基于数据关联分析的低压配电网拓扑识别方法

文中介绍了一种基于数据关联分析的低压配电网拓扑识别方法。基于低压配电网停电事件、恢复上电事件及地理位置信息将待识别低压配电网划分为单一配电变压器停电台区、由于10kV配电线路停电引起的多个配变停电台区和未停过电台区,在每类台区内筛选特征电压序列,并利用Tanimoto相似度系数计算各分组内配电变压器、分支箱、表箱、用户智能电表之间相关性和非相关性,从而实现低压配电网拓扑识别;结合同一配电变压器台区内停电与带电状态、停电时长、地理位置、供电半径等台区拓扑校验规则对识别出的拓扑进行校验。通过实际案例证明文章提出的方法能够解决现有基于大数据挖掘方法计算量大、计算结果不准确、无法校验等问题,实现了配电变压器台区拓扑的高效、准确识别,提升了配电网的信息化水平和数据质量。     

基于改进的皮尔逊相关系数的低压配电网拓扑结构校验方法

针对低压配电网拓扑结构人工校验成本高、实时性不强的问题,提出了一种基于皮尔逊相关系数和KNN算法的低压配电网拓扑结构纯软件在线校验方法。首先用皮尔逊相关系数判断用户电压序列曲线的相似性,通过相关系数算法校验台区户变关系的正确性,找出户变关系不正确的用户,进行再校验。对于需再校验的用户,基于GIS系统的数据和《配电网规划设计技术导则》剪辑生成用户样本集,运用KNN算法分析剪辑生成用户样本集,然后找出校验用户所属的正确台区。最后根据人工现场校验结果,判断算法校验的正确性。     

基于关联系数法的台户关系辨识研究

建立高效的台区拓扑辨识方法,有利于精细化管理台区线损、台区区域性停电检修。现有的台区拓扑辨识方法大多局限于人工排查,无法依托现有的电气数据进行高效排查。基于台区的监测数据快速发展,提出一种基于电压时间序列关联系数法的台区拓扑辨识方法。该方法依托电压时间序列数据,分别计算用户和低压配变的皮尔逊相关系数和改进T型关联度系数,进而计算总关联度系数,将总关联度系数最小的后20%用户视为异常用户并进行人工排查,从而提高台区拓扑辨识的识别效率。     

基于负荷特征传导的配电台区全状态精准感知与数字化应用

针对低压配电网存在的状态感知水平较低、数据共享挖掘不足等典型问题,结合能源互联网示范台区项目建设内容,以能源互联网的建设理念进行"信息支撑"和"价值创造"2方面的技术突破和应用.首先利用用户负荷特征和故障特征在低压电网中的纵、横向传导特性,构建台区的变、线、户、相位、电气阻抗完整拓扑信息,极大简化采集架构,完成台区全状态精准感知,实现宽带高速电力线载波在信息感知上的高效利用;同时提出数字化业务支撑能力框架,以数据为驱动,探索能源互联网示范台区在电网数字化管理、用户数字化服务和政府数字化治理3个方面的典型业务场景;通过南京的11个小区完成示范应用,拓扑识别准确率可达100％,阻抗计算准确率大于90％,同时试点的603户完成了数据挖掘共享.     

基于电压聚类和关联卷积的配电网户变关系识别方法

准确的低压配电网户变关系是电力营销管理和台区线损治理的重要基础,传统的户变关系识别方法排查成本高、识别效果欠佳,无法适用于规模日趋庞大的低压配电网.在此背景下,提出了一种基于智能电表量测数据和用户档案信息的低压配电网户变关系识别方法.首先利用用户地理位置信息实现邻近用户的初步合并,再基于GMM聚类算法对电压时序数据进行聚类划分,用户划分结果作为下一步的迭代初值.然后基于能量供需平衡建立配变与用户的关联卷积识别模型实现低压配电台区户变关系的辨识.最后,在实际的低压配电系统中验证了该方法在提升户变关系识别效率和准确率等方面具有显著优势,具备一定的实践应用价值和工程指导作用.     

