CN116089849A - 一种基于大数据的配电网拓扑自动识别方法及*** - Google Patents
一种基于大数据的配电网拓扑自动识别方法及*** Download PDFInfo
- Publication number
- CN116089849A CN116089849A CN202310368522.6A CN202310368522A CN116089849A CN 116089849 A CN116089849 A CN 116089849A CN 202310368522 A CN202310368522 A CN 202310368522A CN 116089849 A CN116089849 A CN 116089849A
- Authority
- CN
- China
- Prior art keywords
- distribution transformer
- line
- transformer
- topology
- distribution
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 230000008859 change Effects 0.000 claims abstract description 45
- 238000005259 measurement Methods 0.000 claims abstract description 33
- 230000003068 static effect Effects 0.000 claims abstract description 16
- 230000002159 abnormal effect Effects 0.000 claims abstract description 11
- 238000004140 cleaning Methods 0.000 claims abstract description 9
- 238000012847 principal component analysis method Methods 0.000 claims abstract description 5
- 239000011159 matrix material Substances 0.000 claims description 45
- 238000012795 verification Methods 0.000 claims description 26
- 230000035772 mutation Effects 0.000 claims description 21
- 238000007781 pre-processing Methods 0.000 claims description 15
- 230000005856 abnormality Effects 0.000 claims description 12
- 238000012216 screening Methods 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 9
- 230000005611 electricity Effects 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000012423 maintenance Methods 0.000 claims description 7
- 230000009466 transformation Effects 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000012790 confirmation Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- KJONHKAYOJNZEC-UHFFFAOYSA-N nitrazepam Chemical compound C12=CC([N+](=O)[O-])=CC=C2NC(=O)CN=C1C1=CC=CC=C1 KJONHKAYOJNZEC-UHFFFAOYSA-N 0.000 claims description 2
- 230000000875 corresponding effect Effects 0.000 description 28
- 230000000694 effects Effects 0.000 description 6
- 239000013598 vector Substances 0.000 description 6
- 238000000513 principal component analysis Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- 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
-
- 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)
- Business, Economics & Management (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Power Engineering (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明公开了一种基于大数据的配电网拓扑自动识别方法及***,获取数据后,对电网拓扑数据进行转换,按照变电站、线路、支线、配变的排列构建结构化电网拓扑数据;对线路电压测量数据和配变电压、电流、功率测量数据进行清洗:利用电压相关性校验变电站、线路、配变的拓扑关系,针对拓扑异常的配变,利用电压相关性和地理位置坐标在规定范围内搜索实际对应的拓扑,推荐正确的拓扑:对拓扑变化的线路采用主成分分析法降维后,利用K‑Means算法对线路中的配变子集聚类,通过相关性校核识别每个配变子集的正确拓扑关系。本发明可针对配电网静态拓扑错误、动态拓扑变化的情况开展校核,自动识别正确的拓扑关系并进行修正。
Description
技术领域
本发明属于配电网领域,具体涉及一种基于大数据的配电网拓扑自动识别方法及***。
背景技术
配电网拓扑关系的准确性对抢修、线损、可靠性、电压质量等业务分析及应用都有着不可忽视的影响,但当前由于基础台账质量差、***数据不一致、修改流程复杂等原因,配电网10kV拓扑关系一直无法快速、准确地校核归真。
发明内容
为了提升拓扑校核效率,尽快还原与现场一致的拓扑关系,本发明提出了一种基于大数据的配电网拓扑自动识别技术及***,针对配电网静态拓扑错误、动态拓扑变化的情况开展校核,自动识别正确的拓扑关系并进行修正。
本发明采用如下技术方案来实现。基于大数据的配电网拓扑自动识别方法,包括以下四个步骤:
S1.数据获取:从调度自动化***(EMS)获取线路电压测量数据;从用电信息采集***获取配变电压、电流、功率测量数据;从设备管理***(PMS)获取线路和配变台账;从同源维护***获取电网拓扑数据和设备地理坐标;从一体化电量与线损管理***获取线路日线损率;从智能化供电服务指挥***获取停电计划;
S2.数据预处理:对电网拓扑数据进行转换,按照变电站、线路、支线、配变的排列构建结构化电网拓扑数据;对线路电压测量数据和配变电压、电流、功率测量数据进行清洗,通过数据时间对齐、突变值筛选、配变计量点异常判断,删除不可用测量数据:
S3.静态配电网拓扑校验及辨识:利用电压相关性校验变电站、线路、配变的拓扑关系,结合地理位置计算拓扑群中的离群点,完成对变电站-线路-配变拓扑关系的校验;通过逢停必校校验线路开关、配变的拓扑关系,完成对变电站-线路-开关-配变的拓扑关系校验;针对拓扑异常的配变,利用电压相关性和地理位置坐标在规定范围内搜索实际对应的拓扑,推荐正确的拓扑:
S4.动态场景拓扑实时变化辨识:对短期内发生拓扑变化的线路采用主成分分析法降维后,利用K-Means算法对线路中的配变子集聚类,通过相关性校核识别每个配变子集的正确拓扑关系。
进一步优选,步骤S2所述对电网拓扑数据进行转换是:根据设备类型,筛选出包含变电站、线路、开关、配变的主设备,按设备id整理,形成变电站-线路-开关-配变的关系数据表。
进一步优选,所述数据时间对齐是:对于线路采集器、配变采集器经过时钟校准的情况直接筛选该线路下共同的采集时点;对于线路采集器、配变采集器未经过时钟校准的情况,将配变数据时间归算为整点+k*15min,k采集时点排序,再筛选该线路下共同的采集时点。
进一步优选,所述突变值筛选是:筛选因线路或单台配变原因引起的电压突变,a时刻线路电压为ula,a时刻第n台配变电压为una,a+1时刻的线路电压为ul(a+1),a+1时刻第n台配变电压为un(a+1),线路电压变化Δula=ul(a+1)-ula,Δula/ula>cl表明发生线路电压突变,cl是线路电压变化率阈值,配变电压变化Δuna=un(a+1)-una,Δuna/una>ct表明第n台配变发生电压突变,ct是配变电压变化率阈值,当配变发生电压突变且对应时刻该线路下所有配变都没有停电事件时,判定该时刻为异常数据,遍历所有时刻的数据,删除线路电压突变时刻和配变电压突变时刻的所有数据。
进一步优选,配变计量点异常判断是:通过配变本体标识和计量点标识将设备管理***配变台账和用电信息采集***测量数据关联,删除一个配变本体标识关联到多个计量点标识或多个设备名称的配变。
所述静态配电网拓扑校验及辨识具体过程如下:
S31.线路电压拟合:对于线路,建立配变集,在所有时间断面下,在第m个采集时点tm下配变集电压ut(m)=[ut1m, ut2m,...,utnm],其中utnm表示第n台配变第m个采集时点的配变电压,将配变集电压中的配变电压按电压从大到小排列,取前20%的配变电压的平均值模拟第m个采集时点的线路首端电压utlm;
S32.线路与配变相关性校验:在时间段t=[t1,t2,...,tm]的拟合线路电压utl = [utl1,utl2,...,utlm],第q个台区配变集电压矩阵为utq:,
其中,i=[1,2,...,n]表示配变集中的第i台配变,j=[1,2,...,m]表示时间断面的第j个采集时点,utqtij表示第q个台区第i台配变第j个采集时点的配变电压;计算线路与配变集中每一台配变的皮尔逊相关系数,计算方法为,utqi=[utqti1,utqti2,...,utqtim],其中pli为线路与第i台配变的皮尔逊相关系数,i=[1,2,...,n],utqi为第i台配变的电压序列,utqtim为第q个台区第i台配变第m个采集时点的配变电压,为第i台配变的电压平均值,为拟合线路电压平均值;得到线路与所有配变的相关性序列pl=[pl1,pl2,...,pln]T,pln为线路与第n台配变的皮尔逊相关系数,T表示转置,若线路与第i台配变的皮尔逊相关系数pli<k1,k1为判定配变与线路相关性低的阈值,表明第i台配变与线路相关性低,该台配变的拓扑关系疑似存在错误;
S33. 配变集相关性校验:在时间段t=[t1,t2,...,tm]范围内,第i台配变的电压序列utqi=[utqti1,utqti2,...,utqtim],第w台配变的电压序列utqw=[utqtw1,utqtw2,...,utqtwm],utqtwm为第q个台区第w台配变第m个采集时点的配变电压,w=[1,2,...,n],通过计算 utqi和utqtwm的皮尔逊相关系数得到第i台配变与第w台配变的皮尔逊相关系数piw,以此类推,计算配变集中任意两台配变之间的皮尔逊相关系数,可得到配变集的相关性矩阵,求配变集的相关性矩阵取列平均值,得到配变集的相关性矩阵平均值矩阵,若第i台配变与其他配变的皮尔逊相关系数平均值<k2,k2为判定配变之间相关性低的阈值,表明第i台配变与其他配变之间的相关性较低,该台配变的拓扑关系疑似存在错误;
S34.地理位置异常校验:利用获取的变电站坐标zs、线路杆塔坐标zl,校验拓扑与地理位置的一致性,变电站坐标zs=(xs,ys),xs为变电站横坐标,ys为变电站纵坐标,线路杆塔坐标zl=[(xl1,yl1),(xl2,yl2),...,(xlv,ylv),...,(xlr,ylr)],r表示线路的杆塔数量,v=[1,2,...,r]表示杆塔序号,计算变电站坐标zs和线路杆塔坐标zl的距离zsl,zsl=[zsl1,zsl2,...,zslv,...,zslr],其中zslv表示第v个杆塔与变电站的距离;将变电站坐标和线路杆塔坐标的距离从小到大排列,得到线路杆塔与变电站的最小距离min(zsl),若min(zsl)>k3,k3为判定变电站和线路距离过长的阈值,表明该条线路与变电站的拓扑关系疑似存在错误;同理,计算配变拓扑与地理位置一致性,配变集坐标zq=[(xq1,yq1),(xq2,yq2),...,(xqi,yqi),..., (xqn,yqn)],xqi为第i台配变横坐标,yqi为第i台配变纵坐标,计算配变坐标之间的距离,得到配变距离矩阵Zq,,
其中,zqiw为第i台配变与第w台配变的距离,将第i台配变与其他所有配变之间的距离从小到大排列,若第i台配变与其他所有配变之间的最小距离>k4,k4为判定同属一条线路的两台配变距离过长的阈值,表明该台配变与其他配变的集合关系疑似存在错误,即该台配变的拓扑关系疑似存在错误;
S35.逢停必校:开关与配变的拓扑关系通过逢停必校校验;开关kg影响的所有配变子集Qk=[qk1,qk2,...,qkk],qkk表示开关kg影响的第k台配变,开关kg发生跳闸后,通过校验一段时间内配变子集Qk的停电事件和电压,若开关kg影响的第i台配变qki无停电事件,且在开关跳闸时间tk1和开关合闸时间tk2之间,该配变电压值全部正常,表明该配变与开关kg的拓扑关系疑似存在错误;
S36.拓扑关系识别:对于在步骤S32-S35中校验的疑似拓扑错误的变电站-线路-开关-配变,进一步开展正确的拓扑关系识别。
进一步优选,拓扑关系识别包括配变拓扑相关性推荐、配变拓扑地理位置推荐和线路拓扑推荐。
进一步优选,配变拓扑相关性推荐的过程为:对于配变与线路的拓扑关系错误的情况,在整个县域、城区范围内计算该配变与所有线路的皮尔逊相关系数,得到配变与线路的相关性序列pql=[pql1,pql2,...,pqlC],pqlC 表示被校核配变与第C条线路的皮尔逊相关系数,C为区域内线路数量,将被校核配变与线路的相关性序列pql中的皮尔逊相关系数按从大到小排序,计算被校核配变与线路的皮尔逊相关系数>k1的线路数量c,若c=1,表明被校核配变的电气拓扑属于对应排序第一的线路。若c>1,可进一步计算被校核配变与c条线路包含的配变集的皮尔逊相关系数,得到被校核配变与线路的皮尔逊相关系数>k2的对应线路,若有且只有一条线路满足条件,表明被校核配变的电气拓扑属于满足条件的线路。
