CN114722971A - 一种低压台区相位识别方法 - Google Patents
一种低压台区相位识别方法 Download PDFInfo
- Publication number
- CN114722971A CN114722971A CN202210556374.6A CN202210556374A CN114722971A CN 114722971 A CN114722971 A CN 114722971A CN 202210556374 A CN202210556374 A CN 202210556374A CN 114722971 A CN114722971 A CN 114722971A
- Authority
- CN
- China
- Prior art keywords
- phase
- users
- user
- cluster
- voltage
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000012423 maintenance Methods 0.000 abstract description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- 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
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Evolutionary Computation (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Probability & Statistics with Applications (AREA)
- Remote Sensing (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明公开的一种低压台区相位识别方法,包括如下步骤:S1、采集待识别台区内所有用户的地址信息及历史电压序列数据;S2、基于用户的地址信息和/或历史电压序列判定用户所属相位,包括:A相、B相及C相;S3、判定A相、B相及C相内用户所属表箱;S4、将各与用户所属表箱及相位与在台区档案的记载进行比对,若一致,则将台区档案中该用户的记录信息标记为可信,否则将台区档案中该用户的记录信息标记为不可信。本发明基于电压序列及地址信息来提高相位识别率,充分利用现有信息帮助辨识,可以准确识别出低压台区用户相位归属问题,减轻了低压配电网台区运维人员的负担,提高整体工作效率。
Description
技术领域
本发明属于电力技术领域,更具体地,本发明涉及一种低压台区相位识别方法。
背景技术
低压配电网拓扑模型明确了台区内各用户与配电变压器的相位连接关系。精确的配电网拓扑模型是保证配电***安全稳定运行的关键。精确的低压配电网拓扑模型是台区进行线损分析、三相平衡、窃电分析等应用的基础,提高了台区供电的可靠性。当台区出现检修、故障等状况需要分区域停电时,可以根据台区拓扑模型提前通知停电区域内的各个用户,让用户在停电前有所准备,提高了用户的用电体验。老旧小区的用户存在私拉线,导致线路变更,或者是新增用户的线路信息可能不能及时在台区档案更新,会出现台区档案与实际线路信息不完全一致的问题,在对应区域停电时,无法精准通知该部分用户,因此需要配电网台区运维人员定时核查台区档案记载的信息,实现存在台区档案更新,人工核查台区档案信息存在工作效率低的问题。
发明内容
本发明提供一种低压台区相位识别方法,旨在改善上述问题。
本发明是在这样实现的,低压台区相位识别方法,所述方法具体包括如下步骤:
S1、采集待识别台区内所有用户的地址信息及历史电压序列数据;
S2、基于用户的地址信息和/或历史电压序列判定用户所属相位,包括:A相、B相及C相;
S3、判定A相、B相及C相内用户所属表箱;
S4、将各与用户所属表箱及相位与在台区档案的记载进行比对,若一致,则将台区档案中该用户的记录信息标记为可信,否则将台区档案中该用户的记录信息标记为不可信。
进一步的,基于历史电压序列的用户所属相位判定方法具体如下:
计算两两用户间的皮尔逊电压相关系数r,基于相关性系数的判定阈值β,将所用的用户分为三类,同类的两用户间的皮尔逊电压相关系数r均大于相关性系数的判定阈值β。
进一步的,基于地址信息的用户所属相位判定方法具体如下:
将用户所属楼栋、单元及房号采用标准长度进行编码,并按照楼栋、单元及房号依次组成数值序列,基于聚类算法将用户分为三类,再基于每类用户的电压变化趋势判定三类用户所属相位。
进一步的,基于地址信息及历史电压序列的用户所属相位判定方法具体如下:
分别基于地址信息和历史电压序列来判定用户所属相位;
在两种方法的输出结果一致时,则认定判定结果准确,若两种方法输出的结果不一致时,则将该用户进行标记,被标记的用户不参与后续的流程。
进一步的,所述步骤S3中具体包括如下步骤:
基于历史电压序列对用户进行第一次聚类,将用户分配至各个配电分线箱;
再基于用户地址信息进行二次聚类,将用户分配至各配电分线箱下的线箱。
进一步的,A相、B相及C相内用户所属表箱的判定方法具体如下
基于聚类方法将A相内的用户分别分成Md个聚类簇,kd≥Md≥MD,其中,MD为待识别台区内的配电分线箱数量,kd为待识别台区内的表箱数量;
统计各个簇内属于各单元的用户数量,依次遍历各单元,将最多数量用户所在的簇认定为对应单元所在的簇,将各簇内所有单元的线箱总数定义为下次聚类时的簇数量,对各个簇进行第二次聚类,获取各簇内的子簇,将同一子簇内的用户认定为属于同一表箱的用户,基于子簇内各用户地址所在表箱对用户进行分类,统计各表箱下的用户数量,将该子簇归属于用户数量最多的表箱。
本发明基于电压序列及地址信息来提高相位识别率,充分利用现有信息帮助辨识,可以自动识别出低压台区用户相位及表箱归属问题,减轻了低压配电网台区运维人员的负担,提高整体工作效率,
附图说明
图1为本发明实施例提供的低压台区相位识别方法流程图;
图2位本发明实施例提供的基于皮尔逊电压相关系数r的用户分类示意图。
具体实施方式
下面对照附图,通过对实施例的描述,对本发明的具体实施方式作进一步详细的说明,以帮助本领域的技术人员对本发明的发明构思、技术方案有更完整、准确和深入的理解。
图1为本发明实施例提供的低压台区相位识别方法流程图,该方法具体包括如下步骤:
S1、采集待识别台区内所有用户的地址信息及历史电压序列数据;
本发明中的台区是指一个变压器的供电区域,一般一个变压器给一个小区供电。在本发明实施例中,用户的某时刻的电压值存在缺失,异常,缺失值则通过插值法进行补充,异常值则进行删除;
由于地址信息存在格式不统一的问题,因此,提取关键数据***标准模板中,形成标准格式的地址信息,此处的关键数据包括:小区名称、楼栋号(栋)及单元号(室)。
S2、基于用户的地址信息和/或历史电压序列判定用户所属相位,包括:A相、B相及C相;
电压序列即时间序列下的电压值序列,反应电压随时间的变化,不同用户的历史电压序列中时间点必须是相同时间,不同采集装置的采集频率不同,就可能出现不同用户的电压序列中时间点不同,此时,通过插值法获取各用户在相同时间序列下的电压值序列。
在本发发明实施例中,基于历史电压序列的用户所属相位判定方法具体如下:
计算两两用户间的皮尔逊电压相关系数r,基于相关性系数的判定阈值β,将所用的用户分为三类,同类的两用户间的皮尔逊电压相关系数r均大于相关性系数的判定阈值β,如图2所示,相关性系数的判定阈值β=0.92,将用户m1至用户m10分为三类,用户m2至用户m5为一类,用户m6至用户m8为一类,用户m9、用户m10及用户m1为一类;再基于每类用户的电压变化趋势判定三类用户所属相位。
在本发明实施例中,基于每类用户电压变化趋势的所有相位判定方法如下:
绘制三类用户的电压随时间变化曲线(电压-时间曲线)和变压器下三相UVW(ABC)电压随时间变化曲线(电压-时间曲线),随机截取一个时间段内的图像曲线,将三类用户的曲线与变压器三相的曲线对比,若该时间段内存在一类用户的曲线和变压器曲线其中一相(假设为U/A相)有相同的用电特征,即曲线上某族曲线和变压器某相曲线有相同的趋势(上升、下降、峰值、凹凸等),而其它两类没有,则判定为同一相(如A相),否则重新选取时间段寻找,其余两相判别方法相同。
在本发明实施例中,基于地址信息的用户所属相位判定方法具体如下:
将用户所属楼栋、单元及房号采用标准长度进行编码,并按照楼栋、单元及房号依次组成数值序列,基于聚类算法(k-means聚类算法)将用户分为三类,再基于每类用户的电压变化趋势判定三类用户所属相位。
在本发明实施例中,基于地址信息及历史电压序列的用户所属相位判定方法具体如下:
分别基于地址信息和历史电压序列来判定用户所属相位,基于地址信息的用户所述相位判定方法及基于历史电压序列的用户所述相位判定方法如上所述;
在上述两种方法的输出结果一致时,则直接进行输出,若两种方法输出的结果不一致时,则将该用户进行标记,被标记的用户不参与后续的流程,需要人工进行审核。
S3、判定A相、B相及C相内用户所属表箱;
在本发明实施例中,在待识别台区内存在一个或多个配电分线箱,每个配电分线箱下存在多个表箱,一个单元内存在至少一个表箱,每个表箱下存在多个A相、B相及C相的用户,首先基于历史电压序列对用户进行第一次聚类,将用户分配至各个配电分线箱,在第一次聚类的基础上,再基于用户地址信息进行二次聚类,将用户分配至各配电分线箱下的线箱,其判定方法具体如下:
基于聚类方法将A相内的用户分别分成Md个聚类簇,kd≥Md≥MD,其中,MD为待识别台区内的配电分线箱数量,kd为待识别台区内的表箱数量;
统计各个簇内属于各单元的用户数量,不同楼栋的相同单元属于不同单元,依次遍历各单元,将最多数量用户所在的簇认定为对应单元所在的簇,将各簇内所有单元的线箱总数定义为下次聚类时的簇数量,对各个簇进行第二次聚类,获取各簇内的子簇,将同一子簇内的用户认定为属于同一表箱的用户,基于子簇内各用户地址所在表箱对用户进行分类,统计各表箱下的用户数量,将该子簇归属于用户数量最多的表箱。
假定簇1内存在大量4单元、5单元用户,少量6单元用户从,簇2中存在大量的6单元及7单元用户,其中,4单元内存在2个线箱,5单元,6单元及7单元均仅存在一个线箱,则簇1的下次聚类的簇数量为1*2+1=3,即将簇1分为3个子簇,簇2下次聚类的簇数量为2个,即将簇2分为2个子簇。
在本发明实施例中,B相及C相内用户所属表箱的判定方法与A相内用户所述表箱的判定方法相同,在此不进行赘述。
S4、将各与用户所属表箱及相位与在台区档案的记载进行比对,若一致,则将台区档案中该用户的记录信息标记为可信,否则将台区档案中该用户的记录信息标记为不可信。为了便于输出显示,可信的用户采用绿色进行标记,对于不可信的用户采用红色进行标记。
台区档案中记录有用户所属变压器、配电分线箱、表箱及其相位。
本发明进行了示例性描述,显然本发明具体实现并不受上述方式的限制,只要采用了本发明的方法构思和技术方案进行的各种非实质性的改进,或未经改进将本发明的构思和技术方案直接应用于其它场合的,均在本发明的保护范围之内。
Claims (6)
1.一种低压台区相位识别方法,其特征在于,所述方法具体包括如下步骤:
S1、采集待识别台区内所有用户的地址信息及历史电压序列数据;
S2、基于用户的地址信息和/或历史电压序列判定用户所属相位,包括:A相、B相及C相;
S3、判定A相、B相及C相内用户所属表箱;
S4、将各与用户所属表箱及相位与在台区档案的记载进行比对,若一致,则将台区档案中该用户的记录信息标记为可信,否则将台区档案中该用户的记录信息标记为不可信。
2.如权利要求1所述低压台区相位识别方法,其特征在于,基于历史电压序列的用户所属相位判定方法具体如下:
计算两两用户间的皮尔逊电压相关系数r,基于相关性系数的判定阈值β,将所用的用户分为三类,同类的两用户间的皮尔逊电压相关系数r均大于相关性系数的判定阈值β。
3.如权利要求1所述低压台区相位识别方法,其特征在于,基于地址信息的用户所属相位判定方法具体如下:
将用户所属楼栋、单元及房号采用标准长度进行编码,并按照楼栋、单元及房号依次组成数值序列,基于聚类算法将用户分为三类,再基于每类用户的电压变化趋势判定三类用户所属相位。
4.如权利要求1所述低压台区相位识别方法,其特征在于,基于地址信息及历史电压序列的用户所属相位判定方法具体如下:
分别基于地址信息和历史电压序列来判定用户所属相位;
在两种方法的输出结果一致时,则认定判定结果准确,若两种方法输出的结果不一致时,则将该用户进行标记,被标记的用户不参与后续的流程。
5.如权利要求1所述低压台区相位识别方法,其特征在于,所述步骤S3中具体包括如下步骤::
基于历史电压序列对用户进行第一次聚类,将用户分配至各个配电分线箱;
再基于用户地址信息进行二次聚类,将用户分配至各配电分线箱下的线箱。
6.如权利要求5所述低压台区相位识别方法,其特征在于,A相、B相及C相内用户所属表箱的判定方法具体如下
基于聚类方法将A相内的用户分别分成Md个聚类簇,kd≥Md≥MD,其中,MD为待识别台区内的配电分线箱数量,kd为待识别台区内的表箱数量;
统计各个簇内属于各单元的用户数量,依次遍历各单元,将最多数量用户所在的簇认定为对应单元所在的簇,将各簇内所有单元的线箱总数定义为下次聚类时的簇数量,对各个簇进行第二次聚类,获取各簇内的子簇,将同一子簇内的用户认定为属于同一表箱的用户,基于子簇内各用户地址所在表箱对用户进行分类,统计各表箱下的用户数量,将该子簇归属于用户数量最多的表箱。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210556374.6A CN114722971A (zh) | 2022-05-19 | 2022-05-19 | 一种低压台区相位识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210556374.6A CN114722971A (zh) | 2022-05-19 | 2022-05-19 | 一种低压台区相位识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114722971A true CN114722971A (zh) | 2022-07-08 |
Family
ID=82230755
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210556374.6A Pending CN114722971A (zh) | 2022-05-19 | 2022-05-19 | 一种低压台区相位识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114722971A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115508662A (zh) * | 2022-11-23 | 2022-12-23 | 青岛鼎信通讯股份有限公司 | 一种用于判定台区电表与表箱间归属关系的方法 |
-
2022
- 2022-05-19 CN CN202210556374.6A patent/CN114722971A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115508662A (zh) * | 2022-11-23 | 2022-12-23 | 青岛鼎信通讯股份有限公司 | 一种用于判定台区电表与表箱间归属关系的方法 |
CN115508662B (zh) * | 2022-11-23 | 2023-03-07 | 青岛鼎信通讯股份有限公司 | 一种用于判定台区电表与表箱间归属关系的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111505433B (zh) | 一种低压台区户变关系纠错及相位识别方法 | |
EP3968040A1 (en) | Abnormal electricity use recognition method and device, and computer readable storage medium | |
CN108206522B (zh) | 一种电力设备状态监控方法及*** | |
CN111650431A (zh) | 一种电表台区识别方法 | |
CN113189418B (zh) | 一种基于电压数据的拓扑关系识别方法 | |
CN112698123A (zh) | 一种基于决策树的低压台区用户拓扑关系识别方法 | |
CN113612306A (zh) | 一种分布式配电柜及其控制*** | |
CN104881739B (zh) | 一种基于iec61970/61968 cim标准的营配数据一致性校验方法 | |
CN114722971A (zh) | 一种低压台区相位识别方法 | |
CN110768256B (zh) | 一种基于电压谐波图谱的台区拓扑识别方法、装置及*** | |
CN112366690A (zh) | 一种基于强同步电压特征匹配的低压台区横向节点关系识别方法 | |
CN113904322A (zh) | 一种基于电流+电压的低压配网拓扑生成方法 | |
CN115842342A (zh) | 一种分布式配电网的拓扑识别方法及装置 | |
CN112508254B (zh) | 变电站工程项目投资预测数据的确定方法 | |
CN110597792A (zh) | 基于同期线损数据融合的多级冗余数据融合方法及装置 | |
CN112182499B (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 | |
CN113487051A (zh) | 一种配电网故障抢修维护数据处理方法、设备及计算机存储介质 | |
CN111651448A (zh) | 一种基于降噪差分进化的低压拓扑识别方法 | |
CN116484558A (zh) | 一种基于源端模型的多源模型自动成图方法、设备和介质 | |
CN114611869B (zh) | 一种低压台区台户识别方法 | |
CN114996535A (zh) | 电网中电力设备的数据检索方法、***及电子设备 | |
CN102486502B (zh) | 电力特征辨识装置及其方法 | |
CN113075468A (zh) | 一种基于低压用户的相别判定方法 | |
CN113780440A (zh) | 一种提升抗数据扰动能力的低压台区相别辨识方法 | |
CN108229863B (zh) | 一种配电网供电可靠率计算方法 |
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 |