CN109725219A - 一种电能表台区自动识别方法 - Google Patents

Abstract

本发明涉及一种电能表台区自动识别方法，属于配电网电参数测量应用领域。首先在已有台区准确数据的基础上，建立一个电压损耗模型。然后基于电压损耗模型和用户端数据，估计出台区总表电压。最后将估计电压与实际电压进行相关性分析，综合决策出用户电能表所属的台区，并给出两者相关系数，从而提高电网管理能力，促进电网健康稳定的运行。

Description

一种电能表台区自动识别方法

技术领域

本发明属于配电网电参数测量应用领域，涉及一种电能表台区自动识别方法。

背景技术

在电力公司对配电网的日常管理工作中，经常会涉及与用户电能表所属台区相关的问题，如远程费控、时钟校时、三相功率平衡、相序控制和线损规算等。准确地识别用户电能表所属的台区能够实现精细化的营销并且有效地降耗减损。

目前，用户的台区识别主要依靠电力载波技术，需要从集中器发送载波信号，然后用户端接上测量工具进行测量，不仅工作量非常大，而且容易受到电磁信号的干扰。

依据2007年12月发布的《DL/T645-2007多功能电能表通信协议》中所规定的数据交换协议，可以实时采集电网运行时的各种状态信息。若能够充分利用这些采集到的运行数据，对配电网进行分析，有效地识别出用户电能表的台区，将会大大降低电力公司管理人员的工作难度，提高电网的运行效率。

发明内容

有鉴于此，本发明的目的在于提供一种电能表台区自动识别方法。通过在已有台区准确数据的基础上，建立一个电压损耗模型。然后基于电压损耗模型，利用同一时刻用户电能表的电压、功率值和台区总表某相的功率值，估计出台区总表该相的电压值。最后，通过计算几个时刻台区总表的电压估计值与电压实际值的Spearman秩相关系数，来确定用户电能表所属的台区。

为达到上述目的，本发明提供如下技术方案：

一种电能表台区自动识别方法，该方法包括以下步骤：

S1：利用已知的正确的台区数据采集若干时刻台区总表与用户电能表的电压与功率值；

S2：利用采集到的电压与功率值建立一个电压损耗模型；

S3：利用电压损耗模型和待识别用户电能表数据，估计出每个时刻每个台区总表每相的电压；

S4：基于所述时刻台区总表每相电压的估计值与实际值的数据，计算出他们的Spearman秩相关系数；

S5：利用实际值与估计值的Spearman秩相关系数，综合决策待识别用户电能表所属的台区。

进一步，所述步骤S1具体为：

在一定天数内每隔1～15分钟，同步采集一次用户电能表电压V_u、功率W_u和该用户电能表对应台区总表在对应相位的电压V_t、功率W_t；最后根据采集的数据，构建一个训练数据集D(W_u V_u,W_t,V_t)。

进一步，所述步骤S2具体为：

S21：将采集到的训练数据集D运用零-均值规范化的方法归一化处理，消除他们之间的量纲，得到新的训练数据集D^*具体转化公式为：

S22：依据梯度下降法原理，通过使目标函数局部最小，来得出电压损耗模型的参数(k₀,k₁,k₂,k₃)；目标函数为：

其中，λ为正则化参数，m为训练数据集D^*中采集的样本数量，分别为训练集D^*中的第i个样本。

进一步，所述S3具体为：

S31：在一定天数内每隔1～15分钟，同步采集一次待识别用户电能表电压V_ux、功率W_ux和每个台区总表在每个相位的电压V_t、功率W_t；最后根据采集的数据，构建3×k个数据集T_ij(W_ux V_ux,W_tij,V_tij)；其中，k为台区的总数量，i为台区编号，j为A、B、C相中的一个；

S32：将数据集T_ij中的每条数据按照S21中的均值和方差进行规范化；

S33：根据电压损耗模型，估计出每个台区每个相位在相应时刻的电压值；电压损耗模型的具体公式为：

其中，V′_tij代表第i个台区总表在j相的电压估计值，V_ux、W_ux分别代表待识别用户电能表电压和功率，W_tij V′_tij代表第i个台区总表在j相的功率。

进一步，所述S4具体为：

S41：将每个数据集T_ij所得到的第i个台区第j相的电压估计值和实际值分别从小到大排序，计算出相应的秩次R_i和Q_i；

S42：根据计算出的秩次，计算Spearman秩相关系数，具体公式为：

进一步，所述S5具体为：

S51：取第i个台区计算出的三个相关系数r_iA、r_iB、r_iC中的最大值的平方作为台区相关度r_i ²；

S52：若台区相关度r_i ²小于γ₁，则将第i个台区从备选台区中移除；其中，0≤r²≤1，r_i ²越接近于1则用户电能表与第i个台区相关性越强；γ₁为阈值，根据经验获得；