进一步优选,配变拓扑地理位置推荐的过程为:对于在配变拓扑相关性推荐中有多条线路都满足被校核配变与线路的皮尔逊相关系数>k1的情况,即c>1,计算配变坐标与对应每一条线路的配变集之间的最小距离,得到被校核配变与多条线路的最小距离zql=[min(zql)1,min(zql)2,...,min(zql)c],min(zql)c表示被校核配变与第c条线路的最小距离,将zql从小到大排序,只有第一条线路满足min(zql)1<k4时,表明该配变的电气拓扑属于满足条件的线路。
进一步优选,线路拓扑推荐过程为:对于线路与变电站的拓扑关系疑似错误的情况,在整个地市范围内计算线路杆塔坐标zl与所有变电站坐标Zsp=[zs1,zs2,...,zsp]的距离,zsp表示第p个变电站的坐标,p表示在搜索范围内变电站的数量,计算线路每一基杆塔与变电站的距离,得到线路与所有变电站的最小距离zslp=[min(zsl)1,min(zsl)1,...,min(zsl)p],其中min(zsl)p表示线路与第p个变电站的最小距离,将zslp从小到大排序,从前向后依次计算该线路与对应变电站的皮尔逊相关系数,计算时所采用的变电站电压序列通过对站内所有线路电压序列取均值等效获得,得到线路与各变电站的皮尔逊相关系数矩阵ps=[ps1,ps2,...,psp]T,其中psp表示该线路与第p个变电站的皮尔逊相关系数,根据计算的结果,线路与第f个变电站的最小距离min(zsl)f<k3且线路与第f个变电站的皮尔逊相关系数psf>k5,k5为判定线路和变电站相关性高的阈值,满足该条件的变电站有且只有一个时,表明该线路的电气拓扑属于相应变电站。
进一步优选,动态场景拓扑实时变化辨识包括以下步骤:
S41.动态拓扑变化校核:采用每日校核的方式,开展线路与配变相关性校验和配变集相关性校验,对第d-1天校核结果正常、第d天拓扑存在错误的配变开展动态拓扑变化校核;
S42.多维信息关联:当线路从第d天开始存在配变子集拓扑关系错误,电网拓扑数据与该线路的计划停电及作业信息关联,若拓扑关系错误当天线路有计划停电或作业,进一步对该线路开展拓扑关系识别;
S43.配变子集聚类;
S44.识别正确的拓扑关系:根据聚类得到的配变子集,计算每个配变子集所有配变与线路集中所有线路的电压相关性。
进一步优选,配变子集聚类过程如下:
S431.数据预处理:计算配变集中任意两台配变之间的皮尔逊相关系数,得到配变集的相关性矩阵。
S432. 根据配变集的相关性矩阵开展主成分分析:配变集电压矩阵是n×m矩阵,表示其中有n台配变对应的m个时间点,通过主成分分析法降维,将配变集的相关性矩阵pq作为配变集电压序列的协方差矩阵,求解配变集的相关性矩阵pq的特征值和特征向量,对特征值从大到小排序,选择其中最大的2个特征值,最大的2个特征值对应的两个特征向量分别为pw1和pw2,将pw1和pw2作为行向量组成特征向量矩阵pw,将配变集电压矩阵utq通过特征向量矩阵pw从原始轴重新定向到主成分轴σ(utq)=pw×utq,σ(utq)为配变集电压矩阵投射到主成分轴的结果。
S433.基于K-Means算法的配变子集聚类:将σ(utq)作为样本数据,随机选择1个对象作为初始簇心,对于任意一个非簇心的对象b,计算对象b与当前簇心的距离D(b),依次计算每一个样本点被选为下一个簇心的概率P’(b),,选择最大概率所对应的样本点作为下一个簇心,直至选出2个簇心,此时经聚类得到了两个配变子集σ1和σ2;
S434.聚类结果评价:通过样本轮廓系数反映聚类的有效性;
S435.生成配变子集:根据聚类结果可形成对应的配变子集。
本发明还提供一种基于大数据的配电网拓扑自动识别***,包括数据获取模块、数据预处理模块、静态配电网拓扑校验及辨识模块、动态拓扑变化辨识模块、结果输出模块;数据获取模块用于连接数据中台和源端***,源端***包括调度自动化***、用电信息采集***、设备管理***、同源维护***、一体化电量与线损管理***、智能化供电服务指挥***;数据获取模块获取需要的数据并推送到数据预处理模块;数据预处理模块开展电网拓扑进行转换和测量数据清洗,构建结构化拓扑数据,删除不可用测量数据,用于开展拓扑校验及辨识;静态配电网拓扑校验及辨识模块30==开展变电站、线路、配变之间的相关性、地理位置校验和逢停必校,并针对经校验拓扑异常的线路和配变自动识别正确的拓扑关系;动态拓扑变化辨识模块针对拓扑动态变化准实时开展校验及辨识,自动识别拓扑变化情况;结果输出模块用于输出拓扑校验结果及辨识结果,并将辨识后的正确拓扑推送到对应的源端***,经源端***确认后即可快速完成修正。
为快速实现配电网拓扑自动识别,对抢修、线损等业务提供高质量拓扑,需从静态拓扑及动态拓扑变化两方面开展校核。本发明充分挖掘配电网海量数据价值,从大数据角度开展静态配网拓扑构建及校验,从负荷转供等动态场景研究配电网拓扑实时变化辨识方法,本发明可基于识别的异常及变化后的拓扑推荐正确的拓扑关系,并自动协助运维人员修正。
附图说明
图1是基于大数据的配电网拓扑自动识别***示意图。
图2是平均轮廓系数为0.933的聚类效果。
图3是平均轮廓系数为0.909的聚类效果。
图4是平均轮廓系数为0.652的聚类效果。
具体实施方式
下面结合附图进一步详细阐明本发明。本发明中下述所有线路为10kV线路,不再重复说明。当然本发明也可适用于其他规格的线路。
基于大数据的配电网拓扑自动识别方法,包括数据获取、数据预处理、静态配电网拓扑校验及辨识、动态场景拓扑实时变化辨识四个步骤。
S1.数据获取:从调度自动化***(EMS)获取线路电压测量数据;从用电信息采集***获取配变电压、电流、功率测量数据;从设备管理***(PMS)获取线路和配变台账;从同源维护***获取电网拓扑数据和设备地理坐标;从一体化电量与线损管理***获取线路日线损率;从智能化供电服务指挥***获取停电计划。
S2.数据预处理:对电网拓扑数据进行转换,按照变电站、线路、支线、配变的排列构建结构化电网拓扑数据;对线路电压测量数据和配变电压、电流、功率测量数据进行清洗,通过数据时间对齐、突变值筛选、配变计量点异常判断,删除不可用测量数据:
S21.电网拓扑转换:直接获取的电网拓扑数据包含非主设备信息,且未形成可用于推导的设备树结构,因此需进行主设备提取与拓扑构建。根据设备类型,筛选出包含变电站、线路、开关(开关柜、负荷开关、环网柜、断路器)、配变(箱式变电站、柱上变压器)的主设备,按设备id整理,形成变电站-线路-开关-配变的关系数据表。
S22.测量数据清洗:直接获取的线路电压测量数据和配变电压、电流、功率测量数据包含错值、漏值、异常值等不可用数据,通过数据清洗,保留可用的测量数据。
S221.数据时间对齐:假定线路数据时间为tl ,线路下第n台配变数据时间为tqn,由于线路、配变标准的采集频率为48点/天或96点/天,对于线路采集器、配变采集器经过时钟校准的情况可直接筛选该线路下共同的采集时点;对于线路采集器、配变采集器未经过时钟校准的情况,部分配变采集器时间存在1-5分钟偏差,应先对配变数据时间做偏差处理,将配变数据时间归算为整点+k*15min,k采集时点排序,再筛选该线路下共同的采集时点;
S222.突变值筛选:为避免因异常数据影响计算结果,需筛选因线路或单台配变原因引起的电压突变,假设a时刻线路电压为ula,a时刻第n台配变电压为una,下一个时刻(a+1时刻)的线路电压为ul(a+1),a+1时刻第n台配变电压为un(a+1),线路电压变化Δula=ul(a+1)-ula,Δula/ula>cl表明发生线路电压突变,cl是线路电压变化率阈值,配变电压变化Δuna=un(a+1)-una,Δuna/una>ct表明第n台配变发生电压突变,ct是配变电压变化率阈值,当配变发生电压突变且对应时刻该线路下所有配变都没有停电事件时,判定该时刻为异常数据,遍历所有时刻的数据,删除线路电压突变时刻和配变电压突变时刻的所有数据。
S223.配变计量点异常判断:由于配变电压、电流、功率测量数据和电网拓扑数据的关联复杂,存在部分计量点关联异常数据。通过配变本体标识和计量点标识将设备管理***(PMS)配变台账和用电信息采集***测量数据关联,部分配变有多个计量点,如存在一个配变本体标识关联到多个计量点标识或多个设备名称,则无法确定配变与测量数据的实际关联关系,因此删除存在一个配变本体标识关联到多个计量点标识或多个设备名称的配变。
S3.静态配电网拓扑校验及辨识:利用电压相关性校验变电站、线路、配变的拓扑关系,结合地理位置计算拓扑群中的离群点,完成对变电站-线路-配变拓扑关系的校验;通过逢停必校(发生停定事件,必须校验)校验线路开关、配变的拓扑关系,完成对变电站-线路-开关-配变的拓扑关系校验;针对拓扑异常的配变,利用电压相关性和地理位置坐标在规定范围内搜索实际对应的拓扑,推荐正确的拓扑。
S31.线路电压拟合:由于采集的线路电压无法直接与配变电压比对,因此通过配变电压拟合线路电压。对于线路,建立配变集,在所有时间断面下,在第m个采集时点tm下配变集电压ut(m)=[ut1m, ut2m,...,utnm],其中utnm表示第n台配变第m个采集时点的配变电压,将配变集电压中的配变电压按电压从大到小排列,取前20%的配变电压的平均值模拟第m个采集时点的线路首端电压utlm。
S32.线路与配变相关性校验:在时间段t=[t1,t2,...,tm]的拟合线路电压utl = [utl1,utl2,...,utlm],第q个台区配变集电压矩阵为utq:,
其中,i=[1,2,...,n]表示配变集中的第i台配变,j=[1,2,...,m]表示时间断面的第j个采集时点,utqtij表示第q个台区第i台配变第j个采集时点的配变电压。计算线路与配变集中每一台配变的皮尔逊相关系数,计算方法为,utqi=[utqti1,utqti2,...,utqtim],其中pli为线路与第i台配变的皮尔逊相关系数,i=[1,2,...,n],utqi为第i台配变的电压序列,utqtim为第q个台区第i台配变第m个采集时点的配变电压,为第i台配变的电压平均值,为拟合线路电压平均值;得到线路与所有配变的相关性序列pl=[pl1,pl2,...,pln]T,pln为线路与第n台配变的皮尔逊相关系数,T表示转置,若线路与第i台配变的皮尔逊相关系数pli<k1,k1为判定配变与线路相关性低的阈值,表明第i台配变与线路相关性低,该台配变的拓扑关系疑似存在错误。
S33. 配变集相关性校验:在时间段t=[t1,t2,...,tm]范围内,第i台配变的电压序列utqi=[utqti1,utqti2,...,utqtim],第w台配变的电压序列utqw=[utqtw1,utqtw2,...,utqtwm],utqtwm为第q个台区第w台配变第m个采集时点的配变电压,w=[1,2,...,n],通过计算 utqi和utqtwm的皮尔逊相关系数得到第i台配变与第w台配变的皮尔逊相关系数piw,以此类推,计算配变集中任意两台配变之间的皮尔逊相关系数,可得到配变集的相关性矩阵,求配变集的相关性矩阵取列平均值,得到配变集的相关性矩阵平均值矩阵,若第i台配变与其他配变的皮尔逊相关系数平均值<k2,k2为判定配变之间相关性低的阈值,表明第i台配变与其他配变之间的相关性较低,该台配变的拓扑关系疑似存在错误。
S34.地理位置异常校验:利用获取的变电站坐标zs、线路杆塔坐标zl,校验拓扑与地理位置的一致性,变电站坐标zs=(xs,ys),xs为变电站横坐标,ys为变电站纵坐标,线路杆塔坐标zl=[(xl1,yl1),(xl2,yl2),...,(xlv,ylv),...,(xlr,ylr)],r表示线路的杆塔数量,v=[1,2,...,r]表示杆塔序号,计算变电站坐标zs和线路杆塔坐标zl的距离zsl,zsl=[zsl1,zsl2,...,zslv,...,zslr],其中zslv表示第v个杆塔与变电站的距离;将变电站坐标和线路杆塔坐标的距离从小到大排列,得到线路杆塔与变电站的最小距离min(zsl),若min(zsl)>k3,k3为判定变电站和线路距离过长的阈值,表明该条线路与变电站的拓扑关系疑似存在错误。同理,可计算配变拓扑与地理位置一致性,配变集坐标zq=[(xq1,yq1),(xq2,yq2),...,(xqi,yqi),..., (xqn,yqn)],xqi为第i台配变横坐标,yqi为第i台配变纵坐标,计算配变坐标之间的距离,得到配变距离矩阵Zq,,
其中,zqiw为第i台配变与第w台配变的距离,将第i台配变与其他所有配变之间的距离从小到大排列,若第i台配变与其他所有配变之间的最小距离>k4,k4为判定同属一条线路的两台配变距离过长的阈值,表明该台配变与其他配变的集合关系疑似存在错误,即该台配变的拓扑关系疑似存在错误。
S35.逢停必校:开关与配变的拓扑关系通过逢停必校校验。开关kg影响的所有配变子集Qk=[qk1,qk2,...,qkk],qkk表示开关kg影响的第k台配变,开关kg发生跳闸后,通过校验一段时间内配变子集Qk的停电事件和电压,若开关kg影响的第i台配变qki无停电事件,且在开关跳闸时间tk1和开关合闸时间tk2之间,该配变电压值全部正常,表明该配变与开关kg的拓扑关系疑似存在错误。
S36.拓扑关系识别:对于在步骤S32-S35中校验的疑似拓扑错误的变电站-线路-开关-配变,进一步开展正确的拓扑关系识别。
S361.配变拓扑相关性推荐:对于配变与线路的拓扑关系错误的情况,在整个县域、城区范围内计算该配变与所有线路的皮尔逊相关系数,得到配变与线路的相关性序列pql=[pql1,pql2,...,pqlC],pqlC 表示被校核配变与第C条线路的皮尔逊相关系数,C为区域内线路数量,将被校核配变与线路的相关性序列pql中的皮尔逊相关系数按从大到小排序,计算被校核配变与线路的皮尔逊相关系数>k1的线路数量c,若c=1,表明被校核配变的电气拓扑属于对应排序第一的线路。若c>1,可进一步计算被校核配变与c条线路包含的配变集的皮尔逊相关系数,得到被校核配变与线路的皮尔逊相关系数>k2的对应线路,若有且只有一条线路满足条件,表明被校核配变的电气拓扑属于满足条件的线路。
S362.配变拓扑地理位置推荐:对于在步骤S361中有多条线路都满足被校核配变与线路的皮尔逊相关系数>k1的情况,即c>1,计算配变坐标与对应每一条线路的配变集之间的最小距离,得到被校核配变与多条线路的最小距离zql=[min(zql)1,min(zql)2,...,min(zql)c],min(zql)c表示被校核配变与第c条线路的最小距离,将zql从小到大排序,只有第一条线路满足min(zql)1<k4时,表明该配变的电气拓扑属于满足条件的线路。
S363.线路拓扑推荐:对于线路与变电站的拓扑关系疑似错误的情况,在整个地市范围内计算线路杆塔坐标zl与所有变电站坐标Zsp=[zs1,zs2,...,zsp]的距离,zsp表示第p个变电站的坐标,p表示在搜索范围内变电站的数量,计算线路每一基杆塔与变电站的距离,得到线路与所有变电站的最小距离zslp=[min(zsl)1,min(zsl)1,...,min(zsl)p],其中min(zsl)p表示线路与第p个变电站的最小距离,将zslp从小到大排序,从前向后依次计算该线路与对应变电站的皮尔逊相关系数,计算时所采用的变电站电压序列通过对站内所有线路电压序列取均值等效获得,得到线路与各变电站的皮尔逊相关系数矩阵ps=[ps1,ps2,...,psp]T,其中psp表示该线路与第p个变电站的皮尔逊相关系数,根据计算的结果,线路与第f个变电站的最小距离min(zsl)f<k3且线路与第f个变电站的皮尔逊相关系数psf>k5,k5为判定线路和变电站相关性高的阈值,满足该条件的变电站有且只有一个时,表明该线路的电气拓扑属于相应变电站。
S4.动态场景拓扑实时变化辨识:缩短校核周期,对短期内发生拓扑变化的线路进行分析,为减小数据质量的影响,采用主成分分析法降维后,利用K-Means算法对线路中的配变子集聚类,通过相关性校核识别每个配变子集的正确拓扑关系。
S41.动态拓扑变化校核:缩短校核周期,采用每日校核的方式,开展线路与配变相关性校验和配变集相关性校验,对第d-1天校核结果正常、第d天拓扑存在错误的配变开展动态拓扑变化校核。
S42.多维信息关联:假设某条线路上,从第d天开始,存在配变子集拓扑关系错误,此时电网拓扑数据与该线路的计划停电及作业信息关联,若拓扑关系错误当天线路有计划停电或作业,表明可能当天调整了运行方式,涉及的配变拓扑关系发生了变化,进一步对该线路开展拓扑关系识别。
S43.配变子集聚类:考虑到拓扑异常配变与线路可能存在多对多的不确定关系,即线路有多条联络线,经过运方调整,一条馈线的多条分支线可能调整到多条与之对应的线路上,同时在动态场景校核中,为保障数据时效性,校核周期较短,受数据质量和运行情况的影响,校核异常的配变可能不完整,仅通过相关性校核的误差会增加,因此为判断正确的拓扑关系,需对被校核线路分析。
S431.数据预处理:参照步骤S32-S33计算配变集中任意两台配变之间的皮尔逊相关系数,得到配变集的相关性矩阵。
S432. 根据配变集的相关性矩阵开展主成分分析:配变集电压矩阵是n×m矩阵,表示其中有n台配变对应的m个时间点,为提取其中的配变子集,需先对配变集电压矩阵降维。通过主成分分析法降维,将配变集的相关性矩阵pq作为配变集电压序列的协方差矩阵,求解配变集的相关性矩阵pq的特征值和特征向量,对特征值从大到小排序,选择其中最大的2个特征值,最大的2个特征值对应的两个特征向量分别为pw1和pw2,将pw1和pw2作为行向量组成特征向量矩阵pw,将配变集电压矩阵utq通过特征向量矩阵pw从原始轴重新定向到主成分轴σ(utq)=pw×utq,σ(utq)为配变集电压矩阵投射到主成分轴的结果。
S433.基于K-Means算法的配变子集聚类:将主成分分析结果σ(utq)作为样本数据,随机选择1个对象作为初始簇心,对于任意一个非簇心的对象b,计算对象b与当前簇心的距离D(b),依次计算每一个样本点被选为下一个簇心的概率P’(b),,选择最大概率所对应的样本点作为下一个簇心,直至选出2个簇心,此时经聚类得到了两个配变子集σ1和σ2。
S434.聚类结果评价:通过样本轮廓系数反映聚类的有效性,对于样本中任一对象a,假设任一对象a属于配变子集σ1,计算对象b与同簇之间其他对象的平均距离:,式中D(a,b)是σ1中任一对象a和对象b的距离;表示对象b到所属的σ1外其他簇的平均距离;为对象b的轮廓系数,样本中所有对象的平均轮廓系数作为聚类结果评价指标,平均轮廓系数接近1表示聚类效果较好。
S435.生成配变子集:根据平均轮廓系数,若平均轮廓系数≥0.8,表示聚类效果较好,形成两个对应的配变子集σ1和σ2,若平均轮廓系数<0.8,说明聚类结果一般,应返回步骤S433中,增加簇的个数,重新计算,直至满足平均轮廓系数≥0.8,得到对应的配变子集{σ1,σ2,…}。具体案例如图2-图4,图中横、纵坐标轴分别表示经主成分降维后的第一坐标轴和第二坐标轴,将结果投射到二维平面主成分轴反映聚类效果好坏,图2-图4对应的平均轮廓系数分别为0.933、0.909、0.652,聚类结果对应为好、好、一般,图2和图3中线路根据聚类结果可形成对应的配变子集。
S44.识别正确的拓扑关系:与经校核的线路有联络关系的线路集为xll=[xl1,xl2,...,xll],xll 为与经校核的线路xl有联络关系的第l条线路,l为与线路xl有联络关系的线路数量,根据得到的配变子集{σ1,σ2,…},计算每个配变子集所有配变与线路集xll中所有线路的电压相关性。
S441.假设配变子集σ1所有配变均满足与线路xll皮尔逊相关系数大于k1,表明配变子集σ1当前的拓扑关系属于xll。
S442.相应地,若配变子集σ1所有配变与线路xll的平均皮尔逊相关系数大于k1,同时有部分配变不满足皮尔逊相关系数大于k1,应计算不满足条件配变与配变子集σ1间皮尔逊相关系数均值,若该皮尔逊相关系数均值大于k2,表明相应配变属于配变子集σ1,且配变子集σ1当前的拓扑关系属于xll;若不满足条件配变与配变子集σ1的皮尔逊相关系数均值小于k2,表明该配变聚类结果不理想,采用S361-S362的步骤搜索该配变正确的拓扑关系。
S443.在设备台账和拓扑图中变更拓扑关系。
为了实现上述方法,本发明还提供一种基于大数据的配电网拓扑自动识别***,如图1所示,包括数据获取模块10、数据预处理模块20、静态配电网拓扑校验及辨识模块30、动态拓扑变化辨识模块40、结果输出模块50。
数据获取模块10用于连接数据中台和源端***,源端***包括调度自动化***(EMS)、用电信息采集***、设备管理***、同源维护***、一体化电量与线损管理***、智能化供电服务指挥***;数据获取模块10获取需要的数据并推送到数据预处理模块20。
数据预处理模块20开展电网拓扑进行转换和测量数据清洗,构建结构化拓扑数据,删除不可用测量数据,用于开展拓扑校验及辨识。
静态配电网拓扑校验及辨识模块30开展变电站、线路、配变之间的相关性、地理位置校验和逢停必校,并针对经校验拓扑异常的线路和配变自动识别正确的拓扑关系。
动态拓扑变化辨识模块40针对拓扑动态变化准实时开展校验及辨识,自动识别拓扑变化情况。
结果输出模块50用于输出拓扑校验结果及辨识结果,并将辨识后的正确拓扑推送到对应的源端***,经源端***确认后即可快速完成修正。
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 (10)
1.基于大数据的配电网拓扑自动识别方法,其特征在于,包括以下四个步骤:
S1.数据获取:从调度自动化***获取线路电压测量数据;从用电信息采集***获取配变电压、电流、功率测量数据;从设备管理***获取线路和配变台账;从同源维护***获取电网拓扑数据和设备地理坐标;从一体化电量与线损管理***获取线路日线损率;从智能化供电服务指挥***获取停电计划;
S2.数据预处理:对电网拓扑数据进行转换,按照变电站、线路、支线、配变的排列构建结构化电网拓扑数据;对线路电压测量数据和配变电压、电流、功率测量数据进行清洗,通过数据时间对齐、突变值筛选、配变计量点异常判断,删除不可用测量数据:
S3.静态配电网拓扑校验及辨识:利用电压相关性校验变电站、线路、配变的拓扑关系,结合地理位置计算拓扑群中的离群点,完成对变电站-线路-配变拓扑关系的校验;通过逢停必校校验线路开关、配变的拓扑关系,完成对变电站-线路-开关-配变的拓扑关系校验;针对拓扑异常的配变,利用电压相关性和地理位置坐标在规定范围内搜索实际对应的拓扑,推荐正确的拓扑:
S4.动态场景拓扑实时变化辨识:对短期内发生拓扑变化的线路采用主成分分析法降维后,利用K-Means算法对线路中的配变子集聚类,通过相关性校核识别每个配变子集的正确拓扑关系。
2.根据权利要求1所述的基于大数据的配电网拓扑自动识别方法,其特征在于,步骤S2所述对电网拓扑数据进行转换是:根据设备类型,筛选出包含变电站、线路、开关、配变的主设备,按设备id整理,形成变电站-线路-开关-配变的关系数据表。
3.根据权利要求1所述的基于大数据的配电网拓扑自动识别方法,其特征在于,所述数据时间对齐是:对于线路采集器、配变采集器经过时钟校准的情况直接筛选该线路下共同的采集时点;对于线路采集器、配变采集器未经过时钟校准的情况,将配变数据时间归算为整点+k*15min,k采集时点排序,再筛选该线路下共同的采集时点。
4.根据权利要求1所述的基于大数据的配电网拓扑自动识别方法,其特征在于,所述突变值筛选是:筛选因线路或单台配变原因引起的电压突变, a时刻线路电压为ula,a时刻第n台配变电压为una,a+1时刻的线路电压为ul(a+1),a+1时刻第n台配变电压为un(a+1),线路电压变化Δula=ul(a+1)-ula,Δula/ula>cl表明发生线路电压突变,cl是线路电压变化率阈值,配变电压变化Δuna=un(a+1)-una,Δuna/una>ct表明第n台配变发生电压突变,ct是配变电压变化率阈值,当配变发生电压突变且对应时刻该线路下所有配变都没有停电事件时,判定该时刻为异常数据,遍历所有时刻的数据,删除线路电压突变时刻和配变电压突变时刻的所有数据。
5.根据权利要求1所述的基于大数据的配电网拓扑自动识别方法,其特征在于,所述静态配电网拓扑校验及辨识具体过程如下:
S31.线路电压拟合:对于线路,建立配变集,在所有时间断面下,在第m个采集时点tm下配变集电压ut(m)=[ut1m, ut2m,...,utnm],其中utnm表示第n台配变第m个采集时点的配变电压,将配变集电压中的配变电压按电压从大到小排列,取前20%的配变电压的平均值模拟第m个采集时点的线路首端电压utlm;
S32.线路与配变相关性校验:在时间段t=[t1,t2,...,tm]的拟合线路电压utl = [utl1,utl2,...,utlm],第q个台区配变集电压矩阵为utq:,
其中,i=[1,2,...,n]表示配变集中的第i台配变,j=[1,2,...,m]表示时间断面的第j个采集时点,utqtij表示第q个台区第i台配变第j个采集时点的配变电压;计算线路与配变集中每一台配变的皮尔逊相关系数,计算方法为,utqi=[utqti1,utqti2,...,utqtim],其中pli为线路与第i台配变的皮尔逊相关系数,i=[1,2,...,n],utqi为第i台配变的电压序列,utqtim为第q个台区第i台配变第m个采集时点的配变电压,为第i台配变的电压平均值,为拟合线路电压平均值;得到线路与所有配变的相关性序列pl=[pl1,pl2,...,pln]T,pln为线路与第n台配变的皮尔逊相关系数,T表示转置,若线路与第i台配变的皮尔逊相关系数pli<k1,k1为判定配变与线路相关性低的阈值,表明第i台配变与线路相关性低,该台配变的拓扑关系疑似存在错误;
S33. 配变集相关性校验:在时间段t=[t1,t2,...,tm]范围内,第i台配变的电压序列utqi=[utqti1,utqti2,...,utqtim],第w台配变的电压序列utqw=[utqtw1,utqtw2,...,utqtwm],utqtwm为第q个台区第w台配变第m个采集时点的配变电压,w=[1,2,...,n],通过计算 utqi和utqtwm的皮尔逊相关系数得到第i台配变与第w台配变的皮尔逊相关系数piw,以此类推,计算配变集中任意两台配变之间的皮尔逊相关系数,可得到配变集的相关性矩阵,求配变集的相关性矩阵取列平均值,得到配变集的相关性矩阵平均值矩阵,若第i台配变与其他配变的皮尔逊相关系数平均值<k2,k2为判定配变之间相关性低的阈值,表明第i台配变与其他配变之间的相关性较低,该台配变的拓扑关系疑似存在错误;
S34.地理位置异常校验:利用获取的变电站坐标zs、线路杆塔坐标zl,校验拓扑与地理位置的一致性,变电站坐标zs=(xs,ys),xs为变电站横坐标,ys为变电站纵坐标,线路杆塔坐标zl=[(xl1,yl1),(xl2,yl2),...,(xlv,ylv),...,(xlr,ylr)],r表示线路的杆塔数量,v=[1,2,...,r]表示杆塔序号,计算变电站坐标zs和线路杆塔坐标zl的距离zsl,zsl=[zsl1,zsl2,...,zslv,...,zslr],其中zslv表示第v个杆塔与变电站的距离;将变电站坐标和线路杆塔坐标的距离从小到大排列,得到线路杆塔与变电站的最小距离min(zsl),若min(zsl)>k3,k3为判定变电站和线路距离过长的阈值,表明线路与变电站的拓扑关系疑似存在错误;同理,计算配变拓扑与地理位置一致性,配变集坐标zq=[(xq1,yq1),(xq2,yq2),...,(xqi,yqi),..., (xqn,yqn)],xqi为第i台配变横坐标,yqi为第i台配变纵坐标,计算配变坐标之间的距离,得到配变距离矩阵Zq,,
其中,zqiw为第i台配变与第w台配变的距离,将第i台配变与其他所有配变之间的距离从小到大排列,若第i台配变与其他所有配变之间的最小距离>k4,k4为判定同属一条线路的两台配变距离过长的阈值,表明该台配变与其他配变的集合关系疑似存在错误,即该台配变的拓扑关系疑似存在错误;
S35.逢停必校:开关与配变的拓扑关系通过逢停必校校验;开关kg影响的所有配变子集Qk=[qk1,qk2,...,qkk],qkk表示开关kg影响的第k台配变,开关kg发生跳闸后,通过校验一段时间内配变子集Qk的停电事件和电压,若开关kg影响的第i台配变qki无停电事件,且在开关跳闸时间tk1和开关合闸时间tk2之间,该配变电压值全部正常,表明该配变与开关kg的拓扑关系疑似存在错误;
S36.拓扑关系识别:对于在步骤S32-S35中校验的疑似拓扑错误的变电站-线路-开关-配变,进一步开展正确的拓扑关系识别。
6.根据权利要求5所述的基于大数据的配电网拓扑自动识别方法,其特征在于,拓扑关系识别包括配变拓扑相关性推荐、配变拓扑地理位置推荐和线路拓扑推荐;配变拓扑相关性推荐的过程为:对于配变与线路的拓扑关系错误的情况,在整个县域、城区范围内计算该配变与所有线路的皮尔逊相关系数,得到配变与线路的相关性序列pql=[pql1,pql2,...,pqlC],pqlC 表示被校核配变与第C条线路的皮尔逊相关系数,C为区域内线路数量,将被校核配变与线路的相关性序列pql中的皮尔逊相关系数按从大到小排序,计算被校核配变与线路的皮尔逊相关系数>k1的线路数量c,若c=1,表明被校核配变的电气拓扑属于对应排序第一的线路;若c>1,可进一步计算被校核配变与c条线路包含的配变集的皮尔逊相关系数,得到被校核配变与线路的皮尔逊相关系数>k2的对应线路,若有且只有一条线路满足条件,表明被校核配变的电气拓扑属于满足条件的线路。
7.根据权利要求6所述的基于大数据的配电网拓扑自动识别方法,其特征在于,配变拓扑地理位置推荐的过程为:对于在配变拓扑相关性推荐中有多条线路都满足被校核配变与线路的皮尔逊相关系数>k1的情况,即c>1,计算配变坐标与对应每一条线路的配变集之间的最小距离,得到被校核配变与多条线路的最小距离zql=[min(zql)1,min(zql)2,...,min(zql)c],min(zql)c表示被校核配变与第c条线路的最小距离,将zql从小到大排序,只有第一条线路满足min(zql)1<k4时,表明该配变的电气拓扑属于满足条件的线路。
8.根据权利要求7所述的基于大数据的配电网拓扑自动识别方法,其特征在于,线路拓扑推荐过程为:对于线路与变电站的拓扑关系疑似错误的情况,在整个地市范围内计算线路杆塔坐标zl与所有变电站坐标Zsp=[zs1,zs2,...,zsp]的距离,zsp表示第p个变电站的坐标,p表示在搜索范围内变电站的数量,计算线路每一基杆塔与变电站的距离,得到线路与所有变电站的最小距离zslp=[min(zsl)1,min(zsl)1,...,min(zsl)p],其中min(zsl)p表示线路与第p个变电站的最小距离,将zslp从小到大排序,从前向后依次计算该线路与对应变电站的皮尔逊相关系数,计算时所采用的变电站电压序列通过对站内所有线路电压序列取均值等效获得,得到线路与各变电站的皮尔逊相关系数矩阵ps=[ps1,ps2,...,psp]T,其中psp表示该线路与第p个变电站的皮尔逊相关系数,根据计算的结果,线路与第f个变电站的最小距离min(zsl)f<k3且线路与第f个变电站的皮尔逊相关系数psf>k5,k5为判定线路和变电站相关性高的阈值,满足该条件的变电站有且只有一个时,表明该线路的电气拓扑属于相应变电站。
9.根据权利要求8所述的基于大数据的配电网拓扑自动识别方法,其特征在于,动态场景拓扑实时变化辨识包括以下步骤:
S41.动态拓扑变化校核:采用每日校核的方式,开展线路与配变相关性校验和配变集相关性校验,对第d-1天校核结果正常、第d天拓扑存在错误的配变开展动态拓扑变化校核;
S42.多维信息关联:当线路从第d天开始存在配变子集拓扑关系错误,电网拓扑数据与该线路的计划停电及作业信息关联,若拓扑关系错误当天线路有计划停电或作业,进一步对该线路开展拓扑关系识别;
S43.配变子集聚类;
S44.识别正确的拓扑关系:根据聚类得到的配变子集,计算每个配变子集所有配变与线路集中所有线路的电压相关性。
10.一种基于大数据的配电网拓扑自动识别***,包括数据获取模块、数据预处理模块、静态配电网拓扑校验及辨识模块、动态拓扑变化辨识模块、结果输出模块;数据获取模块用于连接数据中台和源端***,源端***包括调度自动化***、用电信息采集***、设备管理***、同源维护***、一体化电量与线损管理***、智能化供电服务指挥***;数据获取模块获取需要的数据并推送到数据预处理模块;数据预处理模块开展电网拓扑进行转换和测量数据清洗,构建结构化拓扑数据,删除不可用测量数据,用于开展拓扑校验及辨识;静态配电网拓扑校验及辨识模块开展变电站、线路、配变之间的相关性、地理位置校验和逢停必校,并针对经校验拓扑异常的线路和配变自动识别正确的拓扑关系;动态拓扑变化辨识模块针对拓扑动态变化准实时开展校验及辨识,自动识别拓扑变化情况;结果输出模块用于输出拓扑校验结果及辨识结果,并将辨识后的正确拓扑推送到对应的源端***,经源端***确认后即可快速完成修正。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310368522.6A CN116089849B (zh) | 2023-04-10 | 2023-04-10 | 一种基于大数据的配电网拓扑自动识别方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310368522.6A CN116089849B (zh) | 2023-04-10 | 2023-04-10 | 一种基于大数据的配电网拓扑自动识别方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116089849A true CN116089849A (zh) | 2023-05-09 |
CN116089849B CN116089849B (zh) | 2023-07-04 |
Family
ID=86199461
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310368522.6A Active CN116089849B (zh) | 2023-04-10 | 2023-04-10 | 一种基于大数据的配电网拓扑自动识别方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116089849B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116562598A (zh) * | 2023-07-07 | 2023-08-08 | 成都花娃网络科技有限公司 | 一种分销调度方法、装置及存储介质 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3010114A1 (en) * | 2013-06-14 | 2016-04-20 | Shandong University Of Technology | Method for controlling automatic identification of application network topology by power distribution network |
CN107508297A (zh) * | 2017-08-10 | 2017-12-22 | 国家电网公司 | 一种配网拓扑结构校验与维护方法 |
CN108054755A (zh) * | 2017-12-26 | 2018-05-18 | 广州市捷信通科技发展有限公司 | 一种基于k最近邻分类算法的配电网拓扑结构校验方法 |
CN109325545A (zh) * | 2018-10-16 | 2019-02-12 | 南方电网科学研究院有限责任公司 | 低压配电网拓扑结构校验方法、装置、设备及存储介质 |
CN110601173A (zh) * | 2019-06-24 | 2019-12-20 | 国网甘肃省电力公司电力科学研究院 | 基于边缘计算的配网拓扑识别方法及装置 |
CN111061821A (zh) * | 2019-11-12 | 2020-04-24 | 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*** |
CN111162608A (zh) * | 2020-01-08 | 2020-05-15 | 国网湖北省电力有限公司电力科学研究院 | 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 |
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 |
CN113675854A (zh) * | 2021-07-15 | 2021-11-19 | 国网浙江乐清市供电有限公司 | 一种考虑台区电压损耗的配网线变校验方法及装置 |
CN114090961A (zh) * | 2021-11-26 | 2022-02-25 | 广东电网有限责任公司汕尾供电局 | 一种低压配电网拓扑结构校验方法和*** |
WO2022117126A1 (zh) * | 2020-12-04 | 2022-06-09 | 中国电力科学研究院有限公司 | 一种电网量测数据的校验方法、装置、设备、存储介质及程序产品 |
CN115296295A (zh) * | 2022-08-10 | 2022-11-04 | 国网湖南省电力有限公司 | 基于聚类分析和图论的低压配电台区拓扑辨识方法及*** |
-
2023
- 2023-04-10 CN CN202310368522.6A patent/CN116089849B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3010114A1 (en) * | 2013-06-14 | 2016-04-20 | Shandong University Of Technology | Method for controlling automatic identification of application network topology by power distribution network |
CN107508297A (zh) * | 2017-08-10 | 2017-12-22 | 国家电网公司 | 一种配网拓扑结构校验与维护方法 |
CN108054755A (zh) * | 2017-12-26 | 2018-05-18 | 广州市捷信通科技发展有限公司 | 一种基于k最近邻分类算法的配电网拓扑结构校验方法 |
CN109325545A (zh) * | 2018-10-16 | 2019-02-12 | 南方电网科学研究院有限责任公司 | 低压配电网拓扑结构校验方法、装置、设备及存储介质 |
CN110601173A (zh) * | 2019-06-24 | 2019-12-20 | 国网甘肃省电力公司电力科学研究院 | 基于边缘计算的配网拓扑识别方法及装置 |
CN111061821A (zh) * | 2019-11-12 | 2020-04-24 | 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*** |
CN111162608A (zh) * | 2020-01-08 | 2020-05-15 | 国网湖北省电力有限公司电力科学研究院 | 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 |
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 |
WO2022117126A1 (zh) * | 2020-12-04 | 2022-06-09 | 中国电力科学研究院有限公司 | 一种电网量测数据的校验方法、装置、设备、存储介质及程序产品 |
CN113675854A (zh) * | 2021-07-15 | 2021-11-19 | 国网浙江乐清市供电有限公司 | 一种考虑台区电压损耗的配网线变校验方法及装置 |
CN114090961A (zh) * | 2021-11-26 | 2022-02-25 | 广东电网有限责任公司汕尾供电局 | 一种低压配电网拓扑结构校验方法和*** |
CN115296295A (zh) * | 2022-08-10 | 2022-11-04 | 国网湖南省电力有限公司 | 基于聚类分析和图论的低压配电台区拓扑辨识方法及*** |
Non-Patent Citations (4)
Title |
---|
YANG ZHICHUN; SHEN YU; YANG FAN; LEI YANG; SU LEI; YAN FANGBIN: "Topology identification method of low voltage distribution network based on data association analysis", 《2020 5TH ASIA CONFERENCE ON POWER AND ELECTRICAL ENGINEERING (ACPEE)》 * |
卞真旭;汪玉;张淑娟;李博;: "一种10 kV配电网线变拓扑自我校验方法", 机电信息, no. 08 * |
翟进乾: "配电线路在线故障识别与诊断方法研究", 《中国优秀硕士学位论文全文数据库》 * |
肖勇;赵云;涂治东;钱斌;常润勉;: "基于改进的皮尔逊相关系数的低压配电网拓扑结构校验方法", 电力***保护与控制, no. 11 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116562598A (zh) * | 2023-07-07 | 2023-08-08 | 成都花娃网络科技有限公司 | 一种分销调度方法、装置及存储介质 |
CN116562598B (zh) * | 2023-07-07 | 2023-09-19 | 成都花娃网络科技有限公司 | 一种分销调度方法、装置及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116089849B (zh) | 2023-07-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
CN102521398B (zh) | 变电站-调度中心两级分布式电网的建模方法 | |
CN107508297B (zh) | 一种配网拓扑结构校验与维护方法 | |
CN110659273B (zh) | 分布式大数据采集平台的数据异常监控及修复方法 | |
CN102063563B (zh) | 网省地一体化的母线负荷预测方法 | |
CN116089849B (zh) | 一种基于大数据的配电网拓扑自动识别方法及*** | |
CN107256442B (zh) | 基于移动客户端的线损计算方法 | |
CN106887839B (zh) | 考虑信息环节数据传输有误影响的配电终端布点优化方法 | |
CN108490285B (zh) | 一种基于电压降落法的低压台区线损率计算方法 | |
CN110739719A (zh) | 柔性多状态开关优化接入的两步式决策方法 | |
CN113176458B (zh) | 一种针对数据不完整的低压台区相户关系识别方法 | |
CN112950172A (zh) | 一种台区拓扑识别方法 | |
CN112698123A (zh) | 一种基于决策树的低压台区用户拓扑关系识别方法 | |
CN113904322A (zh) | 一种基于电流+电压的低压配网拓扑生成方法 | |
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 | |
CN111313399B (zh) | 一种区域用电网络拓扑关系确认方法、装置和*** | |
CN113902583B (zh) | 利用低压网络设备数据的配网侧运维方法及*** | |
CN116664095B (zh) | 一种基于深度学习的安保巡检预测方法 | |
CN116633011B (zh) | 一种面向城市配电网的电力设备故障影响分析方法 | |
CN112016174A (zh) | 一种基于多源配网网架图的户变关系核查方法 | |
CN109242270A (zh) | 基于营配调贯通数据的验证方法 | |
CN115587685A (zh) | 含高渗透率分布式电源的韧性配电网评价体系 | |
CN112581306B (zh) | 一种基于穷举的区域网络拓扑关系确认方法、装置和*** | |
CN111487488A (zh) | 一种基于灰色关联分析的智能台区户变识别方法 | |
CN111160663A (zh) | 一种预测方法及装置 |
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 |