CN111221778A - 一种低压用户与台区隶属关系的匹配方法 - Google Patents

一种低压用户与台区隶属关系的匹配方法 Download PDF

Info

Publication number
CN111221778A
CN111221778A CN202010288078.3A CN202010288078A CN111221778A CN 111221778 A CN111221778 A CN 111221778A CN 202010288078 A CN202010288078 A CN 202010288078A CN 111221778 A CN111221778 A CN 111221778A
Authority
CN
China
Prior art keywords
voltage
sequence
user
low
matched
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202010288078.3A
Other languages
English (en)
Inventor
王俊波
武利会
李新
张殷
董镝
刘崧
范心明
唐琪
李国伟
宋安琪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Foshan Power Supply Bureau of Guangdong Power Grid Corp
Original Assignee
Foshan Power Supply Bureau of Guangdong Power Grid Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Foshan Power Supply Bureau of Guangdong Power Grid Corp filed Critical Foshan Power Supply Bureau of Guangdong Power Grid Corp
Priority to CN202010288078.3A priority Critical patent/CN111221778A/zh
Publication of CN111221778A publication Critical patent/CN111221778A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/10—File systems; File servers
    • G06F16/11—File system administration, e.g. details of archiving or snapshots
    • G06F16/113—Details of archiving
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2465—Query processing support for facilitating data mining operations in structured databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Databases & Information Systems (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Water Supply & Treatment (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开一种低压用户与台区隶属关系的匹配方法，包括：获取待匹配低压用户及所有台区的指定时间段的电压有效值数据，形成电压时序序列；采用改进一阶向前差分法将电压时序序列粗粒化；采用时间延迟嵌入法将粗粒化后的电压时序序列符号化；计算所有符号化后的电压时序序列的先农熵；计算待匹配用户与所有台区的血缘亲近指数；比较所有血缘亲近指数大小，确定目标所属台区。本发明基于数据挖掘，利用计量自动化***，对用户电压量测数据进行血缘亲近分析，实现低压用户户变关系的准确校验。

Description

一种低压用户与台区隶属关系的匹配方法
技术领域
本发明涉及低压配电网拓扑识别的领域，更具体地，涉及一种低压用户与台区隶属关系的匹配方法。
背景技术
目前，我国配电网尤其低压配电网相较于发、输电网发展落后，低压用户拓扑关系复杂多变，配网的低压管理仍然是“以抢修代替维护”的方式开展，基础档案维护也是通过配网工程电子化移交的方式进行管理，常常出现的户变资料移交不及时、台账档案与现场实际不一致的问题，户变关系不一致必然会造成线损计算的不准确。线损计算不准确，一方面成为配网网架优化、保障用户高质量用电的关键制约因素，另一方面成为营销稽查防窃电管理的主要障碍。综上所述，低压用户与台区隶属关系的精确匹配是非常必要的。
目前，低压用户和台区的隶属关系校验有离线和在线两种方式。离线方式是采用台区贯通仪带电开展，这种方式只能对台账档案记录的隶属关系正确与否做出校验，要想实现精确匹配，必须对待检用户和所有台区一一校验，工作量巨大，在生产现场是不现实的，并且由于是带电开展，存在人身触电风险。在线方式通过安装硬件设施，投资成本高，需要配网海量安装点的全覆盖，难以大规模推广。综上所述，采用一种新的低压用户与台区隶属关系的精确匹配方法来解决现有方法的不足是十分必要的。
发明内容
本发明提供一种低压用户与台区隶属关系的匹配方法，实现低压用户与台区隶属关系的精确匹配，促进低压配电网户变关系档案不准确导致线损无法准确计算的问题治理。
为解决上述技术问题，本发明的技术方案如下：
一种低压用户与台区隶属关系的匹配方法，包括以下步骤：
S1：获取待匹配低压用户及其所有台区的指定时间段的电压有效值数据，形成电压时序序列；
S2：对S1的电压时序序列粗粒化；
S3：对粗粒化后的电压时序序列符号化；
S4：计算所有符号化后的电压时序序列的先农熵；
S5：根据S4得到的先农熵，计算待匹配用户与所有台区的血缘亲近指数；
S6：比较所有血缘亲近指数大小，确定目标所属台区。
优选地，步骤S1中通过计量自动化***获取电压有效值数据，由于每一个低压用户均配有智能电表用于电费计量，每一个台区均有配电终端用于功率计量，而智能电表和配变终端均同时具有电压采集和上传的功能，并且每15分钟上传一个量测数据至计量自动化***，所有智能电表、配变终端统一授时，因此具有时间上的同步性。
优选地，所述电压有效值数据的获得不少于一个月且每天的采样时间点不少于24个。
优选地，步骤S1中的电压时序序列包括待匹配用户电压时序序列U0和所有台区电压时序序列U1~Uk，分别表示为：
U0={u0 1,u0 2,…,u0 n}
其中，u0 i表示匹配用户在指定的时间点i时刻的电压有效值，单位为伏特；
U1={u1 1,u1 2,…,u1 n}
U2={u2 1,u2 2,…,u2 n}
……
Uk={uk 1,uk 2,…,uk n}
其中，uj i表示编号为j的台区在指定的时间点i时刻的电压有效值，单位为伏特，j=1,2，…，k。
优选地，步骤S2中，采用改进一阶向前差分法将电压时序序列粗粒化，具体为：
所述改进一阶向前差分法即比较所述电压时序序列的第i个元素与第i-1个元素的大小关系，按照如果第i个元素不小于其第i-1个元素则取1、如果第i个元素小于第i-1个元素则取0的原则，将所述电压时序序列粗粒化为具有n-1个元素的二进制时序序列，即粗粒化的待匹配用户电压时序序列U0* 和粗粒化的台区电压时序序列U1*～U k*，分别表示为：
粗粒化的待匹配用户电压时序序列U0*：
U0*={u0*1,u0*2,…,u0*n-1}
其中，u0*i表示经过所述改进一阶向前差分法计算得到的无量纲电压值，计算方法如下：
Figure 120375DEST_PATH_IMAGE001
粗粒化的台区电压时序序列U1*～U k*：
U1*={u1*1,u1*2,…,u1*n-1}
U2*={u2*1,u2*2,…,u2*n-1}
……
Uk*={uk*1,uk*2,…,uk*n-1}
其中，uj*i表示经过所述改进一阶向前差分法计算得到的无量纲电压值，计算方法如下：
Figure 610262DEST_PATH_IMAGE002
。
粗粒化的目的是降低动力学噪声及测量噪声的影响，以便能够捕获大尺度的特征。粗粒化可采用均值法、方差法、一阶差分法、移动均值一阶差分法等能够把时间序列样本数据转化为容易处理的数据序列。
优选地，步骤S3采用时间延迟嵌入法将粗粒化后的电压时序序列符号化，符号化的目的是在关注全局特征的同时可关注局部细节特征，具体为：
取宽度为L的时间窗，将所述粗粒化的电压时序序列按照时间窗的宽度L进行十进制转换，形成一个具有n-L个元素的十进制矩阵，即符号化的待匹配用户电压时序序列U0#和符号化的台区电压时序序列U1#～U k #，分别表示为：
符号化的待匹配用户电压时序序列U0#：
U0# =｛u0# 1，u0# 2，…，u0# n-L｝
其中，u0# i表示经过所述时间延迟嵌入法计算得到的无量纲电压值，计算方法如下：
u0# 1= u0* 1×2L-1+ u0* 2×2L-2+…+ u0* L×20
u0# 2= u0* 2×2L-1+ u0* 2×2L-2+…+ u0* L+1×20
……
u0# i= u0* i+1×2L-1+ u0* i+2×2L-2+…+ u0* L+i-1×20
……
u0# n-L = u0* n-L×2L-1+ u0* n-L +1×2L-2+…+ u0* n-1×20
符号化的台区电压时序序列U1#～U k #表示为：
U1#=｛u1# 1，u1# 2，…，u1# n-L｝
U2#=｛u2# 1，u2# 2，…，u2# n-L｝
……
U k # =｛u k # 1，u k # 2，…，u k # n-L｝
其中，uj# i表示经过所述改时间延迟嵌入法计算得到的无量纲电压值，计算方法如下：
Uj# 1= u j* 1×2L-1+ u j* 2×2L-2+…+ u j* L×20
U j# 2= u j* 2×2L-1+ u j* 3×2L-2+…+ u j* L+1×20
……
U j# i= u j* i+1×2L-1+ u j* i+2×2L-2+…+ u j* L+i-1×20
……
U j# n-L= u0* n-L×2L-1+ u j* n-L +1×2L-2+…+ u j* n-1×20。
优选地，所述L取3。
优选地，步骤S4中计算所有符号化的电压时序序列的先农熵，具体为：
以所述符号化的电压时序序列的每个元素及其出现的概率为影响因子，计算出所述先农熵序列H，表示为：
H={ h0，h1，…，hk }
其中，h0表示待匹配用户的先农熵，hi表示编号为i的台区的先农熵，i=1，2，…，k，计算方法如下：
Figure 327551DEST_PATH_IMAGE003
其中，P0i表示符号化的待匹配用户电压时序序列的第i个元素出现的概率；
Figure 815164DEST_PATH_IMAGE004
Figure 493270DEST_PATH_IMAGE005
……
Figure 177061DEST_PATH_IMAGE006
其中，Pki表示对应符号化的台区电压时序序列的第i个元素出现的概率。
优选地，所述步骤S5中计算待匹配用户与所有台区的血缘亲近指数，具体为：
以所述先农熵为影响因子，计算出所述血缘亲近指数，形成血缘亲近指数序列λ：
λ=｛λ0-1，λ0-2，…，λ0-k｝
其中λ0-i表示待匹配用户与编号为i的台区的血缘亲近指数，计算方法如下：
λ0-i=∣hi-h0∣，i=1，2，…，k。
优选地，步骤S6中所述的比较所有血缘亲近指数大小，确定目标所属台区，目标所属台区编号i的判断依据为：
λ0-i=min（λ0-1，λ0-2，…，λ0-k）。
与现有技术相比，本发明技术方案的有益效果是：
本发明解决现有户变关系台账档案不准确导致的线损无法精确计算问题，本发明所提出的方法，基于数据挖掘分析技术，充分利用计量自动化***的数据，对用户智能电表和台区配变终端的量测数据进行挖掘分析，以实现低压用户与台区隶属关系的精确匹配，促进低压配电网户变关系档案不准确导致线损无法准确计算的问题治理。
附图说明
图1为本发明的方法流程示意图。
图2为本发明实施例提供的配电变压器连接低压用户的示意图。
具体实施方式
附图仅用于示例性说明，不能理解为对本专利的限制；
为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；
对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。
下面结合附图和实施例对本发明的技术方案做进一步的说明。
实施例1
本实施例提供一种低压用户与台区隶属关系的匹配方法，如图1，包括以下步骤：
S1：获取待匹配低压用户及其所有台区的指定时间段的电压有效值数据，形成电压时序序列；
S2：对S1的电压时序序列粗粒化；
S3：对粗粒化后的电压时序序列符号化；
S4：计算所有符号化后的电压时序序列的先农熵；
S5：根据S4得到的先农熵，计算待匹配用户与所有台区的血缘亲近指数；
S6：比较所有血缘亲近指数大小，确定目标所属台区。
步骤S1中通过计量自动化***获取电压有效值数据，由于每一个低压用户均配有智能电表用于电费计量，每一个台区均有配电终端用于功率计量，而智能电表和配变终端均同时具有电压采集和上传的功能，并且每15分钟上传一个量测数据至计量自动化***，所有智能电表、配变终端统一授时，因此具有时间上的同步性。
所述电压有效值数据的获得不少于一个月且每天的采样时间点不少于24个。
步骤S1中的电压时序序列包括待匹配用户电压时序序列U0和所有台区电压时序序列U1~Uk，分别表示为：
U0={u0 1,u0 2,…,u0 n}
其中，u0 i表示匹配用户在指定的时间点i时刻的电压有效值，单位为伏特；
U1={u1 1,u1 2,…,u1 n}
U2={u2 1,u2 2,…,u2 n}
……
Uk={uk 1,uk 2,…,uk n}
其中，uj i表示编号为j的台区在指定的时间点i时刻的电压有效值，单位为伏特，j=1,2，…，k。
步骤S2中，采用改进一阶向前差分法将电压时序序列粗粒化，具体为：
所述改进一阶向前差分法即比较所述电压时序序列的第i个元素与第i-1个元素的大小关系，按照如果第i个元素不小于其第i-1个元素则取1、如果第i个元素小于第i-1个元素则取0的原则，将所述电压时序序列粗粒化为具有n-1个元素的二进制时序序列，即粗粒化的待匹配用户电压时序序列U0* 和粗粒化的台区电压时序序列U1*～U k*，分别表示为：
粗粒化的待匹配用户电压时序序列U0*：
U0*={u0*1,u0*2,…,u0*n-1}
其中，u0*i表示经过所述改进一阶向前差分法计算得到的无量纲电压值，计算方法如下：
Figure 561906DEST_PATH_IMAGE007
粗粒化的台区电压时序序列U1*～U k*：
U1*={u1*1,u1*2,…,u1*n-1}
U2*={u2*1,u2*2,…,u2*n-1}
……
Uk*={uk*1,uk*2,…,uk*n-1}
其中，uj*i表示经过所述改进一阶向前差分法计算得到的无量纲电压值，计算方法如下：
Figure 751579DEST_PATH_IMAGE008
。
粗粒化的目的是降低动力学噪声及测量噪声的影响，以便能够捕获大尺度的特征。粗粒化可采用均值法、方差法、一阶差分法、移动均值一阶差分法等能够把时间序列样本数据转化为容易处理的数据序列。
步骤S3采用时间延迟嵌入法将粗粒化后的电压时序序列符号化，符号化的目的是在关注全局特征的同时可关注局部细节特征，具体为：
取宽度为L的时间窗，将所述粗粒化的电压时序序列按照时间窗的宽度L进行十进制转换，形成一个具有n-L个元素的十进制矩阵，即符号化的待匹配用户电压时序序列U0#和符号化的台区电压时序序列U1#～U k #，分别表示为：
符号化的待匹配用户电压时序序列U0#：
U0# =｛u0# 1，u0# 2，…，u0# n-L｝
其中，u0# i表示经过所述时间延迟嵌入法计算得到的无量纲电压值，计算方法如下：
u0# 1= u0* 1×2L-1+ u0* 2×2L-2+…+ u0* L×20
u0# 2= u0* 2×2L-1+ u0* 2×2L-2+…+ u0* L+1×20
……
u0# i= u0* i+1×2L-1+ u0* i+2×2L-2+…+ u0* L+i-1×20
……
u0# n-L = u0* n-L×2L-1+ u0* n-L +1×2L-2+…+ u0* n-1×20
符号化的台区电压时序序列U1#～U k #表示为：
U1#=｛u1# 1，u1# 2，…，u1# n-L｝
U2#=｛u2# 1，u2# 2，…，u2# n-L｝
……
U k # =｛u k # 1，u k # 2，…，u k # n-L｝
其中，uj# i表示经过所述改时间延迟嵌入法计算得到的无量纲电压值，计算方法如下：
Uj# 1= u j* 1×2L-1+ u j* 2×2L-2+…+ u j* L×20
U j# 2= u j* 2×2L-1+ u j* 3×2L-2+…+ u j* L+1×20
……
U j# i= u j* i+1×2L-1+ u j* i+2×2L-2+…+ u j* L+i-1×20
……
U j# n-L= u0* n-L×2L-1+ u j* n-L +1×2L-2+…+ u j* n-1×20。
所述L取3。
步骤S4中计算所有符号化的电压时序序列的先农熵，具体为：
以所述符号化的电压时序序列的每个元素及其出现的概率为影响因子，计算出所述先农熵序列H，表示为：
H={ h0，h1，…，hk }
其中，h0表示待匹配用户的先农熵，hi表示编号为i的台区的先农熵，i=1，2，…，k，计算方法如下：
Figure 182561DEST_PATH_IMAGE009
其中，P0i表示符号化的待匹配用户电压时序序列的第i个元素出现的概率；
Figure 138884DEST_PATH_IMAGE010
Figure 440552DEST_PATH_IMAGE011
……
Figure 332285DEST_PATH_IMAGE012
其中，Pki表示对应符号化的台区电压时序序列的第i个元素出现的概率。
所述步骤S5中计算待匹配用户与所有台区的血缘亲近指数，具体为：
以所述先农熵为影响因子，计算出所述血缘亲近指数，形成血缘亲近指数序列λ：
λ=｛λ0-1，λ0-2，…，λ0-k｝
其中λ0-i表示待匹配用户与编号为i的台区的血缘亲近指数，计算方法如下：
λ0-i=∣hi-h0∣，i=1，2，…，k。
步骤S6中所述的比较所有血缘亲近指数大小，确定目标所属台区，目标所属台区编号i的判断依据为：
λ0-i=min（λ0-1，λ0-2，…，λ0-k）。在具体实施过程中，低压配电网表示电压等级在1kV以下的配电网，通过降压变压器变换电压进一步输送给用户，每一台配电变压器称之为一个台区，台区低压用户通过A、B、C三相馈线以辐射状方式布置，每一相馈线都可连接若干个低压用户，某供电所共有100个台区，每个台区下面均挂接若干低压用户，由于不同时刻***的负荷情况及运行状态不同，用户侧的电压会随着台区出口电压的变化而变化，因此低压用户处的电压会呈现一定的波动，每一个低压用户均配有智能电表用于电费计量，每一个台区均有配电终端用于功率计量，而智能电表和配变终端均同时具有电压采集和上传的功能，并且每15分钟上传一个量测数据至计量自动化***，所有智能电表、配变终端统一授时，具有时间上的同步性，考虑篇幅的限制及将所有数据全部导出到篇幅里的不切实际性，在本发明的具体实施方式中，从100个台区中选取6个台区，如图2，其中台区5下面有504个低压用户，选择台区5下属的1户代表性用户作为待匹配用户，标记为低压用户0，通过匹配它与台区1、台区2、台区3、台区4、台区5、台区6之间的隶属关系，来说明本发明技术方案的有效及实用性。
从计量自动化***中导出所选取的6个台区及1个代表性低压用户指定的12小时的电压有效值的历史数据，形成电压时间序列U，为方便易懂，采用表1表示，在本具体实施方式中，虑篇幅的限制及将所有数据全部导出到篇幅里的不切实际性，使本发明提供的匹配方法更加具备精准性，要求实际应用中历史数据的获得不应少于一个月，每天的采样时间点不得少于24个。
表1
Figure 922666DEST_PATH_IMAGE013
Figure 292468DEST_PATH_IMAGE014
Figure 573276DEST_PATH_IMAGE015
Figure 370331DEST_PATH_IMAGE016
Figure 510325DEST_PATH_IMAGE017
Figure 887080DEST_PATH_IMAGE018
执行步骤S2，采用改进一阶向前差分法将电压时序序列粗粒化，同样为方便易懂，采用表2表示：
表2
Figure DEST_PATH_IMAGE019
Figure 553554DEST_PATH_IMAGE020
Figure DEST_PATH_IMAGE021
Figure 787089DEST_PATH_IMAGE022
Figure DEST_PATH_IMAGE023
Figure 289746DEST_PATH_IMAGE024
Figure DEST_PATH_IMAGE025
执行步骤S3，取时间窗宽度L=3，采用时间延迟嵌入法将粗粒化后的电压时序序列符号化，同样为方便易懂，采用表3表示：
表3
Figure 985038DEST_PATH_IMAGE026
Figure DEST_PATH_IMAGE027
Figure 991171DEST_PATH_IMAGE028
Figure DEST_PATH_IMAGE029
Figure 582559DEST_PATH_IMAGE030
Figure DEST_PATH_IMAGE031
Figure 697145DEST_PATH_IMAGE032
Figure DEST_PATH_IMAGE033
执行步骤S4，计算所有符号化后的电压时序序列的先农熵，计算结果如下所示：
H=｛-3.80，-3.22，-3.24，-3.60，-3.42，-3.87，-4.02｝
执行步骤S5，计算待匹配用户与所有台区的血缘亲近指数，计算结果如下所示：
λ=｛0.58，0.56，0.20，0.37，0.07，0.22｝
执行步骤S6，比较所有血缘亲近指数大小，确定目标所属台区。由于λ0-5为0.07，其值最小，至此，低压用户0与台区5的隶属关系被精确匹配。
相同或相似的标号对应相同或相似的部件；
附图中描述位置关系的用语仅用于示例性说明，不能理解为对本专利的限制；
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。

Claims (10)

1.一种低压用户与台区隶属关系的匹配方法，其特征在于，包括以下步骤：
S1：获取待匹配低压用户及其所有台区的指定时间段的电压有效值数据，形成电压时序序列；
S2：对S1的电压时序序列粗粒化；
S3：对粗粒化后的电压时序序列符号化；
S4：计算所有符号化后的电压时序序列的先农熵；
S5：根据S4得到的先农熵，计算待匹配用户与所有台区的血缘亲近指数；
S6：比较所有血缘亲近指数大小，确定目标所属台区。
2.根据权利要求1所述的低压用户与台区隶属关系的匹配方法，其特征在于，步骤S1中通过计量自动化***获取电压有效值数据。
3.根据权利要求2所述的低压用户与台区隶属关系的匹配方法，其特征在于，所述电压有效值数据的获得不少于一个月且每天的采样时间点不少于24个。
4.根据权利要求3所述的低压用户与台区隶属关系的匹配方法，其特征在于，步骤S1中的电压时序序列包括待匹配用户电压时序序列U0和所有台区电压时序序列U1~Uk，分别表示为：
U0={u0 1,u0 2,…,u0 n}
其中，u0 i表示匹配用户在指定的时间点i时刻的电压有效值，单位为伏特；
U1={u1 1,u1 2,…,u1 n}
U2={u2 1,u2 2,…,u2 n}
……
Uk={uk 1,uk 2,…,uk n}
其中，uj i表示编号为j的台区在指定的时间点i时刻的电压有效值，单位为伏特，j=1,2，…，k。
5.根据权利要求4所述的低压用户与台区隶属关系的匹配方法，其特征在于，步骤S2中，采用改进一阶向前差分法将电压时序序列粗粒化，具体为：
所述改进一阶向前差分法即比较所述电压时序序列的第i个元素与第i-1个元素的大小关系，按照如果第i个元素不小于其第i-1个元素则取1、如果第i个元素小于第i-1个元素则取0的原则，将所述电压时序序列粗粒化为具有n-1个元素的二进制时序序列，即粗粒化的待匹配用户电压时序序列U0* 和粗粒化的台区电压时序序列U1*～U k*，分别表示为：
粗粒化的待匹配用户电压时序序列U0*：
U0*={u0*1,u0*2,…,u0*n-1}
其中，u0*i表示经过所述改进一阶向前差分法计算得到的无量纲电压值，计算方法如下：
Figure 241602DEST_PATH_IMAGE001
粗粒化的台区电压时序序列U1*～U k*：
U1*={u1*1,u1*2,…,u1*n-1}
U2*={u2*1,u2*2,…,u2*n-1}
……
Uk*={uk*1,uk*2,…,uk*n-1}
其中，uj*i表示经过所述改进一阶向前差分法计算得到的无量纲电压值，计算方法如下：
Figure 140288DEST_PATH_IMAGE002
。
6.根据权利要求5所述的低压用户与台区隶属关系的匹配方法，其特征在于，步骤S3采用时间延迟嵌入法将粗粒化后的电压时序序列符号化，具体为：
取宽度为L的时间窗，将所述粗粒化的电压时序序列按照时间窗的宽度L进行十进制转换，形成一个具有n-L个元素的十进制矩阵，即符号化的待匹配用户电压时序序列U0#和符号化的台区电压时序序列U1#～U k #，分别表示为：
符号化的待匹配用户电压时序序列U0#：
U0# =｛u0# 1，u0# 2，…，u0# n-L｝
其中，u0# i表示经过所述时间延迟嵌入法计算得到的无量纲电压值，计算方法如下：
u0# 1= u0* 1×2L-1+ u0* 2×2L-2+…+ u0* L×20
u0# 2= u0* 2×2L-1+ u0* 2×2L-2+…+ u0* L+1×20
……
