基于关联匹配分析的低压电网数据异常溯源的方法及系统技术方案

本申请公开了一种基于关联匹配分析的低压电网数据异常溯源的方法

【技术实现步骤摘要】
基于关联匹配分析的低压电网数据异常溯源的方法及系统


[0001]本申请涉及智能配电网
，尤其涉及一种基于关联匹配分析的低压电网数据异常溯源的方法
、
系统
、
计算机设备及存储介质
。

技术介绍

[0002]低压配电网作为电力系统的末端，扮演着将电能传输至住宅
、
商业和工业场所终端用户的关键角色，随着电动汽车
、
分布式能源和可再生能源的普及，低压配电网的复杂性和多样性正逐渐升级
。
然而，这种变化对数据的稳定性带来了一系列的挑战，包括线损
、
电压波动
、
不平衡负载等问题，高效准确的数据异常检测成为保证低压配电网可靠运行和优化利用的关键，也是推动电力行业朝着更智能
、
高效和可持续的方向发展的关键环节
。
[0003]国网积极推动智能电网的建设，通过智能电表
、
传感器
、
监测设备等先进技术，实现对低压配电网的实时监测和数据采集，从而更加精准地识别异常情况，实现异常的快速定位
。
在电力系统中广泛应用数据分析
、
人工智能等前沿技术，对庞大的电力数据进行深度挖掘和精细分析，以发现隐藏的异常模式和规律，及时预警异常情况，减少潜在风险
。
[0004]然而由于低压配电网的复杂性以及庞大的终端节点数量，传统的人工巡检和监测方法往往无法满足迅速识别数据异常并进行溯源的需求
。
此外，面对终端量测数据缺失以及线路参数未知等情况，传统方法也难以有效进行数据异常检测和追踪
。

