CN112129996B - 一种基于贝叶斯方法的电能表相位识别方法 - Google Patents
一种基于贝叶斯方法的电能表相位识别方法 Download PDFInfo
- Publication number
- CN112129996B CN112129996B CN202010906690.2A CN202010906690A CN112129996B CN 112129996 B CN112129996 B CN 112129996B CN 202010906690 A CN202010906690 A CN 202010906690A CN 112129996 B CN112129996 B CN 112129996B
- Authority
- CN
- China
- Prior art keywords
- phase
- meter
- electric energy
- energy meter
- probability
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000013398 bayesian method Methods 0.000 title claims abstract description 17
- 238000005070 sampling Methods 0.000 claims abstract description 5
- 238000004891 communication Methods 0.000 claims abstract description 3
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R25/00—Arrangements for measuring phase angle between a voltage and a current or between voltages or currents
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R35/00—Testing or calibrating of apparatus covered by the other groups of this subclass
- G01R35/04—Testing or calibrating of apparatus covered by the other groups of this subclass of instruments for measuring time integral of power or current
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
- Measuring Phase Differences (AREA)
Abstract
本发明公开的属于相位识别技术领域,具体为一种基于贝叶斯方法的电能表相位识别方法,该识别方法如下:步骤一:末端感知终端通过RS485采集电能表电压数据,通过内置计量芯片进行电压采样;步骤二:通过末端感知终端高精度的计量,从而计量每相电压的数值,同时末端感知终端通过RS485通信的方式获取电能表自身的计量电压;步骤三:运用统计学上的Pearson相关性可以计算出电能表电压变化曲线和ABC三相电压的波动之间的相似性,通过相似性程度可确定电能表所属相位,本申请文件中,创新性的利用贝叶斯方法对电表所属相位进行判别,有效解决了Pearson系数非常接近无法有效快速判别的问题。
Description
技术领域
本发明涉及相位识别技术领域,具体为一种基于贝叶斯方法的电能表相位识别方法。
背景技术
通过RS485采集数据进行电表相位识别是国家电网公司电力物联网重点攻关技术之一。现有相位识别技术大多基于皮尔逊相关系数进行判断,但该算法在所属ABC各相相关系数很接近时,无法做出有效判断。
发明内容
本部分的目的在于概述本发明的实施方式的一些方面以及简要介绍一些较佳实施方式。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊,而这种简化或省略不能用于限制本发明的范围。
鉴于上述和/或现有相位识别技术中存在的问题,提出了本发明。
因此,本发明的目的是提供一种基于贝叶斯方法的电能表相位识别方法,能够。
为解决上述技术问题,根据本发明的一个方面,本发明提供了如下技术方案:
一种基于贝叶斯方法的电能表相位识别方法,该识别方法如下:
步骤一:末端感知终端通过RS485采集电能表电压数据,通过内置计量芯片进行电压采样;
步骤二:通过末端感知终端高精度的计量,从而计量每相电压的数值,同时末端感知终端通过RS485通信的方式获取电能表自身的计量电压;
步骤三:运用统计学上的Pearson相关性可以计算出电能表电压变化曲线和ABC三相电压的波动之间的相似性,通过相似性程度可确定电能表所属相位。
作为本发明所述的一种基于贝叶斯方法的电能表相位识别方法的一种优选方案,其中:所述步骤一中采样的具体步骤如下:
每个配电台区中ABC各相电力负载不平衡,每相电压会发生细微波动,波动幅值通常在0.2V~0.5V之间,并且每相电压的波动特性不一致,表现出一定的随机性。
作为本发明所述的一种基于贝叶斯方法的电能表相位识别方法的一种优选方案,其中:所述步骤二中在操作时不能采用电表电压数值和ABC参考电压直接比较的结果。
作为本发明所述的一种基于贝叶斯方法的电能表相位识别方法的一种优选方案,其中:所述步骤三中在基于贝叶斯算法进行操作,具体如下:
P(A)表示属于电表箱A相的所有表计概率,P(B)表示属于电表箱B相的所有表计概率,P(C)表示属于电表箱C相的所有表计概率,P(X/A)表示电表箱A相中可能接表计X的概率,P(X/B)表示电表箱B相中可能接表计X的概率,P(X/C)表示电表箱C相中可能接表计X的概率,为了便于表述,将A、B、C三相数据集表述为事件ω集合,ω集合中有三个事件{ω1,ω2,ω3}分别对应A、B、C三项事件。
作为本发明所述的一种基于贝叶斯方法的电能表相位识别方法的一种优选方案,其中:所述步骤三中的X表计X属于三项的概率计算公式如下:
P(A/X)表示表计X属于A相的概率,P(B/X)表示表计X属于B相的概率,P(C/X)表示表计X属于C相的概率。
作为本发明所述的一种基于贝叶斯方法的电能表相位识别方法的一种优选方案,其中:所述概率计算公式具体如下:
再进一步,采用最小误判概率准则,我们考虑,对数似然比:
将属于ωi类的分类误判为属于ωj类的错误概率为:
将属于ωj类、的分类误判为属于ωi类的错误概率为:
式中
于是,总的误判概率为:
与现有技术相比:现有相位识别技术大多基于皮尔逊相关系数进行判断,但该算法在所属ABC各相相关系数很接近时,无法做出有效判断,本申请文件中,创新性的利用贝叶斯方法对电表所属相位进行判别,有效解决了Pearson系数非常接近无法有效快速判别的问题。
附图说明
为了更清楚地说明本发明实施方式的技术方案,下面将结合附图和详细实施方式对本发明进行详细说明,显而易见地,下面描述中的附图仅仅是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。其中:
图1为本发明一种基于贝叶斯方法的电能表相位识别方法的结构示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图对本发明的具体实施方式做详细的说明。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是本发明还可以采用其他不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施方式的限制。
其次,本发明结合示意图进行详细描述,在详述本发明实施方式时,为便于说明,表示器件结构的剖面图会不依一般比例作局部放大,而且所述示意图只是示例,其在此不应限制本发明保护的范围。此外,在实际制作中应包含长度、宽度及深度的三维空间尺寸。
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明的实施方式作进一步地详细描述。
实施例1
某表箱内11个电表,其Pearson相关系数如下:
以电表176为例,其相关系数显著性不明显,加入贝叶斯计算如下:
P(X/A)=0.394,P(X/B)=0.354,P(X/C)=0.154,则按上述公式(1)、(2)、(3),可以计算出:P(A/X)=0.663,P(B/X)=0.596,P(C/X)=0.259。
故P(A/X)>P(B/X)>P(C/X),所以表计176应该属于A相。
进一步,再计算其总误判概率,可得:
P(e)=0.00346。
即判断表计176属于A相的误判概率非常小,判断可信。
经现场核验,该结论正确。
相较于Pearson系数判别方法,进一步采用贝叶斯判决加最小误判概率准则,提高了判定效率,将原有的60%的判定准确率提高到了100%。
虽然在上文中已经参考实施方式对本发明进行了描述,然而在不脱离本发明的范围的情况下,可以对其进行各种改进并且可以用等效物替换其中的部件。尤其是,只要不存在结构冲突,本发明所披露的实施方式中的各项特征均可通过任意方式相互结合起来使用,在本说明书中未对这些组合的情况进行穷举性的描述仅仅是出于省略篇幅和节约资源的考虑。因此,本发明并不局限于文中公开的特定实施方式,而是包括落入权利要求的范围内的所有技术方案。
Claims (4)
1.一种基于贝叶斯方法的电能表相位识别方法,其特征在于:该识别方法如下:
步骤一:末端感知终端通过RS485采集电能表电压数据,通过内置计量芯片进行电压采样;
步骤二:通过末端感知终端高精度的计量,从而计量每相电压的数值,同时末端感知终端通过RS485通信的方式获取电能表自身的计量电压;
步骤三:运用统计学上的Pearson相关性计算出电能表电压变化曲线和ABC三相电压的波动之间的相似性,通过相似性程度确定电能表所属相位;
步骤三中的X表计X属于三项的概率计算公式如下:
P(A/X)表示表计X属于A相的概率,P(B/X)表示表计X属于B相的概率,P(C/X)表示表计X属于C相的概率;
概率计算公式具体如下:
再进一步,采用最小误判概率准则,计算对数似然比:
将属于ωi类的分类误判为属于ωj类的错误概率为:
将属于ωj类、的分类误判为属于ωi类的错误概率为:
式中于是,总的误判概率为:
2.根据权利要求1所述的一种基于贝叶斯方法的电能表相位识别方法,其特征在于:所述步骤一中采样的具体步骤如下:
每个配电台区中ABC各相电力负载不平衡,每相电压会发生细微波动,波动幅值在0.2V~0.5V之间,并且每相电压的波动特性不一致,表现出随机性。
3.根据权利要求1所述的一种基于贝叶斯方法的电能表相位识别方法,其特征在于:所述步骤二中在操作时不能采用电表电压数值和ABC参考电压直接比较的结果。
4.根据权利要求1所述的一种基于贝叶斯方法的电能表相位识别方法,其特征在于:所述步骤三中在基于贝叶斯算法进行操作,具体如下:
P(A)表示属于电表箱A相的所有表计概率,P(B)表示属于电表箱B相的所有表计概率,P(C)表示属于电表箱C相的所有表计概率,P(X/A)表示电表箱A相中接表计X的概率,P(X/B)表示电表箱B相中接表计X的概率,P(X/C)表示电表箱C相中接表计X的概率,为了便于表述,将A、B、C三相数据集表述为事件ω集合,ω集合中有三个事件{ω1,ω2,ω3}分别对应A、B、C三项事件。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2020105101254 | 2020-06-04 | ||
CN202010510125 | 2020-06-04 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112129996A CN112129996A (zh) | 2020-12-25 |
CN112129996B true CN112129996B (zh) | 2023-12-26 |
Family
ID=73848763
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010906690.2A Active CN112129996B (zh) | 2020-06-04 | 2020-09-02 | 一种基于贝叶斯方法的电能表相位识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112129996B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113435610B (zh) * | 2021-06-22 | 2024-03-01 | 国家电网有限公司 | 基于低压物联感知终端确定分级线损的方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101510863A (zh) * | 2009-03-17 | 2009-08-19 | 江苏大学 | 一种mpsk调制信号识别方法 |
CN108519514A (zh) * | 2018-04-24 | 2018-09-11 | 宁波三星医疗电气股份有限公司 | 基于皮尔逊相关系数算法的台区相位识别方法 |
CN108564485A (zh) * | 2018-04-16 | 2018-09-21 | 国网河南省电力公司电力科学研究院 | 基于电压曲线相似性分析的低压台区用户相位识别方法 |
CN108805457A (zh) * | 2018-06-19 | 2018-11-13 | 宁波迦南智能电气股份有限公司 | 一种高准确性的电能表台区识别方法 |
CN109444505A (zh) * | 2018-05-03 | 2019-03-08 | 国网江苏省电力公司盐城供电公司 | 一种基于变分贝叶斯参数学习方法的电动汽车充电站谐波电流检测算法 |
CN109799474A (zh) * | 2019-03-25 | 2019-05-24 | 国网山东省电力公司电力科学研究院 | 一种基于数据相关性的多表位表箱电能表相位识别方法及*** |
CN110389267A (zh) * | 2019-07-17 | 2019-10-29 | 国网陕西省电力公司电力科学研究院 | 一种基于智能电能表采集数据的低压台区台户关系识别方法 |
CN110749852A (zh) * | 2019-10-15 | 2020-02-04 | 南京林洋电力科技有限公司 | 一种基于瞬时三相功率不平衡的相位识别方法 |
CN111126759A (zh) * | 2019-11-18 | 2020-05-08 | 国网浙江省电力有限公司 | 一种基于异常事件故障关联度的电能表状态评估方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8682604B2 (en) * | 2011-08-03 | 2014-03-25 | General Electric Company | Method and system of phase identification |
-
2020
- 2020-09-02 CN CN202010906690.2A patent/CN112129996B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101510863A (zh) * | 2009-03-17 | 2009-08-19 | 江苏大学 | 一种mpsk调制信号识别方法 |
CN108564485A (zh) * | 2018-04-16 | 2018-09-21 | 国网河南省电力公司电力科学研究院 | 基于电压曲线相似性分析的低压台区用户相位识别方法 |
CN108519514A (zh) * | 2018-04-24 | 2018-09-11 | 宁波三星医疗电气股份有限公司 | 基于皮尔逊相关系数算法的台区相位识别方法 |
CN109444505A (zh) * | 2018-05-03 | 2019-03-08 | 国网江苏省电力公司盐城供电公司 | 一种基于变分贝叶斯参数学习方法的电动汽车充电站谐波电流检测算法 |
CN108805457A (zh) * | 2018-06-19 | 2018-11-13 | 宁波迦南智能电气股份有限公司 | 一种高准确性的电能表台区识别方法 |
CN109799474A (zh) * | 2019-03-25 | 2019-05-24 | 国网山东省电力公司电力科学研究院 | 一种基于数据相关性的多表位表箱电能表相位识别方法及*** |
CN110389267A (zh) * | 2019-07-17 | 2019-10-29 | 国网陕西省电力公司电力科学研究院 | 一种基于智能电能表采集数据的低压台区台户关系识别方法 |
CN110749852A (zh) * | 2019-10-15 | 2020-02-04 | 南京林洋电力科技有限公司 | 一种基于瞬时三相功率不平衡的相位识别方法 |
CN111126759A (zh) * | 2019-11-18 | 2020-05-08 | 国网浙江省电力有限公司 | 一种基于异常事件故障关联度的电能表状态评估方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112129996A (zh) | 2020-12-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111091233B (zh) | 一种风电场短期风电预测建模方法 | |
CN115166619B (zh) | 一种智能电能表运行误差监测*** | |
Lin et al. | An investigation on the active power variations of wind farms | |
Yang et al. | Ultra-short-term prediction of photovoltaic power based on periodic extraction of PV energy and LSH algorithm | |
Fang et al. | A statistical approach to estimate imbalance-induced energy losses for data-scarce low voltage networks | |
Wang et al. | Synchrophasor data compression under disturbance conditions via cross-entropy-based singular value decomposition | |
CN112129996B (zh) | 一种基于贝叶斯方法的电能表相位识别方法 | |
Le et al. | A data imputation model in phasor measurement units based on bagged averaging of multiple linear regression | |
Yin et al. | Non-intrusive load monitoring by load trajectory and multi-feature based on DCNN | |
Jia et al. | Data compression approach for the home energy management system | |
Grigoras et al. | Processing of smart meters data for peak load estimation of consumers | |
CN112365164B (zh) | 基于改进密度峰值快速搜索聚类算法的中大型能源用户用能特性画像方法 | |
Zhou et al. | A Hybrid Method for Ultrashort‐Term Wind Power Prediction considering Meteorological Features and Seasonal Information | |
CN112989131A (zh) | 一种图表示学习的电器设备电力指纹分解方法、存储介质及*** | |
Chen et al. | Phase identification with single-phase meter and concentrator based on NMF dimension reduction and label propagation | |
Pena et al. | Parameter tuning analysis for phase identification algorithms in distribution system model calibration | |
CN114239762A (zh) | 基于结构化负荷特征图谱的非侵入式负荷辨识方法及*** | |
Sun et al. | Classification analysis method for residential electricity consumption behavior based on recurrence plot (RP) and convolutional auto-encoder (CAE) | |
Behzadi et al. | Identification of combined power quality disturbances in the presence of distributed generations using variational mode decomposition and K-nearest neighbors classifier | |
Ly et al. | A novel quantile Lite-PCE for probabilistic risk assessment of power system cascading outage for N-1-1 contingency analysis | |
Yang et al. | The Application of Improved AdaBoost. M1-SVM on Rapid Assessment of Distribution Network Reliability | |
CN110516867A (zh) | 一种基于主成分分析的集成学习负荷预测方法 | |
Hong et al. | Deep‐Learning‐Assisted Topology Identification and Sensor Placement for Active Distribution Network | |
Luo et al. | Non-intrusive household load identification based on enhanced random forests learning | |
Huang et al. | A data mining‐based method for mining key factors affecting transient voltage stability for power systems with renewable energy sources |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |