【技术实现步骤摘要】
一种基于改进决策机制的台区户变关系识别方法
[0001]本专利技术涉及配电网管理领域,尤其涉及一种基于改进决策机制的台区户变关系识别方法。
技术介绍
[0002]户变关系是台区内各个用电客户与台区供电变压器的供电归属关系,正确的户变关系是配电网台区线损计算、线路改造等业务开展的重要基石。但考虑到现有配电系统中量测装置相较于输电网而言数量有限,加之时常发生配电网改建、扩建等情况,可能存在用户台区归属记录混乱等问题。
[0003]现阶段常用的户变关系识别方法主要有拉闸验电法与电力载波通信法两种,考虑到拉闸验电法严重影响居民生活难以大规模执行;同时电力载波通信法对设备的要求较高且容易受干扰,因此上述两种方法都不能广泛的在实际中运用。
[0004]随着智能电表的大规模推广,依托用电信息采集系统可源源不断的获取各台区变压器与用户节点的实时电力数据,这使得从海量数据中挖掘出有用信息实现台区户变关系精准识别成为可能。现已有学者提出了基于量测数据的户变识别方法,但仅针对单一台区的户变关系进行讨论,未涉及相邻台区不确定用户与变压器隶属关系判别困难的问题。
技术实现思路
[0005]本专利技术要解决的技术问题就在于:针对现有技术存在的技术问题,本专利技术提供一种基于改进决策机制的台区户变关系识别方法,有效解决了现有低压配网因多个低压台区的供电范围重叠,部分用户可能存在跨台区误归档而不能准确识别的情况,可为现场实际的排查提供参考,使工作人员排查更有针对性,效率更高。
[0006]为解决上述技术问题,
【技术保护点】
【技术特征摘要】
1.一种基于改进决策机制的台区户变关系识别方法,其特征在于,包括以下步骤:获取各台区所有用户的电压时间序列数据并构建各台区的电压时间序列矩阵,对每个电压时间序列矩阵进行数据降维和特征提取后得到各台区的训练集;构建SVDD模型,用所述训练集训练SVDD模型得到各台区对应的超球体;获取目标用户的电压时间序列数据并构建目标用户的电压时间序列矩阵,对该电压时间序列矩阵进行数据降维和特征提取后得到实测集;分别计算实测集中每个用户样本与各超球体的位置关系,若用户样本x仅在一个超球体内,则用户样本x属于该超球体对应的台区,若用户样本x在至少两个超球体内或在所有超球体之外,则获取与用户样本x最邻近的k个目标用户样本,这k个目标用户样本中最多目标用户样本所属的台区为用户样本x属于的台区。2.根据权利要求所述的基于改进决策机制的台区户变关系识别方法,其特征在于,进行数据降维和特征提取的步骤具体包括:对电压时间序列中每个元素均进行归一化处理,得到低维数据样本集;用高斯核函数Φ(X),将低维数据样本集映射到高维空间中构建特征矩阵,然后提取特征矩阵的主元特征矢量,生成新的特征数据矩阵。3.根据权利要求2所述的基于改进决策机制的台区户变关系识别方法,其特征在于,归一化处理的表达式如下:上式中,为电压时间序列矩阵中第i个节点用户在第j时刻的量测值,与为电压时间序列矩阵中第i个节点用户所有量测点数据的平均值和标准差,n为预设时间段的时刻数量。4.根据权利要求2所述的基于改进决策机制的台区户变关系识别方法,其特征在于,所述主元特征矢量表达式如下:上式中,p为核主元的总个数,Φ(X)为高斯核函数,x
i
为样本X
i
的子集,α
i
为拉格朗日乘子,N为台区用户总数。5.根据权利要求1所述的基于改进决策机制的台区户变关系识别方法,其特征在于,所述SVDD模型表达式如下:上式中,ξ
i
为松弛变量,C为权重参数,N为样本数目,x
i
为训练集中的用户样本,a和R分别为超球体的球心和半径。6.根据权利要求5所述的基于改进决策机制的台区户变关系识别方法,其特征在于,构建SVDD模型之后还包括模型转化的步骤,具体包括:引入核函数,将SVDD模型的原始问题转化为对偶问题,表达式如下:
约束条件为:上式中,α
i
与α
j
均为拉格朗日乘子,x
i
、x
j
分别为输入数据集X中的不同的...
【专利技术属性】
技术研发人员:刘奕玹,
申请(专利权)人:国网湖南省电力有限公司岳阳供电分公司国家电网有限公司,
类型:发明
国别省市:
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。