CN118330319B - 干线式低压配电台区的相位辨识方法及系统、设备、介质 - Google Patents
干线式低压配电台区的相位辨识方法及系统、设备、介质 Download PDFInfo
- Publication number
- CN118330319B CN118330319B CN202410748821.7A CN202410748821A CN118330319B CN 118330319 B CN118330319 B CN 118330319B CN 202410748821 A CN202410748821 A CN 202410748821A CN 118330319 B CN118330319 B CN 118330319B
- Authority
- CN
- China
- Prior art keywords
- phase
- correlation
- lists
- list
- electric meter
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000009826 distribution Methods 0.000 title claims abstract description 44
- 230000002776 aggregation Effects 0.000 claims abstract description 51
- 238000004220 aggregation Methods 0.000 claims abstract description 51
- 238000010219 correlation analysis Methods 0.000 claims abstract description 32
- 230000002068 genetic effect Effects 0.000 claims abstract description 28
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 27
- 238000004590 computer program Methods 0.000 claims description 19
- 230000004931 aggregating effect Effects 0.000 claims description 12
- 230000005611 electricity Effects 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 12
- 238000003860 storage Methods 0.000 claims description 9
- 230000006978 adaptation Effects 0.000 claims description 7
- 230000035772 mutation Effects 0.000 claims description 6
- 230000000737 periodic effect Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 abstract description 7
- 238000005457 optimization Methods 0.000 abstract description 5
- 230000006870 function Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 230000004048 modification Effects 0.000 description 6
- 238000012986 modification Methods 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000006116 polymerization reaction Methods 0.000 description 1
- 230000000379 polymerizing effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种干线式低压配电台区的相位辨识方法及系统、设备、介质,其考虑到干线式低压配电台区存在供电线路长、线损大、电压降明显的特点,采用三相电表进行电压相关性分析得到每个三相电表每一相对应的相关性列表,以台区内的所有三相电表作为中介实现了电表相位的初步分类,提高了干线式低压配电台区相位辨识的准确度。另外,将所有的相关性列表聚合为多个相关性聚合列表,减少了后续遗传算法优化求解的计算量,提高了识别效率,基于能量守恒定律将多个相关性聚合列表随机排列组合为三个分列表,利用遗传算法求解最优排列组合,即使在分布式光伏出力占据极大成分的台区内,也不受到三相平衡的影响,仍然可以准确地识别出所有电表的相位。
Description
技术领域
