CN115577993B - 一种基于时序匹配的台区户变识别方法 - Google Patents
一种基于时序匹配的台区户变识别方法 Download PDFInfo
- Publication number
- CN115577993B CN115577993B CN202211575645.9A CN202211575645A CN115577993B CN 115577993 B CN115577993 B CN 115577993B CN 202211575645 A CN202211575645 A CN 202211575645A CN 115577993 B CN115577993 B CN 115577993B
- Authority
- CN
- China
- Prior art keywords
- time
- time sequence
- sequence data
- current
- meter
- 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
- 238000009826 distribution Methods 0.000 claims abstract description 8
- 230000005611 electricity Effects 0.000 claims abstract description 7
- 238000004364 calculation method Methods 0.000 claims description 19
- 230000001052 transient effect Effects 0.000 claims description 13
- 238000004140 cleaning Methods 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 abstract description 4
- 238000007726 management method Methods 0.000 abstract description 3
- 238000013024 troubleshooting Methods 0.000 abstract 1
- 230000002354 daily effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明涉及一种基于时序匹配的台区户变识别方法,包括以下步骤:一、根据每个表箱中数据采集设备采集的用电数据获取该表箱在时间T内的电流阶跃时序数据和电压阶跃时序数据;二、利用步骤一得到的一个表箱的电流阶跃时序数据与另一个表箱的电压阶跃时序数据进行横向匹配,得到横向匹配结果;三、根据步骤二得到的横向匹配结果将表箱进行分组,结合台区建档信息,得到户变识别结果。本发明无需在变压器和分支箱增加智能终端,仅依靠表箱侧的终端采集的用电数据就能够精准识别户变关系,提升了配电网户变档案管理能力,也为低压配电网的拓扑分析、线损分析、故障排查提供了依据。
Description
技术领域
本发明涉及一种基于时序匹配的台区户变识别方法,属于智能电网技术领域。
背景技术
户变关系是指用电客户与台区变压器之间的从属关系。通常,每台变压器都有固定的用户,供电所会将这种对应关系绘制出来,作为户变关系存档。近年来,由于配电网建设和发展引起的变更(配变的新增、重新规划、扩容等)和用电户数增加、用户地址改变、销户等原因,导致实际的台区户变关系和建档信息不再一致,并且由于条件限制,如线路交叉、管理不善等,发生改变的户变关系无法及时更新到建档信息。甚至有一些老旧小区由于历史原因,缺失了户变关系的档案资料。当现场实际的户变关系和建档信息不一致时,会导致一些列的问题和危害,如收费困难、线路故障难以定位、线损计算不准确、新增负荷安排不合理、影响负载均衡等。因此,精确识别出户变关系变得十分重要。
传统的户变关系确定主要依靠人工巡线或短时停电的方法,但这两种方法由于耗时耗力或者影响供电可靠性,应用场景有限,无法大范围推广。现有的户变自动识别方案有的需要在表箱侧和变压器侧都安装监测终端,大多数方案会用到电流或电压的幅值、时间窗口内的变化量等更多更详尽的特征值,单个负荷事件的数据量较大,在终端数据传输带宽限制下有可能无法上送全部负荷事件的特征值,在一定程度上会影响到户变识别的精准度。
