CN113033666A - 一种融合采集业务和负荷设计规则的台区户变识别方法 - Google Patents

一种融合采集业务和负荷设计规则的台区户变识别方法 Download PDF

Info

Publication number
CN113033666A
CN113033666A CN202110327661.5A CN202110327661A CN113033666A CN 113033666 A CN113033666 A CN 113033666A CN 202110327661 A CN202110327661 A CN 202110327661A CN 113033666 A CN113033666 A CN 113033666A
Authority
CN
China
Prior art keywords
user
station
collection
acquisition
outliers
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.)
Granted
Application number
CN202110327661.5A
Other languages
English (en)
Other versions
CN113033666B (zh
Inventor
朱铮
张永康
杜成刚
戴辰
黄锋
陈海宾
蒋超
许堉坤
陈明
沈晓枉
李蕊
张芮嘉
安佰龙
罗伟
辛茂
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.)
State Grid Shanghai Electric Power Co Ltd
Beijing Zhixiang Technology Co Ltd
Original Assignee
State Grid Shanghai Electric Power Co Ltd
Beijing Zhixiang Technology Co Ltd
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 State Grid Shanghai Electric Power Co Ltd, Beijing Zhixiang Technology Co Ltd filed Critical State Grid Shanghai Electric Power Co Ltd
Priority to CN202110327661.5A priority Critical patent/CN113033666B/zh
Publication of CN113033666A publication Critical patent/CN113033666A/zh
Application granted granted Critical
Publication of CN113033666B publication Critical patent/CN113033666B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
    • 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
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Biology (AREA)
  • Public Health (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Power Engineering (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)

Abstract

本发明属于电力拓扑大数据分析领域，尤其涉及一种融合采集业务和负荷设计规则的台区户变识别方法。包括以下步骤：S1：获取台区采集档案和台区用户分支数据；S2：建立采集拓扑分析模型；S3：利用采集拓扑分析模型对采集离群、测量点离群、计量点离群和基于用户分支的采集离群进行分析，诊断出离群点和跨采情况；S4：对分析结果按照标准输出格式进行输出。本发明利用数据分析的情境离群数据分析方法，结合用电信息采集***的采集业务规则和用户负荷设计规则，实现台区户变识别。本发明通过将数据分析方法进行契合电网业务的改进，允许在实际电网实际业务中引入合理的特例或规则，减少采集器等设备的使用，降低成本和提高工作效率。

