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...     

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。     

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。     

基于电压时序数据的配电台区户变关系智能识别

为解决低压配电网络户变关系不准确带来的台区线损统计、排查困难等问题,根据电力大数据技术,提出了基于变压器低压侧和用户侧电压时序数据聚类的配电台区户变关系智能识别方法.首先,采用改进的动态时间规整算法计算用户时序电压序列的相似度;其次,提出基于自组织特征映射算法与K-means算法相结合的两阶段聚类方法,结合时序数据相似...     

基于相关性度量算法的台区线损异常判断及精准定位

针对台区发生线损异常时关联用户辨识困难的实际问题,提出一种基于相关性度量算法的台区线损异常判断及精准定位方法。首先,通过间隙统计-轮廓系数融合算法确定数据集的最佳聚类数,并在此基础上采用二分K-means++构建台区线损标准库;其次,基于标准库完成台区线损异常辨识,确定异常时间段;再次,计算异常时间段内各用户电量和线损的斯皮尔曼相关性系数(SCC)和欧式-离散弗雷歇距离(E-DFD),并基于SCC和E-DFD构造综合评判指标分析用户关联性;最后,采用TOPSIS算法对综合评判指标值进行排序,实现异常关联用户的精准定位。算例采用某台区真实现场数据进行分析,结果表明文中所提方法在聚类有效性、计算时间以及辨识准确度等方面具有较好的性能和优势。     

基于贝叶斯推断和谱聚类的户变关系动态辨识

低压台区线路的日常维护以及改造升级会导致台区户变关系变动频繁。针对低压台区户变关系难以人工维护的问题,提出了一种基于贝叶斯推断和谱聚类的户变关系动态辨识方法。首先运用高斯核函数和IIR滤波器方程计算节点间电压数据相似度,然后利用贝叶斯推断构建节点间相似度时序矩阵,最后对其进行谱聚类进而实现户变关系的动态辨识。该方法能够沿时序方向根据最新时刻的电压数据进行户变关系的动态辨识,不仅能够对用户更改台区的情况做出快速响应,还能有效提高数据缺失和节点投入或退出台区情况下辨识的鲁棒性。以广东省惠州市4个台区为例进行的算例分析结果良好,验证了所提方法在工程实践中的可行性和可靠性。     

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。     

基于智能电表大数据分析的台区变压器三相不平衡治理

针对台区变压器三相不平衡,提出了一种基于智能电表大数据分析的台区变压器三相不平衡治理方法。首先,计算台区用户与台区变压器A,B,C三相电压序列数据之间相关系数,识别每个用户相序;接着,基于用户电流序列数据计算台区变压器A,B,C三相电流序列数据,进而计算台区变压器三相平均不平衡度;最后,以台区变压器三相平均不平衡度最小为目标采用遗传算法搜索1种最优台区用户相序组合,指导配电运检人员精准调整用户相序。该方法在某电网公司台区变压器三相不平衡治理工作中进行了应用验证,取得了较好效果。     

基于模糊C-均值聚类算法的台区电压与用户关系辨识

用户的用电情况会影响台区电压偏离正常值,影响配电系统供电可靠性。为了实现供电系统的优化管理,提出一种基于模糊C-均值聚类的台区电压与用户关系辨识方法。首先,对来自智能电表的不良数据进行处理和修补;然后,采用PCA(主成分分析)法对其数据进行特征提取,并模拟不同对象进行模糊C-均值分类。根据多种数据特征,把用户归为大、中、小3个等级类型。采用皮尔逊相关系数,阐明各个等级类型用户的用电行为对台区的电压影响,构建明确的台区电压与用户之间的关系。以广州某小区为实例,通过历史数据进行了多场景仿真对比,验证了该辨识方法的有效性和适用性。结果表明,该辨识方法能够快速识别某些特殊用户的用电行为及其对台区电压产生的异常影响。     

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。     

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.     

基于LoRa技术和GPU加速的台区拓扑辨识方法

传统的台区拓扑辨识方法精确度低,易受干扰,效率低下。针对这一问题,本文提出了一种基于LoRa技术和GPU加速的台区拓扑辨识方法,旨在利用LoRa通讯技术、高性能计算技术以及大数据方法,对于大规模安装的智能电表的数据进行获取和分析,有效辨识台户之间的对应关系。文中采用了基于LoRa技术及“多采统传”协议压缩技术的海量高密度数据获取的方法,有效加强了数据的快速获取。同时,利用GPU并行加速的灰色关联分析法实现数据分析,有效提高了算法效率。算例测试表明,本文的台区拓扑辨识方法准确度高、计算效率高,具有工程应用的价值和潜力。     

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。     

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。