技术实现思路

[0005]本申请提供了一种基于关联匹配分析的低压电网数据异常溯源的方法
、
系统
、
计算机设备和存储介质，以解决传统的电网数据检测方法面对终端量测数据缺失以及线路参数未知的情况，无法满足迅速是被数据异常并进行追溯的需求的技术问题，实现在终端量测数据缺失以及线路参数未知的情况下，低压配电台区数据异常溯源，有效保障电力供应的稳定性
。
[0006]为解决上述技术问题，第一方面，本申请提供了一种基于关联匹配分析的低压电网数据异常溯源的方法，所述方法包括：
[0007]获取低压配电台区终端各节点量测数据，根据所述各节点量测数据建立基于虚拟阻抗的拓扑检测模型；所述各节点量测数据至少包括配变节点
、
分支节点和用户节点的功率和电流；
[0008]根据所述拓扑检测模型的目标函数，将所述各节点量测数据输入双隐层循环神经网络进行训练，以确定所述各节点量测数据中潮流变量间的映射关系；
[0009]根据所述映射关系，计算各节点之间的虚拟阻抗值，并将所述各节点之间的虚拟阻抗值与预先设定的阈值比较，根据比较结果判断所述拓扑检测模型各节点之间连接的正确性，以定位所述拓扑检测模型各节点连接异常的用户
。
[0010]优选的，所述根据所述各节点量测数据建立基于虚拟阻抗的拓扑检测模型，包括：
[0011]选择其中一个低压配电台区，所述选择的低压配电台区至少包含一个配变节点和
n
个用户节点；
[0012]根据所述选择的低压配电台区各节点的连接关系建立等值电路模型拓扑图；
[0013]根据所选择的低压配电台区各节点量测数据计算所述等值电路模型拓扑图各电缆段的总功率损耗；
[0014]根据所述各电缆段的总功率损耗计算所述等值电路模型拓扑图的线路损耗；
[0015]将所述线路损耗作为所述拓扑检测模型的目标函数
。
[0016]优选的，所述目标函数为：
[0017][0018]其中，
P0表示低压配电台区中配变节点的智能电表出口端有功功率；
P
j
表示用户节点
j
的智能电表出口端有功功率；
I
j
表示用户节点
j
的智能电表出口端电流；
I
k
表示分支节点
k
的智能电表出口端电流；
n
表示低压配电台区中用户节点数目；
n
表示低压配电台区中用户节点数目；
M
jk
表示用户节点
j
和分支节点
k
上游交汇处各段的虚拟阻抗值与功率因数倒数平方的乘积
。
[0019]优选的，所述根据所述拓扑检测模型的目标函数，将所述各节点量测数据输入双隐层循环神经网络进行训练，以确定所述各节点量测数据中潮流变量间的映射关系，包括：
[0020]根据所述拓扑检测模型的目标函数，以确定所述各节点量测数据中需要拟合的潮流变量，所述需要拟合的潮流变量为：
[I0,P1,
···
,P
j
,
···
P
n
]和
[P0,I1,
····
,P
j
,
···
,I
n
]；
[0021]将
[I0,P1,
···
,P
j
,
···
,P
n
]T
作为所述双隐层循环神经网络的输入，将
[P0,I1,
···
,P
j
,
···
,I
n
]T
作为所述双隐层循环神经网络的输出，对所述双隐层循环神经网络进行训练；
[0022]通过所述训练完成的双隐层循环神经网络，确定所述
[I0,P1,
···
,P
j
,
···
,P
n
]和
[P0,I1,
···
,P
j
,
···
,I
n
]之间存在的映射关系；
[0023]所述
[I0,P1,
···
,P
j
,
···
,P
n
]和
[P0,I1,
···
,P
j
,
···
,I
n
]之间存在的映射关系为：
[0024][0025]其中，
X
为配变节点的注入电流及用户节点的有功功率组成的
n+1
维向量；
W
(i)
为第
i
个隐藏层的权重矩阵；
b
(i)
为第
i
个隐藏层的偏置向量；
K
为双隐层循环神经网络的隐藏层的数量，且
K
的值为2；
Y
为配变节点的有功功率及用户节点的注入本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于关联匹配分析的低压电网数据异常溯源的方法，其特征在于，所述方法包括：获取低压配电台区终端各节点量测数据，根据所述各节点量测数据建立基于虚拟阻抗的拓扑检测模型；所述各节点量测数据至少包括配变节点
、
分支节点和用户节点的功率和电流；根据所述拓扑检测模型的目标函数，将所述各节点量测数据输入双隐层循环神经网络进行训练，以确定所述各节点量测数据中潮流变量间的映射关系；根据所述映射关系，计算各节点之间的虚拟阻抗值，并将所述各节点之间的虚拟阻抗值与预先设定的阈值比较，根据比较结果判断所述拓扑检测模型各节点之间连接的正确性，以定位所述拓扑检测模型各节点连接异常的用户
。2.
如权利要求1所述的基于关联匹配分析的低压电网数据异常溯源的方法，其特征在于，所述根据所述各节点量测数据建立基于虚拟阻抗的拓扑检测模型，包括：选择其中一个低压配电台区，所述选择的低压配电台区至少包含一个配变节点和
n
个用户节点；根据所述选择的低压配电台区各节点的连接关系建立等值电路模型拓扑图；根据所选择的低压配电台区各节点量测数据计算所述等值电路模型拓扑图各电缆段的总功率损耗；根据所述各电缆段的总功率损耗计算所述等值电路模型拓扑图的线路损耗；将所述线路损耗作为所述拓扑检测模型的目标函数
。3.
如权利要求2所述的基于关联匹配分析的低压电网数据异常溯源的方法，其特征在于，所述目标函数为：其中，
P0表示低压配电台区中配变节点的智能电表出口端有功功率；
P
j
表示用户节点
j
的智能电表出口端有功功率；
I
j
表示用户节点
j
的智能电表出口端电流；
I
k
表示分支节点
k
的智能电表出口端电流；
n
表示低压配电台区中用户节点数目；
M
jk
表示用户节点
j
和分支节点
k
上游交汇处各段的虚拟阻抗值与功率因数倒数平方的乘积
。4.
如权利要求3所述的基于关联匹配分析的低压电网数据异常溯源的方法，其特征在于，所述根据所述拓扑检测模型的目标函数，将所述各节点量测数据输入双隐层循环神经网络进行训练，以确定所述各节点量测数据中潮流变量间的映射关系，包括：根据所述拓扑检测模型的目标函数，以确定所述各节点量测数据中需要拟合的潮流变量，所述需要拟合的潮流变量为：
[I0,P1,
···
,P
j
,
···
P
n
]
和
[P0,I1,
····
,P
j
,
···
,I
n
]
；将
[I0,P1,
···
,P
j
,
···
,P
n
]
T
作为所述双隐层循环神经网络的输入，将
[P0,I1,
···
,P
j
,
···
,I
n
]
T
作为所述双隐层循环神经网络的输出，对所述双隐层循环神经网络进行训练；通过所述训练完成的双隐层循环神经网络，确定所述
[I0,P1,
···
,P
j
,
···
,P
n
]
和
[P0,I1,

【专利技术属性】
技术研发人员：宣羿，孙智卿，樊立波，韩荣杰，陈逸轩，来益博，王奇锋，杨谊，张旭东，张建松，侯伟宏，刘箭，屠永伟，蒋建，陈益芳，黄佳斌，王亿，方响，邢双双，赵坚鹏，徐榕拥，倪夏冰，李雅，刘兴业，金旻昊，周国华，来涵彬，冯雪，陈元中，
申请(专利权)人：国网浙江省电力有限公司，
类型：发明
国别省市：