【技术实现步骤摘要】
本申请涉及电力系统，尤其涉及一种低压配电网线户关系识别方法及其相关装置。
技术介绍
1、低压拓扑结构是配电网管理系统的重要组成部分，也是各种分析计算的基础。然而由于电力线路的重新配置、维护和检修，低压配电网的拓扑结构会发生变化，影响电网运行的稳定性和电能计量的准确性。近年来，针对配电网结构复杂且易于故障、自动化程度低等问题，发展智能配电网成为当前国家电力体制改革和电网企业战略转型的基础，而拓扑识别是智能低压配电网实现的基础，同时也是其中的技术关键和难点之一。
2、目前，由于低压配电网观测信息少、网络结构复杂、变化频繁的特点，长久以来，其拓扑信息普遍缺失或不准确，造成低压配电网长期粗放式运行，已经成为制约低压配电网规划、运行与管理智能化的重要瓶颈。并且由于线路复杂繁多、电表数量多位置散等原因，人工手动梳理拓扑关系所花时间成本和人工成本高且难度大，而中压的拓扑识别方法并不完全适用，因此，亟需研究低压配电网线户关系的快速识别方法。现有方法通常采用数据驱动法进行低压配电网拓扑结构识别，该方法只考虑正常运行数据，在求解线户模型时，需要并行/串行处理大量数据采集时刻对应的优化模型，计算规模大。
技术实现思路
1、本申请提供了一种低压配电网线户关系识别方法及其相关装置，用于提高线户识别方法的识别效率和准确性。
2、有鉴于此，本申请第一方面提供了一种低压配电网线户关系识别方法，包括：
3、获取低压配电网中各电能表的运行数据以及故障信息，所述运行数据包括电流数据和
4、基于所述故障信息识别所述运行数据中的故障数据；
5、根据正常运行数据中的电压数据计算各电能表之间的相似度，基于所述相似度以及所述故障信息对电能表进行聚类，得到电能表聚类结果，所述正常运行数据为所述运行数据中除故障数据以外的数据；
6、基于所述电能表聚类结果，将聚类在同一类别的电能表的电流的和作为该类别的电流值；
7、根据基尔霍夫电流定律和所有类别的电流值构建线户关系模型，通过求解所述线户关系模型，得到低压配电网的线户关系识别结果。
8、可选的，所述基于所述故障信息识别所述运行数据中的故障数据，之前还包括：
9、对目标数据进行聚类，得到聚类结果，所述目标数据为电流数据或电压数据；
10、基于所述聚类结果识别所述目标数据中的异常数据，并剔除所述异常数据。
11、可选的，所述基于所述聚类结果识别所述目标数据中的异常数据，包括：
12、根据所述聚类结果计算所述目标数据中各数据样本的最大距离、局部密度以及所有数据样本的最大距离阈值和最小密度阈值；
13、比较各数据样本的最大距离与所述最大距离阈值的大小以及局部密度与所述最小密度阈值大小；
14、若数据样本的最大距离大于所述最大距离阈值，且该数据样本的局部密度小于所述最小密度阈值，则判定该数据样本为异常数据。
15、可选的，所述根据所述聚类结果计算所述目标数据中各数据样本的最大距离、局部密度以及所有数据样本的最大距离阈值和最小密度阈值，包括：
16、根据所述聚类结果计算所述目标数据中属于同一类别的各数据样本之间的距离；
17、基于各数据样本之间的距离筛选距离各数据样本最近的目标数量个数据样本，得到各数据样本的最临近距离集合；
18、从各数据样本的最临近距离集合中选取距离最大值作为各数据样本的最大距离，并基于各数据样本的最临近距离集合计算各数据样本的局部密度；
19、对所有数据样本的最大距离以及局部密度分别求平均，得到最大距离阈值以及最小密度阈值。
20、可选的，相似度的计算公式为：
21、
22、式中，为电能表a与电能表b之间的相似度，为电能表a的电压数据构成的电压序列k的平均值，为电能表b的电压数据构成的电压序列k的平均值。
23、可选的，所述故障信息包括停电设备、停电时间、恢复上电时间；
24、相应的，所述基于所述故障信息识别所述运行数据中的故障数据，包括：
25、根据停电设备、停电时间和恢复上电时间确定停电时长和停电范围内的失电电能表，并将失电电能表对应的运行数据标记为故障数据。
26、可选的，所述线户关系模型为：
27、
28、式中，为t时刻低压配电线路l首端流出的有功电流值；e为聚类集合中电能表聚类类别总数；xp,l为0-1变量，表示电能表类别与线路的所属关系，若类别p属于低压配电线路l，则xp,l＝1，反之则xp,l＝0；l为各相低压配电线路集合；β＝{1,2,…,t}为采集时刻集合，ip,clu为类别p中所有电能表的有功电流值之和。
29、本申请第二方面提供了一种低压配电网线户关系识别装置，包括：
