一种低压配电网络拓扑生成方法及装置制造方法及图纸

本发明专利技术公开了一种低压配电网络拓扑生成方法及装置，其中方法包括：根据电气量数据获取时序电压数据矩阵，对筛选获得的异常采集数据进行重新赋值；运行t

【技术实现步骤摘要】
一种低压配电网络拓扑生成方法及装置


[0001]本专利技术涉及配电网络的优化运行与管理领域，尤其涉及一种低压配电网络拓扑生成方法及装置。

技术介绍

[0002]低压台区配电网络直接连接着千家万户，其运行维护管理的智能化水平将直接影响客户满意度的高低。正确辨识低压台区拓扑结构，对于供电部门计算潮流、更新开关状态的变化、分析研判故障、进行远程费控、分析线路损耗并提出优化策略具有重要意义。然而，随着经济的发展，低压供电台区在各个城市的数量越来越多，连接越来越混乱，甚至存在未按规定走线的现象。随着分布式电源、可控负载、电动汽车接入，以及供需响应技术日渐广泛的应用，电网安全运行水平和经济性得以提高，同时，城市低压供电台区拓扑改动频繁的问题日益凸显。因此，供电部门记录的拓扑结构多存在数据丢失、记录错误等情况，而采取人工排查拓扑方法成本高，效率低。探索高效、准确、动态地识别台区内电力拓扑结构的方法，建立合理、准确、统一的低压拓扑模型，有利于供电部门对低压台区用户进行管理，满足配电网供电可靠性要求，提升客户服务质量。
[0003]目前，主流的拓扑结构识别方法可分为离线方法和在线方法。离线方法由人工带硬件设备进入现场进行测试和整理分类，需消耗大量人力物力，成本高，效率、准确率低且无法自动更新。在线方法通过分析用电相关信息，进行配电网拓扑辨识，具有低成本、实时性高等优点，如注入信号法、数据标签法以及数据分析法。但总体而言，目前已有的配网台区拓扑辨识方法大多无法充分挖掘实际工程中智能电表所采集的电气量数据信息，有着识别简单结构易、识别复杂结构难的特点。在识别较大规模的配电网拓扑结构时，准确率仍有进一步提高的空间，能够实际应用于工程中的低压配电网拓扑识别技术也有待深入研究。

技术实现思路

[0004]为至少一定程度上解决现有技术中存在的技术问题之一，本专利技术的目的在于提供一种低压配电网络拓扑生成方法及装置。
[0005]本专利技术所采用的技术方案是：
[0006]一种低压配电网络拓扑生成方法，包括以下步骤：
[0007]获取低压台区下各用户电表采集的电气量数据，从电气量数据中提取采集信息，根据采集信息生成时序电压数据矩阵U；其中，采集信息包括电表ID、电压幅值、数据采集时间；
[0008]从时序电压数据矩阵中筛选异常采集数据，对筛选获得的异常采集数据进行重新赋值；
[0009]赋初值给t
‑
SNE算法的输入参数，将时序电压数据矩阵U作为t
‑
SNE算法的输入数据集，并运行t
‑
SNE算法，获得低维电压特征数据集Y
T
；
[0010]赋初值给DBSCAN算法的输入参数，将低维电压特征数据集Y
T
作为DBSCAN算法的输
入数据集，并运行DBSCAN算法，获得所有的簇类集合C以及二维电压特征聚类图；
[0011]赋初值给LLE算法的输入参数，将时序电压数据矩阵U作为LLE算法的输入数据集，并运行LLE算法，获得在簇类标签C分类下的二维电压特征图；
[0012]计算特征图中簇类中心与总表簇之间的欧氏距离关系并排序，输出排序结果，表示不同用户分支与总表间的相对电气距离关系；
[0013]基于DBSCAN算法和LLE算法得到的拓扑识别信息生成节点邻接矩阵；
[0014]将节点邻接矩阵可视化生成低压配电网络节点连接拓扑图。
[0015]进一步地，所述时序电压数据矩阵U的表达式为：
[0016][0017]式中，任一电压数据U
i,tj
表示为电表i在t
j
时刻所测得的电压幅值；m表示所有台区用户数量；n表示表计在某一时段内采集的该用户的电压采样点数目；时序电压数据矩阵U的任一行向量U
i
表示同一用户表计在采样时段内测量的所有时刻的时序电压数据，任一列向量U
tj
表示同一时刻下各电表采集的不同用户的电压数据。
[0018]进一步地，通过以下方式对筛选获得的异常采集数据进行重新赋值：
[0019][0020]式中，为电压矩阵中某一采样时序t
err
电表采集的异常电压数据；与分别表示同一时序电压序列中距离异常采集数据最近的且采样时序早于时序t
err
与晚于时序t
err
的正常电压数据。
[0021]进一步地，所述t
‑
SNE算法的输入参数包括n_components，perplexity，learning_rate；其中，n_components表示目标降维维度，perplexity表示困惑度，learning_rate表示学习率；
[0022]t
‑
SNE算法的运行步骤如下：
[0023]A1、将高维电压数据点的欧式距离转换成联合概率来表达各点之间的相关性，其中在高维空间下使用高斯分布函数进行转换，分别计算条件概率p
j|i
，p
i|j
以及联合概率分布p
ij
；
[0024]A2、采用正态分布N(0,10
‑4I)随机初始化目标低维数据集Y0＝{y1,y2,...,y
n
}；
[0025]A3、在低维空间下使用t分布函数进行转换，计算低维空间下数据的联合概率分布q
ij
；
[0026]A4、使概率分布p
ij
＝q
ij
，对两个概率分布之间的KL散度进行优化，建立目标函数；迭代计算梯度，根据计算获得的梯度对目标低维数据集Y
t
进行更新；
[0027]A5、判断迭代次数是否达到n_iter次；若达到，执行步骤A6；若没有达到，返回执行步骤A3；
[0028]A6、得到KL散度最小的低维特征数据集，作为高维数据集的t
‑
SNE特征表示Y
T
＝{y1,y2,...,y
n
}以及二维电压特征图。
[0029]进一步地，条件概率p
j|i
，p
i|j
以及联合概率分布p
ij
的表达式如下：
[0030][0031][0032][0033]式中，x
i
，x
j
，x
k
分别为高维输入数据集中任意3个高维向量；σ
i
和σ
j
分别为以x
i
和x
j
为高斯分布中心的高斯函数模型方差，通过输入参数perplexity用二分搜索的方式来确定；n为高维输入数据集中高维向量的个数；
[0034]低维空间下数据的联合概率分布q
ij
的表达式如下：
[0035][0036]式中，y
i
，y
j
，y
k
，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种低压配电网络拓扑生成方法，其特征在于，包括以下步骤：获取低压台区下各用户电表采集的电气量数据，从电气量数据中提取采集信息，根据采集信息生成时序电压数据矩阵U；其中，采集信息包括电表ID、电压幅值、数据采集时间；从时序电压数据矩阵中筛选异常采集数据，对筛选获得的异常采集数据进行重新赋值；赋初值给t
‑
SNE算法的输入参数，将时序电压数据矩阵U作为t
‑
SNE算法的输入数据集，并运行t
‑
SNE算法，获得低维电压特征数据集Y
T
；赋初值给DBSCAN算法的输入参数，将低维电压特征数据集Y
T
作为DBSCAN算法的输入数据集，并运行DBSCAN算法，获得所有的簇类集合C以及二维电压特征聚类图；赋初值给LLE算法的输入参数，将时序电压数据矩阵U作为LLE算法的输入数据集，并运行LLE算法，获得在簇类标签C分类下的二维电压特征图；计算特征图中簇类中心与总表簇之间的欧氏距离关系并排序，输出排序结果，表示不同用户分支与总表间的相对电气距离关系；基于DBSCAN算法和LLE算法得到的拓扑识别信息生成节点邻接矩阵；将节点邻接矩阵可视化生成低压配电网络节点连接拓扑图。2.根据权利要求1所述的一种低压配电网络拓扑生成方法，其特征在于，所述时序电压数据矩阵U的表达式为：式中，任一电压数据U
i,tj
表示为电表i在t
j
时刻所测得的电压幅值；m表示所有台区用户数量；n表示表计在某一时段内采集的该用户的电压采样点数目；时序电压数据矩阵U的任一行向量U
i
表示同一用户表计在采样时段内测量的所有时刻的时序电压数据，任一列向量U
tj
表示同一时刻下各电表采集的不同用户的电压数据。3.根据权利要求1所述的一种低压配电网络拓扑生成方法，其特征在于，通过以下方式对筛选获得的异常采集数据进行重新赋值：式中，为电压矩阵中某一采样时序t
err
电表采集的异常电压数据；与分别表示同一时序电压序列中距离异常采集数据最近的且采样时序早于时序t
err
与晚于时序t
err
的正常电压数据。4.根据权利要求1所述的一种低压配电网络拓扑生成方法，其特征在于，所述t
‑
SNE算法的输入参数包括n_components，perplexity，learning_rate；其中，n_components表示目标降维维度，perplexity表示困惑度，learning_rate表示学习率；t
‑
SNE算法的运行步骤如下：A1、将高维电压数据点的欧式距离转换成联合概率来表达各点之间的相关性，其中在
高维空间下使用高斯分布函数进行转换，分别计算条件概率p
j|i
，p
i|j
以及联合概率分布p
ij
；A2、采用正态分布N(0,10
‑4I)随机初始化目标低维数据集Y0＝{y1,y2,...,y
n
}；A3、在低维空间下使用t分布函数进行转换，计算低维空间下数据的联合概率分布q
ij
；A4、使概率分布p
ij
＝q
ij
，对两个概率分布之间的KL散度进行优化，建立目标函数；迭代计算梯度，根据计算获得的梯度对目标低维数据集Y
t
进行更新；A5、判断迭代次数是否达到n_iter次；若达到，执行步骤A6；若没有达到，返回执行步骤A3；A6、得到KL散度最小的低维特征数据集，作为高维数据集的t
‑
SNE特征表示Y
T
＝{y1,y2,...,y
n
}以及二维电压特征图。5.根据权利要求4所述的一种低压配电网络拓扑生成方法，其特征在于，条件概率p
j|i
，p
i|j
以及联合概率分布p
ij
的表达式如下：的表达式如下：的表达式如下：式中，x
i
，x
j
，x
k
分别为高维输入数据集中任意3个高维向量；σ
i
和σ
j
分别为以x
i
和x
j
为高斯分布中心的高斯函数模型方差，通过输入参...

【专利技术属性】
技术研发人员：李海锋，梁文兆，梁远升，张绮轩，王钢，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：