一种基于大数据分析的低压配电网拓扑识别方法技术

本发明专利技术公开了一种基于大数据分析的低压配电网拓扑识别方法，涉及智能配电网领域，包括：步骤1，低压台区下所有设备的时钟同步；步骤2，台区低压集中器档案、任务、方案的配置；步骤3，根据同一相别各节点电压曲线具有相似性，使用聚类算法对降维后的电压时序数据进行聚类分析，初步判别各设备拓扑关系；步骤4，利用能量守恒定律，计算各相别设备的回归系数，识别不属于该分支单元的户表；步骤5，计算被筛选出的户表归属于其他相别的回归系数，比较系数大小，确定被筛选出的户表的归属关系，最终梳理整个台区的拓扑。本发明专利技术通过大数据分析算法处理低压台区电压、有功功率数据，能够有效的梳理台区拓扑关系。梳理台区拓扑关系。梳理台区拓扑关系。

【技术实现步骤摘要】
一种基于大数据分析的低压配电网拓扑识别方法


[0001]本专利技术涉及智能配电网领域，特别是一种基于大数据分析的低压配电网拓扑识别方法。

技术介绍

[0002]随着智能配电网的建设和发展，大量的监测终端、智慧电表投入到配用电系统中，产生了海量的智能配用电数据，这些海量的用电数据为供电企业的精益化、数字化管理提供了重要的技术支撑。但是目前针对配电侧低压台区的拓扑识别仍使用收发特征电流信号的方式来实现，该方式存在一定的局限性。
[0003]当前配电侧低压台区的拓扑识别主要通过智慧终端与待识别设备之间收发特征电流来判断拓扑关系，因台区的低压集抄集中器、量测开关、低压分路监测终端(LTU)以及用户电表等设备大部分都来自不同厂家，能够支持的协议规范也会有所差别，对台区拓扑识别造成很大的阻碍，这种方式存在效率低、容错性差、现场环境依赖性强等弊端。

