【技术实现步骤摘要】
低压台区拓扑识别方法、装置、存储介质和芯片设备
[0001]本专利技术涉及配电网络
，尤其涉及一种低压台区拓扑识别方法、一种低压台区拓扑识别装置、一种非临时性计算机可读存储介质和一种芯片设备。
技术介绍
[0002]低压台区物理拓扑能够真实地反映台区内配电变压器、线路及用户之间的连接关系，如图1所示，低压台区拓扑结构包括台变层、分支层和表箱层，台变层包括一个台区总表，分支层包括多个分支箱，表箱层包括多个表箱。实时掌握台区“台区总表
‑
分支箱
‑
表箱”的拓扑关系能够为电力系统精益管理、线路故障定位、台区线路损耗分析提供重要依据。然而，低压台区长期存在拓扑关系混乱的问题，需要理清拓扑关系以支撑高级电力应用。目前，相关拓扑识别技术主要包括以下三种：1、脉冲电流法，通过向台区注入特征信号进行拓扑辨别，该方法浪费人力物力，且注入工频信号会造成电网安全隐患。2、载波通信法，通过收发电力线载波信号来判断电路各节点对应关系，但是受用电负荷的影响，信号可信度较低，无法准确识别拓扑结构。3、数据挖掘法，根据电压、功率、电量等用电信息之间的相似性，判断台区设备间的连接关系，但相关技术中的数据挖掘法识别准确性不高。
技术实现思路
[0003]本专利技术旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本专利技术的目的在于提出一种低压台区拓扑识别方法、装置、存储介质和芯片设备，以准确识别出低压台区的拓扑结构。
[0004]为达到上述目的，本专利技术第一方面实施例提出了一种...
【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，所述方法包括：获取所述低压台区中各待识别设备的电量时序数据，得到原始电量数据；对所述原始电量数据进行降维处理，得到分支箱的低维电量数据和表箱的低维电量数据；根据所述分支箱的低维电量数据确定台区总表，更新待确定连接关系的分支箱，并对所述待确定连接关系的分支箱进行分组，得到多个组合，以及根据各所述组合中分支箱的低维电量数据和目标分支箱的低维电量数据，确定出目标组合，作为所述目标分支箱的下一层，返回至所述更新待确定连接关系的分支箱的步骤，直至分到低压台区分支层的最后一层，得到所述分支箱的第一连接关系，并得到末级分支箱，其中，所述目标分支箱为所述待确定连接关系分支箱的上一层分支箱；根据所述末级分支箱的低维电量数据和所述表箱的低维电量数据，确定所述表箱的第二连接关系；根据所述第一连接关系和所述第二连接关系，得到所述低压台区的拓扑结构。2.根据权利要求1所述的低压台区拓扑识别方法，其特征在于，所述根据所述分支箱的低维电量数据确定台区总表，包括：根据所述分支箱的低维电量数据，计算各所述分支箱电量数据的平均值，并将最大平均值对应的分支箱作为所述台区总表。3.根据权利要求2所述的低压台区拓扑识别方法，其特征在于，所述对所述待确定连接关系的分支箱进行分组，得到多个组合，包括：从所述待确定连接关系的分支箱中，分别随机选择1，
…
，e
‑
1，e个分支箱进行分组，得到种组合，其中，K为所述待确定连接关系的分支箱数。4.根据权利要求2所述的低压台区拓扑识别方法，其特征在于，所述低维电量数据为时序数据，所述根据各所述组合中分支箱的低维电量数据和目标分支箱的低维电量数据，确定出目标组合，包括：针对每个所述组合，将该组合各分支箱的低维电量数据中相同时刻的电量数据相加，得到该组合的累计电量数据；分别计算各所述组合的累计电量数据与所述目标分支箱的低维电量数据的皮尔逊相关系数；将最大皮尔逊相关系数对应的组合作为所述目标组合。5.根据权利要求2所述的低压台区拓扑识别方法，其特征在于，在所述得到所述分支箱的第一连接关系之后，所述方法还包括：判断所述第一连接关系中是否存在漏连接分支箱；若存在，则分别计算所述漏连接分支箱的低维电量数据与各所述目标组合对应的累计电量序列的皮尔逊相关系数；根据最大皮尔逊相关系数对应的目标组合，确定所述漏连接分支箱在所述第一连接关系中的位置，并根据所述位置更新所述第一连接关系。6.根据权利要求5所述的低压台区拓扑识别方法，其特征在于，所述方法还包括：判断所述第一连接关系中是否存在具有直连关系的分支箱；若存在，则通过电力载波向所述低压台区发送高频信号，并获取所述具有直连关系的
分支箱的信号强度；根据所述信号强度确定所述具有直连关系的分支箱的上下级关系，并根据所述上下级关系更新所述第一连接关系。7.根据权利要求1所述的低压台区拓扑识别方法，其特征在于，所述根据所述末级分支箱的低维电量数据和所述表箱的低维电量数据，确定所述表箱的第二连接关系，包括：针对每个所述末级分支箱，根据该末级分支箱的低维电量数据和所述表箱的低维电量数据，构建该所述末级分支箱与所有表箱的线性关系式，并将所述线性关系式转化为凸优化模型，以及对所述凸优化模型进行求解，得到该末级分支箱连接的表箱；根据各所述末级分支箱连接的表箱，得到所述表箱的第二连接关系。8.根据权利要求7所述的低压台区拓扑识别方法，其特征在于，所述将所述线性关系式转化为凸优化模型，包括：将所述线性关系式转化为求解误差最小的优化模型；通过范数替代所述优化模型中的范数，得到所述凸优化模型。9.根据权利要求8所述的低压台区拓扑识别方法，其特征在于，所述线性关系式为：；所述优化模型为：s.t. 所述凸优化模型为：s.t. 其中，表示第i个所述末级分支箱的低维电量数据，表示所述低维电量数据的时刻数，表示M个所述表箱的低维电量数据，表示与第i个所述末级分支箱构建线性关系式的表箱，当第m个所述表箱和第i个所述末级分支箱具有连接关系时，，否则，表示电量测量值受随机噪声干扰产生的误差，表示范数，表示范数。10.根据权利要求1所述的低压台区拓扑识别方法，其特征在于，所述对所述原始电量数据进行降维处理，得到分支箱的低维电量数据和表箱的低维电量数据，包括：计算所述原始电量数据的高斯概率分布矩阵；构建低维数据，并初始化所述低维数据，以及计算所述低维数据的t分布矩阵，其中，所述低维数据的时刻数小于所述原始电量数据的时刻数；计算所述高斯概率分布矩阵与所述t分布矩阵的KL散度，作为损失函数；基于所述损失函数利用梯度下降法对所述低维数据进行求解，得到分支箱的低维电量数据和表箱的低维电量数据。
11.根据权利要求10所述的低压台区拓扑识别方法，其特征在于，所述计算所述原始电量数据的高斯概率分布矩阵，包括：计算所述原始电量数据中两两数据之间的相似性条件概率，并根据所述相似性条件概率计算第一联合概率，以及根据所述第一联合概率，得到所述原始电量数据的高斯概率分布矩阵；所述计算所述低维数据的t分布矩阵，包括：通过t分布函数计算低维数据的第二联合概率，其中，所述低维数据的初始值通过随机初始化得到；根据所述第二联合概率，得到所述低维数据的t分布矩阵。12.根据权利要求11所述的低压台区拓扑识别方法，其特征在于，所述基于所述损失函数利用梯度下降法对所述低维数据进行求解，包括：根据所述损失函数，通过所述梯度下降法对所述低维数据进行计算，得到梯度函数；根据所述梯度函数，得到梯度向量，并根据所述梯度向量对所述低维数据进行更新；判断更新后的低维数据是否达到迭代结束条件；若没有达到，则返回所述计算所述低维数据的t分布矩阵的步骤；若达到，则将当前的低维数据作为所述低维电量数据。13.根据权利要求12所述的低压台区拓扑识别方法，其特征在于，通过如下公式计算所述相似性条件概率：其中，表示所述原始电量数据，表示第i个待识别设备的电量时序数据，表示所述待识别设备的总数量，表示第i个待识别设备分布在第j个待识别设备周围的相似性条件概率，表示以为中心的正态分布方差；通过如下公式计算所述第一联合概率：其中，表示第i个待识别设备和第j个待识别设备的概率相似度；所述高斯概率分布矩阵表示为：，其中，，；通过如下公式计算所述第二联合概率：其中，表示所述低维数据，表示第i个待识别设备的低维数据，表示所述低维数据的时刻数；所述t分布矩阵表示为：，其中，，。14.根据权利要求13所述的低压台区拓扑识别方法，其特征在于，
通过如下公式计算所述损失函数：其中，表示第i个待识别设备的损失函数；通过如下公式计算所述梯度函数：所述梯度向量表示为：。15.根据权利要求14所述的低压台区拓扑识别方法，其特征在于，通过如下公式进行迭代计算：其中，表示学习率，表示动量因子。16.一种低压台区拓扑识别装置，其特征在于，所述装置包括：第一获取模块，用于获取所述低压台区中各待识别设备的电量时序数据，得到原始电量数据；数据处理模块，用于对所述原始电量数据进行降维处理，得到分支箱的低维电量数据和表箱的低维电量数据；第一确定模块，用于根据所述分支箱的低维电量数据确定台区总表，更新待确定连接关系的分支箱，并对所述待确定连接关系的分支箱进行分组，得到多个组合，以及根据各所述组合中分支箱的低维电量数据和目标分...
【专利技术属性】
技术研发人员：陈金雷，代洪光，冀笑伟，胡亚静，徐鲲鹏，张谦，
申请(专利权)人：北京智芯半导体科技有限公司，
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。