因此,需要一种新的台区户变识别方法以解决上述问题。
发明内容
为了解决现有技术存在的问题,本发明公开了一种基于时序匹配的台区户变识别方法,其具体技术方案如下:
一种基于时序匹配的台区户变识别方法,包括以下步骤:
一、根据每个表箱中数据采集设备采集的用电数据获取该表箱在时间T内的电流阶跃时序数据和电压阶跃时序数据;
二、利用步骤一得到的一个表箱的电流阶跃时序数据与另一个表箱的电压阶跃时序数据进行横向匹配,得到横向匹配结果;
三、根据步骤二得到的横向匹配结果将表箱进行分组,结合台区建档信息,得到户变识别结果。
更进一步的,在步骤一和步骤二之间还包括电流阶跃时序数据清洗步骤。因为电流阶跃时序数据中存在很多干扰项,利用电流阶跃时序数据清洗步骤可以有效去除其中的干扰数据,使得户变识别结果更为准确。
更进一步的,步骤一中根据每个表箱中数据采集设备采集的用电数据获取该表箱在时间T内的电流阶跃时序数据和电压阶跃时序数的具体为:
1.1、每个表箱内的数据采集设备抓取该表箱在时间T内的电流瞬态变化和电压瞬态变化,每一次电流瞬态变化均为一次电流阶跃,每一次电压瞬态变化均为一次电压阶跃;
1.2、将每一次电流阶跃发生的时间记录在电流阶跃时序数据中,每t1时间记录一次电流阶跃时序数据;将每一次电压阶跃发生的时间记录在电压阶跃时序数据中,每t2时间记录一次电压阶跃时序数据;
1.3、将t1时间分为t1/t个最小时间单元,每个最小时间单元内用bit位来记录该最小时间单元内是否有电流阶跃发生,如果发生电流阶跃则该时间单元的bit位置1,否则置0;将t2时间分为t2/t个最小时间单元,每个最小时间单元内用bit位来记录该最小时间单元内是否有电压阶跃发生,如果发生电压阶跃则该时间单元的bit位置1,否则置0;其中,t为最小时间单元。
更进一步的,t为1秒。
更进一步的,步骤1.3中如果t1时间内某个最小时间单元内有电流阶跃发生,则不管该最小时间单元内发生多少个电流阶跃,其对应的bit位置1,否则置0;如果t2时间内某个最小时间单元内有电压阶跃发生,则不管该最小时间单元内发生多少个电压阶跃,其对应的bit位置1,否则置0。采用该方案后每个最小单元时间是否有阶跃只需要1个bit位来表示,这样可以用最少的数据量把t1和t2时间内所有的电流阶跃事件和电压阶跃事件记录下来。
更进一步的,步骤1.1中所述电流瞬态变化是指0.02秒内电流变化超过5A,所述电压瞬态变化是指0.02秒内电压变化超过0.2V。
更进一步的,采用以下方法对所述电流阶跃时序数据进行清洗:
如果电流阶跃时序数据中有连续的n个最小时间单元对应的bit位均为1,那么第一个最小时间单元的bit位置1,后面的n-1个最小时间单元对应的bit位都置0,其中,n>1。
如果一个表箱的电流阶跃时序数据中有连续的bit位为1,那么与该表箱匹配的其他表箱中的电压阶跃时序数据中也必然有连续的bit位为1,在一段时间范围内,将该电流阶跃时序数据与电压阶跃时序数据进行横向匹配是就会有很多bit位的值相同,不利于计算出电压阶跃时序数据真实的偏移值,因此,去掉这种干扰项,能有效提高横向匹配的准确率。
更进一步的,采用以下方法对所述电流阶跃时序数据进行清洗:如果一表箱中电压阶跃时序数据在时间窗口Tw内的电压阶跃数量为N1,时间窗口Tw内最小时间单元的数量为N2,当N1/N2的值达到阈值以上,同时另一表箱在所述时间窗口Tw中间时刻的电流阶跃时序数据的bit位为1,则将另一表箱在所述时间窗口Tw中间时刻的电流阶跃时序数据的bit位置0。
如果一个表箱的电压阶跃时序数据中在时间窗口Tw内有比较密集的bit位为1,那么与该表箱匹配的其他表箱中的电流阶跃时序数据也会出现比较密集的bit位为1的数据,在一段时间范围内,将该电流阶跃时序数据与电压阶跃时序数据进行横向匹配是就会有很多bit位的值相同,这不利于计算出真实的偏移值,因此,去掉这种干扰项,能有效提高横向匹配的准确率。
更进一步的,所述时间窗口Tw为100-400个最小时间单元。时间窗口Tw的范围设置合理,在此时间窗口内可以有效对电流阶跃时序数据进行清洗。
更进一步的,步骤二利用步骤一得到的一个表箱的电流阶跃时序数据与另一个表箱的电压阶跃时序数据进行横向匹配包括以下步骤:
设表箱1在时间T内的电流阶跃时序数据为TI,表箱2在时间T内的电压阶跃时序数据为TU,则:
