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。     

基于筛选电压数据的配电低压用户相别辨识方法

目前配电网低压台区相位关系存在记录不准确或更新不及时的问题,不利于低压台区的运行与管理。提出一种基于筛选电压数据的配电台区低压用户相别自动辨识和校验方法。首先,获取最近一段时间内配电变压器三相电压及该台区所有用户电压的历史数据,计算变压器电压在不同时刻的三相不平衡率,筛选出不平衡率最大的时刻,并由这些时刻对应的电压值构成变压器三相电压及用户电压的新时间序列;然后,计算各电压新序列之间的动态时间弯曲距离,采用改进的K均值聚类算法实现用户相别的自动辨识;最后,采用变压器各相总电能与用户智能电表数据对用户相别辨识结果进行校验。仿真结果和工程实例验证了所提方法的有效性。     

基于深度特征挖掘的低压配电网相序精准辨识方法

低压用户相序关系是低压配电网三相不平衡治理、可开放容量评估的重要数据基础。目前,相别档案数据错乱严重,主要依靠现场校验进行数据治理,成本高、准确度低且前清后乱。针对这一问题,提出了一种基于深度特征挖掘的低压配电网相别在线辨识方法。首先,基于全时序差分算法与特征显著性分析得到电压差高维特征,并应用主成分分析法进行降维分析,形成低维、高信息深度特征。然后,采用K-means算法对电压特征进行聚类实现一次辨识,随后针对与配电变压器空间距离近导致的易错辨相别用户,提出一种基于电压与功率特征组合的二次优化方法。最后,以南昌市5个实际低压配电网的共计728个用户为例进行算法验证,结果表明所提方法可有效解决台区内电压相似性高场景对相别辨识模型的制约,大幅提升了辨识的准确性,具有较高的工程推广应用价值。     

基于自适应分段聚合近似的户变关系聚类识别方法

低压配电变压器台区广泛存在户变关系不准确的现象，导致台区线损统计异常、停复电通知不及时等问题。目前，台区档案校验主要依靠电力员工现场排查，过程耗时耗力。针对此，依据智能电表记录的电压数据，提出基于自适应分段聚合近似和谱聚类的低压台区户变关系识别方法。首先，采用零均值标准化放大原始电压数据间的相对差异；其次，采用自适应分段聚合近似方法对电压数据进行降维处理，提取电压曲线特征；然后，应用谱聚类算法对电压特征数据进行聚类，实现用户与所属台区的识别；最后，通过算例分析的结果验证了所提模型的可行性和有效性。     

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,计算电压序列分段云模型的相似度,确定用户与台区配电变压器的相别关系。该方法不受台区拓扑结构和负荷变化的影响,具有通用性;与现有相似性算法相比,该方法针对台区配电变压器三相电压很接近的情况相别辨识结果区分度更好、准确率更高。算例仿真和实例分析验证了所提方法的有效性。     

基于离散Fréchet距离和剪辑近邻法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、准确性不够、可操作性差的问题,提出了一种基于离散Fréchet距离和剪辑K近邻的配电网拓扑结构校验方法。基于电网GIS平台配变经纬度坐标数据计算校验用户台区变压器与该地区其它变压器之间的距离,搜索该校验用户的邻近台区。通过计算校验用户与所在台区其它用户、邻近台区所有用户之间智能电能表电压曲线离散Fréchet距离,进而运用剪辑近邻法对训练样本集进行修剪生成少量的关键样本集,可有效降低搜索复杂度,进而快速判别校验用户的正确台区类别,有效验证电网GIS平台用户与台区变压器拓扑连接关系的正确性。     

基于电压曲线形态特征聚类的低压台区相位辨识

针对电压曲线分布集中导致低压台区用户相位难以准确辨识的问题,提出基于电压曲线形态特征聚类的低压台区相位辨识方法。首先,采用分段聚合近似(PAA)对配电变压器低压侧三相以及低压用户的电压曲线进行分段,提取反映整体分布的主要特征信息,减少冗余噪声的干扰。引入一阶导数与动态时间弯曲(DTW)增加对每个分段序列局部趋势变化的分析,并将其集成到PAA距离度量中,既弥补了均值特征缺乏对电压曲线趋势变化信息的考量,又能降低DTW的时间复杂度。然后,通过该距离度量综合判定电压特征序列的相似度,并以此改进传统k-means聚类的相似性度量,构建低压台区相位辨识模型。最后,通过实际台区算例分析验证了所提方法的有效性。     