u0# i= u0* i+1×2L-1+ u0* i+2×2L-2+…+ u0* L+i-1×20
……
u0# n-L = u0* n-L×2L-1+ u0* n-L +1×2L-2+…+ u0* n-1×20
符号化的台区电压时序序列U1#～U k #表示为：
U1#=｛u1# 1，u1# 2，…，u1# n-L｝
U2#=｛u2# 1，u2# 2，…，u2# n-L｝
……
U k # =｛u k # 1，u k # 2，…，u k # n-L｝
其中，uj# i表示经过所述改时间延迟嵌入法计算得到的无量纲电压值，计算方法如下：
Uj# 1= u j* 1×2L-1+ u j* 2×2L-2+…+ u j* L×20
U j# 2= u j* 2×2L-1+ u j* 3×2L-2+…+ u j* L+1×20
……
U j# i= u j* i+1×2L-1+ u j* i+2×2L-2+…+ u j* L+i-1×20
……
U j# n-L= u0* n-L×2L-1+ u j* n-L +1×2L-2+…+ u j* n-1×20。
7.根据权利要求6所述的低压用户与台区隶属关系的匹配方法，其特征在于，所述L取3。
8.根据权利要求6所述的低压用户与台区隶属关系的匹配方法，其特征在于，步骤S4中计算所有符号化的电压时序序列的先农熵，具体为：
以所述符号化的电压时序序列的每个元素及其出现的概率为影响因子，计算出所述先农熵序列H，表示为：
H={ h0，h1，…，hk }
其中，h0表示待匹配用户的先农熵，hi表示编号为i的台区的先农熵，i=1，2，…，k，计算方法如下：
Figure 959077DEST_PATH_IMAGE003
其中，P0i表示符号化的待匹配用户电压时序序列的第i个元素出现的概率；
Figure 703042DEST_PATH_IMAGE004
Figure 674409DEST_PATH_IMAGE005
……
Figure 9575DEST_PATH_IMAGE006
其中，Pki表示对应符号化的台区电压时序序列的第i个元素出现的概率。
9.根据权利要求8所述的低压用户与台区隶属关系的匹配方法，其特征在于，所述步骤S5中计算待匹配用户与所有台区的血缘亲近指数，具体为：
以所述先农熵为影响因子，计算出所述血缘亲近指数，形成血缘亲近指数序列λ：
λ=｛λ0-1，λ0-2，…，λ0-k｝
其中λ0-i表示待匹配用户与编号为i的台区的血缘亲近指数，计算方法如下：
λ0-i=∣hi-h0∣，i=1，2，…，k。
10.根据权利要求9所述的低压用户与台区隶属关系的匹配方法，其特征在于，步骤S6中所述的比较所有血缘亲近指数大小，确定目标所属台区，目标所属台区编号i的判断依据为：
λ0-i=min（λ0-1，λ0-2，…，λ0-k）。
CN202010288078.3A 2020-04-14 2020-04-14 一种低压用户与台区隶属关系的匹配方法 Pending CN111221778A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010288078.3A CN111221778A (zh) 2020-04-14 2020-04-14 一种低压用户与台区隶属关系的匹配方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010288078.3A CN111221778A (zh) 2020-04-14 2020-04-14 一种低压用户与台区隶属关系的匹配方法

Publications (1)

Publication Number Publication Date
CN111221778A true CN111221778A (zh) 2020-06-02

Family

ID=70830093

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010288078.3A Pending CN111221778A (zh) 2020-04-14 2020-04-14 一种低压用户与台区隶属关系的匹配方法

Country Status (1)

Country Link
CN (1) CN111221778A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112087056A (zh) * 2020-09-14 2020-12-15 广东电网有限责任公司计量中心 一种台区户变关系的识别方法和装置
CN115577993A (zh) * 2022-12-09 2023-01-06 江苏瑞电智芯信息科技有限公司 一种基于时序匹配的台区户变识别方法
CN115982611A (zh) * 2023-03-14 2023-04-18 北京易能中网技术有限公司 基于聚类算法的电力用户用能特点分析方法
CN116975731A (zh) * 2023-08-08 2023-10-31 山东大学 一种基于迁移学习的跨域刀具破损监测方法及***

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107944747A (zh) * 2017-12-11 2018-04-20 国网江苏省电力公司宿迁供电公司 一种基于改进主成分分析的低压台区评价方法
CN109802382A (zh) * 2017-11-17 2019-05-24 中国电力科学研究院有限公司 一种低压配电网用户连接关系识别方法及***
CN110011423A (zh) * 2019-05-22 2019-07-12 上海拜安实业有限公司 基于大数据实现户变关系在线动态智能监管功能的***及方法
CN110376469A (zh) * 2019-07-29 2019-10-25 广州市奔流电力科技有限公司 台区相序与线户关系识别方法及其装置
CN110932917A (zh) * 2019-12-24 2020-03-27 深圳市国电科技通信有限公司 一种基于高频同步采集和边缘计算的台区拓扑发现方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109802382A (zh) * 2017-11-17 2019-05-24 中国电力科学研究院有限公司 一种低压配电网用户连接关系识别方法及***
CN107944747A (zh) * 2017-12-11 2018-04-20 国网江苏省电力公司宿迁供电公司 一种基于改进主成分分析的低压台区评价方法
CN110011423A (zh) * 2019-05-22 2019-07-12 上海拜安实业有限公司 基于大数据实现户变关系在线动态智能监管功能的***及方法
CN110376469A (zh) * 2019-07-29 2019-10-25 广州市奔流电力科技有限公司 台区相序与线户关系识别方法及其装置
CN110932917A (zh) * 2019-12-24 2020-03-27 深圳市国电科技通信有限公司 一种基于高频同步采集和边缘计算的台区拓扑发现方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
金宁德 等: "《非线性信息处理技术》", 31 December 2017, 天津：天津大学出版社 *
陶兆胜 等: "基于边缘特征和像素结构相似度的图像修复算法", 《计算机辅助设计与图形学学报》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112087056A (zh) * 2020-09-14 2020-12-15 广东电网有限责任公司计量中心 一种台区户变关系的识别方法和装置
CN115577993A (zh) * 2022-12-09 2023-01-06 江苏瑞电智芯信息科技有限公司 一种基于时序匹配的台区户变识别方法
CN115982611A (zh) * 2023-03-14 2023-04-18 北京易能中网技术有限公司 基于聚类算法的电力用户用能特点分析方法
CN116975731A (zh) * 2023-08-08 2023-10-31 山东大学 一种基于迁移学习的跨域刀具破损监测方法及***
CN116975731B (zh) * 2023-08-08 2024-02-20 山东大学 一种基于迁移学习的跨域刀具破损监测方法及***

Similar Documents

Publication Publication Date Title
CN111221778A (zh) 一种低压用户与台区隶属关系的匹配方法
CN102254256A (zh) 输、配网一体化的综合性线损管理分析***及其处理流程
CN109494719B (zh) 一种中低压混合配电网层次化阻抗分析方法
CN103617357A (zh) 一种公变台区低压线损分析***及使用方法
CN104218569A (zh) 一种大规模电网静态安全校核的评价分析方法
CN114372360A (zh) 用于电力负荷预测的方法、终端及存储介质
CN111476397B (zh) 应用于中长期电量安全校核的母线负荷预测方法及***
CN111091223B (zh) 一种基于物联网智能感知技术的配变短期负荷预测方法
CN110971492B (zh) 考虑广域量测时延的rtu全网同时断面生成方法及***
CN106651658A (zh) 一种基于有限状态机的非侵入式住宅用电负荷分解方法
CN109829246B (zh) 一种基于参数综合可疑度的线路参数辨识方法
Cho et al. Application of parallel Elman neural network to hourly area solar PV plant generation estimation
Azad et al. Grid serving deployment of smart meter data in the context of distribution grid automation
CN111756031B (zh) 一种电网运行趋势估算方法和***
CN110854845B (zh) 一种低压配电网的拓扑识别方法和***
CN115508662B (zh) 一种用于判定台区电表与表箱间归属关系的方法
CN112182499A (zh) 一种基于时序电量数据的低压配电网拓扑结构辨识方法
CN203746069U (zh) 一种公变台区低压线损分析***
CN112837180B (zh) 用于电力***的scada-pmu数据融合方法
Wei et al. Low-voltage station area topology recognition method based on weighted least squares method
CN114202231A (zh) 日用电数据缺失的补全方法、装置、电子设备及存储介质
CN112305489A (zh) 一种电压异常波动的检测方法、装置、设备及存储介质
Tatro et al. Building to Grid (B2G) at the California smart grid center
CN112149057A (zh) 一种基于负荷曲线计算技术线损的方法
Haboubi et al. Predictive Analytics for Energy Consumption in Smart Homes with Fog and Cloud Computing Using Support Vector Regression

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20200602

RJ01 Rejection of invention patent application after publication