【技术实现步骤摘要】
一种基于电压相关性校验的户变关系识别方法
本专利技术涉及电力系统配电的
，尤其涉及一种基于电压相关性校验的户变关系识别方法。
技术介绍
随着低压配电网规模的发展壮大，供电企业对供电质量、线损率等考核指标提出了更为严格的要求。准确的户变关系式线损精确计算，实现台区精细化管理的基础。但由于我国长期忽视低压配电网的建设升级，缺乏有效的管理运维机制，低压配电台区户变关系混乱。此外，由于条件及成本限制，低压配电网中精准的量测装置短期内无法大规模普及，再加之低压台区数据量巨大，户变关系变动较多更导致台区与用户隶属关系复杂难以及时监测。这都会对低压配网的运行与规划以及资产维护等方面带来负面影响，直接影响台区管理、线损分析及故障研判等业务应用的展开。而传统的户变关系人工排查方法和低压配网硬件改造方法都不能适用规模日趋庞大的低压配电网。AMI高级量测系统以及大数据技术在配电网中逐渐普及与应用。目前，大数据技术能够通过使用智能采集终端设备得到整个电力系统的运维数据，对采集的电力大数据进行系统的处理和分析，能够实现对电网的实时监控，...
【技术保护点】
1.一种基于电压相关性校验的户变关系识别方法，其特征在于：包括以下步骤，/n采集台区配变与用户电压与功率时序的历史数据；/n对所述历史数据进行数据预处理；/n利用自编码网络对与预处理后的数据进行特征提取代替原始数据；/n根据处理后的数据，分别利用欧氏距离、协方差、皮尔逊相关系数和线性回归四种方法计算台区与用户间的相关性大小，获取各户变识别结果；/n综合所述户变识别结果形成相关性综合评价指标；/n根据评价指标完成户变关系的识别。/n
【技术特征摘要】
1.一种基于电压相关性校验的户变关系识别方法，其特征在于：包括以下步骤，
采集台区配变与用户电压与功率时序的历史数据；
对所述历史数据进行数据预处理；
利用自编码网络对与预处理后的数据进行特征提取代替原始数据；
根据处理后的数据，分别利用欧氏距离、协方差、皮尔逊相关系数和线性回归四种方法计算台区与用户间的相关性大小，获取各户变识别结果；
综合所述户变识别结果形成相关性综合评价指标；
根据评价指标完成户变关系的识别。
2.如权利要求1所述的基于电压相关性校验的户变关系识别方法，其特征在于：所述特征提取包括，
构建包括输入层、隐藏层、输出层三层结构的自编码网络；
利用基于电压特征提取的自编码网络特征提取方法，提取原始电压数据中的特征以描述原始数据中的信息，代替原始数据作为输入；
所述自编码网络通过反向传播训练，不断调整网络输入层、隐藏层、输出层间权重与偏置；
将输出数据尽可能与输入数据相等，保留原始输入数据的重要信息，从高纬到低纬的等效表示原始数据。
3.如权利要求2所述的基于电压相关性校验的户变关系识别方法，其特征在于：所述输入层输入台区配变与用户电压时序数据，输入层与隐藏层之间由权重参数w1连接，隐藏层与输出层间由权重参数w2连接，所述自编码网络特征提取过程包括如下，
US＝(us1,us2,…,usi,…,usn)，UT＝(uT1,uT2,…,uTi,…,uTn)
u'＝gdecoder(h)＝f(w2h+b2)
其中US、UT分别为低压配变下用户和台区同一段时间内的电压时序数据，usi是电表S第i时刻采集的历史电压数据，uTi是台区T第i时刻采集的历史电压数据，变压器与电表采集历史电压数据应属于同一时段，gencoder(·)、gdecoder(·)分别为编码函数和解码函数，h为输入层到隐藏层的映射，y为隐藏层到输出层的映射，w1、w2分别为编码和解码的权重，b1、b2分别为编码和解码的偏置。
4.如权利要求1～3任一所述的基于电压相关性校验的户变关系识别方法，其特征在于：所述自编码网络包括，
输入电压数据u经过编码和解码过程得到输出数据u’，
将输出数据作为输入数据的预测值，当u’与u间的差值越小，则说明自编码网络提取的数据特征保留了原始数据的大部分信息；
定义输出数据u’与u的损失用均方误差如下表示：
所述自编码网络的特征中，编码网络部分将输入的高维数据经过编码函数映射到隐藏层，隐藏层中的数据为原始输入数据的低纬表示；
提取隐藏层数据特征作为后续相关性分析的输入。
5.如权利要求4所述的基于电压相关性校验的户变关系识别方法，其特征在于：所述户变识别结果获取包括，
提取的电压数据特征作为欧氏距离、协方差、皮尔逊相关系数方法的输入；
线性回归方法中输入为初始功率和电压数据，所述自编码网络的数据提取会抹除功率数据与电压数据对应关系；
分别计算台区与用户间的欧氏距...
【专利技术属性】
技术研发人员：赵健，徐明昕，王小宇，李梁，张海鹏，徐明杰，
申请(专利权)人：上海电力大学，
类型：发明
国别省市：上海;31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。