基于分段电流特征和随机森林算法的低压配电网拓扑识别方法

低压配电网的拓扑结构对于实现台区线损分析、故障定位、需求响应等应用功能有着重要意义。针对当前低压配网户变关系在线识别难题,提出了一种基于分段电流特征和随机森林算法的低压配电网拓扑识别方法。首先,基于电流特性纵向传导机理,构建电流特征指标体系,并提出基于电流时间序列的分段特征提取方法。其次,根据分段电流特征生成特征向量集,建立基于随机森林算法的拓扑识别模型,可快速有效识别用户连接变压器关系。最后,利用实际配电网的量测数据进行算例分析,结果证明该方法拓扑识别准确率达到98.02%,所需样本时间短,能够快速有效地识别低压配网拓扑关系。     

基于量测信息的低压配电网阻抗拓扑模型构建

针对低压配电网阻抗拓扑模型不明确的问题,提出一种基于高级量测体系的低压配电网阻抗拓扑模型构建的在线识别方法。利用AMI提供的各用电用户电压数据,根据各负荷节点的电压相关性及辐射性网络节点电压分布特点,通过K-means聚类算法和用户间的皮尔逊电压相关系数分析原则,完成对低压配电网络拓扑模型的修正。根据修正后的台区拓扑结构中同一相别下智能电表所采集的序列数据,通过计算同一相别所有用户的相电压搭建优化问题模型,使得使用时间序列内不同电表数据计算得到的相电压矩阵方差最小,从而求得配电网线路阻抗参数,实现对配电网络的建模。通过实际算例验证了该方法的可行性和有效性。     

基于电压集群特性分析的台区户变关系校验方法

由于技术与管理的滞后,低压配电变压器(简称"配变")台区广泛存在变压器与用户(以下简称"户变")关系不准确问题,导致台区线损统计异常、停复电通知不及时等问题,严重制约了台区运维管理水平与客户用电满意度的提升。传统依靠人力梳理台区户变关系的方式难度大,成本高,且准确性难以保证。为此,通过研究低压用户电压时序的相似性,提出一种基于用户电压集群特性分析的低压配变台区户变关系校验方法。首先,通过研究用户电压时序变化机理,分析台区用户电压集群特性,在此基础上,根据用户间电压Pearson相关系数曲线的均值-方差分析,剔除台区档案中户变关系错误的用户;然后,基于地理信息系统,获取以目标台区为中心的邻近台区数据集,对户变关系错误的用户进行二次归属,将其归属到正确的台区档案中;最后,选取广东省某地市试点台区的实际数据作为分析样本,验证所提方法的有效性。     

基于台区用电功率跃变特征序列的拓扑识别方法

针对低压配电网台区长期存在的拓扑结构不清晰、更新滞后,人力维护工作量大等问题,提出了一种基于台区用电功率跃变特征序列的自动拓扑识别方法。该方法使用具备一定边缘计算能力的变压器智能采集终端与表箱智能采集终端采集分析台区用电特征信号序列,通过网络上送主站数据平台,再由主站数据平台做进一步分析运算,得出各台区下电表与变压器的从属关系,确定台区拓扑。根据试点小区实验效果,采用所述的拓扑识别系统,选取吻合度值5作为判断阈值,拓扑正确率能达99%以上,能够很好地划分出台区户变从属拓扑关系。该方法结合恰当的匹配阈值表现出较显著的拓扑识别成效,并降低了人力维护成本,具备在实际工程中推广应用的价值。     

基于DTW距离和聚类分析的配电台区低压拓扑结构辨识方法

针对低压配电台区拓扑结构中存在错误的问题,提出了一种基于动态时间弯曲(Dynamic Time Warping, DTW)距离和聚类分析的台区拓扑辨识方法。首先利用电压序列之间的DTW距离度量用户电压曲线之间的相似性,然后基于最小最大距离原则对用户电压曲线进行聚类分析,辨识低压用户所属台区,并对同一台区内的用户进行相别辨识。该方法能够对时间间隔不同、不等长的电压时间序列进行分析,对电压数据缺失或异常数据不敏感,且不需要人为设定阈值,拓扑结构辨识准确性高。算例仿真结果验证了所提方法的正确性与有效性。     

基于自适应分段云模型的单相用户相别辨识方法

针对低压配电台区拓扑结构中相别关系错误的问题,利用台区配电变压器低压侧相电压序列和用户电压序列的相似性,提出了一种基于自适应分段云模型的单相用户相别辨识方法.首先,利用云模型的数字特征刻画电压序列的数据分布;然后,利用自适应分段云模型算法自适应地确定电压序列的分段总数以及每个分段的起始时刻和结束时刻;最后,计算电压序列...     

