低压配电网拓扑异动自适应识别与校验

低压配电网拓扑信息对配电网安全运行、故障定位、线损分析等至关重要,但低压配电网拓扑因管理和运行的原因,低压配电网接线图与现场实际拓扑连接存在较大差异,因此有必要研究配电网拓扑异动的自适应识别。基于配电网节点采集电能时序数据,采用主成分分析与凸优化结合算法进行降维分析,通过提取主要特征,将拓扑识别问题转化为凸优化求解回归矩阵,进而识别出低压配电网拓扑结构。利用实际配电网中智能电表获取的电能量测数据及MATLAB随机生成5层31节点网络数据集,对所提方法进行算例验证,结果表明所提优化算法相比传统方法具有较高的识别速度及正确率。     

面向新能源并网的低压用户链路识别算法

针对新能源并网带来的电压特性变化和低压拓扑关系辨识颗粒度细化需求,提出了基于图信号处理的用户链路识别模型。该识别模型利用相邻节点间的电压相似性表征图信号的平滑性,结合节点电流定律对网络结构的约束,克服新能源并网带来的同相用户电压相似性变差的影响;利用图结构固有的链路属性,实现低压拓扑识别下沉至用户之间的上下游连接关系识别。最后,利用真实用户数据搭建仿真模型验证了所提算法的有效性,探讨了所提算法在不同场景下的性能表现,并与已有识别算法进行了比较分析。算例表明,所提算法与已有算法相比,可有效识别用户链路关系,且对新能源并网渗透率和数据误差率有较好的鲁棒性。     

基于正则化矩阵补全的用户电量缺失值填补研究

针对用户电量采集过程中数据缺失的问题,提出一种基于正则化矩阵补全的用户电量缺失值填补方法.首先,基于原始用户电量缺失值进行特性分析,构造初始化矩阵;其次,搭建一个新的近似矩阵,采用低秩矩阵分解策 略将近似矩阵拆分为两个潜在矩阵;最后,引入随机梯度最速下降法对目标参数进行优化,求解近似矩阵模型,完成缺失电量数据的填补.算例采用真实电网数据进行仿真分析,结果表明,所提方法能准确补全用户电量缺失值.     

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。     

含分布式电源的配电网故障分析的解耦相分量法

分布式发电系统的接入改变了配电系统的故障电流分布,传统的配电网故障分析方法已经不能满足未来分布式发电系统的需求.针对含分布式电源的配电网故障分析开展研究,提出了合分布式电源的配电网故障分析计算的解耦相分量法.将含有分布式电源的配电网分解成"梯形"网络和"辐射状"网络,选择短路点为边界节点,借助于相序参数变换技术,通过三相解耦等值电路计算故障点短路电流,并利用支路电流分流系数计算任意节点电压.所提算法无需形成配电网节点复数导纳或阻抗参数矩阵;可以精确地模拟故障;可方便地计及短路点接触电阻的影响;避免了复杂的序网连接.采用20节点算例对所提方法进行了测试,算例结果证明了该算法的可行性和有效性.     

基于电压相似性评估的低压配电网户变关系和相位识别技术研究

低压配电网拓扑关系是电网状态估计的基础。文章针对低压配电网拓扑识别难题,分析了通过电压相似进行户变关系和相位识别的可行性,在此基础上应用Hausdorff距离算法,构建了基于节点电压相似性评估的户变关系和相位识别流程,设计了基于Hausdorff距离识别基本判据,以及包括构建滑动窗口和选择有效电压的数据集优化方法;最后通过实际的案例,验证了文章所提方法的有效性。     

基于图转换和迁移学习的低压配电网户变关系和相位识别方法

为进一步提高低压配电网户变关系和相位识别的准确性,提出一种基于图转换和迁移学习的低压配电网户变关系和相位识别方法。首先,引入了基于格拉姆角场的图转换方法实现用电数据的二维化,以更好地发现一维时序用电数据间的差异性;然后,针对低压配电网用户数据稀缺、获取途径有限、样本数量较少等问题,基于迁移学习利用预训练好的参数权重,构建了适合户变关系和相位识别的深度学习模型。通过实验验证,所提模型在户变关系识别和相位识别中的准确率较主流方法均有所提升,拥有更好的稳定性。     

基于量测数据补全的有源配电网电压优化技术

有源配电网由于分布式新能源影响，电压存在越限的风险，但配电网实时量测仅可部分观测，优化问题无法求解。针对这个问题，提出了一种基于量测数据补全的有源配电网电压优化技术。在仅能获得部分节点实时量测的状态下，采用增强生成对抗网络补全算法，得到完整的配电网量测数据。根据补全的实时数据，计及补全误差，设计电压误差修正模型，修正优化电压目标，在电压越限时对配电网电压进行优化，提高电压质量。通过IEEE 33节点算例验证了所提方法相对于生成对抗网络在部分实时观测的情况下能够高精度补全缺失量测数据，降低电压波动，提高配电网运行的稳定性。     

基于数据驱动的配电网拓扑识别及线路阻抗估计

中低压配电网的拓扑识别及线路阻抗参数估计是未来智能配电网实现各种功能的基础。依托AMI（高级量测体系）提供的电量信息,提出了一种仅依靠配电网节点电压及功率数据驱动的中低压配电网拓扑识别及线路阻抗估计方法。利用核密度估计方法计算各节点电压数据间的互信息并据此分析各节点间相关性;根据图的最小生成树算法生成以邻接矩阵形式表示的配电网拓扑;结合线性回归及Distflow潮流模型对拓扑进行校正,检验拓扑中是否存在AMI系统中没有相关数据的汇流节点并计算线路阻抗;最终得到准确的配电网拓扑及线路阻抗参数。通过IEEE 33节点中压配电网及典型低压配电网算例对所提方法进行了验证,结果表明所提方法能够准确辨识拓扑及线路阻抗参数,即使在感知设备不足的低压配电网中仍有较好的辨识效果。     

基于μPMU电压相位数据的配电网拓扑辨识

为了满足配电网拓扑识别快速准确的要求,提出了一种基于微型同步相量量测装置（micro-synchronous phasor measurement unit,μPMU）的配电网拓扑识别方法。获取拓扑变化前后的电压相位构建拓扑变化辨识参数,辨识出系统拓扑变化时刻;提出基于相位差异度的拓扑识别算法,借助μPMU获取的数据及潮流计算,分析不同拓扑条件下电压相位与实际相位间的差异,选取差异度最小所对应的拓扑为实际拓扑,实现对配电网的拓扑识别。通过仿真算例验证所提方法的合理性,结果表明,拓扑变化时刻辨识判据正确可靠,所提拓扑识别算法的识别正确率高。     

基于改进FCM和最小互信息算法的户变关系辨识方法

随着低压分布式光伏的高比例接入,传统的户变关系辨识方法利用电压与功率特征进行判断,受光伏出力影响较大。针对分布式光伏大规模接入下低压配电网的电气特征,提出了一种基于数据驱动的低压配电网户变关系辨识方法。首先,基于改进模糊C均值(fuzzy C-means, FCM)聚类算法,利用电压相关性对用户进行初步聚类划分。其次,在初步聚类的基础上,利用最小互信息算法排除光伏出力的影响,建立配变与用户的连接关系识别模型并用回归分析的思想求解,实现对户变关系的精确辨识。最后,通过对某地实际数据进行算例分析,验证了基于改进FCM和最小互信息算法的户变关系辨识方法在大规模光伏接入场景下的有效性。实验表明,该方法相比传统的电压和功率特征判别方法具有更高的准确率。     

基于机器学习的配电网异常缺失数据动态清洗方法

针对传统配电网数据清洗过程中异常数据判断阈值需要人为设定、缺失数据填补效率不佳的局限性,提出基于机器学习的配电网异常缺失数据一体化动态清洗方法。首先,基于局部异常因子检测算法和高斯混合模型,提出一种异常数据动态检测改进算法,实现配电网异常数据阈值的准确自动选择。其次,基于随机森林算法与最小二乘回归法,提出一种配电网缺失数据动态填补算法。根据缺失数据时间长度自适应优化填补算法,在保证数据填补精度的同时降低计算时间。在此基础上,通过异常数据检测和缺失数据填补共同构建一体化动态清洗架构。采用湖南某地区配电网数据进行实例验证,结果表明所提方法可实现异常辨识阈值准确自动选择,有效检测配电网异常数据,并且实现缺失数据填补精度与速度的平衡,具有较好的工程应用价值。     

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...     

基于关系图卷积神经网络的新能源配电台区拓扑识别方法

针对传统拓扑识别方法难以适应高比例分布式光伏接入下低压配电台区电气耦合特性复杂的问题,本文提出了一种基于关系图卷积神经网络的新能源配电台区拓扑识别方法。首先,分析了分布式光伏接入对低压台区线户关系识别的影响机理,提出了高渗透率分布式光伏接入下配电台区的自适应线户关系识别方法,通过电压皮尔逊相关系数矩阵建模和全局自适应聚类方法实现线户关系识别。其次,基于新能源台区拓扑关联特性将配网节点关联分类匹配为分隔、上下、并列及光伏节点接纳关系,建立了适应分布式光伏接入的台区拓扑邻接矩阵模型。最后,提出了基于关系图卷积神经网络的配电台区拓扑生成算法,通过提取电压量测数据形成台区节点特征矩阵,基于关系图链接预测挖掘潜在节点关联关系逐步生成配电台区拓扑。算例仿真对比验证了所提拓扑识别方法的有效性,与传统算法相比可提升识别准确率4.3%以上。     

基于微扰法的低压有源配电网故障定位方法

分布式电源（DG）接入低压配电网,使配电网潮流分布变得复杂,基于单向潮流的传统故障定位方案不再适用。提出基于微扰法进行相模变换实现含分布式电源低压配电网的故障定位方法。针对配电网三相线路参数不对称,运用微扰原理,通过构造线路参数阻抗矩阵微扰量,求出使原相互耦合的三相网络解耦成3个相互独立序网图的相模变换矩阵,实现了对不对称线路参数阻抗矩阵的解耦;在此基础上,对低压有源配电网依据区段故障前后相模变换电流故障分量的相角差值的变化,推导出判断配电网故障区段的判据,实现对低压配电网的故障定位。通过Matlab/Simulink进行了仿真分析,结果表明：该方法可以快速准确地定位出故障区段,解决了配电网络参数不对称对定位精度的影响。     

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。     

基于曲线相似与低秩矩阵的缺失电量数据补全方法

低压台区用电数据是电网运营中众多高级应用的基础。然而,在泛在电力物联网数据采集、传输、储存管理的过程中,会不可避免地出现数据缺失的情况,在一定程度上影响上层高级应用。针对这一问题,文章研究并提出曲线相似与低秩矩阵填充理论相结合的用电数据缺失补全方法。首先通过分析电量数据矩阵奇异值分布,揭示其低秩特性,完成数据恢复可行性判定。在此基础上,考虑用电曲线之间的差异性,提出预填充-曲线相似分类-二次填充的数据恢复方法,在对电量矩阵进行预填充之后,对于每一条待恢复的用电量曲线,基于考虑数据缺失的曲线相似性测度,找到与其最为相似的k条曲线构成数据矩阵,之后再次应用低秩矩阵填充理论恢复缺失数据,以提高恢复精度。以华北某电网居民用户电量数据进行试验,并将文章提出的方法与经典插值补齐法相比较,验证了所提出的电量曲线聚类与矩阵填充相结合的方法可以更有效补齐缺失电量数据。     

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。