技术实现思路

[0004]本专利技术所要解决的技术问题是克服上述现有技术存在的问题，提供一种基于大数据分析的低压配电网拓扑识别方法，该方法不需要通过智慧终端与待识别设备间收发特征电流信号，只需采集智能终端下总表与待识别设备间相同时刻的电压、功率，当采集样本满足一定的数量后即可通过大数据分析计算各设备间的拓扑关系。
[0005]为实现上述专利技术目，本专利技术采取如下技术方案：
[0006]一种基于大数据分析的低压配电网拓扑识别方法，包括以下步骤：
[0007]步骤1：主站对低压集中器进行校时，并触发低压集中器广播校时命令对该台区下所有设备进行校时，确保所有设备的时钟同步；
[0008]步骤2：主站给低压集中器下发档案，并配置任务、方案，每隔1小时采集该台区所有设备的电压、有功功率数据；
[0009]步骤3：根据低压侧同一相线的各节点电压曲线具有相似性，使用聚类算法对电压时序数据进行聚类，并使用降维算法将欧几里德距离转换为条件概率来表示电压样本间的相似度，从而有效识别用户的用电相别；
[0010]步骤4：根据能量守恒定律和上一步计算的户表相别，同一时刻户表的有功功率之和等于上一级分支单元的有功功率，计算每级分支单元的户变关系，筛选出不属于该分支单元的户表；
[0011]步骤5：根据筛选出的户表有功功率分别计算该户表归于与其他相别的回归系数，比较回归系数的大小，确定该户表的相别以及所属分支，梳理每级分支单元总表的归属关系，最终得到台区拓扑结果。
[0012]进一步地，所述步骤2中下发的档案在扩展信息域中包含设备类型，方案配置为小时冻结，并采集当前电压、有功功率数据。
[0013]进一步地，所述步骤3中对于单相用户电压数据集合U＝[U1,U2,...,U
N
],N≥50，任意两个电压样本U
i
和U
j
，其样本间的概率分布p
ij
的计算公式为：
[0014][0015]式中p
j|i
的计算方式为：
[0016][0017]其中，p
j|i
表示电压数据点U
j
出现在数据点U
i
的条件概率，p
j|i
值越大，相似度越高，同一相位的可能性越高。
[0018]进一步地，所述步骤4中每个分支的有功功率之和的计算公式为：
[0019]Y＝Xβ+ε
[0020]其中，Y∈R
m
为每个分支里量测开关(或者LTU)的有功功率列向量，X∈R
m
×
n
为同相户表有功功率矩阵，β∈R
n
为回归系数列向量，ε∈R
m
为误差列向量。
[0021]进一步地，步骤5回归系数计算公式为：
[0022][0023]其中，回归系数偏小且接近0表示不属于该台区，回归系数越大，归属于该分支单元的可能性越大。
[0024]与现有技术相比，本专利技术的有益效果是：本专利技术应用大数据分析算法梳理低压台区拓扑关系，不会因现场设备的厂家、协议、设备新旧等差异因素导致无法识别，针对现场复杂环境只需要采集足够数量的实时电压、有功功率数据样本即可完成台区拓扑关系梳理，具有适应性强、效率高等特点，对智慧电网的建设具有深远的意义。
附图说明
[0025]图1为本专利技术基于大数据分析算法的拓扑计算流程图。
[0026]图2为本专利技术电压数据降维流程图。
[0027]图3为本专利技术电压降维数据聚类分析流程图。
具体实施方式
[0028]为了使本专利技术的目的、技术方案及优点更加清楚明白，下面结合附图对本专利技术作进一步描述，以下内容仅用于更加清楚地说明本专利技术的技术方案，而不能以此来限制本专利技术的保护范围。
[0029]结合附图1，一种基于大数据分析的低压配电网拓扑识别方法，包括以下步骤：
[0030]步骤1：通过主站对低压集中器进行校时，并触发低压集中器广播校时命令对该台区下的量测开关、低压分路监测终端以及电能表进行校时，确保所有设备的时钟同步，保证相同时刻采集到的电压、有功功率数据的准确性。
[0031]步骤2：低压集中器档案、任务及方案的配置，在配置设备档案时，应将设备类型配置在档案的附加信息域中，方案采集类型为小时冻结，每隔1小时采集电压、有功功率实时
数据，在计算时当出现设备某时刻数据缺失时，则所有设备该时刻的数据不参与识别计算。
[0032]步骤3：根据同一相线的各节点电压曲线具有相似性，电气距离越近，电压降越小，电压相似性越高，加之台区三相存在一定的不平衡性，且每相的用电负荷特性基本不相同，异相间的节点电压曲线变化关联性差，对于户表N个时刻的电压数据集合U＝[U1,U2,...,U
N
]，根据单边概率分布计算任意两个电压样本间的双边概率分布p
ij
，并将其降维处理，维度d＝3，流程如附图2所示；涉及到的概率分布计算公式为：
[0033][0034][0035]然后对电压时序数据进行层次聚类分析，由于电压只有A、B、C三相，设置相别类簇为3，聚为同一类的为同一相，得到每个户表及监测终端设备的相位，最后再次对每一相的电压样本数据聚类分析，聚类数为该相中可识别设备的数量，初步构建“分支
‑
表箱
‑
户表”的拓扑结构，计算流程如附图3所示。
[0036]步骤4：根据能量守恒定律，且不考虑采集设备存在故障、偷漏电以及线损正确情况下，分支单元中户表作为子节点，所有子节点的有功功率之和等于该分支单元父节点的有功功率，计算每个分支单元中户表有功功率的回归系数；回归系数计算公式为：
[0037][0038]其中，Y∈R
m
为每个分支里量测开关(或者LTU)的有功功率列向量，X∈R
m
×
n
为同相户表有功功率矩阵，β∈R
n
为回归系数列向量；若回归系数接近1，说明该户表与分支单元总本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于大数据分析的低压配电网拓扑识别方法，其特征在于，包括以下步骤：步骤1：主站对低压集中器进行校时，并触发低压集中器广播校时命令对该台区下所有设备进行校时，确保所有设备的时钟同步；步骤2：主站给低压集中器下发档案，并配置任务、方案，每隔1小时采集该台区所有设备的电压、有功功率数据；步骤3：根据低压侧同一相线的各节点电压曲线具有相似性，使用聚类算法对电压时序数据进行聚类，并使用降维算法将欧几里德距离转换为条件概率来表示电压样本间的相似度，从而有效识别用户的用电相别；步骤4：根据能量守恒定律和上一步计算的户表相别，同一时刻户表的有功功率之和等于上一级分支单元的有功功率，计算每级分支单元的户变关系，筛选出不属于该分支单元的户表；步骤5：根据筛选出的户表有功功率分别计算该户表归于与其他相别的回归系数，比较回归系数的大小，确定该户表的相别以及所属分支，梳理每级分支单元总表的归属关系，最终得到台区拓扑结果。2.根据权利要求1所述的一种基于大数据分析的低压配电网拓扑识别方法，其特征在于，所述步骤1中通过主站对低压集中器的校时命令，实现该台区下所有设备的时钟同步，进而保证召测数据为同时刻的有效数据，减小数据误差。3.根据权利要求1所述的一种基于大数据分析的低压配电网拓扑识别方法，其特征在于，所述步骤2中的档案下发和任务、方案的配置，能够确保每隔1小时采集该台区所有设备的电压、有功功率数据。4.根据权利要求1所述的一种基于大数据分析的低压配电网拓扑...

【专利技术属性】
技术研发人员：葛玉磊，王永东，孙彦鹏，李国辉，梁茂轩，张阳，
申请(专利权)人：青岛鼎信通讯科技有限公司，
类型：发明
国别省市：