30、数据获取单元，用于获取低压配电网中各电能表的运行数据以及故障信息，所述运行数据包括电流数据和电压数据；
31、识别单元，用于基于所述故障信息识别所述运行数据中的故障数据；
32、聚类单元，用于根据正常运行数据中的电压数据计算各电能表之间的相似度，基于所述相似度以及所述故障信息对电能表进行聚类，得到电能表聚类结果，所述正常运行数据为所述运行数据中除故障数据以外的数据；
33、计算单元，用于基于所述电能表聚类结果，将聚类在同一类别的电能表的电流的和作为该类别的电流值；
34、模型构建和求解单元，用于根据基尔霍夫电流定律和所有类别的电流值构建线户关系模型，通过求解所述线户关系模型，得到低压配电网的线户关系识别结果。
35、本申请第三方面提供了一种低压配电网线户关系识别设备，所述设备包括处理器以及存储器；
36、所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；
37、所述处理器用于根据所述程序代码中的指令执行第一方面任一种所述的低压配电网线户关系识别方法。
38、本申请第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质用于存储程序代码，所述程序代码被处理器执行时实现第一方面任一种所述的低压配电网线户关系识别方法。
39、从以上技术方案可以看出，本申请具有以下优点：
40、本申请提供了一种低压配电网线户关系识别方法，包括：获取低压配电网中各电能表的运行数据以及故障信息，运行数据包括电流数据和电压数据；基于故障信息识别运行数据中的故障数据；根据正常运行数据中的电压数据计算各电能表之间的相似度，基于相似度以及故障信息对电能表进行聚类，得到电能表聚类结果，正常运行数据为运行数据中除故障数据以外的数据；基于电能表聚类结果，将聚类在同一类别的电能表的电流的和作为该类别的电流值；根据基尔霍夫电流定律和所有类别的电流值构建线户关系模型，通过求解线户关系模型，得到低压配电网的线户关系识别结果。
41、本申请中，在利用正常本文档来自技高网...
【技术保护点】
1.一种低压配电网线户关系识别方法，其特征在于，包括：
2.根据权利要求1所述的低压配电网线户关系识别方法，其特征在于，所述基于所述故障信息识别所述运行数据中的故障数据，之前还包括：
3.根据权利要求2所述的低压配电网线户关系识别方法，其特征在于，所述基于所述聚类结果识别所述目标数据中的异常数据，包括：
4.根据权利要求3所述的低压配电网线户关系识别方法，其特征在于，所述根据所述聚类结果计算所述目标数据中各数据样本的最大距离、局部密度以及所有数据样本的最大距离阈值和最小密度阈值，包括：
5.根据权利要求1所述的低压配电网线户关系识别方法，其特征在于，相似度的计算公式为：
6.根据权利要求1所述的低压配电网线户关系识别方法，其特征在于，所述故障信息包括停电设备、停电时间、恢复上电时间；
7.根据权利要求1所述的低压配电网线户关系识别方法，其特征在于，所述线户关系模型为：
8.一种低压配电网线户关系识别装置，其特征在于，包括：
9.一种低压配电网线户关系识别设备，其特征在于，所述设备包括处
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质用于存储程序代码，所述程序代码被处理器执行时实现权利要求1-7任一项所述的低压配电网线户关系识别方法。
...【技术特征摘要】
1.一种低压配电网线户关系识别方法，其特征在于，包括：
2.根据权利要求1所述的低压配电网线户关系识别方法，其特征在于，所述基于所述故障信息识别所述运行数据中的故障数据，之前还包括：
3.根据权利要求2所述的低压配电网线户关系识别方法，其特征在于，所述基于所述聚类结果识别所述目标数据中的异常数据，包括：
4.根据权利要求3所述的低压配电网线户关系识别方法，其特征在于，所述根据所述聚类结果计算所述目标数据中各数据样本的最大距离、局部密度以及所有数据样本的最大距离阈值和最小密度阈值，包括：
5.根据权利要求1所述的低压配电网线户关系识别方法，其特...
【专利技术属性】
技术研发人员：李巍，贾巍，白浩，李柳松，刘亦朋，利小兵，徐敏，易启淋，杨炜晨，顾衍璋，
申请(专利权)人：南方电网科学研究院有限责任公司，
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。