等效阻抗以及每一节点的电压值；计算等效阻抗与负荷的乘积，以得到每一支路的电流值；通过每一支路的电流值与每一支路的电阻计算每一支路的损耗功率计算低压台区的总损耗功率，低压台区的总损耗功率为每一支路的损耗功率之和；通过低压台区总负荷以及低压台区的总损耗功率，计算低压台区的线路损耗率。
在一些实施例中，特征数据模块还用于对聚类特征数据样本清洗，得到正常样本和异常样本；对异常样本进行平滑处理与错误修正，得到修正后的样本；将修正后的样本和正常样本利用三次样条插值法进行缺失值填充，得到填充样本；对填充样本归一化，以得到归一化样本。聚类模块还用于获取聚类特征值，聚类特征值包括三相不平衡度和功率因数；通过轮廓系数构建评价标准，以确定最佳聚类中心数；将样本集分为第一簇和第二簇，第一簇用于表征三相不平衡度，第二簇用于表征功率因数。线损判断模块还用于设置初始电压值，初始电压值为第一节点的电压值；通过初始电压值以及支路阻抗模型计算第二节点的电压值；通过第二节点的电压值，对低压台区进行迭代计算；在迭代计算结果获得的电压值收敛时，输出每一节点的电压值。
由以上技术方案可知，本申请实施例提供一种基于聚类算法的低压台区线损计算方法及系统，方法包括：获取聚类特征数据样本，以生成样本集；再利用聚类算法对样本集聚类分析，并生成相关簇；对相关簇对应的数据样本进行均值向量分析，以得到聚类结果；根据聚类结果获取低压台区电压值、电流值以及总负荷；建立支路阻抗模型，支路阻抗模型包括每一支路的电阻、电感和电容；通过低压台区总负荷以及低压台区的总损耗功率，计算低压台区的线路损耗率，通过线路损耗率可了解线路损耗原因，以解决低压台区线损计算方法准确率低的问题。
本申请提供的实施例之间的相似部分相互参见即可，以上提供的具体实施方式只是本申请总的构思下的几个示例，并不构成本申请保护范围的限定。对于本领域的技术人员而言，在不付出创造性劳动的前提下依据本申请方案所扩展出的任何其他实施方式都属于本申请的保护范围。

Claims (10)

1.一种基于聚类算法的低压台区线损计算方法，其特征在于，包括：
获取聚类特征数据样本，以生成样本集；
利用聚类算法对所述样本集聚类分析，并生成相关簇；
对所述相关簇对应的数据样本进行均值向量分析，以得到聚类结果；
根据所述聚类结果获取低压台区电压值、电流值以及总负荷；
建立支路阻抗模型，所述支路阻抗模型包括每一支路的电阻、电感和电容；
通过所述低压台区总负荷以及低压台区的总损耗功率，计算所述低压台区的线路损耗率。
2.根据权利要求1所述的低压台区线损计算方法，其特征在于，
所述支路阻抗模型作为一个复数，所述复数包括实部和虚部，所述实部为电阻值，所述虚部为电感值；
所述方法还包括：
通过每一支路的电阻值加权求和得到每一支路的等效阻抗。
3.根据权利要求1所述的低压台区线损计算方法，其特征在于，所述方法还包括：
设置初始电压值，所述初始电压值为第一节点的电压值；
通过所述初始电压值以及所述支路阻抗模型计算第二节点的电压值；
通过所述第二节点的电压值，对低压台区进行迭代计算；
在迭代计算结果获得的电压值收敛时，输出每一节点的电压值。
4.根据权利要求1所述的低压台区线损计算方法，其特征在于，利用聚类算法对所述样本集聚类分析，并生成相关簇，包括：
获取聚类特征值，所述聚类特征值包括三相不平衡度和功率因数；
通过轮廓系数构建评价标准，以确定最佳聚类中心数；
将所述样本集分为第一簇和第二簇，所述第一簇用于表征三相不平衡度，所述第二簇用于表征功率因数；
基于所述最佳聚类中心数，用K-Means算法对所述第一簇和第二簇进行聚类，以得到聚类结果。
5.根据权利要求4所述的低压台区线损计算方法，其特征在于，所述聚类结果将低压台区划分为第一类低压台区以及第二类低压台区。
6.根据权利要求1所述的低压台区线损计算方法，其特征在于，所述方法包括：
对所述特征数据样本进行预处理。
7.根据权利要求6所述的低压台区线损计算方法，其特征在于，所述方法包括：
对所述聚类特征数据样本清洗，得到正常样本和异常样本；
对所述异常样本进行平滑处理与错误修正，得到修正后的样本；
将所述修正后的样本和所述正常样本利用三次样条插值法进行缺失值填充，得到填充样本；
对所述填充样本归一化，以得到归一化样本。
8.根据权利要求1所述的低压台区线损计算方法，其特征在于，所述聚类特征数据样本包括线路负载数据样本、温度数据样本、湿度数据样本、日时段数据样本、电压数据样本、电流数据样本、三相不平衡数据样本以及功率因数数据样本。
9.根据权利要求1所述的低压台区线损计算方法，其特征在于，所述方法还包括：
通过所述支路阻抗模型计算每一支路的等效阻抗以及每一节点的电压值；
计算等效阻抗与负荷的乘积，以得到每一支路的电流值；
通过每一支路的电流值与每一支路的电阻计算每一支路的损耗功率
计算低压台区的总损耗功率，所述低压台区的总损耗功率为每一支路的损耗功率之和。
10.一种基于聚类算法的低压台区线损计算系统，其特征在于，应用于权利要求1-9任一项所述基于聚类算法的低压台区线损计算方法，所述系统包括：特征数据模块、聚类模块和线损判断模块；
所述特征数据模块用于获取聚类特征数据样本，以生成样本集；
所述聚类模块用于利用聚类算法对所述样本集聚类分析，并生成相关簇；对所述相关簇对应的数据样本进行均值向量分析，以得到聚类结果；
所述线损判断模块用于根据所述聚类结果获取低压台区电压值、电流值以及总负荷；建立支路阻抗模型，所述支路阻抗模型包括每一支路的电阻、电感和电容；通过所述低压台区总负荷以及所述低压台区的总损耗功率，计算所述低压台区的线路损耗率。
CN202311136029.8A 2023-09-05 2023-09-05 基于聚类算法的低压台区线损计算方法及系统 Pending CN117421622A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311136029.8A CN117421622A (zh) 2023-09-05 2023-09-05 基于聚类算法的低压台区线损计算方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311136029.8A CN117421622A (zh) 2023-09-05 2023-09-05 基于聚类算法的低压台区线损计算方法及系统

Publications (1)

Publication Number Publication Date
CN117421622A true CN117421622A (zh) 2024-01-19

Family

ID=89529123

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311136029.8A Pending CN117421622A (zh) 2023-09-05 2023-09-05 基于聚类算法的低压台区线损计算方法及系统

Country Status (1)

Country Link
CN (1) CN117421622A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117874625A (zh) * 2024-01-22 2024-04-12 国网湖北省电力有限公司信息通信公司 基于ai和知识库的电力系统数据智能处理系统与方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117874625A (zh) * 2024-01-22 2024-04-12 国网湖北省电力有限公司信息通信公司 基于ai和知识库的电力系统数据智能处理系统与方法

Similar Documents

Publication Publication Date Title
CN109459669B (zh) 10kV配电网单相接地故障区段定位方法
CN113011481B (zh) 一种基于决策树算法的电能表功能异常评估方法及系统
CN111625991A (zh) 一种低压配电网拓扑校验方法
CN113078630B (zh) 一种基于实时量测数据的低压配电网拓扑辨识方法
CN112485598A (zh) 结合波形相关性与幅值特征的小电流接地故障定位方法
Li et al. Ensemble offshore wind turbine power curve modelling–an integration of isolation forest, fast radial basis function neural network, and metaheuristic algorithm
CN114519514B (zh) 一种低压台区合理线损值测算方法、系统及计算机设备
CN117421622A (zh) 基于聚类算法的低压台区线损计算方法及系统
CN111654392A (zh) 基于互信息的低压配电网拓扑识别方法及系统
CN112688428A (zh) 一种基于物联网技术的10千伏电网同期线损治理方法
CN110739692B (zh) 一种基于概率图模型的配电网结构识别方法
CN113033617A (zh) 一种基于大数据台区线损数据深度挖掘分析方法
CN116203351A (zh) 线路阻抗异常的检测方法及系统
CN110443481B (zh) 基于混合k-近邻算法的配电自动化终端状态评价系统及方法
CN112232382A (zh) 一种低压台区的分路与电表隶属关系识别方法及系统
Hu et al. Transformer-customer relationship identification for low-voltage distribution networks based on joint optimization of voltage silhouette coefficient and power loss coefficient
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
Hassani et al. Design of a cost-effective deep convolutional neural network–based scheme for diagnosing faults in smart grids
CN116341950A (zh) 一种基于综合介数的电力系统脆弱线路评估方法及装置
Hu et al. Low-voltage Power Supply Network Topology Identification Based on Measurement Data
CN115149641A (zh) 考虑三相不对称的二次型正交变换状态估计方法及系统
Bais et al. Faulty line localization in ieee 30 bus system using cnn-lstm
CN116093952B (zh) 一种暂态电压稳定监视母线分析方法
Linghua et al. Research on the algorithm model of predicting line loss diagnosis based on computer multiple linear regression
Miao et al. Topology Identification in LV Distribution Network Based on SAE and Modified DBSCAN

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