S53：在余下的备选台区中，寻找相关度最大的r_i ²，那么待识别用户电能表就属于第i个台区；

S54：若最终无法匹配到合适的台区，则取得更多的数据后再进行分析；重复步骤S3到S5，对更多的用户电能表进行识别，无需再构建电压损失模型。

本发明的有益效果在于：

其一，通过电能表可以测量电压和功率的功能，运用数据分析的方法，自动识别出用户电能表所属的台区，无需添加额外的专用设备，减少了成本；

其二，可实现跨台区识别，有效解决电力公司档案录入错误的问题，提高统计的准确率。

附图说明

为了使本发明的目的、技术方案和有益效果更加清楚，本发明提供如下附图进行说明：

图1为一种电能表台区自动识别方法流程图；

图2为用户电能表所属台区综合决策图。

具体实施方式

下面将结合附图，对本发明的优选实施例进行详细的描述。

图1为一种电能表台区自动识别方法流程图，图2为用户电能表所属台区综合决策图。如图所示：本发明提供的一种电能表台区自动识别方法，包括以下步骤：

S1：利用已知的正确的台区数据采集某几个时刻台区总表与用户电能表的电压与功率值；

S2：利用采集的电压与功率值建立一个电压损耗模型；

S3：利用电压损耗模型和待识别用户电能表数据，估计出每个时刻每个台区总表每相的电压；

S4：基于某几个时刻台区总表每相电压的估计值与实际值的数据，计算出他们的Spearman秩相关系数；

S5：利用实际值与估计值的Spearman秩相关系数，综合决策用户电能表所属的台区；

进一步，所述步骤S1中利用已知的正确的台区数据采集某几个时刻台区总表与用户电能表的电压与功率值的具体方法为：在一定天数内每隔1～15分钟，同步采集一次用户电能表电压V_u、功率W_u和该用户电能表对应台区总表在对应相位的电压V_t、功率W_t。最后根据采集的数据，构建一个训练数据集D(W_u V_u,W_t,V_t)；

进一步，所述S2中的利用采集的电压与功率值建立一个电压损耗模型，包括以下具体步骤：

S21：将采集到的训练数据集D运用零-均值规范化的方法归一化处理，消除他们之间的量纲，得到新的训练数据集D^*具体转化公式为：

S22：依据梯度下降法原理，通过使目标函数局部最小，来得出电压损耗模型的参数(k₀,k₁,k₂,k₃)；

进一步，所述S22中的目标函数为

其中，λ为正则化参数，m为训练数据集D^*中采集的样本数量，分别为训练集D^*中的第i个样本。

进一步，所述步骤S3中利用电压损耗模型和待识别用户电能表数据，估计出每个时刻每个台区总表每相的电压，包括以下具体步骤：

S31：在30天内每隔15分钟，同步采集一次待识别用户电能表电压V_ux、功率W_ux和每个台区总表在每个相位的电压V_t、功率W_t。最后根据采集的数据，构建3×k个数据集T_ij(W_uxV_ux,W_tij,V_tij)。其中，k为台区的总数量，i为台区编号，j为A、B、C相中的一个；

S32：将数据集T_ij中的每条数据按照S21中的均值和方差进行规范化；

S33：根据电压损耗模型，估计出每个台区每个相位在相应时刻的电压值。电压损耗模型的具体公式为：

其中，V′_tij代表第i个台区总表在j相的电压估计值，V_ux、W_ux分别代表待识别用户电能表电压和功率，W_tij V′_tij代表第i个台区总表在j相的功率。

进一步，所述步骤S4中基于某几个时刻台区总表每相电压的估计值与实际值的数据，计算出他们的Spearman秩相关系数，包括以下具体步骤：

S41：将每个数据集T_ij所得到的第i个台区第j相的电压估计值和实际值分别从小到大排序，计算出相应的秩次R_i和Q_i；

S42：根据计算出的秩次，计算Spearman秩相关系数，具体公式为：

进一步，所述步骤S5中利用实际值与估计值的Spearman秩相关系数，综合决策用户电能表所属的台区，包括以下具体步骤：

S51：取第i个台区计算出的三个相关系数r_iA、r_iB、r_iC中的最大值的平方作为台区相关度r_i ²；

S52：若台区相关度r_i ²(0≤r²≤1，r_i ²越接近于1则用户电能表与第i个台区相关性越强)小于γ₁(阈值，由专家根据经验给出)，则将第i个台区从备选台区中移除；

S53：在余下的备选台区中，寻找相关度最大的r_i ²，那么待识别用户电能表就属于第i个台区；

S54：若最终无法匹配到合适的台区，则取得更多的数据后再进行分析。重复步骤S3到S5，可对更多的用户电能表进行识别，无需再构建电压损失模型。

本实施例基于岭回归和Spearman秩相关的方法，提出了一种电能表台区自动识别方法，不仅能有效的识别出用户电能表所属的台区，还可以给出相应的相关系数，从而提供精确的台区识别，促进电网安全有效运行。

最后说明的是，以上优选实施例仅用以说明本发明的技术方案而非限制，尽管通过上述优选实施例已经对本发明进行了详细的描述，但本领域技术人员应当理解，可以在形式上和细节上对其作出各种各样的改变，而不偏离本发明权利要求书所限定的范围。

Claims (6)

1.一种电能表台区自动识别方法，其特征在于：该方法包括以下步骤：

S1：利用已知的正确的台区数据采集若干时刻台区总表与用户电能表的电压与功率值；

S2：利用采集到的电压与功率值建立一个电压损耗模型；

S3：利用电压损耗模型和待识别用户电能表数据，估计出每个时刻每个台区总表每相的电压；

S4：基于所述时刻台区总表每相电压的估计值与实际值的数据，计算出他们的Spearman秩相关系数；

S5：利用实际值与估计值的Spearman秩相关系数，综合决策待识别用户电能表所属的台区。

2.根据权利要求1所述的一种电能表台区自动识别方法，其特征在于：所述步骤S1具体为：

在一定天数内每隔1～15分钟，同步采集一次用户电能表电压V_u、功率W_u和该用户电能表对应台区总表在对应相位的电压V_t、功率W_t；最后根据采集的数据，构建一个训练数据集D(W_u V_u,W_t,V_t)。

3.根据权利要求1所述的一种电能表台区自动识别方法，其特征在于：所述步骤S2具体为：

S21：将采集到的训练数据集D运用零-均值规范化的方法归一化处理，消除他们之间的量纲，得到新的训练数据集D^*具体转化公式为：

S22：依据梯度下降法原理，通过使目标函数局部最小，来得出电压损耗模型的参数(k₀,k₁,k₂,k₃)；目标函数为：

其中，λ为正则化参数，m为训练数据集D^*中采集的样本数量，W_t ⁽ⁱ⁾,V_t ⁽ⁱ⁾分别为训练集D^*中的第i个样本。

4.根据权利要求1所述的一种电能表台区自动识别方法，其特征在于：所述S3具体为：

S31：在一定天数内每隔1～15分钟，同步采集一次待识别用户电能表电压V_ux、功率W_ux和每个台区总表在每个相位的电压V_t、功率W_t；最后根据采集的数据，构建3×k个数据集T_ij(W_ux V_ux,W_tij,V_tij)；其中，k为台区的总数量，i为台区编号，j为A、B、C相中的一个；

S32：将数据集T_ij中的每条数据按照S21中的均值和方差进行规范化；

S33：根据电压损耗模型，估计出每个台区每个相位在相应时刻的电压值；电压损耗模型的具体公式为：

其中，V′_tij代表第i个台区总表在j相的电压估计值，V_ux、W_ux分别代表待识别用户电能表电压和功率，W_tij V′_tij代表第i个台区总表在j相的功率。

5.根据权利要求1所述的一种电能表台区自动识别方法，其特征在于：所述S4具体为：

S41：将每个数据集T_ij所得到的第i个台区第j相的电压估计值和实际值分别从小到大排序，计算出相应的秩次R_i和Q_i；

S42：根据计算出的秩次，计算Spearman秩相关系数，具体公式为：

6.根据权利要求1所述的一种电能表台区自动识别方法，其特征在于：所述S5具体为：

S51：取第i个台区计算出的三个相关系数r_iA、r_iB、r_iC中的最大值的平方作为台区相关度r_i ²；

S52：若台区相关度r_i ²小于γ₁，则将第i个台区从备选台区中移除；其中，0≤r²≤1，r_i ²越接近于1则用户电能表与第i个台区相关性越强；γ₁为阈值，根据经验获得；

S53：在余下的备选台区中，寻找相关度最大的r_i ²，那么待识别用户电能表就属于第i个台区；

S54：若最终无法匹配到合适的台区，则取得更多的数据后再进行分析；重复步骤S3到S5，对更多的用户电能表进行识别，无需再构建电压损失模型。