融合已知相别和地址信息的低压用户计量表箱识别

用户电能表与表箱的关系不清楚可能导致严重后果,用户电能表的所属计量表箱识别是低压配电网计量拓扑识别问题之一.由于同一计量箱的用户入线共用同一条配电箱母线,若已知总等效单相计量箱数量N,则原问题可转换为基于用户电压时序波形的N类分类问题.在分析这种方法在实际工程应用中缺点的基础上,提出了一种融合已知相别和地址信息的低压配电计量表箱识别方法.首先,采用聚类方法将分相后的电压时序波形辨识到配电分线箱层面.然后,利用经过挖掘和补全的地址文本信息构建基于相邻关系的约束,并采用约束的k-medoids聚类算法将用户区划分为表箱层面.最后,通过2个具典型特征的低压配电网案例验证了所提方法的有效性.     

基于三维时空特性的低压配电网拓扑识别方法

为解决泛在电力物联网的数据融合和数据互通问题,针对目前低压配电网拓扑连接信息更新不及时的拓扑错误问题,提出一种基于三维时空特性的低压配电网拓扑识别方法。该方法首先基于地理信息系统中配变台区和终端用户的经纬度地理信息,结合台区辐射范围限制,利用多空间尺度特性初步确定"变-户"关系;其次,基于辐射重叠区"变"、"户"节点智能电表的电气量序列,利用K-Means和PCA的多序列窗口截面特性实现拓扑校核;再其次,基于电压相关性,提出多时间相关性特性的拓扑变化监控方法。最后,通过仿真算例和现场案例验证了所提出方法的可行性。     

基于虚拟阻抗的低压配电网拓扑识别方法

当前拓扑识别技术难以反映潮流特性对拓扑识别的影响,基于配电网现有量测数据,通过分析节点间的电气距离,提出了虚拟阻抗的概念。将节点间具备电气意义的且与电气距离成正相关的连续变量定义为虚拟阻抗,并提出了一种基于虚拟阻抗的低压配电网拓扑识别方法。首先,构建以节点间虚拟阻抗为因变量的多元线性回归方程。然后,通过岭回归计算每一个单相电表与关口电表构成的回归方程的虚拟阻抗,根据计算结果快速判别出拓扑关系异常的电气设备。最后,建立基于导数动态时间弯曲(derivative dynamic time warping, DDTW)距离的校验模型,重新构建得到电气设备的正确拓扑关系,实现低压配电网拓扑关系的修正。以实际的低压配电网台区样本数据为依据,验证了所提方法的有效性。     

基于多元线性回归的单相电表相别判断方法

单相电表的相别信息对提高负荷管理和建模水平、改善供电质量和供电可靠性具有重要意义。依据单相电表采集电气量与供电台区关口电表采集电气量间的关联关系,提出一种基于多元线性回归的单相电表相别判断方法,构建了以关口电表电压、电流和单相电表电流为自变量,以单相电表电压为因变量的多元线性回归方程,对每一个单相电表分别计算其与关口电表A、B、C相构成的3个回归方程的决定系数,根据决定系数的大小来判断相别。利用实际抄表数据对所提方法进行了算例分析,分析结果表明所提方法具有较高的准确性和可靠性。     

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...     

基于改进局部离群因子的低压用户用电隐患检测方法

基于用电信息采集系统的量测数据,提出了一种基于改进局部离群因子算法的用户用电隐患检测方法。首先,提出基于信息熵的电压信息重构方法,扩大电压数据差异性。其次,提出基于K-奇异值分解的电压数据稀疏编码方法,解决台区用户原始负荷特征维度过高带来的冗余性问题。然后,提出基于改进局部离群因子算法的用户用电隐患检测方法,通过多局部离群因子模型组合优化,提高低压用户用电隐患检测泛化能力与准确率。最后,以中国浙江省某台区为例进行验证,算例分析的结果表明所提算法相对于传统局部离群因子算法具有更高的隐患检测准确率。     

EMS中负荷预测不良数据的辨识与修正

分析了实际电力系统中负荷异常数据的主要成因,并针对2类主要的坏数据各自的特点,分别使用不同的方法处理负荷预测样本数据.针对自动化系统故障造成的坏数据,提出了具有负荷预测应用特点的总加值动态多源处理技术,从而能够充分利用采集设备或网络通道对负荷总加值而言的多重冗余配置;针对大负荷的突发性偶然波动造成的坏数据,采用对电网终端负荷的逐一扫描辨识,部分避免了对单一总加数据预处理的误判和漏判.