一种低压台区拓扑识别方法及系统技术方案

本发明专利技术提供了一种低压台区拓扑识别方法及系统，包括：获取目标区域中至少一个低压台区和所述目标区域中各用户的时序电压数据；基于所述时序电压数据利用回归算法得到各低压台区与各用户之间的连接关系；基于所述各低压台区与各用户之间的连接关系生成低压台区拓扑结构，以提高拓扑结构的获取效率及准确度。以提高拓扑结构的获取效率及准确度。以提高拓扑结构的获取效率及准确度。

【技术实现步骤摘要】
一种低压台区拓扑识别方法及系统


[0001]本专利技术涉及电力系统配电网
，具体涉及一种低压台区拓扑识别方法及系统。

技术介绍

[0002]电力系统中的低压台区是指一台变压器0.4KV的供电范围或区域。低压台区作为电网供给低压用户的最终供电设备处于电网的末端，低压台区的供电区域内服务的用户呈现数量较大，种类繁杂，特性多样的特点，因此对其进行拓扑识别，对于电力系统通过低压台区向用户供电有至关重要的意义。
[0003]目前低压台区的拓扑信息采集情况存在以下问题：一、低压台区拓扑连接档案准确度不足；二、人工进行低压台区内户变关系的纠错难度较大，缺少有效的纠错方法；三、载波通信技术等智能电网技术目前尚不完善，仍需进一步发展；四、电力系统中传统的异常检测方法是根据智能监控设备收集到的数据建立电力系统的数学方程模型，以此为基础分析电力系统的运行状况，但该方法随着收集到数据的规模不断增大，难以适用于大规模在线检测系统和分析；五、电压相似特性的数据质量较低，所以当前低压台区拓扑结构仍采用人工巡查、数据手工录入等方式，获取拓扑结构的效率低，且获取的拓扑结构准确度不高。