2.1:以TI的时刻为基准,TU从TU-L*t变化到TU+L*t,L为正整数,步长为t,每次改变后的新的电压时序数据为TU’,比较TI和TU’,并记录TI和TU’对应bit位值相同的个数cntoffset,以及TU’的偏移值offset;
2.2:如果cntoffset的最大值对应的offset是唯一的,则判定表箱1和表箱2在时间T内是匹配成功的,其时间偏差为offset,匹配率MATCH_P=cntoffset/cnttotal,其中,cnttotal为I1x中电流阶跃个数。
当一个表箱产生一个电流的时候,该电流流经拓扑上层的电线时,由于有阻抗,会产生电压降,那么在同一个台区的其他表箱在该时刻会检测到电压降。理论上所有电流事件发生的时刻,在台区内的其他表箱上都能同步检测到电压降,这称之为横向传递。所以,把一个表箱的电流阶跃时序和另一个表箱的电压阶跃时序去对比,如果在同一时间段内电流阶跃时序数据中bit位为1和电压阶跃时序数据中bit位为1的数量比较多,就可以判断这两个表箱是属于同一个台区的。而其他台区表箱的电压阶跃时序和本台区的表箱的电流阶跃时序是完全独立的,没有关联关系,能得到两个序列中bit位刚好都为1的数量很多的概率几乎为0。使用该方法横向匹配成功的两个表箱,属于同一个台区的准确率为99%以上。
更进一步的,步骤2.1中L取值范围为50-300。
更进一步的,根据步骤二计算M个时间T内一个表箱的电流阶跃时序数据与另一个表箱的电压阶跃时序数据进行横向匹配的数据,得出每个时间T内对应的offseti,offseti为第i个时间T内的电压阶跃时序数据的偏移值offset,相邻offseti之间的差值的绝对值小于等于2并且满足平均匹配率不小于MIN_MATCH_P,则判定这两个表箱横向匹配成功。该处是为了进一步修正横向匹配结果的,步骤2.1和2.2是用一个时间T内的数据来做横向匹配,但是有时候匹配成功的匹配率不高,为了验证是不是误匹配,就用M个时间T的数据做匹配,如果这M个偏移值相同,或者变化很小并且变化规律,就能判断并不是误匹配。误匹配的每天的偏移值应该是毫无规律的。
更进一步的,MIN_MATCH_P为0.06-0.1。
更进一步的,步骤三中根据步骤二得到的横向匹配结果将表箱进行分组包括以下步骤:
3.1:设指定表箱为A,查找表箱A的所有关联表箱并加入集合groupTmp中,A的关联表箱是指和A能横向匹配成功的表箱,包括电压阶跃时序数据和A的电流阶跃时序数据能匹配成功的表箱以及电流阶跃时序数据和A的电压阶跃时序数据能匹配成功的表箱,集合groupTmp中的所有表箱赋相同的分组号groupID;
3.2:以小区为单位,遍历所有表箱,如果表箱还没分好组,则对该表箱进行步骤3.1操作。
更进一步的,步骤三中结合台区建档信息,得到户变识别结果具体为:当相同分组号groupID的表箱数量大于等于3,且占小区内表箱总数量的10%以上;同时相同分组号groupID的表箱跟建档信息相比,超过70%的表箱都属于一个台区,则把这一组都归给这个台区,得到户变识别结果。
根据步骤3.1和3.2的方法对表箱进行分组的结果中可能存在一些表箱个数很少的组,这些组的表箱有可能不是这个台区的,就不能确定户变关系,因为一般情况下一个台区下具有一定数量的表箱;一个组里的表箱在建档信息中不属于同一个台区,就根据组里的大多数表箱是属于哪个台区来确定这一组属于哪个台区,判断时采用少数服从多数原则。
更进一步的,步骤三中具体为:
每个T时间均取该T时间的前N个T时间的数据计算得出的户变识别结果作为当期计算结果,所有当期计算结果按照计算结果得出的时间次序排列构成历史结果表,根据户变识别策略算出的户变识别结果记录为最终结果表,所述户变识别策略为:将当期计算结果与最终结果表中的结果进行比较,如果不同,则查询历史结果表中的近N3个T时间的户变识别结果,如果其结果稳定,则修改最终结果表,以该T时间的户变识别结果作为该表箱户变识别结果。
本发明中N3优选为5,T优选为24小时。经测试此时,户变识别结果较好。
户变关系一般来说比较稳定,不会频繁变更。所以,当某一次计算出来的当期计算结果和最终结果表中不一致时,有可能是拓扑真正发生改变,也有可能是数据异常导致识别错误。这时候先不变更最终结果表,等再多计算几次当期计算结果,如果真的发生拓扑变化,那么后面的每次当期计算结果应该都是一致的,这时候就可以修改最终结果表了。如果是某一次数据异常导致识别错误,通常再次计算就会恢复异常之前的结果。
有益效果:本发明的基于时序匹配的台区户变识别方法以最少的数据量实现所有负荷事件的关联性分析,同时不需要在变压器侧安装终端,不需要断电,也不需要人为制造负荷,既减少了成本,又降低了实施难度,提高了识别准确率,具备推广性和普适性。
附图说明
图1 为本发明的总体流程图;
图2 为本发明的具体实例分析对象关联图。
具体实施方式
下面结合附图和具体实施例,进一步阐明本发明,应理解这些实施例仅用于说明本发明而不用于限制本发明的范围,在阅读了本发明之后,本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
实施例1
请参阅图1和图2所示,本发明的基于时序匹配的台区户变识别方法包括以下步骤:
步骤一:从安装在表箱的智能终端采集的用电数据中,获取表箱每日的三相所有电流阶跃时序和所有电压阶跃时序数据。每一次计算户变关系取最近7天的三相所有电流时序数据和电压时序数据,每一条数据包含表箱ID、相位、日期和bit位。bit的位置代表其时刻,bit位的值代表电流或电压的变化数据,即1天有86400秒,即每个表箱1天有86400bit的电流和电压序列。
步骤二:对电流阶跃时序数据进行清洗。数据清洗的清洗规则如下:
第一种情况:如果电流阶跃中有连续的时刻值,即在连续的n秒内每一秒都有电流阶跃(n>1),那么电流阶跃时序只保留第一秒的时刻值,后面的n-1个时刻值都剔除对应的bit位置1,否则置0。
把表箱的某一天某个相位的电流时序数据按照时刻值升序排序,如果存在连续的时刻值,只保留第一条,后面的剔除。例如,表箱1的C相电流阶跃在2022年8月1日中有连续的4条数据,其时刻值分别是20000、20001、20002、20003,那么把后面3条数据剔除。
第二种情况:如果电压阶跃序列在某时间窗口内的阶跃数量与窗口长度的占比达到0.4以上,则把该时间窗口中间时刻对应的电流阶跃剔除。
步骤三:计算任意两个表箱之间的横向匹配关系。计算横向匹配关系的具体步骤如下:
设表箱1相位x在D日的电流时序数据I1x,表箱2相位y在D日的电压时序数据U2y,则:
①以I1x的时刻为基准,U2y从U2y-moveLen变化到U2y+moveLen ,步长为1,每次改变后的新的电压时间序列设为U2y’,比较I1x和U2y’,并记录两个时间序列重合的值的个数cntoffset,以及对应的U2y偏移值offset,moveLen取值范围为50~300;
②如果cntoffset的最大值对应的offset是唯一的,则判定表箱1的A相和表箱2的B相在8月1日是匹配成功的,记录其时间偏移值记为offseti,匹配率matchPi=cnti/(I1A元素个数),其中i∈[1,7];
③计算8月2日-8月7日的表箱1的每日A相电流时序和表箱2的每日B相电压时序的匹配情况,如果有连续3天以上,计算出来的offseti的标准差不大于2且平均匹配率不小于MIN_MATCH_P(根据不同台区,MIN_MATCH_P取0.06-0.1不等),则判定表箱1的电流时序和表箱2的电压时序是能横向匹配成功的。
步骤四:根据横向匹配关系将各个表箱分组,结合供电公司建档信息,得到户变识别初步结果。横向分组表箱的具体步骤如下:
①如图2所示,设小区内一共有10个表箱,属于1个台区,表箱1的电流时序能够匹配上表箱2、3、4、5的电压时序,表箱6的电流时序能够匹配上表箱2、5、7、8的电压时序、表箱8的电流时序能匹配上表箱7、9的电压时序。那么从表箱1开始寻找相关联表箱就能找到表箱2、3、4、5,根据表箱2能够找到表箱6、7、8,再根据表箱8能够找到表箱9。最终通过横向匹配关系能把表箱1-9分组。
②设台区户变建档信息为1个台区下包含了这10个表箱,那么根据上述①的结果,满足:分组内的这组表箱数量大于等于3且占小区总表箱数量的10%以上、超过70%的分组表箱都属于一个建档台区,所以表箱1-9都属于该建档台区,这就是户变识别结果。
步骤五:通过多日综合优化方法,得到户变识别最终结果。其具体步骤如下:
①根据上述步骤四得出来的户变识别初步结果,遍历表箱1-9,和数据库里的户变识别最终结果相比较,如果不同,去历史表中查询最近5天的户变识别结果,如果最近5天都是同样的户变识别结果,则该表箱需要更新户变识别最终结果;否则,认为户变识别初步结果还没有稳定下来,暂时不需要更新户变识别最终结果。
②假设小区里有2个台区,某个表箱以前识别出来属于台区1,现在识别出来属于台区2,且最近5天的识别结果都是一样的,那么台区1和台区2相关的所有户变识别结果都要更新。
本发明提供了一种基于时序匹配的台区户变识别方法,通过仅在表箱处监测电特征变化,抓取表箱侧电流和电压瞬态变化,记录表箱侧电流和电压阶跃变化,通过特征管理,匹配效率高,而且大大减少了数据量,使得所有的负荷事件都能上送到主站或变压器二次侧的集中器、融合终端等设备进行计算,提高了准确性。
以上述依据本发明的理想实施例为启示,通过上述的说明内容,相关工作人员完全可以在不偏离本项发明技术思想的范围内,进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容,必须要根据权利要求范围来确定其技术性范围。
Claims (13)
1.一种基于时序匹配的台区户变识别方法,其特征在于,包括以下步骤:
一、根据每个表箱中数据采集设备采集的用电数据获取该表箱在时间T内的电流阶跃时序数据和电压阶跃时序数据;
步骤一中根据每个表箱中数据采集设备采集的用电数据获取该表箱在时间T内的电流阶跃时序数据和电压阶跃时序数的具体为:
1.1、每个表箱内的数据采集设备抓取该表箱在时间T内的电流瞬态变化和电压瞬态变化,每一次电流瞬态变化均为一次电流阶跃,每一次电压瞬态变化均为一次电压阶跃;
1.2、将每一次电流阶跃发生的时间记录在电流阶跃时序数据中,每t1时间记录一次电流阶跃时序数据;将每一次电压阶跃发生的时间记录在电压阶跃时序数据中,每t2时间记录一次电压阶跃时序数据;
1.3、将t1时间分为t1/t个最小时间单元,每个最小时间单元内用bit位来记录该最小时间单元内是否有电流阶跃发生,如果发生电流阶跃则该时间单元的bit位置1,否则置0;将t2时间分为t2/t个最小时间单元,每个最小时间单元内用bit位来记录该最小时间单元内是否有电压阶跃发生,如果发生电压阶跃则该时间单元的bit位置1,否则置0;其中,t为最小时间单元;
二、利用步骤一得到的一个表箱的电流阶跃时序数据与另一个表箱的电压阶跃时序数据进行横向匹配,得到横向匹配结果;
步骤二利用步骤一得到的一个表箱的电流阶跃时序数据与另一个表箱的电压阶跃时序数据进行横向匹配包括以下步骤:
设表箱1相位x在时间T内的电流阶跃时序数据为TIx,表箱2相位y在时间T内的电压阶跃时序数据为TUy,则:
2.1:以TIx的时刻为基准,TUy从TUy-L*t变化到TUy+L*t,L为正整数,步长为t,每次改变后的新的电压时序数据为TUy’,比较TIx和TUy’,并记录TIx和TUy’对应bit位值相同的个数cntoffset,以及TUy’的偏移值offset;
2.2:如果cntoffset的最大值对应的offset是唯一的,则判定表箱1和表箱2在时间T内是匹配成功的,其时间偏差为offset,匹配率MATCH_P=cntoffset/cnttotal,其中,cnttotal为TIx中电流阶跃个数;
三、根据步骤二得到的横向匹配结果将表箱进行分组,结合台区建档信息,得到户变识别结果;
步骤三中根据步骤二得到的横向匹配结果将表箱进行分组包括以下步骤:
3.1:设指定表箱为A,查找表箱A的所有关联表箱并加入集合groupTmp中,A的关联表箱是指和A能横向匹配成功的表箱,包括电压阶跃时序数据和A的电流阶跃时序数据能匹配成功的表箱以及电流阶跃时序数据和A的电压阶跃时序数据能匹配成功的表箱,集合groupTmp中的所有表箱赋相同的分组号groupID;
3.2:以小区为单位,遍历所有表箱,如果表箱还未分组,则对该表箱进行步骤3.1操作。
2.根据权利要求1所述的基于时序匹配的台区户变识别方法,其特征在于:在步骤一和步骤二之间还包括电流阶跃时序数据清洗步骤。
3.根据权利要求1所述的基于时序匹配的台区户变识别方法,其特征在于:t为1秒。
4.根据权利要求1所述的基于时序匹配的台区户变识别方法,其特征在于:步骤1.3中如果t1时间内某个最小时间单元内有电流阶跃发生,则不管该最小时间单元内发生多少个电流阶跃,其对应的bit位置1,否则置0;如果t2时间内某个最小时间单元内有电压阶跃发生,则不管该最小时间单元内发生多少个电压阶跃,其对应的bit位置1,否则置0。
5.根据权利要求1所述的基于时序匹配的台区户变识别方法,其特征在于:步骤1.1中所述电流瞬态变化是指0.02秒内电流变化超过5A,所述电压瞬态变化是指0.02秒内电压变化超过0.2V。
6.根据权利要求2所述的基于时序匹配的台区户变识别方法,其特征在于:采用以下方法对所述电流阶跃时序数据进行清洗:
如果电流阶跃时序数据中有连续的n个最小时间单元对应的bit位均为1,那么第一个最小时间单元的bit位置1,后面的n-1个最小时间单元对应的bit位都置0,其中,n>1。
7.根据权利要求2所述的基于时序匹配的台区户变识别方法,其特征在于:采用以下方法对所述电流阶跃时序数据进行清洗:如果一表箱中电压阶跃时序数据在时间窗口Tw内的电压阶跃数量为N1,时间窗口Tw内最小时间单元的数量为N2,当N1/N2的值达到阈值以上,同时另一表箱在所述时间窗口Tw中间时刻的电流阶跃时序数据的bit位为1,则将另一表箱在所述时间窗口Tw中间时刻的电流阶跃时序数据的bit位置0。
8.根据权利要求7所述的基于时序匹配的台区户变识别方法,其特征在于:所述时间窗口Tw为100-400个最小时间单元。
9.根据权利要求1所述的基于时序匹配的台区户变识别方法,其特征在于:步骤2.1中L取值范围为50-300。
10.根据权利要求1所述的基于时序匹配的台区户变识别方法,其特征在于:根据步骤二计算M个时间T内一个表箱的电流阶跃时序数据与另一个表箱的电压阶跃时序数据进行横向匹配的数据,得出每个时间T内对应的offseti,offseti为第i个时间T内的电压阶跃时序数据的偏移值offset,将M个时间T的offseti从大到小或从小到大进行排列,相邻offseti之间的差值的绝对值小于等于2并且满足平均匹配率不小于MIN_MATCH_P,则判定这两个表箱横向匹配成功。
11.根据权利要求10所述的基于时序匹配的台区户变识别方法,其特征在于:MIN_MATCH_P为0.06-0.1。
12.根据权利要求1所述的基于时序匹配的台区户变识别方法,其特征在于:步骤三中结合台区建档信息,得到户变识别结果具体为:当相同分组号groupID的表箱数量大于等于3,且占小区内表箱总数量的10%以上;同时相同分组号groupID的表箱跟建档信息相比,超过70%的表箱都属于一个台区,则把这一组都归给这个台区,得到户变识别结果。
13.根据权利要求1所述的基于时序匹配的台区户变识别方法,其特征在于:
步骤三中具体为:
每个T时间均取该T时间的前N个T时间的数据计算得出的户变识别结果作为当期计算结果,所有当期计算结果按照计算结果得出的时间次序排列构成历史结果表,根据户变识别策略算出的最终户变识别结果记录为最终结果表,所述户变识别策略为:将当期计算结果与最终结果表中的结果进行比较,如果不同,则查询历史结果表中的近N3个T时间的户变识别结果,如果其结果稳定,则修改最终结果表,以该T时间的户变识别结果作为该表箱户变识别结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211575645.9A CN115577993B (zh) | 2022-12-09 | 2022-12-09 | 一种基于时序匹配的台区户变识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211575645.9A CN115577993B (zh) | 2022-12-09 | 2022-12-09 | 一种基于时序匹配的台区户变识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115577993A CN115577993A (zh) | 2023-01-06 |
CN115577993B true CN115577993B (zh) | 2023-04-07 |
Family
ID=84590794
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211575645.9A Active CN115577993B (zh) | 2022-12-09 | 2022-12-09 | 一种基于时序匹配的台区户变识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115577993B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112366690A (zh) * | 2020-10-28 | 2021-02-12 | 江苏智臻能源科技有限公司 | 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 |
CN113746094A (zh) * | 2021-09-06 | 2021-12-03 | 东南大学 | 基于高密度数据序列匹配的低压台区户变关系识别方法 |
Family Cites Families (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9860965B2 (en) * | 2006-03-28 | 2018-01-02 | Wireless Environment, Llc | Cloud connected lighting system |
US20120022713A1 (en) * | 2010-01-14 | 2012-01-26 | Deaver Sr Brian J | Power Flow Simulation System, Method and Device |
US9136692B2 (en) * | 2013-06-11 | 2015-09-15 | Electrical Materials Company | Low fault current isolator system |
JP6938810B2 (ja) * | 2017-09-26 | 2021-09-22 | 株式会社三社電機製作所 | 検査装置 |
CN110646690B (zh) * | 2019-09-10 | 2022-01-21 | 国网浙江省电力有限公司营销服务中心 | 基于特征电流信号的户变关系识别方法及*** |
CN111080105A (zh) * | 2019-12-06 | 2020-04-28 | 国网辽宁省电力有限公司沈阳供电公司 | 基于电压时序数据的台区户变关系识别方法及*** |
CN111600380B (zh) * | 2020-03-28 | 2023-10-13 | 青岛鼎信通讯股份有限公司 | 一种基于可变负载和恒流检测的户变关系识别方法 |
CN111221778A (zh) * | 2020-04-14 | 2020-06-02 | 广东电网有限责任公司佛山供电局 | 一种低压用户与台区隶属关系的匹配方法 |
CN111505446B (zh) * | 2020-05-25 | 2022-07-26 | 广州市奔流电力科技有限公司 | 台区空房用户线户关系识别方法、装置和设备 |
CN111897888A (zh) * | 2020-08-17 | 2020-11-06 | 国网辽宁省电力有限公司沈阳供电公司 | 基于Spark框架和凝聚层次聚类算法的户变关系识别方法 |
CN112636335B (zh) * | 2020-12-07 | 2023-08-08 | 云南电网有限责任公司昆明供电局 | 基于电压数据去相关遴选和相关分析的低压配电网户变关系校验方法及*** |
CN112819649A (zh) * | 2020-12-30 | 2021-05-18 | 国网北京市电力公司 | 确定台区户变关系的方法及装置 |
CN112769132B (zh) * | 2021-01-06 | 2022-08-12 | 华南理工大学 | 基于阀侧电流时序特征的换流阀状态与阀电流的求解方法 |
CN113176458B (zh) * | 2021-03-08 | 2022-08-30 | 深圳职业技术学院 | 一种针对数据不完整的低压台区相户关系识别方法 |
CN113033666B (zh) * | 2021-03-26 | 2024-04-26 | 国网上海市电力公司 | 一种融合采集业务和负荷设计规则的台区户变识别方法 |
CN113362076A (zh) * | 2021-05-21 | 2021-09-07 | 内蒙古电力(集团)有限责任公司内蒙古电力科学研究院分公司 | 一种配电网10kV双电源户变关系分析方法 |
CN114243712A (zh) * | 2021-11-04 | 2022-03-25 | 中国电力科学研究院有限公司 | 一种低压台区拓扑识别方法及*** |
CN114709826B (zh) * | 2022-06-07 | 2022-09-06 | 江苏瑞电智芯信息科技有限公司 | 基于负荷事件序列图分析的低压台区拓扑辨识算法及*** |
-
2022
- 2022-12-09 CN CN202211575645.9A patent/CN115577993B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112366690A (zh) * | 2020-10-28 | 2021-02-12 | 江苏智臻能源科技有限公司 | 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 |
CN113746094A (zh) * | 2021-09-06 | 2021-12-03 | 东南大学 | 基于高密度数据序列匹配的低压台区户变关系识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115577993A (zh) | 2023-01-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110120668B (zh) | 一种台区拓扑自动识别方法及*** | |
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 | |
CN111817291B (zh) | 一种基于电压关联特性的低压台区相户关系识别方法 | |
CN111162608B (zh) | 一种基于关联分析的配电变压器台区拓扑识别与校验方法 | |
WO2016008263A1 (zh) | 一种通过电压特征区分台区和相别的方法 | |
CN111864771A (zh) | 一种低压台区拓扑自动辨识方法 | |
CN112688428B (zh) | 一种基于物联网技术的10千伏电网同期线损治理方法 | |
CN109034666B (zh) | 一种基于负荷突变的低压电网拓扑大数据辨识***及方法 | |
CN113176458B (zh) | 一种针对数据不完整的低压台区相户关系识别方法 | |
CN111369168B (zh) | 一种适应电网多种调控运行场景的关联特征选择方法 | |
CN112085403B (zh) | 一种基于混合整数规划的低压台区拓扑辨识方法 | |
CN112366690B (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 | |
CN112232382B (zh) | 一种低压台区的分路与电表隶属关系识别方法及*** | |
CN115377976B (zh) | 一种基于皮尔逊相关系数的配网线变关系识别方法 | |
CN111835006B (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 | |
CN104834305A (zh) | 基于dms***的配网自动化终端遥测异常分析***及方法 | |
CN115577993B (zh) | 一种基于时序匹配的台区户变识别方法 | |
CN113344364A (zh) | 停电计划的风险分析方法、装置、电子设备及存储介质 | |
CN111245095A (zh) | 一种低压配电网拓扑识别***的拓扑识别方法 | |
Yi et al. | Improving correlation-based consumer phase identification for incomplete data | |
CN116231637A (zh) | 一种基于大数据分析的低压配电网拓扑识别方法 | |
CN112285467B (zh) | 一种低压台区供电拓扑自动识别的方法 | |
CN114722971A (zh) | 一种低压台区相位识别方法 | |
CN113746094B (zh) | 基于高密度数据序列匹配的低压台区户变关系识别方法 | |
CN113572164A (zh) | 一种基于k-means聚类分析的配电网台区识别方法 |
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 |