CN112187518B - 智能融合终端台区拓扑识别方法及*** - Google Patents
智能融合终端台区拓扑识别方法及*** Download PDFInfo
- Publication number
- CN112187518B CN112187518B CN202010931862.1A CN202010931862A CN112187518B CN 112187518 B CN112187518 B CN 112187518B CN 202010931862 A CN202010931862 A CN 202010931862A CN 112187518 B CN112187518 B CN 112187518B
- Authority
- CN
- China
- Prior art keywords
- voltage
- user
- area
- topology
- points
- 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
- 230000004927 fusion Effects 0.000 title claims abstract description 40
- 238000000034 method Methods 0.000 title claims abstract description 20
- 238000004364 calculation method Methods 0.000 claims description 19
- 238000012544 monitoring process Methods 0.000 claims description 17
- 239000013598 vector Substances 0.000 claims description 16
- 238000010586 diagram Methods 0.000 claims description 11
- 230000005855 radiation Effects 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000001514 detection method Methods 0.000 claims description 5
- 230000003993 interaction Effects 0.000 claims description 5
- 230000001174 ascending effect Effects 0.000 claims description 4
- 238000004128 high performance liquid chromatography Methods 0.000 claims description 4
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 238000012795 verification Methods 0.000 claims description 3
- 230000005856 abnormality Effects 0.000 claims description 2
- 238000009434 installation Methods 0.000 claims description 2
- 238000002347 injection Methods 0.000 abstract description 6
- 239000007924 injection Substances 0.000 abstract description 6
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 230000010354 integration Effects 0.000 abstract description 2
- 238000002955 isolation Methods 0.000 abstract description 2
- 238000009738 saturating Methods 0.000 abstract description 2
- 238000004891 communication Methods 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/12—Discovery or management of network topologies
-
- 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
- G06F16/29—Geographical information databases
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Remote Sensing (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明公开了一种智能融合终端台区拓扑识别方法及***,采用改进的聚类算法,对台区用户进行智能台区自动划分。通过使用户包含度最佳饱和为1,自适应调节台区个数。通过计算非台区中心用户点电压值与台区中心用户点电压值的相似度,对非台区中心的其他用户点进行台区判定,通过计算两个非台区中心用户点电压值的相似度,识别台区的拓扑层级结构。通过最小化误差平方和函数,输出最佳的新聚类中心,完成台区中心点的实时更新。完成台区拓扑结构的实时更新。本发明的有益效果为极小的注入信号电流;带故障隔离保护措施的拓扑单元;聚类算法为主,信号注入为辅的极简、高可靠方案;高度集成,成本低廉。
Description
技术领域
本发明涉及一种智能融合终端台区拓扑识别方法及***,属于智能融合终端技术领域。
背景技术
电力公司一般使用地理信息***(Geographical Information System,GIS)记录低压台区用户设备的拓扑连接。但是因为网络重建,连接拓扑更新,GIS中的更新信息不及时会造成错误的拓扑结构。电网调度员无法及时获取正确的拓扑结构,对配电工作的控制和维护产生重大影响。
台区识别***的通信方式大多采用工频通信传输技术,它的基本原理是利用电压波形过零点进行信号调制。***接受操作指令,向外发送信号,使电压波形通过人为原因产生一个很微弱的畸变,通过这个畸变来携带信息,位于远方的现场识别装置检测到这个信息,并进行信号的还原,显示出发送方的设备地址和相位信息,从而实现了台区识别。但是工频通信技术的传输速率,双向各传输64bit共需要7-8秒,比电力线载波通信方式低,虽然经过一定的算法和组合调制可以进行多通道通信,使传输速率进一步提高,因此只能属于低频传输,只用于通信速率要求不高,实时性要求不高的场景下。
为了解决这些问题,本发明提出一种基于改进的聚类算法划分台区的方法,并且提出一种智能融合终端可以识别低压台区的拓扑层级结构并做实时更新的***。
发明内容
目的:为了克服现有技术中存在的GIS更新信息不及时和工频通信技术通信速率低等不足,本发明提供一种智能融合终端台区拓扑识别方法及***。
技术方案:为解决上述技术问题,本发明采用的技术方案为:
一种智能融合终端台区拓扑识别方法,包括:
步骤2:根据截断距离参数dc,假设终端用户集合n={n1,n2,...,np},有S个台区,终端用户集合n被随机分配到S个台区中,每个台区包含的终端用户集合为N={N1,N2,...,NS},设置每个台区的局部密度ρk;
其中,局部密度ρk计算公式如下:
其中,dij代表终端用户i与终端用户j之间距离;
步骤3:根据每个台区中终端用户在第w个时刻按电压向量的降序排序,从电压最大的点开始,依次计算以这些点作为台区中心点时的用户包含度μL,直到发现μL=1,此时的L值作为台区个数S的数值(聚类个数);若不能满足μL=1,则寻找满足μL>1且μL-1<1的L,取L-1为聚类个数;如果μL=1则说明每个台区覆盖了辐射半径内的所有用户点;如果μL>1,则说明覆盖的用户点数量大于原始用户的数量,也就意味着有部分用户被重复分类到不同的台区中,即部分用户出现跨台区;如果μL<1,则说明有部分用户没有被分到台区中;所述
步骤4:计算台区配变的特征电压向量mj,将每个台区特征电压向量mj对应的中心点设为初始聚类中心,所述mj的计算公式如下:
步骤5:计算新聚类中心与初始聚类中心是否满足函数收敛
|mj+1-mj|<ε, (5)
如果不收敛,则继续返回步骤4继续计算,如果收敛,则进入步骤6。
步骤6:使用误差平方和准则函数对聚类性能进行评估,最小化误差平方和函数,求得最佳的聚类中心;误差平方和准则函数计算公式如下:
步骤7:对非聚类中心的其他终端用户点进行台区划分,计算其他终端用户点与聚类中心之间的相似度r,若相似度r大于某个阈值r0,一般取0.9,则将该终端用户点划分到对应聚类中心所属的台区内;相似度r的计算公式如下:
步骤8:对本台区内拓扑进行层级识别。计算本台区内任意两个终端用户的电压值相似度代r′,若相似度r′大于第二阈值0.9,则将两个用户点划分到同一个台区,同一个层级;
步骤9:利用电压降序或者升序对同一个台区不同层级进行排序,电压采集上送精度为小数点后三位。
步骤10:终端用户采用末端STA通过过零检测识别自身相线信息。
有益效果:本发明提供的智能融合终端台区拓扑识别方法及***,采用改进的聚类算法,对台区用户进行智能台区自动划分。通过使用户包含度最佳饱和为1,自适应调节台区个数。通过计算非台区中心用户点电压值与台区中心用户点电压值的相似度,对非台区中心的其他用户点进行台区判定,通过计算两个非台区中心用户点电压值的相似度,识别台区的拓扑层级结构。通过最小化误差平方和函数,输出最佳的新聚类中心,完成台区中心点的实时更新。完成台区拓扑结构的实时更新。
融合终端通过分析LTU和拓扑模块上送的特征电流、注入信号等信息,快速生产拓扑结构图,可实现拓扑识别、更新与负荷监测等功能。融合终端利用自身的HPLC或485与LTU通信,配合拓扑模块投入使用,当拓扑结构发生变化时,拓扑软件能够直观的反映出变化情况,快速生成新的拓扑结构图。通过拓扑结构图,可以清晰的看出故障点以及属于的层级,实现故障快速定位功能。
附图说明
图1为改进的聚类算法实现台区用户的户变拓扑识别流程图。
图2为本申请的一个实施例的融合终端低压拓扑解决方案示意图。
图3为本申请的一个实施例的有扰拓扑架构示意图。
具体实施方式
下面结合具体实施例对本发明作更进一步的说明。
如图1所示,实施例1:
台区下终端用户n={n1,n2,...,np},对终端用户n进行聚类,得到S个台区,终端用户n被划分到S个台区下,每个台区包含的终端用户集合为N={N1,N2,...,NS},台区内配变到最远的终端用户距离为d。无论台区形状如何,都存在一个半径r,使得以配变为圆心,半径为r的圆可以将台区的所有用户覆盖,即 对于ni∈N,i∈1,2,3…p,D(ni)为圆内终端用户属于某个台区。以配电变压器为中心,以500米为半径作区域辐射,辐射圆中所覆盖的用电用户则定义为该台区潜在的用户。若用户有且只有一个从属配变区域,则该用户可直接认定为归属于辐射圆所在的台区。
设终端用户i的某年某月某日某时某分某秒的q个时刻电压向量表示为w=1,2,...,q。设一个距离阈值即截断距离dc,用于计算第k个台区的局部密度ρk。局部密度ρk表示终端用户i与终端用户j之间距离dij小于截断距离dc的终端用户个数。对于包含p个终端用户的各台区终端用户集合N,有
设用户包含度μL表示聚类后台区终端用户集合对终端用户的包含程度。终端用户集合个数为S,则μL计算公式如下:
根据每个台区中终端用户在第w个时刻按电压向量的降序排序,从电压最大的点开始,依次计算以这些点作为台区中心点时的用户包含度μL,直到发现μL=1,此时的L值作为台区个数S的数值(聚类个数)。若不能满足μL=1,则寻找满足μL>1且μL-1<1的L,取L-1为聚类个数。如果μL=1则说明每个台区覆盖了辐射半径内的所有用户点;如果μL>1,则说明覆盖的用户点数量大于原始用户的数量,也就意味着有部分用户被重复分类到不同的台区中,即部分用户出现跨台区;如果μL<1,则说明有部分用户没有被分到台区中。
设台区配变的特征电压向量mj,将每个台区特征电压向量mj对应的中心点设为初始聚类中心,则mj的计算公式如下:
计算新聚类中心与初始聚类中心是否满足函数收敛
|mj+1-mj|<ε, (5)
如果不收敛,则继续计算初始聚类中心,如果收敛,则计算误差平方和函数。
使用误差平方和准则函数对聚类性能进行评估,最小化误差平方和函数,求得最佳的聚类中心;误差平方和准则函数计算公式如下:
对非聚类中心的其他终端用户点进行台区划分,计算其他终端用户点与聚类中心之间的相似度r,若相似度r大于某个阈值r0,一般取0.9,则将该终端用户点划分到对应聚类中心所属的台区内;相似度r的计算公式如下:
对本台区内拓扑进行层级识别。计算本台区内任意两个终端用户的电压值相似度代r′,若相似度r′大于第二阈值0.9,则将两个用户点划分到同一个台区,同一个层级;
利用电压降序或者升序对同一个台区不同层级进行排序,电压采集上送精度为小数点后三位。
终端用户采用末端STA通过过零检测识别自身相线信息。
此时,完成了初始台区聚类划分。
根据不同的聚类个数,用户数,台区聚类中心会发生不断的变化。通过聚类中心的不断更新,可以完成多个台区户变拓扑层级识别与更新。
本发明实施例中,一种智能融合终端台区拓扑识别***,主要实现含有聚类算法(无扰拓扑算法)的融合终端,含有瞬时特征电流信号算法(有扰拓扑算法)的智能低压拓扑模块,具体***涵盖融合终端(无扰算法配置)、智能低压故障传感器、智能低压拓扑模块(有扰算法配置)在现场环境中实现台区拓扑自动生成,融合终端通过4G无线公网连至拓扑识别主站,将现场拓扑识别结果界面化展示。图2所示为本申请的一个实施例的融合终端低压拓扑解决方案示意图。
(1)在每个表箱前侧增加一套拓扑单元包括:低压分支LTU、智能低压拓扑模块,低压分支LTU通过485线路与智能低压拓扑模块进行数据交互;
(2)低压分支LTU:低压分支LTU部署在本台区第二级分支箱进线侧,用于低压监测,并且实现“分支母线故障”、“分支出线故障”等故障研判及主动抢修服务;同时服务精确拓扑的辨识与生成验证;
(3)在配变后级安装融合终端用于实现台区拓扑信息分析,拓扑结果建立。同时对低压分支LTU、智能低压拓扑模块进行管理。同时支持安装高级应用APP,对用采数据进行分析。并完成对主站的数据交互。
(4)拓扑识别主站功能:融合终端通过分析低压分支LTU和智能低压拓扑模块上送的特征电流、注入信号等信息,快速生产拓扑结构图,可实现拓扑识别、更新与负荷监测等功能。
融合终端利用自身的HPLC或485与低压分支LTU通信,配合智能低压拓扑模块投入使用,当拓扑结构发生变化时,拓扑软件能够直观的反映出变化情况,快速生成新的拓扑结构图。通过拓扑结构图,可以清晰的看出故障点以及属于的层级,实现故障快速定位功能。
获取的主要数据流为:低压拓扑信息,低压故障信息,低压设备状态信息(电流、电压、有功功率、无功功率等),线路/设备运行信息(负荷变化、无功补偿、三相不平衡、重过载等)。
通过智能的数据采集处理机制,建立低压配电网智能运检管理***信息化架构。通过主站和终端的配合,实现低压台区的拓扑识别,服务精确拓扑的辨识与生成验证。
融合终端与监测类设备交互,实现数据采集、分析、上报。融合终端通过HPLC模块,与LTU进行数据交互,用于低压分路进线、出线监测,并且实现“低压拓扑生成”、“分路-分支进线故障”、“分支母线故障”、“分支出线故障”等故障判断功能。
LTU和拓扑模块实现故障定位与剩余电流监测。融合终端可以采集本台区内的配变状态信息、低压拓扑信息、低压分支箱的各进出线回路信息等,包括实时监测设备重过载、三相不平衡、电压异常等数据,并进行综合计算,研究故障数据并进行判别,最终定位低压设备的故障类型。同时结合拓扑主站,分析LTU采集到的剩余电流信息,实现漏电流的故障监测和定位,同时还具备三相过压、欠压、缺相、停复电、三相过流、三相过载、短路故障等事件的监测能力。
图3所示为本申请的一个实施例的有扰拓扑架构示意图。拓扑辨识流程:
步骤1:部署在用户侧表箱前级的智能低压拓扑单元1,根据台区边缘代理设备(融合终端)4发出的特定指令,注入瞬时特征电流信号;
步骤2:特征信号依次流经部署在分支箱两端的线路测量点2;第一级线路获取到线路信息;
步骤3:特征信号依次流经部署在分支箱两端的线路测量点3;第二级线路获取到线路信息;
步骤4:线路测量点2和线路测量点3收到特征信号,并依次传递给边缘代理设备4;
步骤5:边缘代理设备4根据收到的线路监测点反馈结果,自动建立台变5到边缘代理设备4到线路测量点3到线路测量点2的物理拓扑关系。
本发明的有益效果为极小的注入信号电流;带故障隔离保护措施的拓扑单元;聚类算法为主,信号注入为辅的极简、高可靠方案;高度集成,成本低廉。
尽管本发明的实施方案已公开如上,但其并不仅限于说明书和实施方式中所列运用,它完全可以被适用于各种适合本发明的领域,对于熟悉本领域的人员而言,可容易地实现另外的修改,因此在不背离权利要求及等同范围所限定的一般概念下,本发明并不限于特定的细节和这里示出与描述的图例。
以上所述仅是本发明的优选实施方式,应当指出:对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (9)
1.一种智能融合终端台区拓扑识别方法,其特征在于:包括如下步骤:
步骤2:根据截断距离参数dc,假设终端用户集合n={n1,n2,...,np},有S个台区,终端用户集合n被随机分配到S个台区中,每个台区包含的终端用户集合为N={N1,N2,...,NS},设置每个台区的局部密度ρk;
其中,局部密度ρk计算公式如下:
其中,dij代表终端用户i与终端用户j之间距离;
步骤3:根据每个台区中终端用户在第w个时刻按电压向量的降序排序,从电压最大的点开始,依次计算以这些点作为台区中心点时的用户包含度μL,直到发现μL=1,此时的L值作为台区个数S的数值;若不能满足μL=1,则寻找满足μL>1且μL-1<1的L,取L-1为作为台区个数S的数值;如果μL=1则说明每个台区覆盖了辐射半径内的所有用户点;如果μL>1,则说明覆盖的用户点数量大于原始用户的数量,也就意味着有部分用户被重复分类到不同的台区中,即部分用户出现跨台区;如果μL<1,则说明有部分用户没有被分到台区中;所述
步骤4:计算台区配变的特征电压向量mj,将每个台区特征电压向量mj对应的中心点设为初始聚类中心,所述mj的计算公式如下:
步骤5:计算新聚类中心与初始聚类中心是否满足函数收敛|mj+1-mj|<ε,如果不收敛,则继续返回步骤4继续计算,如果收敛,则进入步骤6;
步骤6:使用误差平方和准则函数对聚类性能进行评估,最小化误差平方和准则函数,求得最佳的聚类中心;误差平方和准则函数计算公式如下:
步骤7:对非聚类中心的其他终端用户点进行台区划分,计算其他终端用户点与聚类中心之间的相似度r,若相似度r大于某个阈值r0,则将该终端用户点划分到对应聚类中心所属的台区内;相似度r的计算公式如下:
步骤8:对本台区内拓扑进行层级识别;计算本台区内任意两个终端用户的电压值相似度代r′,若相似度r′大于第二阈值,则将两个用户点划分到同一个台区,同一个层级;
步骤9:利用电压降序或者升序对同一个台区不同层级进行排序;
步骤10:终端用户采用末端STA通过过零检测识别自身相线信息。
2.根据权利要求1所述的智能融合终端台区拓扑识别方法,其特征在于:所述截断距离参数dc设置为500m。
3.根据权利要求1所述的智能融合终端台区拓扑识别方法,其特征在于:所述r0取0.9。
4.根据权利要求1所述的智能融合终端台区拓扑识别方法,其特征在于:所述第二阈值取0.9。
5.用于实现权利要求1所述智能融合终端台区拓扑识别方法的***,其特征在于:包括:融合终端、智能低压拓扑模块,每个表箱前侧设置有智能低压拓扑模块,智能低压拓扑模块通过485线路与低压分支LTU进行数据交互,低压分支LTU还部署在台区第二级分支箱进线侧,用于低压监测,并且实现故障研判及主动抢修服务,同时服务精确拓扑的辨识与生成验证;在配变后级安装融合终端,用于实现台区拓扑信息分析,拓扑结果建立;同时对低压分支LTU、智能低压拓扑模块进行管理;同时支持安装高级应用APP,对用采数据进行分析;融合终端通过4G无线公网连至拓扑识别主站,用于向拓扑识别主站上送拓扑结构图,看出故障点以及属于的层级,实现故障快速定位功能;
所述实现台区拓扑信息分析,拓扑结果建立的方法,包括如下步骤:
步骤2:根据截断距离参数dc,假设终端用户集合n={n1,n2,...,np},有S个台区,终端用户集合n被随机分配到S个台区中,每个台区包含的终端用户集合为N={N1,N2,...,NS},设置每个台区的局部密度ρk;
其中,局部密度ρk计算公式如下:
其中,dij代表终端用户i与终端用户j之间距离;
步骤3:根据每个台区中终端用户在第w个时刻按电压向量的降序排序,从电压最大的点开始,依次计算以这些点作为台区中心点时的用户包含度μL,直到发现μL=1,此时的L值作为台区个数S的数值;若不能满足μL=1,则寻找满足μL>1且μL-1<1的L,取L-1为作为台区个数S的数值;如果μL=1则说明每个台区覆盖了辐射半径内的所有用户点;如果μL>1,则说明覆盖的用户点数量大于原始用户的数量,也就意味着有部分用户被重复分类到不同的台区中,即部分用户出现跨台区;如果μL<1,则说明有部分用户没有被分到台区中;所述
步骤4:计算台区配变的特征电压向量mj,将每个台区特征电压向量mj对应的中心点设为初始聚类中心,所述mj的计算公式如下:
步骤5:计算新聚类中心与初始聚类中心是否满足函数收敛|mj+1-mj|<ε,如果不收敛,则继续返回步骤4继续计算,如果收敛,则进入步骤6;
步骤6:使用误差平方和准则函数对聚类性能进行评估,最小化误差平方和准则函数,求得最佳的聚类中心;误差平方和准则函数计算公式如下:
步骤7:对非聚类中心的其他终端用户点进行台区划分,计算其他终端用户点与聚类中心之间的相似度r,若相似度r大于某个阈值r0,则将该终端用户点划分到对应聚类中心所属的台区内;相似度r的计算公式如下:
步骤8:对本台区内拓扑进行层级识别;计算本台区内任意两个终端用户的电压值相似度代r′,若相似度r′大于第二阈值,则将两个用户点划分到同一个台区,同一个层级;
步骤9:利用电压降序或者升序对同一个台区不同层级进行排序;
步骤10:终端用户采用末端STA通过过零检测识别自身相线信息。
6.根据权利要求5所述的***,其特征在于:所述用采数据包括:低压拓扑信息,低压故障信息,低压设备状态信息,线路/设备运行信息。
7.根据权利要求5所述的***,其特征在于:所述融合终端与监测类设备交互,实现数据采集、分析、上报;融合终端通过HPLC模块,与低压分支LTU进行数据交互,用于低压分路进线、出线监测,并且实现“低压拓扑生成”、“分路-分支进线故障”、“分支母线故障”、“分支出线故障”的故障判断功能。
8.根据权利要求5所述的***,其特征在于:所述融合终端用于采集本台区内的配变状态信息、低压拓扑信息、低压分支箱的各进出线回路信息,包括实时监测设备重过载、三相不平衡、电压异常数据,并进行综合计算,研究故障数据并进行判别,最终定位低压设备的故障类型;同时结合拓扑主站,分析低压分支LTU采集到的剩余电流信息,实现漏电流的故障监测和定位,同时还具备三相过压、欠压、缺相、停复电、三相过流、三相过载、短路故障事件的监测能力。
9.根据权利要求5所述的***,其特征在于:所述智能低压拓扑模块采用有扰拓扑算法,具体步骤如下:
步骤1:部署在用户侧表箱前级的智能低压拓扑模块,根据台区融合终端发出的指令,注入瞬时特征电流信号;
步骤2:特征电流信号依次流经部署在分支箱两端的第一线路测量点;第一级线路获取到线路信息;
步骤3:特征电流信号依次流经部署在分支箱两端的第二线路测量点;第二级线路获取到线路信息;
步骤4:第一线路测量点和第二线路测量点收到特征信号,并依次传递给融合终端;
步骤5:融合终端根据收到的线路监测点反馈结果,自动建立台变到融合终端到第二线路测量点到第一线路测量点的物理拓扑关系。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010931862.1A CN112187518B (zh) | 2020-09-07 | 2020-09-07 | 智能融合终端台区拓扑识别方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010931862.1A CN112187518B (zh) | 2020-09-07 | 2020-09-07 | 智能融合终端台区拓扑识别方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112187518A CN112187518A (zh) | 2021-01-05 |
CN112187518B true CN112187518B (zh) | 2023-04-28 |
Family
ID=73924969
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010931862.1A Active CN112187518B (zh) | 2020-09-07 | 2020-09-07 | 智能融合终端台区拓扑识别方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112187518B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112803597A (zh) * | 2021-02-25 | 2021-05-14 | 威胜信息技术股份有限公司 | 一种断路器、低压配电网***和故障监控方法 |
CN113162029A (zh) * | 2021-03-29 | 2021-07-23 | 中国电力科学研究院有限公司 | 一种适用于低压台区层级化的负荷识别***及方法 |
CN113363980B (zh) * | 2021-06-30 | 2022-05-27 | 广东电网有限责任公司 | 一种适用于低压配电网拓扑自动识别方法及设备 |
CN113625217B (zh) * | 2021-07-16 | 2023-09-26 | 国网浙江省电力有限公司营销服务中心 | 低压台区电能表运行误差计算方法及*** |
CN113675953A (zh) * | 2021-09-15 | 2021-11-19 | 江苏方天电力技术有限公司 | 一种基于电压相似度聚类的低压台区拓扑识别方法 |
CN114184881B (zh) * | 2021-11-18 | 2023-06-30 | 广东电网有限责任公司电力调度控制中心 | 一种基于拓扑模型追踪分析故障事件定位方法 |
CN114091608B (zh) * | 2021-11-24 | 2024-02-20 | 国网河南省电力公司许昌供电公司 | 一种基于数据挖掘的户变关系辨识方法 |
CN116933104B (zh) * | 2023-09-19 | 2023-12-01 | 北京前景无忧电子科技股份有限公司 | 一种低压配电网拓扑识别方法 |
CN117132022B (zh) * | 2023-10-20 | 2023-12-29 | 江苏瑞问科技有限公司 | 基于动态负荷的数字化电网智能管理***及方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110927456A (zh) * | 2019-11-08 | 2020-03-27 | 江苏方天电力技术有限公司 | 一种低压台区配电线路等效阻抗实时监测***及其监测方法 |
CN111061821B (zh) * | 2019-11-12 | 2024-02-02 | 国网山东省电力公司聊城供电公司 | 基于改进k值聚类算法的低压配电网拓扑校验方法及*** |
CN110943450B (zh) * | 2019-12-12 | 2021-03-23 | 山东电工电气集团有限公司 | 一种基于物联网的台区自动拓扑线损分析方法 |
CN111579917A (zh) * | 2020-04-08 | 2020-08-25 | 广西电网有限责任公司北海供电局 | 一种低压配电网故障定位***与方法 |
CN111505433B (zh) * | 2020-04-10 | 2022-06-28 | 国网浙江余姚市供电有限公司 | 一种低压台区户变关系纠错及相位识别方法 |
CN111478440A (zh) * | 2020-04-17 | 2020-07-31 | 南京大全自动化科技有限公司 | 一种基于配变终端的拓扑识别***和方法 |
-
2020
- 2020-09-07 CN CN202010931862.1A patent/CN112187518B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112187518A (zh) | 2021-01-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112187518B (zh) | 智能融合终端台区拓扑识别方法及*** | |
CN110350528B (zh) | 一种低压台区拓扑自动辨识方法 | |
CN105915398B (zh) | 基于农村电网故障快速检测及复电***及其集中器检测方法 | |
CN110826895B (zh) | 一种台区拓扑识别方法 | |
CN109904925B (zh) | 一种配电台区户变关系校核方法 | |
CN111917188A (zh) | 配电台区监测装置、配电台区拓扑识别***和方法 | |
CN110429714A (zh) | 一种基于大数据的云平台智能配电*** | |
CN110244163B (zh) | 一种台区停复电事件层级智能研判方法及装置 | |
CN112085403B (zh) | 一种基于混合整数规划的低压台区拓扑辨识方法 | |
Elizabeth et al. | Smart grid technology potentials in Nigeria: An Overview | |
CN109301859A (zh) | 分布式光伏发电站发电效率监测方法与*** | |
CN116436152B (zh) | 一种基于特征信息相关性的智能低压配电台区拓扑识别方法 | |
CN102253269A (zh) | 基于云计算的电力实时数据一体化处理***及设计方法 | |
CN104104151A (zh) | 配电终端设备信息的接入方法 | |
Thomas et al. | Distribution automation leading to a smarter grid | |
CN109934458B (zh) | 一种基于最小停电共同单元的停电实时分析方法 | |
CN113902583A (zh) | 利用低压网络设备数据的配网侧运维方法及*** | |
CN113489145A (zh) | 具备边缘计算一发多收功能的台区全息终端及其监测方法 | |
Kounev et al. | On smart grid communications reliability | |
CN115800520A (zh) | 基于边缘计算的分布式配电故障处理***及方法 | |
Wu et al. | Survey on negative line loss rate of transformer region: rectification measures and challenges | |
CN113011047A (zh) | 一种基于220kV及以下智能变电站二次***的可靠性分析方法 | |
CN114614564A (zh) | 基于hplc通信的多通道低压分路监测装置及拓扑识别方法 | |
CN114034948B (zh) | 一种基于多源数据融合的配变停运研判方法 | |
CN205622598U (zh) | 一种光伏发电站监控*** |
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 | ||
CB02 | Change of applicant information |
Address after: 210012 14-17 floors, 7 Building, Yunmicheng, 19 Ningshuang Road, Yuhuatai District, Nanjing, Jiangsu Province Applicant after: Jiayuan Technology Co.,Ltd. Address before: 210000 14-17 / F, building 7, yunmi City, 19 ningshuang Road, Yuhuatai District, Nanjing City, Jiangsu Province Applicant before: Jiayuan Technology Co.,Ltd. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |