CN112701675A

CN112701675A - 基于筛选电压数据的配电台区用户相别辨识方法及***

Info

Publication number: CN112701675A
Application number: CN202011430938.9A
Authority: CN
Inventors: 张志丹; 张帝; 邓威; 康童; 游金梁; 唐海国; 朱吉然; 冷华
Original assignee: State Grid Corp of China SGCC; Electric Power Research Institute of State Grid Hunan Electric Power Co Ltd; State Grid Hunan Electric Power Co Ltd
Current assignee: State Grid Corp of China SGCC; Electric Power Research Institute of State Grid Hunan Electric Power Co Ltd; State Grid Hunan Electric Power Co Ltd
Priority date: 2020-12-07
Filing date: 2020-12-07
Publication date: 2021-04-23

Abstract

本发明涉及低压配电网自动化技术领域，公开一种基于筛选电压数据的配电台区用户相别辨识方法及***，以提高用户相别关系的准确性。方法包括：获取台区变压器三相电压同期分别对应的初始电压时间序列；根据三相不平衡率从相应的初始电压时间序列中筛选出不平衡率最大的N个时间点构建成A、B、C相所分别对应的校验电压时间序列；获取台区中任一待校验用户的数据，筛选该用户在校验电压时间序列所处时间点的电压数据构建成该用户自身的电压时间序列；计算该用户自身电压时间序列分别与台区变压器A、B、C相校验电压时间序列的动态时间弯曲距离，并判定与用户自身电压时间序列距离最小的校验电压时间序列所对应的变压器相为该用户的正确相别。

Description

基于筛选电压数据的配电台区用户相别辨识方法及***

技术领域

本发明涉及低压配电网自动化技术领域，尤其涉及一种基于筛选电压数据的配电台区用户相别辨识方法及***。

背景技术

配电网低压台区拓扑结构是台区运行管理的基础。

由于低压用户现场接线复杂、数据量大，因负荷不均衡导致运行方式改变、相别关系变动较多，原始数据缺失和质量较差、缺乏有效手段校核人工录入的数据，造成了计算机***中配电网拓扑数据错误较多，亟需进行校验；以避免因配电网低压台区相别关系记录不准确而对低压台区的运行与管理造成不良影响。

低压用户一般为单相负荷，用户的相别关系是低压拓扑的重要内容之一。智能电表能够按照预先设定的时间间隔记录用户的多种用电信息，并通过通信网络将信息传送到数据中心。目前，变压器终端设备及大部分用户智能电表具有对电压、电流等电气量每15分钟1次的采集功能，获得了海量低压配电网运行数据。在低压配电网中，受负荷及其它因素的影响，用户电压经常发生波动。电气距离比较近的用户电压曲线波动相似性比较高，而电气距离比较远的用户电压曲线波动相似性较低。相应的，同一相用户电压曲线波动相似性较高，而不同相序用户电压曲线波动相似性较低。

目前低压配电台区拓扑校验方法可以归纳为3类：1)人工方法；2)利用拓扑识别仪的方法；3)利用智能电表电气量数据的方法。

其中，人工方法主要依靠人工手动记录。

利用拓扑识别仪的方法主要依靠通信信息辨识，基于电力载波通信方式或脉冲电流技术都可以实现台区用户识别，其中基于载波通信技术的台区用户识别仪采用点对点通信方式来测试台区用户；采用脉冲电流技术时须使用钳形电流夹或者柔性线圈配合。

随着智能电表在低压配电网的广泛使用，利用配电变压器终端和智能电表提供的电气量测量数据进行拓扑识别和相别辨识的方法应用越来越多。利用皮尔逊相关系数度量不同用户智能电表电压曲线之间的波动相似性，然后利用K-means算法对数据进行聚类分析，将电压曲线邻近的台区用户聚类为3个不同相序组，进而识别低压台区用户相序，实现低压台区用户相别的精准辨识。灰色关联分析法基于量测数据实现用户所属台区及相别的辨识。

然而，上述现有方法分别存在下述不足：

1)人工方法存在人力成本高、效率低、准确率不高等问题。

2)采用拓扑识别仪进行相别校验需要增加设备投资，存在“共高压串扰”、“共地串扰”等问题，影响识别准确率，识别工作量较大，需要大量的人力物力，识别工作效率较低。

3)K-means算法通常对噪声、离群点比较敏感，聚类中心会受到异常数据的干扰，由于噪声、离群点远离大多数对象，当把它分配至某个簇时将严重扭曲该簇的均值，影响其它对象到该簇的分配，使得均值中心和实际中心位置偏差过大，从而导致类簇发生“畸变”。

4)灰色关联分析法受主观判断和台区环境的影响。该算法在计算灰色关联度时各变量权重值为固定值，存在一定的主观判断，不能准确反应轻载、过载等情况下电压特征值对参考点的影响程度；并且该算法在复杂台区环境中识别可靠性低。

发明内容

本发明主要目的在于公开一种基于筛选电压数据的配电台区用户相别辨识方法及***，以提高用户相别关系的准确性。

为达上述目的，本发明公开一种基于筛选电压数据的配电台区用户相别辨识方法，包括：

步骤S1、获取台区变压器三相电压A、B、C相同期分别对应的初始电压时间序列；

步骤S2、根据三相不平衡率从相应的初始电压时间序列中筛选出不平衡率最大的N个时间点构建成A、B、C相所分别对应的校验电压时间序列；

步骤S3、确定该台区变压器待校验的目标用户，对任一目标用户，筛选该用户在所述校验电压时间序列所处时间点上的电压数据构建成该用户自身的电压时间序列；

步骤S4、计算该用户自身电压时间序列分别与台区变压器A、B、C相校验电压时间序列的动态时间弯曲距离，并判定与用户自身电压时间序列距离最小的校验电压时间序列所对应的变压器相为该用户的正确相别；然后返回上述步骤S3，直至遍历完所有的目标用户的正确相别。

为达上述目的，本发明还公开一种基于筛选电压数据的配电台区用户相别辨识***，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述计算机程序时实现上述方法的步骤。

本发明具有以下有益效果：

利用三相电压不平衡率来衡量电压的不平衡程度，即从较长时间内筛选出变压器电压不平衡程度最大的多个时刻进行分析，提高不同相用户电压曲线的区分度。

与此同时，由于许多变压器终端只提供的三相电压的有效值，而不提供三相电压的相别，因此，本发明不采用常规的序分量法计算三相不平衡度的值。所采用的DTW距离算法对电压时间序列的突变或异常数据不敏感，对于不等长的电压时间序列，DTW距离算法通过动态规整能够进行准确地对齐，能够解决电压时间序列采样率不同和时间尺度不同的问题；且实现简单，避免了聚类等方法的实现的复杂性，同时也不需要人为设定阈值。

藉此，本发明提高了配电台区用户相别辨识的准确性，减少了人工成本，提高了工作效率。尤其适用于台区低压用户的自动辨识。

下面将参照附图，对本发明作进一步详细的说明。

附图说明

构成本申请的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是本发明优选实施例的基于筛选电压数据的配电台区用户相别辨识方法流程示意图。

图2是本发明优选实施例的动态时间弯曲示意图。

具体实施方式

以下结合附图对本发明的实施例进行详细说明，但是本发明可以由权利要求限定和覆盖的多种不同方式实施。

实施例1

本实施例公开一种基于筛选电压数据的配电台区用户相别辨识方法，如图1所示，包括：

步骤S1、获取台区变压器三相电压A、B、C相同期分别对应的初始电压时间序列。

步骤S2、根据台区变压器三相不平衡率从相应的初始电压时间序列中筛选出不平衡率最大的N个时间点构建成A、B、C相所分别对应的校验电压时间序列。在该步骤中，N通常为至少大于或等于2的多个。

优选地，该步骤计算三相不平衡率(Phase voltage unbalance ratio,PVUR)的相关公式如下：

式中，U_ave为三相电压有效值的平均值；U_A、U_B、U_C为A、B、C三相电压的有效值。即：PVUR等于三相相电压方均根值与三相相电压方均根值的平均值之差的最大值与三相相电压方均根值的平均值的比值。

步骤S3、确定该台区变压器待校验的目标用户，对任一目标用户，筛选该用户在所述校验电压时间序列所处时间点上的电压数据构建成该用户自身的电压时间序列。

步骤S4、计算该用户自身电压时间序列分别与台区变压器A、B、C相校验电压时间序列的动态时间弯曲距离，并判定与用户自身电压时间序列距离最小的校验电压时间序列所对应的变压器相为该用户的正确相别。以此类推，然后返回上述步骤S3，直至遍历完所有的目标用户的正确相别。

在该步骤中，序列A＝{a₁,a₂,...,a_m}、B＝{b₁,b₂,...,b_n}，m和n分别为两序列中元素的数量，所述动态时间弯曲距离DTW(A,B)的计算具体包括：

其中，p为A与B的对应关系集，d(p_k)为a_i和b_j的距离，s为p中元素的总数量，W为p的所有可能性组成可能性空间。

本实施例中，如图2所示，虚线p_k表示A中a_i与B中b_j对应，简写为p_k＝a_i^b_j。即：d(p_k)＝d(a_i^b_j)＝|a_i-b_j|。进一步地，为简化计算，在计算所述动态时间弯曲距离DTW(A,B)的过程中，设有下述约束条件：

(1) p₁＝a₁^b₁，p_s＝a_m^b_n。

(2)对任意正整数k，若有k＜s，且p_k＝a_i^b_j，则p_k+1只能等于a_i+1^b_j、a_i^b_j+1和a_i+1^b_j+1中的一个；即虚线紧密分布且互不交叉。

进一步的，本实施例方法举例如下：

(1)、首先从配变TTU获得30天内变压器低压侧电压时间序列数据，从用户智能电表获得相同时间段内台区各用户的电压时间序列。

(2)、计算配电变压器低压三相电压在各采集时刻的PVUR，然后，选取PVUR最大的30个时刻，将这些时刻对应的三相电压值提取出来，重新构成长度为30的离散时间序列U_Φ(n)，Φ＝A、B、C，n＝1,2,3,...,30。所构建的离散时间序列即上述的校验电压时间序列。

(3)、从用户的智能电表中提取PVUR取最大值的30个时刻所分别对应的用户电压值U_m(n)，m＝1,2,3,...,M，n＝1,2,3,...,30，构建用户自身的电压时间序列。

(4)计算用户自身的电压序列与变压器A、B、C三相所分别对应的校验电压时间序列之间的DTW距离；该用户电压序列与变压器哪一相电压序列的DTW距离最小，则确定该用户属于哪一相。

实施例2

本实施例公开一种基于筛选电压数据的配电台区用户相别辨识***，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述计算机程序时实现上述实施例1中方法的步骤。

综上，本发明上述各实施例所分别公开的基于筛选电压数据的配电台区用户相别辨识方法及***，具有以下有益效果：

利用相电压不平衡率来衡量电压的不平衡程度，即从较长时间内筛选出变压器电压不平衡程度最大的多个时刻进行分析，提高不同相用户电压曲线的区分度。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims

1.一种基于筛选电压数据的配电台区用户相别辨识方法，其特征在于，包括：

步骤S2、根据台区变压器三相不平衡率从相应的初始电压时间序列中筛选出不平衡率最大的N个时间点构建成A、B、C相所分别对应的校验电压时间序列；

2.根据权利要求1所述的基于筛选电压数据的配电台区用户相别辨识方法，其特征在于，所述台区变压器三相不平衡率的计算公式为：

其中，ε为三相不平衡率，U_ave为三相电压有效值的平均值；U_A、U_B、U_C为A、B、C三相电压的有效值。

3.根据权利要求1或2所述的基于筛选电压数据的配电台区用户相别辨识方法，其特征在于，序列A＝{a₁,a₂,...,a_m}、B＝{b₁,b₂,...,b_n}，m和n分别为两序列中元素的数量，所述动态时间弯曲距离DTW(A,B)的计算具体包括：

4.根据权利要求3所述的基于筛选电压数据的配电台区用户相别辨识方法，其特征在于，在计算所述动态时间弯曲距离DTW(A,B)的过程中，设有下述约束条件：

(1)p₁＝a₁^b₁，p_s＝a_m^b_n；

(2)对任意正整数k，若有k＜s，且p_k＝a_i^b_j，则p_k+1只能等于a_i+1^b_j、a_i^b_j+1和a_i+1^b_j+1中的一个；

其中，d(p_k)＝d(a_i^b_j)＝|a_i-b_j|。

5.一种基于筛选电压数据的配电台区用户相别辨识***，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述权利要求1至4任一所述方法的步骤。