基于BP神经网络的智能台区识别方法研究

为方便普查用户台区和相位信息,特别是解决跨台区用户信息识别难题,提出一种基于BP神经网络的智能台区用户信息识别方法并研制了该系统。系统由识别器和手持器两部分组成,通信方式采用电力载波通信技术,对于垮台区用户,依据系统和已识别用户之间的通信信号品质,选取隐藏层节点数为6的前向BP神经网络作为跨台区用户识别模型进行识别。MATLAB仿真和实际测试结果表明:该方法可有效解决跨台区通信串扰难题,能够智能识别用户台区和相位信息,同时具有识别准确性高、容差性能较好的优点,对提高台区用户信息识别准确性,减少工作量降低成本,具有重要意义。     

改进灰色关联分析在台区智能识别中的应用研究

配电台区用户接线方式繁多,线路拓扑结构和特征多样化,相邻台区之间存在通信串扰的问题,导致台区识别不准确,电能表抄读失败,严重制约着台区线损的准确计算,甚至引发供用电双方的计量纠纷,为解决上述问题,确保台区识别的准确性,针对台区智能电能表线路电压特征,提出了一种改进灰色关联分析的台区识别新方法,该方法克服了现有台区识别技术中存在的不足,通过分析未识别或跨台区电能表与已明确台区归属的电能表之间线路电压的关联度,摆脱了一定的主观判断性,实现台区智能识别。经实例测试表明,该方法能在复杂环境条件下准确进行台区识别,具有较高的实用价值。     

基于t-SNE降维和放射传播聚类算法的低压配电网相位识别

智能电表的广泛普及和高级测量体系（advancedmeteringinfrastructure,AMI）的建立为分析配电网运行情况提供了大量监测信息与测量数据，而台区用户的相位信息变动又为准确掌握台区运行情况带来难题。针对台区用户的相位识别问题，提出了一种基于用户电压数据的t分布随机邻接嵌入（t-distributed stochastic neighbor embedding,t-SNE）特征提取及放射传播（affinity propagation,AP）聚类算法的相位识别方法。先对提取出的用户电压数据进行Z-score数据标准化处理，由t-SNE降维提取出数据特征，再采用放射传播聚类算法对用户进行相位识别。选取某市2个小区进行算例分析，采用评价指标比较了不同识别方法的识别效果，并分析了数据采集频率和计量误差对识别效果的影响。实际台区算例分析验证了所提方法的准确性，说明所提方法能够有效解决台区用户相位识别问题。     

一种智能电能表台区归属自动判定方法

国家电网公司用电信息采集系统建设已经进入到深化应用阶段,要求智能电能表台区归属清晰明确。在TCC081C载波过零点通信的基础上,经过大量的现场数据采集,发现同台区同相位智能电能表的实际相位基本一致,不同台区智能电能表的实际相位有较大差异。提出了基于台区相线相位差异统计特征自动判定智能电能表台区归属的方法,并现场验证了该方法的正确性。可以有效解决长期困扰供电企业的台区负荷自动划分的难题。     

双模异构+超级电容通信技术在采集系统的应用研究

针对国网西藏电力有限公司存在用电信息采集成功率较低、台区户变关系混乱、台区线损较高、用户停电信息不能及时掌握、停电故障抢修时间较长等问题,提出双模+超级电容及存储器的通信技术,通过智能电表通信模块改造为高速窄带载波+微功率无线+超级电容及存储器的方式,实现智能电表停电事件主动上报、台区识别、相位识别等功能;同时对用电信息采集系统相关功能模块进行升级改造,在采集系统对现场所采集的数据进行分析应用。     

基于HPLC通信模块的智能电表深化应用研究

为解决传统窄带模块传输效率慢,信息量小,覆盖距离短,易受到干扰,传输过程容易发生丢包的问题,提出基于HPLC通信模块的智能电表深化应用,在低压客户电表停上电实时上报、低压客户电压电流高频采集与监测、台区拓扑信息、台区相位识别、台区户变关系识别、通信模块ID管理方面挖掘智能电表的的潜力,提高计量和采集业务的精益化管理水平,提升客户优质服务水平,提高数据资产利用价值。     

基于APAA和改进DBSCAN算法的户变关系及相位识别方法

随着低压台区线路改造升级,台区户变关系以及用户相位信息变动频繁。为解决因排查效率低、更新不及时等造成的户变相位档案错误问题,提出了一种基于电压特征提取和聚类算法的户变关系及相位识别方法。首先采用自适应分段聚合近似(adaptivepiecewiseaggregateapproximation,APAA)方法提取电压曲线特征,然后采用改进DBSCAN(density-based spatial clustering of application with noise)算法识别户变关系不匹配的用户,以及对户变关系正常用户进行相位识别,该改进方法通过自适应确定DBSCAN算法的参数和检验聚类结果中噪声用户的相关性,提高了算法聚类结果的准确度。实际台区算例分析验证了所提方法的准确性。     

基于t-SNE降维和BIRCH聚类的单相用户相位及表箱辨识

低压台区单相用户的相位及接入表箱信息的准确性对户变关系纠错和线损治理分析有重要影响。目前,拓扑档案的校验主要依靠电力员工现场排查,人力物力消耗大且排查效率低下。因此,亟需一种效率较高的低压台区拓扑档案校验方法。在此背景下,文中提出了一种基于智能电表电压数据的低压台区单相用户相位及接入表箱辨识方法,可以为低压台区的拓扑辨识及排查提供参考。首先,采用t分布的随机近邻嵌入(t-SNE)技术对原始负荷数据进行降维处理,解决台区用户原始负荷特征维度过高带来的冗余性问题;接着,应用BIRCH方法对降维后的负荷数据进行聚类,实现台区下单相用户所属相位和接入表箱的辨识。最后,以浙江省海宁市某台区为例进行验证,算例分析的结果表明所提模型具有可行性和有效性。     

多功能低压台区识别设备的研制

为了解决低压台区现场普查的需要,研制了一种基于工频负荷传输和准同步采样技术的多功能低压台区识别设备。该设备采用高速A/D交流采样与高速DSP数字处理技术结合基于MSW8532B2芯片的嵌入式处理系统,实现了低压台区用户档案归属、网络拓扑关系、用户设备用电相位和工作相序、三相用电负载平衡度、电网电压畸变系数、电网电压谐波分析等数据信息的测量、采集、存储及传输。     

基于改进K-means聚类和皮尔逊相关系数户变关系异常诊断

用电信息采集系统易出现台区户变关系错误问题,传统诊断技术主要针对少用户台区出现异常用户情况,但对于多达数百用户台区,存在多相邻台区异常用户特征提取难题。本文首先通过主成分分析对GIS系统获取台区总表和用户电表电压数据实现降维,建立改进K-means聚类提取电压数据特征,提出改进皮尔逊相关系数算法分析待检测用户,据此建立基于改进K-means聚类和改进皮尔逊相关系数的户变关系异常诊断方法,实现多异常用户所属正确台区诊断。实际算例分析结果表明,本文提出算法在识别同一台区一个及多个异常用户、不同台区多个异常用户情况下均能有效实现异常用户的准确检测与分析,相比传统检测方法,实现简单且准确性更高。     

基于红外通信的智能电能表信息核查仪的应用分析

介绍基于红外通信设备的变台户表信息核查仪对台区用户智能表信息进行采集,利用基于Android平台创建的App对采集到的表计信息自动汇总分析,实现台区户表档案信息的智能核查,应用情况可知该核查仪具有窃电嫌疑报警功能,可缩短现场工作时间,提升工作效率。     

基于用电信息采集数据的低压台区异常线损诊断新方法

低压配电网台区的线损分析对发现和解决异常线损问题,减小用电损失以及用户的精细化管理具有重要意义。文章基于全事件用电信息采集系统采集的真实台区数据,提出了一种新的低压台区线损诊断方法。该方法利用电网诊断规则对所采集的原始数据进行质量分析,并通过对台区线损特征地提取和分类,建立了基于电压信息的二分K-Means聚类诊断算法和基于电量信息的全局搜索诊断算法,实现了对台户异常用户的快速定位及台区线损异常的治理。通过剔除异常电表和实际检验表明,该方法具有较高的准确性和一定的实用性。     

基于改进K-Means聚类和BP神经网络的台区线损率计算方法

配电网线损管理中面临的主要问题有表计配置不齐备、运行数据不易收集、元件和节点数过多。这些问题导致线损率计算工作十分繁杂。提出了一种基于改进K-Means聚类算法和Levenberg-Marquardt(LM)算法优化的BP神经网络模型快速计算低压台区线损率的方法,并通过编程加以实现。根据样本的电气特征参数,提出了改进K-Means聚类算法,将台区样本分类,解决了台区线损率数值分散的问题。在此基础上,采用LM算法优化的BP神经网络模型对样本数据按类进行训练,利用BP神经网络拟合样本线损率与电气特征参数之间的关系,得到其变化规律。以某地区601个台区样本数据为例进行仿真计算,验证了所提方法的准确性。结果表明,与标准BP神经网络模型相比,LM算法优化的BP神经网络模型具有快速收敛、高精度等优点。     

基于改进BP神经网络的低压配电台区智能电能表误差状态评估模型

针对配电网台区中智能电能表误差估计问题,基于粒子群优化BP神经网络提出智能电能表误差估计方法。所提方法从数据搜集和数据预测、预处理建立智能电能表误差估计模型;针对传统BP神经网络隐含层节点数制定的局限性,提出采用粒子群优化算法对隐含层节点数进行优化,并采用优化得到的隐含层节点数构建BP神经网络结构对训练样本数据进行训练,基于训练得到的BP神经网络对测试样本数据进行计算得到智能电能表误差数据。针对某地区典型配电网台区中智能电网运行误差估计问题,采用所建立的方法进行智能电能表运行误差的评估。仿真算例表明,所建立的模型能够有效评估智能电能表运行误差,相比于传统的评估方法,其评估准确性有显著提升。     

基于群感知技术的互动型智能台区研究与设计

针对目前中国配电台区数据采集不全、信息化和智能化程度低、用户和电网之间缺乏交互等问题,考虑未来台区分布式可再生能源、储能系统、电动汽车等灵活性资源地广泛接入对电网的冲击,以适应未来配电网电力市场化改革需求为目标,开展基于群感知技术的互动型智能台区研究与设计。首先,基于万物互联的思路构建智能台区电力物联网,实现台区负荷感知与数据监测,打通信息交互通道;然后,基于台区监测数据,设计一次能源自平衡和自趋优算法,实现台区的智能经济运行和智慧供电;最后,以信息物理系统为基础,对未来台区多能互补机制的建立进行了分析展望,力争将台区建成真正的智能体,为未来智能台区的建设发展提供可行的借鉴与参考。     

基于集抄系统深化应用的低压台区电网拓扑重构方案

基于用电信息集抄系统的深化应用,如台区区分,相位识别和瞬时冻结等关键技术,配合电力线测距等第三方设备,提出一套新型的低压台区网络拓扑结构重建方案。台区区分和相位识别技术用于台区归属个相别分支的初步等基本拓扑信息的获取,然后基于此分析方法恢复台区内的分支,节点电力线测距用于辅助获得更加贴近物理现实的拓扑信息,依据以上获得的所有信息重构台区电网的拓扑结构。     

基于智能配变终端的低压台区智能化监控系统设计

正设计了一种基于智能配变终端的低压配电台区智能化监控系统,在智能配电箱中配备智能配变终端用以获取台区内设备的运行状态和用户的用电数据等信息,通过低压配电箱将所收集的台区内设备的运行状态信息和用户的用电信息等传输到系统主站,进而能够对低压配电台区进行智能化监控。     

基于边缘计算的低压用户窃电检测

低压用户窃电导致线损电量增加,对台区线损异动进行归因分析是识别窃电用户的有效途径。低压用户通信异常多发,可导致用电信息采集系统主站数据失真,易误导窃电检测。利用配变终端可就地完整准确采集台区数据的特点,提出基于边缘计算的低压用户窃电检测方法。首先,在通信正常和异常的条件下,分析台区窃电用户用电量与线损电量的关联关系;然后,在配变终端窃电检测模块中对真实的台区线损和用户用电量进行归因分析来识别窃电用户;最后,基于高损台区实际数据的仿真分析,验证了所提方法相比于在主站侧采用异常数据以及采用不同缺失数据填补算法修复后的数据进行窃电检测时的优势。     

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.     

基于量测数据的台区拓扑自动识别模型及算法

电网新业务的迅速发展对低压配电网的智能化水平提出了更高的要求。传统低压配电网的拓扑关系主要依靠人工档案维护,导致电压问题治理效率和抢修效率低下。在此背景下,提出了利用台区智能终端和采集设备的电气运行数据的台区两级分支线户关系和户表相位的识别方法。构建了用以解决台区两级分支和户表拓扑关系的台区设备从属关系识别模型,将上下级拓扑识别问题转化成二次规划问题求解,并通过户表聚类减少二次规划问题的数据维度。在分支和户表关系确定的基础上,提出了综合利用户表电压和电流数据的户表相位识别方法,提高户表相位识别的准确性。最后,进行了二级分支户表拓扑关系和户表相位识别的算例验证。基于台区电气大数据的拓扑识别方法为提升台区的全面感知和精益化管理提供了工程应用指导。