基于离散弗雷歇距离的户变关系识别方法

针对高速电力线载波(HPLC)户变关系识别中的电表时钟漂移与共用零线台区识别信号串扰问题,提出了一种基于离散弗雷歇距离的户变关系识别方法。首先,构建配电台区户变关系辨识方法,在电压过零点时刻,向低压线路叠加改进多载波调频特征识别信号进行户变关系识别;其次,构建辨识特征数据清洗方法,消除辨识特征数据时间轴偏移对户变关系识别的影响;再次,构建户变关系校验方法,采用离散弗雷歇距离比较电表之间的电压曲线相似度,从而形成准确的户变关系,并建立配电台区由近及远的户变关系分布矩阵;最后,对中国四川某配电物联网示范区的现场应用结果表明,所述方法较HPLC户变关系识别准确度更高。     

基于T型灰色关联度和KNN算法的低压配电网台区拓扑识别方法

针对目前低压配电网台区拓扑存在记录不准确,人工排查成本高,准确率低的问题。提出了一种基于T型灰色关联度和K-最近邻(K-nearest Neighbor,KNN)算法的低压配电网拓扑自动识别方法。首先计算用户与所属台区电压的T型灰色关联度,对低于设定阈值的可疑用户用KNN算法判断所属台区,完成户变关系识别工作。然后计算新户变关系下用户之间电压的T型灰色关联度,结合拓扑结构图识别馈线中的可疑用户。最后找出与可疑用户最相关的用户,依据电压沿着馈线逐渐降低定位可疑用户在馈线中的位置。算例分析结果表明,该方法能自动识别用户所属台区和馈线,准确率高,实用性好。     

基于运行扰动数据分析的低压台区拓扑辨识方法研究

传统的低压台区拓扑识别方法具有精确度低、抗干扰能力差、效率低等一系列问题。针对上述问题,提出一种基于电流运行扰动数据的台区拓扑辨识方法。首先,利用改进的灰色关联分析法对测量终端采集的低压出线柜、分支箱、光力柜、表箱的电流扰动数据进行分析,计算低压台区不同部分数据的相关性,实现台区供电隶属关系识别。进而,通过电流确定台区中各部分的进出线连接关系,实现对台区拓扑的识别。算例结果表明,利用电流扰动数据进行台区拓扑辨识具有准确度高、效率高的特点,因此在实际应用更具价值与潜力。     

基于拓扑片的智能分布式馈线拓扑分析

馈线拓扑分析是实现馈线自动化的基础,智能分布式馈线自动化(Distributed Intelligent Feeder Automation,DIFA)的馈线拓扑分析由配电终端自主实现面临着巨大的挑战。首先研究了FA应用的馈线拓扑模型,把电源、线路、母线和负荷等电气元件抽象为节点,以开关为边-电气元件为节点的多叉树表示的馈线拓扑作为DIFA馈线拓扑模型。提出了基于拓扑片的馈线拓扑分散配置方法,把每个配电终端覆盖的区域定义为拓扑片,每个配电终端配置存储拓扑片信息。把拓扑片的邻接关系用配电终端的邻接关系来定义,并映射成开关邻接关系。在拓扑片的配置中显性配置开关邻接关系,隐性包含线路节点、母线节点和负荷节点。最后提出了拓扑片拼接的馈线拓扑静态分析方法。所提出的基于拓扑片的馈线拓扑分析方法适用于DIFA,由配电终端自主实现,具有分析速度快和配置简单的优势。     

基于DDTW距离与DBSCAN算法的户变关系识别方法

针对低压配电台区拓扑结构中户变关系缺失或异常的问题,提出了一种基于导数动态时间弯曲(DDTW)算法与基于密度的有噪空间聚类应用(DBSCAN)算法的户变关系识别方法.首先,采用DDTW算法对台区配电变压器(以下简称台变)低压侧电压和用户电压的时间序列进行相似性分析.然后,根据DDTW距离对台变和用户进行聚类得到户变关系的概率性结果,减小聚类算法参数对聚类结果的影响.该方法能够对时间间隔不同、不等长的电压时间序列进行分析,对电压数据缺失或异常不敏感,且不需要人为设定阈值,户变关系识别准确性高.最后,通过实例分析验证了所提方法的有效性.