技术实现思路

[0004]为克服上述现有技术获取拓扑结构的效率低以及准确度不高的问题，本专利技术提供了一种低压台区拓扑识别方法及系统，用于提高拓扑结构的获取效率及准确度。
[0005]本专利技术提供的低压台区拓扑识别方法，包括：
[0006]获取目标区域中至少一个低压台区和所述目标区域中各用户的时序电压数据；
[0007]基于所述时序电压数据利用回归算法得到各低压台区与各用户之间的连接关系；
[0008]基于所述各低压台区与各用户之间的连接关系生成低压台区拓扑结构。
[0009]优选的，所述基于所述时序电压数据利用回归算法得到各低压台区与各用户之间的连接关系，包括：
[0010]将所述各低压台区和所述各用户均设为节点；
[0011]利用智能电表用电量读数、瞬时用电量数据、设定时间段用电量数据对所述时序电压数据进行处理；
[0012]基于处理后的时序电压数据利用回归算法得到各节点之间的连接关系矩阵；
[0013]基于所述连接关系矩阵中非零元素对应的节点得到各低压台区与各用户之间的连接关系。
[0014]优选的，所述基于处理后的时序电压数据利用回归算法得到各节点之间的连接关系矩阵，包括：
[0015]依次针对每个节点，将除所述每个节点外的其余各节点对应的时序电压数据分别代入线性回归函数，并以预先得到的正则化参数为约束对带入所述其余各节点的时序电压
数据的线性回归函数进行求解，以得到所述每个节点与所述其余各节点的关联系数向量其中，所述正则化参数是基于所述时序电压数据中时间点的个数和节点的个数结合高斯分布函数计算得到的；
[0016]以所有节点的关联系数向量为矩阵元素构成稀疏关系矩阵；
[0017]将所述稀疏关系矩阵的上三角矩阵和下三角矩阵做and运算，得到各节点之间的连接关系矩阵。
[0018]优选的，所述每个节点与所述其余各个节点的关联系数向量，通过求解下式得到：
[0019][0020]式中，表示关于β
b
的线性回归函数，β
b
表示关联系数向量，argmin表示使后式达到最小值时的变量的取值，表示节点b在t时刻的电压，||β
b
||1表示β
b
的1范数，λ表示正则化参数，表示除节点b外的各节点在t时刻的电压，b表示节点计数编号，N表示时序电压数据中时间点的个数，T表示转置符号。
[0021]优选的，所述正则化参数λ计算式如下：
[0022][0023]式中，0≤α≤1，p是节点的个数，φ是服从(0,1)区间上的高斯分布的累积分布函数。
[0024]优选的，所述利用智能电表用电量读数、瞬时用电量数据、设定时间段用电量数据对异常的时序电压数据进行处理，包括：
[0025]对所述时序电压数据进行修正，并利用所述智能电表用电量读数、瞬时用电量数据、设定时间段用电量数据对修正后的时序电压数据进行清洗，以滤掉异常的时序电压数据。
[0026]优选的，所述对所述时序电压数据进行修正，包括：
[0027]将所述时序电压数据输入到预先训练好的异常检测编解码模型中进行修正得到初步修正的时序电压数据；其中，所述异常检测编解码模型是基于历史时序电压数据和修正后历史时序电压数据利用神经网络训练得到的；
[0028]将所述初步修正的时序电压数据与所述时序电压数据对比以确定重构误差；
[0029]基于所述重构误差校验所述初步修正的时序电压数据的数据质量，并将数据质量低于设定阈值的初步修正的时序电压数据剔除，以及将数据质量高于所述设定阈值的初步修正的时序电压数据保留，以作为所述修正后的时序电压数据。
[0030]优选的，所述异常检测编解码模型的训练包括：
[0031]以获取的历史时序电压数据为输入数据，以修正后的历史时序电压数据为输出数据构建训练集；
[0032]基于所述训练集，采用循环神经网络进行训练得到所述异常检测编解码模型。
[0033]优选的，所述利用所述智能电表用电量读数、瞬时用电量数据、设定时间段用电量数据对修正后的时序电压数据进行清洗，包括：
[0034]将所述修正后的时序电压数据基于设定时间段用电量数据进行处理，得到初步处理数据；
[0035]对所述初步处理数据基于预设时间间隔采集的瞬时用电数据进行处理以完成对所述修正后的时序电压数据的清洗。
[0036]优选的，所述将所述修正后的时序电压数据基于设定时间段用电量数据进行清洗，包括：
[0037]基于智能电表用电量读数提取各节点设定时间段用电量和所述设定时间段各分时用电量；将设定时间段用电量相对于所述设定时间段各分时用电量之和的差的绝对值大于第一设定倍数的电表倍率的修正后的时序电压数据确定为所述无效数据，以及将用户当日用电量大于设定天数用电量均值第二设定倍数的当日用电量的时间段对应的修正后的时序电压数据确定为无效数据；
[0038]剔除所述无效数据，并当存在缺失一条用电量读数的数据时，依据智能电表第一用电量读数等于所述除第一用电量读数之外的所有用电量读数之和的规则求解得到缺失的用电量读数。
[0039]优选的，当基于智能电表用电量读数提取各节点设定时间段用电量和所述设定时间段各分时用电量时：
[0040]若所述智能电表用电量读数只有一个或都没有或所述智能电表用电量读数相减不小于0，则不提取所述各节点对应时间段用电量，否则提取所述各节点对应时间段的用电量。
[0041]优选的，所述对所述初步处理数据基于预设时间间隔采集的瞬时用电数据进行处理以完成对所述修正后的时序电压数据的清洗，包括：
[0042]将大于设定瞬时用电量阈值的瞬时用电量所在的时间段对应的修正后的时序电压数据确定为无效时序电压数据本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种低压台区拓扑识别方法，其特征在于，包括：获取目标区域中至少一个低压台区和所述目标区域中各用户的时序电压数据；基于所述时序电压数据利用回归算法得到各低压台区与各用户之间的连接关系；基于所述各低压台区与各用户之间的连接关系生成低压台区拓扑结构。2.根据权利要求1所述的方法，其特征在于，所述基于所述时序电压数据利用回归算法得到各低压台区与各用户之间的连接关系，包括：将所述各低压台区和所述各用户均设为节点；利用智能电表用电量读数、瞬时用电量数据、设定时间段的用电量数据对所述时序电压数据进行处理；基于处理后的时序电压数据利用回归算法得到各节点之间的连接关系矩阵；基于所述连接关系矩阵中非零元素对应的节点得到各低压台区与各用户之间的连接关系。3.根据权利要求2所述的方法，其特征在于，所述基于处理后的时序电压数据利用回归算法得到各节点之间的连接关系矩阵，包括：依次针对每个节点，将除所述每个节点外的其余各节点对应的时序电压数据分别代入线性回归函数，并以预先得到的正则化参数为约束对带入所述其余各节点的时序电压数据的线性回归函数进行求解，以得到所述每个节点与所述其余各节点的关联系数向量；其中，所述正则化参数是基于所述时序电压数据中时间点的个数和节点的个数结合高斯分布函数计算得到的；以所有节点的关联系数向量为矩阵元素构建稀疏关系矩阵；将所述稀疏关系矩阵的上三角矩阵和下三角矩阵做and运算，得到各节点之间的连接关系矩阵。4.根据权利要求3所述的方法，其特征在于，所述每个节点与所述其余各个节点的关联系数向量，通过求解下式得到：式中，表示关于β
b
的线性回归函数，β
b
表示关联系数向量，argmin表示使后式达到最小值时的变量的取值，表示节点b在t时刻的电压，||β
b
||1表示β
b
的1范数，λ表示正则化参数，表示除节点b外的各节点在t时刻的电压，b表示节点计数编号，N表示时序电压数据中时间点的个数，T表示转置符号。5.根据权利要求4所述的方法，其特征在于，所述正则化参数λ计算式如下：式中，0≤α≤1，p是节点的个数，φ是服从(0,1)区间上的高斯分布的累积分布函数。6.根据权利要求2所述的方法，其特征在于，所述利用智能电表用电量读数、瞬时用电量数据、设定时间段的用电量数据对异常的时序电压数据进行处理，包括：
对所述时序电压数据进行修正，并利用所述智能电表用电量读数、瞬时用电量数据、设定时间段的用电量数据对修正后的时序电压数据进行清洗，以滤掉异常的时序电压数据。7.根据权利要求6所述的拓扑识别方法，其特征在于，所述对所述时序电压数据进行修正，包括：将所述时序电压数据输入到预先训练好的异常检测编解码模型中进行修正得到初步修正的时序电压数据；其中，所述异常检测编解码模型是基于历史时序电压数据和修正后历史时序电压数据利用神经网络训练得到的；将所述初步修正的时序电压数据与所述时序电压数据对比以确定重构误差；基于所述重构误差校验所述初步修正的时序电压数据的数据质量，并将数据质量低于设定阈值的初...

【专利技术属性】
技术研发人员：袁金斗，武亚杰，徐玉婷，陈宋宋，姚力，章江铭，倪琳娜，
申请(专利权)人：国网浙江省电力有限公司营销服务中心国家电网有限公司，
类型：发明
国别省市：