一种台区户变更关系识别方法及电能表技术

本发明专利技术涉及智能电力技术领域，为一种台区户变更关系识别方法及电能表

【技术实现步骤摘要】
一种台区户变更关系识别方法及电能表


[0001]本专利技术涉及智能电力
，为一种台区户变更关系识别方法及电能表
。

技术介绍

[0002]低压配电网又称低压配电台区，是指
10kV/400V
变压器及以下的配电网络结构，是直接向用户供电的末端电力系统，由配电变压器
(
以下简称配变
)、
配电装置
、
低压配电线路及用电设备构成
。
其智能化
、
精益化管理水平将直接影响供电服务质量和客户用电满意程度
。
现阶段供电企业对台区线损率
、
供电质量
、
故障抢修及台区精细化管理水平等提出了更加严格的要求，迫切需要转变配电网传统管理模式和被动服务方式
。
其中准确的低压台区户变关系是提升线损治理和电力营销管理水平的重要基础，也是实现供电企业停电到户
、
故障定位和台区智能运检的重要依据
。
但由于低压台区长期缺乏行之有效的管理与维护机制，台区用户资料缺失
、
户变关系不准确
、
用户所属变动未能及时更新等情况时有发生，直接阻碍台区管理及故障研判等业务应用的展开，影响电力用户的切身利益和供电企业的经济效益
。
目前，低压配电台区户变关系识别的方法主要分为人工排查
、
安装设备和数据分析三类
。
传统依赖于人工现场排查的方法给运维人员造成大量工作负担且效率极其低下
。

技术实现思路

[0003]为了解决以上的问题，本申请提供一种台区户变更关系识别方法及电能表，采用电压时序数据并以时间序列的相似度作为距离实现时序数据基于形状的聚类，并通过聚类方法实现最终的最优聚类结果的获得
。
[0004]为了达到上述目的，本申请实施例采用的技术方案如下：
[0005]第一方面，提供一种台区户变更关系识别方法，，所述方法包括：获取台区变压器低压侧和用户端的第一电压时序数据和第二电压时序数据，并将所述第一电压时序数据和所述第二电压时序数据形成第一电压时序曲线和第二电压时序曲线；确定所述第一电压时序曲线和所述第二电压时序曲线的相似度，并对所述相似度进行分级，获取具有高相似度的变压器和用户电压组；将所述高相似度的变压器和用户电压组中对应的第一电压时序曲线和第二电压时序曲线进行聚类，并基于形状相似的电压曲线确定台区户变关系
。
[0006]进一步的，获取单位时间内的所述第一时序数据和所述第二时序数据的相似电压点，并确定所述第一时序数据和所述第二时序数据多个相似电压点之间的多个路径距离，并基于多个所述路径距离之和得到规整路径距离，所述规则路径距离用于表征所述第一电压时序曲线和所述第二电压时序曲线的相似度
。
[0007]进一步的，将所述高相似度的变压器和用户电压组中对应的第一电压时序曲线和第二电压时序曲线进行聚类，包括：基于第一聚类模型对筛选出的所述第一电压时序曲线和所述第二电压时序曲线进行初步聚类得到初始聚类中心，基于第二句类模型基于所述初始聚类中心进行聚类处理，得到聚类结果
。
[0008]进一步的，所述第一聚类模型包括由多个神经元组成的输入层，所述输入层用于
接收
N
维输入向量；以及由多个神经元构成的二维平面结构的输出层，所述输出层用于将所述输入层的多个节点映射输出，输出结果为初始聚类中心
。
[0009]进一步的，所述输入层与所述输出层之间为全连接关系
。
[0010]进一步的，所述第二聚类模型为
K
‑
means
聚类模型，基于所述
K
‑
means
聚类模型得到多个聚类结果，并计算多个聚类结果所对应的多个特征指数，确定多个所述特征指数中的最小指数以及最少指数对应的聚类结果为最优聚类结果
。
[0011]进一步的，所述特征指数为每个聚类簇中最大相似度的均值
。
[0012]第二方面，提供一种电能表，包括
HPLC
模块，所述
HPLC
模块包括：数据采集子模块，用于获取台区变压器低压侧和用户端的第一电压时序数据和第二电压时序数据，并将所述第一电压时序数据和所述第二电压时序数据形成第一电压时序曲线和第二电压时序曲线；相似度比较子模块，用于确定所述第一电压时序曲线和所述第二电压时序曲线的相似度，并对所述相似度进行分级，获取具有高相似度的变压器和用户电压组；区台户变关系确定子模块，用于将所述高相似度的变压器和用户电压组中对应的第一电压时序曲线和第二电压时序曲线进行聚类，并基于形状相似的电压曲线确定台区户变关系
。
[0013]进一步的，所述区台户变关系确定子模块包括第一聚类模型和第二聚类模型，所述第一聚类模型用于对第一电压时序曲线和第二电压时序曲线进行初聚类得到初始聚类中心，所述第二句类模型基于所述初始聚类中心进行二次聚类得到最优聚类结果
。
[0014]进一步的，所述第一聚类模型包括由多个神经元组成的输入层，以及由多个神经元构成的二维平面结构的输出层；所述第二聚类模型为
K
‑
means
聚类模型
。
[0015]第三方面，提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一项所述的方法
。
[0016]本申请实施例提供的技术方案中，通过将时间序列进行扭曲对齐，以时间序列的相似度作为距离实现时序数据基于形状的聚类，提高了聚类准确性；并基于第一聚类和第二聚类分段聚类相结合的两阶段聚类方法，通过计算最大值均值确定最优聚类数目，提高聚类效果和性能，是最终识别结果更加准确
。
附图说明
[0017]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图
。
[0018]附图中的方法
、
系统和
/
或程序将根据示例性实施例进一步描述
。
这些示例性实施例将参照图纸进行详细描述
。
这些示例性实施例是非限制的示例性实施例，其中示例数字在附图的各个视图中代表相似的机构
。
[0019]图1是本申请实施例提供的台区户变更关系识别方法流程示意图
。
[0020]图2是本申请实施例提供的电能表结构图
。
[0021]图3是本申请实施例提供的台区户变更关系识别设备结构示意图
。
具体实施方式
[0022]为了更好的理解上述技术方案，下面通本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种台区户变更关系识别方法，其特征在于，所述方法包括：获取台区变压器低压侧和用户端的第一电压时序数据和第二电压时序数据，并将所述第一电压时序数据和所述第二电压时序数据形成第一电压时序曲线和第二电压时序曲线；确定所述第一电压时序曲线和所述第二电压时序曲线的相似度，并对所述相似度进行分级，获取具有高相似度的变压器和用户电压组；将所述高相似度的变压器和用户电压组中对应的第一电压时序曲线和第二电压时序曲线进行聚类，并基于形状相似的电压曲线确定台区户变关系
。2.
根据权利要求1所述的台区户变更关系识别方法，其特征在于，获取单位时间内的所述第一时序数据和所述第二时序数据的相似电压点，并确定所述第一时序数据和所述第二时序数据多个相似电压点之间的多个路径距离，并基于多个所述路径距离之和得到规整路径距离，所述规则路径距离用于表征所述第一电压时序曲线和所述第二电压时序曲线的相似度
。3.
根据权利要求1所述的台区户变更关系识别方法，其特征在于，将所述高相似度的变压器和用户电压组中对应的第一电压时序曲线和第二电压时序曲线进行聚类，包括：基于第一聚类模型对筛选出的所述第一电压时序曲线和所述第二电压时序曲线进行初步聚类得到初始聚类中心，基于第二句类模型基于所述初始聚类中心进行聚类处理，得到聚类结果
。4.
根据权利要求3所述的台区户变更关系识别方法，其特征在于，所述第一聚类模型包括由多个神经元组成的输入层，所述输入层用于接收
N
维输入向量；以及由多个神经元构成的二维平面结构的输出层，所述输出层用于将所述输入层的多个节点映射输出，输出结果为初始聚类中心
。5.
根据权利要求4所述的台区户变更关系识别方法，其特征在于，所述输入层与所述输出层之间为全连接关系
。6.
根据权利要求3所述的台区户变更关系识别方...

【专利技术属性】
技术研发人员：林明光，王桃丰，孙丙功，温从卫，曾刚，王丽，
申请(专利权)人：浙江晨泰科技股份有限公司，
类型：发明
国别省市：