本发明涉及台区相位识别技术领域,特别地,涉及一种干线式低压配电台区的相位辨识方法及系统、电子设备、计算机可读取的存储介质。
背景技术
在电力系统中,电表是用于测量电能消耗的重要设备,通常分为单相电表和三相电表,在一个台区的总表下连接了许多电表,用于测量该相线路下用户的用电情况。在电力系统监测与管理中,需要对电表数据进行处理和分析,以了解电能的使用情况和效率,以及发现和解决电力系统的问题,为此,需要对电表进行分类,区分单相用户和三相用户,并且识别用户的相位信息。目前,现有的相位识别方法主要包括人工辨识方法和自动辨识方法,其中,人工辨识方法通过查看电表的标签、型号、位置等信息来判断电表的类型和相位,存在效率低、成本高、无法实时更新的缺点,而自动辨识方法一般是通过对待识别电表和总表的电压数据进行电压相关性分析,然后筛选出相关性最大的总表相位作为待识别电表的相位。但是,对于干线式低压配电台区而言,其具有较长的供电线路,导致在电力传输过程中会出现显著的电压降和线损,尤其在负荷较重时,电压降和线损会随着线路距离的增加而加剧,这种现象在远离变压器的用户中尤为明显,同时,电网的电压波动和不平衡负荷也会引起电压和功率特性的显著变化,使得待识别电表与总表之间的电压相关性较弱,从而导致基于电压相关性的负荷辨识方法的识别准确率较低。而且,随着分布式能源大量接入台区,分布式光伏的出力在台区负荷中占据极大部分,由于光伏出力有着三相功率一致的特点,导致低压台区变压器的三相非常平衡,即总表的三相电压十分接近,很难通过与总表的三相进行电压相关性分析来判断待识别电表的相位,进一步降低了现有基于电压相关性的负荷辨识方法的识别准确率。
发明内容
本发明提供了一种干线式低压配电台区的相位辨识方法及系统、电子设备、计算机可读取的存储介质,大大提高了干线式低压配电台区相位辨识的准确度,即使在分布式光伏出力占据极大成分的台区内,也不受到三相平衡的影响,仍然可以准确地识别出所有电表的相位。
根据本发明的一个方面,提供一种干线式低压配电台区的相位辨识方法,包括以下内容:
周期性采集台区内总表和待识别电表的电压数据和功率数据,其中,所述待识别电表包括单相电表和三相电表;
基于三相电表的三相电压数据分别与每个单相电表的单相电压数据、其余三相电表的三相电压数据、总表的三相电压数据进行相关性分析,构建得到每个三相电表每一相对应的相关性列表;
对所有的相关性列表进行聚合,得到多个相关性聚合列表;
将多个相关性聚合列表随机排列组合为三个分列表,并利用遗传算法求解最优排列组合,并根据最优排列组合获得所有待识别电表的相位信息。
进一步地,所述利用遗传算法求解最优排列组合的过程包括以下内容:
随机生成N个个体作为初始种群,每个个体表示三个分列表的排列组合方式;
计算个体适应度;
判断是否迭代终止,若终止则输出最优个体,若不终止则继续执行后续步骤;
进行选择、交叉和变异操作以生成新一代种群;
不断迭代上述步骤,满足迭代终止条件后输出最优个体。
进一步地,基于下式计算个体适应度:
其中,表示适应度,为常数,表示均方根误差的平均值,
表示第一个分列表的功率和与总表A相的功率之间的均方根误差,表示第二个分列
表的功率和与总表B相的功率之间的均方根误差,表示第三个分列表的功率和与总
表C相的功率之间的均方根误差,在计算每个分列表的功率和时,需要剔除掉总表对应的虚
拟单相表的功率数据。
进一步地,所述基于三相电表的三相电压数据分别与每个单相电表的单相电压数据、其余三相电表的三相电压数据、总表的三相电压数据进行相关性分析,构建得到每个三相电表每一相对应的相关性列表的过程包括以下内容:
将总表和三相电表的三相视为三个虚拟单相表,并基于所有虚拟单相表和单相电表构建总列表,将每个三相电表对应的三个虚拟单相表与总列表中的所有单相表进行电压相关性分析,其中,总列表中的单相表包括虚拟单相表和单相电表,若某个单相表与三相电表的其中一个虚拟单相表的相关性连续n天大于其与另外两个虚拟单相表的相关性,则判定该单相表与对应的虚拟单相表属于同一相,从而构建得到每个三相电表每一相对应的相关性列表。
进一步地,基于下式计算电压相关性:
其中,表示基于第m天的电压数据计算得到的电压相关性,k表示一天内采集电
压数据的时刻数量,和分别表示一天内第i个时刻采集的电表x和电表y的电压数据,
和分别表示电表x和电表y一天内电压数据的平均值。
进一步地,所述对所有的相关性列表进行聚合,得到多个相关性聚合列表的过程包括以下内容:
若两个相关性列表中有相同元素则将两个相关性列表合并,从而对所有的相关性列表进行聚合化简,得到多个相关性聚合列表。
进一步地,周期性采集频率为每15min采集一次。
另外,本发明还提供一种干线式低压配电台区的相位辨识系统,包括:
数据采集模块,用于周期性采集台区内总表和待识别电表的电压数据和功率数据,其中,所述待识别电表包括单相电表和三相电表;
相关性分析模块,用于基于三相电表的三相电压数据分别与每个单相电表的单相电压数据、其余三相电表的三相电压数据、总表的三相电压数据进行相关性分析,构建得到每个三相电表每一相对应的相关性列表;
列表聚合模块,用于对所有的相关性列表进行聚合,得到多个相关性聚合列表;
相位辨识模块,用于将多个相关性聚合列表随机排列组合为三个分列表,并利用遗传算法求解最优排列组合,并根据最优排列组合获得所有待识别电表的相位信息。
另外,本发明还提供一种电子设备,包括处理器和存储器,所述存储器中存储有计算机程序,所述处理器通过调用所述存储器中存储的所述计算机程序,用于执行如上所述的方法的步骤。
另外,本发明还提供一种计算机可读取的存储介质,用于存储进行干线式低压配电台区相位辨识的计算机程序,所述计算机程序在计算机上运行时执行如上所述的方法的步骤。
本发明具有以下有益效果:
本发明的干线式低压配电台区的相位辨识方法,先基于三相电表的三相电压数据分别与每个单相电表的单相电压数据、其余三相电表的三相电压数据和总表的三相电压数据进行相关性分析,从而识别与每个三相电表的每个相位归属于同一相位的单相电表、其余三相电表的单相表和总表的单相表,从而构建得到每个三相电表每一相对应的相关性列表。然后,对所有的相关性列表进行聚合,得到多个相关性聚合列表,再将多个相关性聚合列表随机排列组合为三个分列表,并利用遗传算法求解最优排列组合,即可根据最优排列组合获得所有待识别电表的相位信息,可以快速、准确地识别出干线式低压配电台区内所有单相电表和三相电表的相位信息。本发明的相位辨识方法,考虑到干线式低压配电台区存在供电线路长、线损大、电压降明显的特点,而三相电表位于台区供电线路的中间拓扑部分,三相电表与总表、单相表之间的电压降和电压相关性受线损的影响较小,故而采用三相电表进行电压相关性分析得到每个三相电表每一相对应的相关性列表,以台区内的所有三相电表作为中介实现了电表相位的初步分类,相比于现有采用总表和单相表进行电压相关性分析获得相位辨识结果的方式,大大提高了干线式低压配电台区相位辨识的准确度。另外,将所有的相关性列表聚合为多个相关性聚合列表,减少了后续遗传算法优化求解的计算量,提高了识别效率,并且基于能量守恒定律,将多个相关性聚合列表随机排列组合为三个分列表,利用遗传算法求解最优排列组合,即使在分布式光伏出力占据极大成分的台区内,也不受到三相平衡的影响,仍然可以准确地识别出所有电表的相位。
另外,本发明的干线式低压配电台区的相位辨识系统同样具有上述优点。
除了上面所描述的目的、特征和优点之外,本发明还有其它的目的、特征和优点。下面将参照图,对本发明作进一步详细的说明。
附图说明
构成本申请的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是本申请优选实施例的干线式低压配电台区的相位辨识方法的流程示意图。
图2是本申请另一实施例的干线式低压配电台区的相位辨识系统的模块结构示意图。
具体实施方式
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
参照图1,本申请的优选实施例提供了一种干线式低压配电台区的相位辨识方法,包括以下内容:
步骤S1:周期性采集台区内总表和待识别电表的电压数据和功率数据,其中,所述待识别电表包括单相电表和三相电表;
步骤S2:基于三相电表的三相电压数据分别与每个单相电表的单相电压数据、其余三相电表的三相电压数据、总表的三相电压数据进行相关性分析,构建得到每个三相电表每一相对应的相关性列表;
步骤S3:对所有的相关性列表进行聚合,得到多个相关性聚合列表;
步骤S4:将多个相关性聚合列表随机排列组合为三个分列表,并利用遗传算法求解最优排列组合,并根据最优排列组合获得所有待识别电表的相位信息。
可以理解,本实施例的干线式低压配电台区的相位辨识方法,先基于三相电表的三相电压数据分别与每个单相电表的单相电压数据、其余三相电表的三相电压数据和总表的三相电压数据进行相关性分析,从而识别与每个三相电表的每个相位归属于同一相位的单相电表、其余三相电表的单相表和总表的单相表,从而构建得到每个三相电表每一相对应的相关性列表。然后,对所有的相关性列表进行聚合,得到多个相关性聚合列表,再将多个相关性聚合列表随机排列组合为三个分列表,并利用遗传算法求解最优排列组合,即可根据最优排列组合获得所有待识别电表的相位信息,可以快速、准确地识别出干线式低压配电台区内所有单相电表和三相电表的相位信息。本发明的相位辨识方法,考虑到干线式低压配电台区存在供电线路长、线损大、电压降明显的特点,而三相电表位于台区供电线路的中间拓扑部分,三相电表与总表、单相表之间的电压降和电压相关性受线损的影响较小,故而采用三相电表进行电压相关性分析得到每个三相电表每一相对应的相关性列表,以台区内的所有三相电表作为中介实现了电表相位的初步分类,相比于现有采用总表和单相表进行电压相关性分析获得相位辨识结果的方式,大大提高了干线式低压配电台区相位辨识的准确度。另外,将所有的相关性列表聚合为多个相关性聚合列表,减少了后续遗传算法优化求解的计算量,提高了识别效率,并且基于能量守恒定律,将多个相关性聚合列表随机排列组合为三个分列表,利用遗传算法求解最优排列组合,即使在分布式光伏出力占据极大成分的台区内,也不受到三相平衡的影响,仍然可以准确地识别出所有电表的相位。
可以理解,在所述步骤S1中,每隔固定时间采集一次台区内总表和每个三相电表的三相电压数据和三相功率数据,以及每个单相电表的单相电压数据和单相功率数据,此时,总表的相位信息是已知的,而每个单相电表和三相电表的相位信息待识别。可选地,周期性采集的频率为每15min采集一次,一天共采集96次,采集28天,以保证有充足的数据进行分析。当然,在本发明的其它实施例中,也可以选择每30min采集一次或者每1h采集一次,具体可以根据需要进行选择,在此不做具体限定。
可以理解,在所述步骤S2中,所述基于三相电表的三相电压数据分别与每个单相电表的单相电压数据、其余三相电表的三相电压数据、总表的三相电压数据进行相关性分析,构建得到每个三相电表每一相对应的相关性列表的过程包括以下内容:
将总表和三相电表的三相视为三个虚拟单相表,并基于所有虚拟单相表和单相电表构建总列表,将每个三相电表对应的三个虚拟单相表与总列表中的所有单相表进行电压相关性分析,其中,总列表中的单相表包括虚拟单相表和单相电表,若某个单相表与三相电表的其中一个虚拟单相表的相关性连续n天大于其与另外两个虚拟单相表的相关性,则判定该单相表与对应的虚拟单相表属于同一相,从而构建得到每个三相电表每一相对应的相关性列表。
具体地,将总表的三相和所有三相电表的三相均视为三个虚拟单相表,例如,总表的A、B、C三相则分别对应着三个虚拟单相表,每个虚拟单相表都有自己对应的单相电压数据和单相功率数据,并构建一个由单相表组成的总列表,单相表即包括所有的虚拟单相表和单相电表。然后,针对每一个三相电表的三个虚拟单相表的电压数据与总列表中所有单相表进行连续n天的电压相关性分析,如果连续n天,某个单相表与该三相电表的其中一个虚拟单相表之间的相关性大于其与另外两个虚拟单相表之间的相关性,则意味着该单相表与该三相电表的对应虚拟单相表属于同一相位。例如,若某个三相电表的三个虚拟单相表分别为A1、A2、A3,如果连续n天,某个单相表与虚拟单相表A1的相关性大于其与虚拟单相表A2、A3的相关性,则判定该单相表与虚拟单相表A1属于同一相位,但此时仍然无法判断具体的相位信息,即无法判定该单相表和虚拟单相表A1属于总表A\B\C三相中的哪一相。接着,对所有的三相电表进行上述相关性分析,可以构建出每个三相电表的每一相对应的相关性列表,而每个相关性列表中所包含的所有单相表(包括虚拟单相表和单相电表)即与该相属于同一相位,从而可以实现台区电表相位的初步分类。
可以理解,本发明考虑到干线式低压配电台区存在供电线路长、线损大、电压降明显的特点,而三相电表位于台区供电线路的中间拓扑部分,三相电表与总表、单相表之间的电压降和电压相关性受线损的影响较小,故而采用三相电表进行电压相关性分析得到每个三相电表每一相对应的相关性列表,以台区内的所有三相电表作为中介实现了电表相位的初步分类,相比于现有采用总表和单相表进行电压相关性分析直接获得相位辨识结果的方式,大大提高了干线式低压配电台区相位辨识的准确度。
其中,具体基于下式计算电压相关性:
其中,表示基于第m天的电压数据计算得到的电压相关性,即皮尔逊相关系数,k
表示一天内采集电压数据的时刻数量,和分别表示一天内第i个时刻采集的电表x和电
表y的电压数据,和分别表示电表x和电表y一天内电压数据的平均值。的取值在-1到
1之间,0表示无线性相关,正值表示正相关,负值表示负相关,绝对值越大表示相关程度越
强。当然,在本发明的其它实施例中,也可以采用余弦距离公式来计算电压相关性,余弦值
越接近1表示相似度越高,相关性越强,余弦值越接近0表示相似度越小,相关性越弱。
可以理解,在所述步骤S3中,所述对所有的相关性列表进行聚合,得到多个相关性聚合列表的过程包括以下内容:
若两个相关性列表中有相同元素则将两个相关性列表合并,从而对所有的相关性列表进行聚合化简,得到多个相关性聚合列表。
例如,对于三相电表y1和y2,经过步骤S2的相关性分析后得到其每相对应的相关性
列表为:、,其中,为单相电表,分别表示三相电表y1的三个虚拟单相表,分别表示三相电表y2的
三个虚拟单相表。可以看出,在和所对应的相关性列表中有相同的元素和,所
以可以将和的相关性列表聚合;在和所对应的相关性列表中有相同的元素,所以可以将和的相关性列表聚合;在和所对应的相关性列表中有相同的
元素,所以可以将和的相关性列表聚合。聚合化简后得到的相关性聚合列表可表
示为:。
可以理解,本发明在通过相关性分析得到每个三相电表每一相的相关性列表后,考虑到台区内三相电表的数量较多,且每个三相电表对应着三个相关性列表,相关性列表的数量较多,采用相同元素合并列表的方式实现了相关性列表的聚合化简,将若干个相关性列表聚合为多个相关性聚合列表,极大地减少后续遗传算法寻优求解的组合方式,大大减少了计算量、提高了迭代效率,有利于快速实现相位辨识。
可以理解,在所述步骤S4中,本发明基于能量守恒定律,某一时刻台区总表的功率必然等于台区内所有消耗功率的设备功率之和(不考虑线损),因此,通过将聚合后得到的多个相关性聚合列表随机排列组合为三个分列表,三个分列表则对应着三相,再利用遗传算法求解最优排列组合,即可基于最优排列组合得到所有待识别电表的相位信息。其中,所述利用遗传算法求解最优排列组合的过程包括以下内容:
生成初始种群:随机生成N个个体作为初始种群,每个个体表示三个分列表的排列组合方式;
计算个体适应度;
判断是否迭代终止,若终止则输出最优个体,若不终止则继续执行后续步骤;
进行选择、交叉和变异操作以生成新一代种群;
不断迭代上述步骤,满足迭代终止条件后输出最优个体。
具体地,将排列组合方式表示为一个个体,每一个个体即代表着一种三个分列表的排列组合方式,每一个个体都有可能是最优解,为了确保多样性,每个个体应随机选择不同的相关性聚合列表编码进行组合。
然后,基于下式计算个体适应度:
其中,表示适应度,为非常小的常数,以避免分母为0的情况,通常取10-6,表示均方根误差的平均值,表示第一个分列表的功率和与总表A相的功
率之间的均方根误差,表示第二个分列表的功率和与总表B相的功率之间的均方根
误差,表示第三个分列表的功率和与总表C相的功率之间的均方根误差,在计算每个
分列表的功率和时,需要剔除掉总表对应的虚拟单相表的功率数据。
可以理解,适应度函数是用来评价个体优劣的函数,本发明采用值的倒
数作为适应度函数,值越小,适应度越高,而值越小,即使在线损的影响
下,也意味着三个分列表的组合方式越接近真实情况,通过筛选出适应度最大、值
越小的个体,则该个体对应的组合方式就是台区实际的相位分布情况,
例如,假设PA、PB、PC分别表示总表中A相、B相、C相的功率数据,从而可以获得总表每一相的功率数据集,每个数据集包括28×96个数据点。假设S1、S2、S3分别表示个体中三个分列表的功率和数据,每个分列表对应一个假设的相位(待识别),同样可以获得三个分列表的功率和数据集,每个数据集也包括28×96个数据点。需要注意的是,在计算每个分列表的功率和时,需要剔除掉总表对应的虚拟单相表的功率数据,否则会影响RMSE值的计算准确度。对于总表的A、B、C三个相位,分别基于下式计算RMSE值:
再将三个RMSE值合并为一个综合度量值,使用平均RMSE计算方法:
。
然后,定义适应度函数为。
可以理解,遗传算法中的选择操作、交叉操作、变异操作等步骤均属于现有技术,在此不再赘述。例如,选择操作可以采用锦标赛选择方法,适应度高的个体被选中的几率更高,以此来繁殖下一代;变异操作选择随机变异,每个分列表内部的元素可以随机替换或重排,以增加遗传多样性。
可以理解,经过迭代求解后得到最优个体,即可根据最优个体所对应的分列表的排列组合方式得到所有待识别电表的相位信息。例如,经过步骤S3聚合后得到的相关性聚合列表的编号为1、2、3、4、5、6、7,在经过遗传算法迭代优化求解后得到最优个体所对应的排列组合方式为[1,3,4,5,6]、[2]、[7],则意味着相关性聚合列表1、3、4、5、6聚合为一个分列表,相关性聚合列表2为一个分列表,相关性聚合列表7为一个分列表,若在RMSEtotal最小时,分列表[1,3,4,5,6]与总表的A相对应、分列表[2]与总表的B相对应、分列表[7]与总表的C相对应,则判定分列表[1,3,4,5,6]中包含的所有电表均属于A相、分列表[2] 中包含的所有电表均属于B相、分列表[7] 中包含的所有电表均属于C相。
可以理解,本发明通过将多个相关性聚合列表随机排列组合为三个分列表,此处有很多种排列组合方式,并基于RMSE值的度量方式来构建遗传算法中的适应度函数,使得最优个体对应的RMSE平均值最小,从而基于最优个体对应的最优组合方式即可一次性获得所有待识别电表的相位信息,相比于现有逐一采用单个电表与总表进行相关性计算的方式,本发明可以一次性识别出所有单相电表和三相电表的相位信息,大大提高了识别效率,并且,本发明基于RMSE值采用遗传算法进行寻优,即使在分布式光伏出力占据极大成分的台区内,也不受到三相平衡的影响,提高了相位辨识精度。
可以理解,为了更好地解释说明本发明的技术构思,接下来以具体实例进行示例性说明。假设有一个干线式低压配电台区,其包含1个总表(标记为X)、50个三相电表(表号标记为A、B、C、……),以及100个单相电表(标记为1、2、3、4、5、……),采用本发明的相位辨识方法识别台区相位拓扑关系。
步骤1,数据采集:先设定在28天内,每15分钟收集总表X(三相表示为X1,X2,X3)、50个三相电表A、B、C、……以及100个单相电表的电压和功率数据。
步骤2,相关性分析:对于每个三相电表,例如三相电表A,将其三个相位视为三个虚拟单相表,分别表示为A1、A2,、A3,其余的三相电表B、C、……和总表X同理。计算28天内,虚拟单相表A1与所有单相电表和虚拟单相表(A1、A2、A3、B1、B2、B3、C1、C2、C3、X1、X2、X3、1、2、3、4、5、……)的每一天电压数据的皮尔逊相关系数,重复此过程对虚拟单相表A2和虚拟单相表A3进行同样的计算。如果发现,单相电表3与虚拟单相表A1的相关系数在28天内始终高于与虚拟单相表A2和虚拟单相表A3的相关系数,则判定单相电表3与虚拟单相表A1相位匹配。重复以上过程对电表B、C、X、…..执行相同的分析。
步骤3,合并聚合:假设得到以下相关性列表:
与虚拟单相表A1相位关联:单相电表3, 5
与虚拟单相表B1相位关联:单相电表1, 3
与虚拟单相表C1相位关联:单相电表2, 4
......
注意到单相电表3同时出现在虚拟单相表A1和虚拟单相表B1的相关性列表中,将它们进行聚合。
最终聚合结果可能是:
列表1: 电表A1/ B1, 单相电表1, 3, 5
列表2: 电表C1, 单相电表2, 4
...
列表n: .......。
步骤4:根据遗传算法求解找到最优组合方式:
假设经上述步骤3聚合之后得到了100个相关性聚合列表,根据列表中的表号找到对应的功率数据求每个列表的功率和,100个相关性聚合列表为S1、S2、S3、……、S100 ,以上每个列表里有28×96个数(连续28天,每15分钟采集一次数据,一天采96次),且每个列表的功率和不含总表的功率;而总表的三相功率列表Po=[ P1 P2 P3],以上每个列表P1、P2、P3里都有28×96个数(连续28天,每15分钟采集一次数据,一天采96次)。再采用遗传算法进行求解,输出最优个体,基于最优个体对应的最优排列组合方式即可得到所有待识别单相电表和三相电表的相位信息,例如,最终可能得到一个这样的个体与总表三相计算的RMSEtotal最小,最优个体:([S1,S2,S3,......S71],[S72,S73,......S99],[S100]),计算RMSEtotal时个体中列表[S1,S2,S3,......S71]与P1对应,列表[S72,S73,......S99]与P2对应,列表[S100]与P3对应;而总表的三个功率相位是已知的:P1是A相电,P2是B相电,P3是C相电,那么可以得到台区拓扑相位识别的结果:列表[S1,S2,S3,......S71]包含的所有电表均隶属于A相,列表[S72,S73,......S99]包含的所有电表均隶属于B相,列表[S100]包含的所有电表均隶属于C相。
另外,如图2所示,本发明的另一实施例还提供一种干线式低压配电台区的相位辨识系统,优选采用如上所述的相位辨识方法,该系统包括:
数据采集模块,用于周期性采集台区内总表和待识别电表的电压数据和功率数据,其中,所述待识别电表包括单相电表和三相电表;
相关性分析模块,用于基于三相电表的三相电压数据分别与每个单相电表的单相电压数据、其余三相电表的三相电压数据、总表的三相电压数据进行相关性分析,构建得到每个三相电表每一相对应的相关性列表;
列表聚合模块,用于对所有的相关性列表进行聚合,得到多个相关性聚合列表;
相位辨识模块,用于将多个相关性聚合列表随机排列组合为三个分列表,并利用遗传算法求解最优排列组合,并根据最优排列组合获得所有待识别电表的相位信息。
可以理解,本实施例的干线式低压配电台区的相位辨识系统,先基于三相电表的三相电压数据分别与每个单相电表的单相电压数据、其余三相电表的三相电压数据和总表的三相电压数据进行相关性分析,从而识别与每个三相电表的每个相位归属于同一相位的单相电表、其余三相电表的单相表和总表的单相表,从而构建得到每个三相电表每一相对应的相关性列表。然后,对所有的相关性列表进行聚合,得到多个相关性聚合列表,再将多个相关性聚合列表随机排列组合为三个分列表,并利用遗传算法求解最优排列组合,即可根据最优排列组合获得所有待识别电表的相位信息,可以快速、准确地识别出干线式低压配电台区内所有单相电表和三相电表的相位信息。本发明的相位辨识系统,考虑到干线式低压配电台区存在供电线路长、线损大、电压降明显的特点,而三相电表位于台区供电线路的中间拓扑部分,三相电表与总表、单相表之间的电压降和电压相关性受线损的影响较小,故而采用三相电表进行电压相关性分析得到每个三相电表每一相对应的相关性列表,以台区内的所有三相电表作为中介实现了电表相位的初步分类,相比于现有采用总表和单相表进行电压相关性分析获得相位辨识结果的方式,大大提高了干线式低压配电台区相位辨识的准确度。另外,将所有的相关性列表聚合为多个相关性聚合列表,减少了后续遗传算法优化求解的计算量,提高了识别效率,并且基于能量守恒定律,将多个相关性聚合列表随机排列组合为三个分列表,利用遗传算法求解最优排列组合,即使在分布式光伏出力占据极大成分的台区内,也不受到三相平衡的影响,仍然可以准确地识别出所有电表的相位。
另外,本发明的另一实施例还提供一种电子设备,包括处理器和存储器,所述存储器中存储有计算机程序,所述处理器通过调用所述存储器中存储的所述计算机程序,用于执行如上所述的方法的步骤。
另外,本发明的另一实施例还提供一种计算机可读取的存储介质,用于存储进行干线式低压配电台区相位辨识的计算机程序,所述计算机程序在计算机上运行时执行如上所述的方法的步骤。
一般计算机可读取存储介质的形式包括:软盘(floppy disk)、可挠性盘片(flexible disk)、硬盘、磁带、任何其余的磁性介质、CD-ROM、任何其余的光学介质、打孔卡片(punch cards)、纸带(paper tape)、任何其余的带有洞的图案的物理介质、随机存取存储器(RAM)、可编程只读存储器(PROM)、可抹除可编程只读存储器(EPROM)、快闪可抹除可编程只读存储器(FLASH-EPROM)、其余任何存储器芯片或卡匣、或任何其余可让计算机读取的介质。指令可进一步被一传输介质所传送或接收。传输介质这一术语可包含任何有形或无形的介质,其可用来存储、编码或承载用来给机器执行的指令,并且包含数字或模拟通信信号或其与促进上述指令的通信的无形介质。传输介质包含同轴电缆、铜线以及光纤,其包含了用来传输一计算机数据信号的总线的导线。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。本申请实施例中的方案可以采用各种计算机语言实现,例如,面向对象的程序设计语言Java和直译式脚本语言JavaScript等。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种干线式低压配电台区的相位辨识方法,其特征在于,包括以下内容:
周期性采集台区内总表和待识别电表的电压数据和功率数据,其中,所述待识别电表包括单相电表和三相电表;
基于三相电表的三相电压数据分别与每个单相电表的单相电压数据、其余三相电表的三相电压数据、总表的三相电压数据进行相关性分析,构建得到每个三相电表每一相对应的相关性列表;
对所有的相关性列表进行聚合,得到多个相关性聚合列表;
将多个相关性聚合列表随机排列组合为三个分列表,并利用遗传算法求解最优排列组合,并根据最优排列组合获得所有待识别电表的相位信息。
2.如权利要求1所述的干线式低压配电台区的相位辨识方法,其特征在于,所述利用遗传算法求解最优排列组合的过程包括以下内容:
随机生成N个个体作为初始种群,每个个体表示三个分列表的排列组合方式;
计算个体适应度;
判断是否迭代终止,若终止则输出最优个体,若不终止则继续执行后续步骤;
进行选择、交叉和变异操作以生成新一代种群;
不断迭代上述步骤,满足迭代终止条件后输出最优个体。
3.如权利要求2所述的干线式低压配电台区的相位辨识方法,其特征在于,基于下式计算个体适应度:
;
其中,表示适应度,为常数,表示均方根误差的平均值,表示第一个分列表的功率和与总表A相的功率之间的均方根误差,表示第二个分列表的功率和与总表B相的功率之间的均方根误差,表示第三个分列表的功率和与总表C相的功率之间的均方根误差,在计算每个分列表的功率和时,需要剔除掉总表对应的虚拟单相表的功率数据。
4.如权利要求1所述的干线式低压配电台区的相位辨识方法,其特征在于,所述基于三相电表的三相电压数据分别与每个单相电表的单相电压数据、其余三相电表的三相电压数据、总表的三相电压数据进行相关性分析,构建得到每个三相电表每一相对应的相关性列表的过程包括以下内容:
将总表和三相电表的三相视为三个虚拟单相表,并基于所有虚拟单相表和单相电表构建总列表,将每个三相电表对应的三个虚拟单相表与总列表中的所有单相表进行电压相关性分析,其中,总列表中的单相表包括虚拟单相表和单相电表,若某个单相表与三相电表的其中一个虚拟单相表的相关性连续n天大于其与另外两个虚拟单相表的相关性,则判定该单相表与对应的虚拟单相表属于同一相,从而构建得到每个三相电表每一相对应的相关性列表。
5.如权利要求4所述的干线式低压配电台区的相位辨识方法,其特征在于,基于下式计算电压相关性:
;
其中,表示基于第m天的电压数据计算得到的电压相关性,k表示一天内采集电压数据的时刻数量,和分别表示一天内第i个时刻采集的电表x和电表y的电压数据,和分别表示电表x和电表y一天内电压数据的平均值。
6.如权利要求1所述的干线式低压配电台区的相位辨识方法,其特征在于,所述对所有的相关性列表进行聚合,得到多个相关性聚合列表的过程包括以下内容:
若两个相关性列表中有相同元素则将两个相关性列表合并,从而对所有的相关性列表进行聚合化简,得到多个相关性聚合列表。
7.如权利要求1所述的干线式低压配电台区的相位辨识方法,其特征在于,周期性采集频率为每15min采集一次。
8.一种干线式低压配电台区的相位辨识系统,其特征在于,包括:
数据采集模块,用于周期性采集台区内总表和待识别电表的电压数据和功率数据,其中,所述待识别电表包括单相电表和三相电表;
相关性分析模块,用于基于三相电表的三相电压数据分别与每个单相电表的单相电压数据、其余三相电表的三相电压数据、总表的三相电压数据进行相关性分析,构建得到每个三相电表每一相对应的相关性列表;
列表聚合模块,用于对所有的相关性列表进行聚合,得到多个相关性聚合列表;
相位辨识模块,用于将多个相关性聚合列表随机排列组合为三个分列表,并利用遗传算法求解最优排列组合,并根据最优排列组合获得所有待识别电表的相位信息。
9.一种电子设备,其特征在于,包括处理器和存储器,所述存储器中存储有计算机程序,所述处理器通过调用所述存储器中存储的所述计算机程序,用于执行如权利要求1~7任一项所述的方法的步骤。
10.一种计算机可读取的存储介质,用于存储进行干线式低压配电台区相位辨识的计算机程序,其特征在于,所述计算机程序在计算机上运行时执行如权利要求1~7任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410748821.7A CN118330319B (zh) | 2024-06-12 | 2024-06-12 | 干线式低压配电台区的相位辨识方法及系统、设备、介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410748821.7A CN118330319B (zh) | 2024-06-12 | 2024-06-12 | 干线式低压配电台区的相位辨识方法及系统、设备、介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN118330319A CN118330319A (zh) | 2024-07-12 |
CN118330319B true CN118330319B (zh) | 2024-08-13 |
Family
ID=91771120
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410748821.7A Active CN118330319B (zh) | 2024-06-12 | 2024-06-12 | 干线式低压配电台区的相位辨识方法及系统、设备、介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118330319B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107271946A (zh) * | 2017-06-01 | 2017-10-20 | 宁波迦南智能电气股份有限公司 | 一种电能表相位识别方法 |
CN107947206A (zh) * | 2017-12-20 | 2018-04-20 | 武汉大学 | 基于改进的nsga‑ii算法的三相配电网多目标优化方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8587290B2 (en) * | 2011-03-29 | 2013-11-19 | General Electric Company | Method, system and device of phase identification using a smart meter |
CN113258583A (zh) * | 2021-06-03 | 2021-08-13 | 国网江苏省电力有限公司营销服务中心 | 一种台区侧负荷用电优化方法 |
WO2023235798A2 (en) * | 2022-06-01 | 2023-12-07 | Kansas State University Research Foundation | Method for determination of phase labels in a three phase electric power distribution network |
-
2024
- 2024-06-12 CN CN202410748821.7A patent/CN118330319B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107271946A (zh) * | 2017-06-01 | 2017-10-20 | 宁波迦南智能电气股份有限公司 | 一种电能表相位识别方法 |
CN107947206A (zh) * | 2017-12-20 | 2018-04-20 | 武汉大学 | 基于改进的nsga‑ii算法的三相配电网多目标优化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN118330319A (zh) | 2024-07-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108376982B (zh) | 负载相序的识别方法及装置 | |
CN109102146B (zh) | 基于多参数线性规划的电力系统风险评估加速方法 | |
CN112149873B (zh) | 一种基于深度学习的低压台区线损合理区间预测方法 | |
CN104835018B (zh) | 中压配电网网架的可靠性评估方法及装置 | |
CN113283096B (zh) | 配网线路台账数据获取及异常数据分析的方法和相关装置 | |
CN113092935A (zh) | 一种识别小负荷线路拓扑的方法及系统、设备、存储介质 | |
CN111313403A (zh) | 一种基于马尔可夫随机场的低压配电系统网络拓扑识别方法 | |
CN113033617A (zh) | 一种基于大数据台区线损数据深度挖掘分析方法 | |
CN112508254B (zh) | 变电站工程项目投资预测数据的确定方法 | |
CN118330319B (zh) | 干线式低压配电台区的相位辨识方法及系统、设备、介质 | |
CN116128279A (zh) | 一种电网薄弱环节改造方法 | |
CN111864728A (zh) | 一种可重构配电网重要设备识别方法和系统 | |
CN115954956A (zh) | 一种配电网分布式电源接入容量评估方法及系统 | |
CN113806899B (zh) | 一种配电网拓扑关系的识别方法、装置及移动终端 | |
CN115494382A (zh) | 判断智能开关上下级关系的方法及系统、设备、存储介质 | |
CN115526393A (zh) | 一种基于变电工程关键影响因素筛选的造价预测方法 | |
CN115275975A (zh) | 一种光储充电站电力数据匹配度的确定方法及装置 | |
CN114465276A (zh) | 一种配电网风储联合优化配置方法及其相关装置 | |
CN115118015A (zh) | 一种基于融合终端的台区供电稳定性监测系统 | |
CN109871998B (zh) | 一种基于专家样本库的配电网线损率预测方法及装置 | |
CN113393099A (zh) | 配电网项目群价值指标评估方法、装置及终端设备 | |
CN118336725B (zh) | 三相四线制配电线路的台区拓扑识别方法及系统 | |
Hewage | Network optimization based load balancing technique for LV electricity distribution network | |
CN117117828A (zh) | 一种基于模拟数据的标准台区生成方法及系统 | |
CN115982974A (zh) | 一种基于rtds大电网等值模型的仿真分析方法及装置 |
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 |