Description

一种融合采集业务和负荷设计规则的台区户变识别方法
技术领域
本发明属于电力拓扑大数据分析领域，尤其涉及一种融合采集业务和负荷设计规则的台区户变识别方法。
背景技术
电力用户用电信息采集***(power user electric energy data acquiresystem)是通过采集终端对用户电能表电量、电压和电流等用电信息进行采集、处理和实时监控的***。由于采集***在实际供电网络基础上进行建设，且建设时按供电区域集中完成，用户信息一般同步批量完成，因此台区和用户因采集而生成的拓扑信息、采集档案信息与实际供电网络拓扑之间存在一定的关联关系。
用电信息的采集有多种采集方式如全载波采集、半载采集(载波+485)、485采集和微功率无线方式等，不同的采集方式对采集拓扑和供电拓扑的一致性影响程度各不相同。全载方式因其通信信道为电力线，采集拓扑与供电拓扑一致性程度最高，485方式和微功率无线方式的通信信道与电力线无关，是否由某个采集终端采集与电能表间距离远近和是否有建筑物遮挡有关，采集拓扑和供电拓扑一致性最低。
在给定的数据集中，一个数据对象是情境离群点，如果关于对象的特定情境，它显著的偏离其他对象。情境离群点又称为条件离群点，因为它们条件的依赖于选定的情境。在利用情境离群点进行户变识别中，特定选定的情境可以是用户由某个采集终端采集、用户属于某个用户分支和用户属于某个台区3个条件中2个或3个的组合。
现有的通过采集进行户变识别的方案中，一般通过电压过零时刻采集终端某相和该相位电能表载波命令是否同步过零的特征可进行用户表归属台区的自动识别。其原理是负荷电流经过供电线路到达用户时，由于供电线路存在阻抗不可避免会造成电压幅值和相位变化，载波模块采集用户电能表用电信息通过在电压过零时刻3.3ms区间叠加载波信号，实现采集终端和电能表之间的通信。由于各台区负荷不同，不同台区同相电压相位之间会存在偏移值，该值一般大于150us。
在现有依托采集载波模块实现台区户变识别的方案中，因为其依托于设备，如设备质量不过关，或电能表集中器生产厂家不是同一个，户变识别的准确性均会收到限制，同时不同台区相位偏移未达到阈值或有信号干扰时，户变可能存在识别错误。
发明内容
针对现有技术存在的问题，本发明提供了不依托设备,无需进行新的设备投资或升级的一种融合采集业务和负荷设计规则的台区户变识别方法。
本发明是这样实现的，融合采集业务和负荷设计规则的台区户变识别方法，其特征在于：包括以下步骤：
S1：获取台区采集档案和台区用户分支数据；
S2：根据上述档案数据和台区用户分支数据，建立采集拓扑分析模型；
S3：利用采集拓扑分析模型对采集离群、测量点离群、计量点离群和基于用户分支的采集离群进行分析，诊断出离群点和跨采情况；
S4：对上述采集拓扑分析模型的分析结果按照标准输出格式进行输出。
所述S1进行之前通过档案数据分析诊断出邻近台区。
所述的邻近台区数据包括台区名称邻近、采集邻近和或供配电邻近的用户档案数据和用户表是否成功采集。
所述的采集离群是指对存在一个采集终端采集2个台区电能表的情况，如果出现一个终端采集台区a和台区b的用户表数量相差很大，其差值记为k，可将数量少的用户视作离群用户。
所述的测量点离群是指由于技术或人为因素，电能表的用电信息被成功采集，但电能表和台区归属关系出现错误，在递增数字中出现不多于2个属于台区b的离群测量点，而离群测量点的前后测量点的台区都为台区a。
所述的计量点离群，是指在有规律的属于一个台区的采集点编号数字中出现了归属另一个台区的用户，则这个台区户变关系出现错误的可能性就非常大，且该用户归属于本台区的概率非常高。
所述的基于用户分支的采集离群，是指在多个用户组成的用户分支中，其计量点可能不呈现规律性特征，但由于采集方式的技术限制，导致同一个用户分支的用户的用电信息由多个采集终端成功采集，且这些终端可能归属不同台区；双电源用户分支，因2个计量点位置在一起，建设采集网络时，为节省成本，存在该用户的2个计量点均由1个采集终端采集，上述2种情况均应诊断为跨采，而不是户变错误。
本发明的优点及积极效果为：本发明利用数据分析的情境离群数据分析方法，结合用电信息采集***的采集业务规则和用户负荷设计规则，引入邻近台区概念并提出3种邻近台区分类规则，提出采集离群、测量点离群、计量点离群和基于用户分支的采集离群等4个方法，通过数据分析方式即可实现台区户变识别。
本发明通过将数据分析方法进行契合电网业务的改进，允许在实际电网实际业务中引入合理的特例或规则，减少采集器等设备的使用，降低成本和提高工作效率。
附图说明
图1是本发明的流程框图；
图2是本发明的背景技术中载波过零同步传输波形图；
图3是本发明的背景技术中过零点相位偏移波形图；
图4是本发明的用户分类示意图；
图5是本发明的采集邻近和供配电设计邻近示意图；
图6是本发明的离群点示意图；
图7是本发明的户变识别框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。
实施例1：
如图1所示，本发明是这样实现的，一种融合采集业务和负荷设计规则的台区户变识别方法，包括以下步骤：
S1：获取台区采集档案和台区用户分支数据；
S2：根据上述档案数据和台区用户分支数据，建立采集拓扑分析模型；
S3：利用采集拓扑分析模型对采集离群、测量点离群、计量点离群和基于用户分支的采集离群进行分析，诊断出离群点和跨采情况；
S4：对上述采集拓扑分析模型的分析结果按照标准输出格式进行输出。
S1进行之前通过档案数据分析诊断出邻近台区。
邻近台区数据包括台区名称邻近、采集邻近和或供配电邻近的台区分组数据。
由于户变错误一般发生在相邻台区，在进行数据分析时，引入邻近台区概念，包括台区名称邻近、采集邻近和供配电邻近。
在台区供电设计时，台区的供电变压器作为10千伏配电设备，其命名需遵守相应的命名规则，如10kVABC-1配电变压器、10kVABC-2变压器，ABC作为2个台区变压器共有的字符串，表示其距离较近或在同一个小区。这种关系邻近的台区为台区名称邻近。
在建设采集***时，由于采集方式的技术特性，如微功率无线方式可采集终端附件无阻挡的附近几个台区的用户电能表。这种关系邻近的台区为采集邻近。
用电负荷应根据供电可靠性及中断供电在政治、经济上所造成的损失或影响的程度，分为一级负荷、二级负荷及三级负荷。对一级和二级用户，在用户负荷电气设计时会提供双电源，由于台区供电半径的限制，提供双电源的2个台区在地理上相邻。这种关系邻近的台区为供配电设计邻近。如三相重要用户可能会由2个名称完全不同的台区，高层楼宇的电梯用户可能会由2个名称邻近的台区供电。
图4显示了采集邻近和供配电设计邻近示意图，台区A/B/C在名称上可能邻近也可能不邻近。户变错误一般发生在邻近台区，通过对档案数据分析诊断出邻近台区，能够缩小用户归属台区分析范围，提高识别准确率。
台区供电设计中，供电路径一般从变压器->供电线路(架空线路或电缆)->配电设备(电杆或分支箱或配电箱或配电间配电柜)->供电线路->表箱(集中或单表箱)->电能表->用户进行供电。
对台区下用户，根据用电地址特征、采集特征和用电特征，可以将用户(居民、充电桩和非居民公用设施用户)分为二大类(楼宇用户和独立房屋)六小类(楼宇居民私人用户分支、楼宇电梯公灯用户分支、楼宇水泵充电桩等用户分支、集聚地址用户分支、重点采集用户分支、孤立地址用户分支)。如表1所示。
表1台区下用户分支分类
Figure BDA0002995229810000061
注①：方案中楼宇居民私人用户中，单表箱用户不被视作一个末级用户分支，集中表箱及其下用户可视作一个末级用户分支。
注②：集聚地址用户分支指多个用户的用户地址中具有相同的关键字如临沧路友好12队庄家宅。
注③：集聚地址用户分支可由多个末级用户分支组成。
通过采集方式识别户变关系的方式，可归纳为四种类型。包括：采集离群、计量点离群、测量点离群和基于用户分支的采集离群。
1.采集离群
用户电能表的用电信息通过采集终端进行采集。在建设采集***时，除485和微功率无线方式外，采集业务一般要求一个采集终端只采集一个台区下的电能表。但在实际操作过程中，全载或半载方式，因载波通信方式自身的技术特性，如果2个台区共零的话，A台区可成功采集B台区的电能表，此情况是造成户变关系错误的一个重要原因。
对存在一个采集终端采集2个台区电能表的情况，由于采集业务要求一个终端采集一个台区的表，因此如果出现一个终端采集台区a和台区b的用户表数量相差很大，其差值记为k，可将数量少的用户(不多于j个)视作视作离群用户，这些用户归属用户表数多的台区可能性大，且k值越大，归属表数多台区的可能性就越大。j值越小，识别准确的可能性就越高。
2.测量点离群
用电信息采集***在进行信息***设计时，采集终端对电能表的采集通过采集对象表建立关联关系，即采集点、测量点和电能表需一一对应才能实现电能表用电信息的成功采集。
由于技术或人为因素，电能表的用电信息被成功采集，但电能表和台区归属关系出现错误，因测量点数据集是递增的正整数，对测量点按期对应用户电能表归属台区进行分类，如表2所示。如在递增数字中出现不多于2个属于台区b的离群测量点，而离群测量点的前后测量点的台区都为台区a，则离群测量点用户属于台区a的可能性大。
表2
台区名称 a a a a a by by a a a
测量点 1 2 3 4 7 8 9 10 11 12
3.计量点离群
采集***一般同步或延后于供电网络建设，除少量新增用户外，建设时一般按供电区域(多个或一个台区)批量集中实施，用户信息和采集信息、采集信息自身均呈现一定的规律性。如表3中5层住宅的楼宇居民私人用户分支采集点编号呈现数字递增1的特征。
表3：楼宇私人用户分支用电地址和采集点关系表
Figure BDA0002995229810000071
Figure BDA0002995229810000081
有规律的采集点编号对应的用户电能表，在供电网络中一般属于某一个用户分支。如在有规律的属于一个台区的采集点编号数字中出现了归属另一个台区的用户，则这个台区户变关系出现错误的可能性就非常大，且该用户归属于本台区的概率非常高。如表1中的301，1-5层10个用户属于一个用户分支，其计量点编号与台区b其他用户的计量点编号差值大，而和台区a下用户呈现计量点编号递增1非常有规律的特征。301用户的计量点编号和台区b下用户计量点编号则呈现计量点离群特征。因此计量点离群可诊断301属于台区a。
计量点离群特征，可用于对采集离群的二次诊断。即采集离群和测量离群的计量点，若其计量点不离群，则不能判定为户变关系错误，应该诊断为跨采。
4.基于用户分支的采集离群
在多个用户组成的用户分支中，如楼宇居民私人用户分支和集聚地址用户分支，由于其用户在同一条供电线路上，分支下所有用户只能由一个台区供电。由于某种原因，其计量点可能不呈现规律性特征，由于采集方式的技术限制，导致同一个用户分支的用户的用电信息由多个采集终端成功采集，且这些终端可能归属不同台区。对于此种采集离群，应该诊断为跨采。
对双电源用户分支，存在该用户的2个计量点均由1个采集终端采集，此种情况应识别为跨采。如在一个楼宇配电间内，某个台区的采集终端可通过一个采集器，采用485电缆将该配电间的电梯用户、公共照明用户、水泵等全部用户采集。
如图7所示，通过获取台区采集档案和台区用户分支数据，以上述4种方法构建采集拓扑分析模型进行台区户变识别，最终户变识别结果标准格式输出。
本发明的实施有以下特点：
1、本发明不以地理关系上的距离远近进行分类，而是以采集业务规则和用户负荷电气设计规则进行邻近台区的3种分类方法，新的邻近台区分类完全涵盖了户变识别数据分析需要的各种情境。
2、将数据分析的情境离群分析与采集业务规则结合，提出采集离群和测量点离群二种方法进行户变识别。
3、将数据分析的情境离群分析与用户负荷电气设计规则结合，提出计量点离群方法进行户变识别。
4、将计量点离群方法作为采集离群和测量点离群的二次诊断过滤，进行用户跨台区采集的诊断。
5、对于基于用户分支诊断的采集离群，诊断为跨采。
6、通过跨采诊断，可解决一终端一台区类型(该种类型终端下所有用户属于一个台区)可能存在户变识别错误的问题。
实验证明
经过实际台区验证，准确率可高达95％。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，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，均应包含在本发明的保护范围之内。

Claims (7)

1.一种融合采集业务和负荷设计规则的台区户变识别方法，其特征在于：包括以下步骤：
S1：获取台区采集档案和台区用户分支数据；
S2：根据上述档案数据和台区用户分支数据，建立采集拓扑分析模型；
S3：利用采集拓扑分析模型对采集离群、测量点离群、计量点离群和基于用户分支的采集离群进行分析，诊断出离群点和跨采情况；
S4：对上述采集拓扑分析模型的分析结果按照标准输出格式进行输出。
2.如权利要求1所述的一种融合采集业务和负荷设计规则的台区户变识别方法，其特征在于，所述S1进行之前通过档案数据分析诊断出邻近台区。
3.如权利要求1或2所述的一种融合采集业务和负荷设计规则的台区户变识别方法，其特征在于，所述的邻近台区数据包括台区名称邻近、采集邻近和或供配电邻近的用户档案数据和用户表是否成功采集。
4.如权利要求1所述的一种融合采集业务和负荷设计规则的台区户变识别方法，其特征在于，所述的采集离群是指对存在一个采集终端采集2个台区电能表的情况，如果出现一个终端采集台区a和台区b的用户表数量相差很大，其差值记为k，可将数量少的用户视作离群用户。
5.如权利要求1所述的一种融合采集业务和负荷设计规则的台区户变识别方法，其特征在于，所述的测量点离群是指由于技术或人为因素，电能表的用电信息被成功采集，但电能表和台区归属关系出现错误，在递增数字中出现不多于2个属于台区b的离群测量点，而离群测量点的前后测量点的台区都为台区a。
6.如权利要求5所述的一种融合采集业务和负荷设计规则的台区户变识别方法，其特征在于，所述的计量点离群，是指在有规律的属于一个台区的采集点编号数字中出现了归属另一个台区的用户，则这个台区户变关系出现错误的可能性就非常大，且该用户归属于本台区的概率非常高。
7.如权利要求5所述的一种融合采集业务和负荷设计规则的台区户变识别方法，其特征在于，所述的基于用户分支的采集离群，是指在多个用户组成的用户分支中，其计量点可能不呈现规律性特征，采集终端归属不同台区。
CN202110327661.5A 2021-03-26 2021-03-26 一种融合采集业务和负荷设计规则的台区户变识别方法 Active CN113033666B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110327661.5A CN113033666B (zh) 2021-03-26 2021-03-26 一种融合采集业务和负荷设计规则的台区户变识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110327661.5A CN113033666B (zh) 2021-03-26 2021-03-26 一种融合采集业务和负荷设计规则的台区户变识别方法

Publications (2)

Publication Number Publication Date
CN113033666A true CN113033666A (zh) 2021-06-25
CN113033666B CN113033666B (zh) 2024-04-26

Family

ID=76472588

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110327661.5A Active CN113033666B (zh) 2021-03-26 2021-03-26 一种融合采集业务和负荷设计规则的台区户变识别方法

Country Status (1)

Country Link
CN (1) CN113033666B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN109904925A (zh) * 2019-01-08 2019-06-18 国网上海市电力公司 一种配电台区户变关系校核方法
WO2020103640A1 (zh) * 2018-11-23 2020-05-28 江苏智臻能源科技有限公司 一种配变台区感知终端装置及感知方法
CN111404157A (zh) * 2020-04-17 2020-07-10 国网湖南省电力有限公司 一种低压配电网台区拓扑结构自动校验方法及***
CN111625991A (zh) * 2020-05-20 2020-09-04 国网河北省电力有限公司电力科学研究院 一种低压配电网拓扑校验方法
CN111651448A (zh) * 2020-08-10 2020-09-11 广东电网有限责任公司惠州供电局 一种基于降噪差分进化的低压拓扑识别方法
CN112085403A (zh) * 2020-09-16 2020-12-15 国网福建省电力有限公司营销服务中心 一种基于混合整数规划的低压台区拓扑辨识方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
WO2020103640A1 (zh) * 2018-11-23 2020-05-28 江苏智臻能源科技有限公司 一种配变台区感知终端装置及感知方法
CN109904925A (zh) * 2019-01-08 2019-06-18 国网上海市电力公司 一种配电台区户变关系校核方法
CN111404157A (zh) * 2020-04-17 2020-07-10 国网湖南省电力有限公司 一种低压配电网台区拓扑结构自动校验方法及***
CN111625991A (zh) * 2020-05-20 2020-09-04 国网河北省电力有限公司电力科学研究院 一种低压配电网拓扑校验方法
CN111651448A (zh) * 2020-08-10 2020-09-11 广东电网有限责任公司惠州供电局 一种基于降噪差分进化的低压拓扑识别方法
CN112085403A (zh) * 2020-09-16 2020-12-15 国网福建省电力有限公司营销服务中心 一种基于混合整数规划的低压台区拓扑辨识方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
余鹤;夏水斌;鄢烈奇;董重重;孙秉宇;杨海涛;: "低压用电"台区识别技术"研究", 通信与信息技术, no. 02 *
耿俊成;吴博;万迪明;袁少光;: "基于离群点检测的低压配电网拓扑结构校验", 电力信息与通信技术, no. 05 *
郭?;林佳颖;王鹏;张冀川;陈蕾;唐国静;: "基于ROF离群组检测的低压配电网拓扑校验", 控制工程, no. 01 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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

Also Published As

Publication number Publication date
CN113033666B (zh) 2024-04-26

Similar Documents

Publication Publication Date Title
CN108535599B (zh) 基于电压曲线聚类分析的低压台区用户相位识别方法
CN109274095B (zh) 基于互信息的低压配电网用户拓扑估计方法及***
CN109904925B (zh) 一种配电台区户变关系校核方法
CN109061541A (zh) 一种低压台区电气拓扑辨识***及其工作方法
CN112187518B (zh) 智能融合终端台区拓扑识别方法及***
CN111650431B (zh) 一种电表台区识别方法
CN109444800B (zh) 基于无线通信采集的台区识别方法
CN110729724A (zh) 一种低压配电台区拓扑自动识别方法
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
CN109327242B (zh) 电能表所属台区的识别方法及装置
CN113033897A (zh) 基于用户分支的电量相关性识别台区户变关系的方法
CN112232382B (zh) 一种低压台区的分路与电表隶属关系识别方法及***
CN111835006A (zh) 一种基于电压曲线和最小二乘的低压台区拓扑识别方法
CN113572164B (zh) 一种基于k-means聚类分析的配电网台区识别方法
CN113033666A (zh) 一种融合采集业务和负荷设计规则的台区户变识别方法
CN113992241B (zh) 一种基于工频通信的台区拓扑自动识别分析方法
CN112886581A (zh) 一种基于用户分支电压相关性的台区拓扑识别的方法
CN111711469B (zh) 基于信噪比的台区识别方法、***、存储介质及sta节点
Bonetto et al. On the interplay of distributed power loss reduction and communication in low voltage microgrids
CN116231637A (zh) 一种基于大数据分析的低压配电网拓扑识别方法
CN111245095A (zh) 一种低压配电网拓扑识别***的拓扑识别方法
CN116233965A (zh) 一种基于电表分簇机制的电表定位方法
CN109887260A (zh) 台区电能表网络拓扑结构拆分方法
CN114784971A (zh) 一种基于电流数据的低压台区拓扑识别***及算法
CN112016587A (zh) 基于主站特征库技术的用能监测云端协同非侵入辨识方法

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