一种低压配电网拓扑参数识别方法及系统技术方案

本发明专利技术涉及电网拓扑技术领域，公开了一种低压配电网拓扑参数识别方法及系统，其方法通过获取配电网台区内的所有用户的电压数据后，对原始电压数据集进行降维处理，决原始电压数据集高维度造成的冗余问题，还通过本地离群值因子算法排除电压数据集中的异常数据，采用光谱聚类法对降维的电压数据集进行聚类，实现低压站区单相用户的相位识别，从而提高了配电网拓扑核查工作效率和准确性。拓扑核查工作效率和准确性。拓扑核查工作效率和准确性。

【技术实现步骤摘要】
一种低压配电网拓扑参数识别方法及系统


[0001]本专利技术涉及电网拓扑
，尤其涉及一种低压配电网拓扑参数识别方法及系统。

技术介绍

[0002]配电网的拓扑连接关系对配电网故障诊断、计划停电优化、变电站负荷管理等服务具有重要意义。通常，电力公司使用GIS（地理信息系统）来记录分配系统的拓扑连接关系，包括站用户关系、用户变压器关系和线路变压器关系。但是，由于种种原因，GIS记录的分布网络拓扑不完全准确，存在数据缺失或连接信息不正确等问题。现有的GIS平台无法保存低电压用户的相位数据，也不会及时更新相位数据。同时，低压变电站区用户用电规律也发生了很大变化，造成三相不平衡。低压变电站区域三相不平衡，不仅影响用户供电质量，而且由于部分线路负荷过重，造成较大的安全隐患。
[0003]目前的分布系统拓扑识别方法主要包括现场线路检测、载波通信验证和数据驱动方法。现场电路调查需要人工操作，电路需要断电，这不仅效率低下，而且影响正常用电量。运营商通信验证使用电源线进行数据传输。变压器和用户仪表侧都排列着运营商通信终端，通过分析用户之间的通信消息特征来判断用户的相位和变电站区域。这种方法具有较高的识别成功率，但需要额外的硬件成本，抗干扰能力较弱。
[0004]近年来，智能电表在用户端的安装和普及显著增加，电网可以获得大量的用户电压、电流和其他运行数据，这为充分利用大量电力数据进行变电站拓扑识别提供了支持。
[0005]目前，配电网拓扑核查主要依靠现场检查，长期以来，由于各种原因，GIS系统中存储的信息存在很多错误，如连接信息错误，导体长度、材料、电线尺寸和类型、变压器额定功率错误或缺失等。连接信息错误是GIS记录中最突出的问题。例如，在GIS记录中，记录了部分用户接错塔架或变压器，变压器接错馈线相。其中，变电站
‑
用户关系的记录错误最具代表性。在实际案例中，相邻变电站的低压用户经常会出现记录错误。在实际的变电站区域文件管理中，用户与变压器关系出错的情况相对较少。与变电站区域内的其他用户相比，它可以归类为一个非常小的数字。这不仅耗费了大量人力物力，而且，还工作效率低下。

技术实现思路

[0006]本专利技术提供了一种低压配电网拓扑参数识别方法及系统，解决了配电网拓扑核查工作效率低下的技术问题。
[0007]有鉴于此，本专利技术第一方面提供了一种低压配电网拓扑参数识别方法，包括以下步骤：基于用户表计获取配电网台区内的所有用户的电压数据，构建原始电压数据集；对所述原始电压数据集进行降维处理，得到降维电压数据集；采用本地离群值因子算法识别所述降维电压数据集中的异常数据，将所述异常数据进行剔除，得到纯净电压数据集；
采用光谱聚类法对所述纯净电压数据集进行聚类分析，对所有用户的电压数据进行相别归属，得到不同相别下的用户拓扑关系。
[0008]优选地，所述基于用户表计获取配电网台区内的所有用户的电压数据，构建原始电压数据集的步骤还包括：根据所述电压数据建立电压矩阵为：
ꢀꢀ
式1式1中，U表示电压，U
i,j
表示第i个用户第j个长度的电压数据，1≤i≤C，1≤j≤G，C表示用户总数，G表示电压数据的长度。
[0009]优选地，所述基于用户表计获取配电网台区内的所有用户的电压数据，构建原始电压数据集之后，所述对所述原始电压数据集进行降维处理，得到降维电压数据集之前包括：采用Z
‑
Score标准化方法对所述原始电压数据集进行标准化处理。
[0010]优选地，对所述原始电压数据集进行降维处理，得到降维电压数据集的步骤具体包括：采用UMAP算法对所述原始电压数据集进行降维处理，得到降维电压数据集，具体包括：设所述原始电压数据集为X={x1，
…
，x
n
，
…
，x
N
}，最近邻寻找算法搜索每个电压数据x
n
的最邻近数据集合{x
n1
，
…
，x
nk
}；通过下式2和式3分别计算电压数据x
n
对应的参数ρ
n
和参数σ
n
：
ꢀꢀ
式2
ꢀꢀ
式3式2~式3中，表示电压数据x
n
与电压数据x
b
之间的欧姆距离；通过下式4计算电压数据x
n
选择电压数据x
b
作为其邻域点的条件概率p
b|n
为：
ꢀꢀꢀ
式4通过下式5计算电压数据x
n
与电压数据x
b
之间的联合概率分布p
nb
：
ꢀꢀ
式5式5中，表示电压数据x
b
选择电压数据x
n
作为其邻域点的条件概率；将所述原始电压数据集映射到低维空间，假设低维空间中的高维数据点x
n
和x
b
的映射点分别是y
n
和y
b
，则低维空间中的联合概率分布q
nb
为：
ꢀꢀ
式6式6中，a，z均表示常值系数；以交叉熵做为代价函数，使用梯度下降算法最小化下式7的代价函数，得到降维后的电压数据，其中，代价函数为：
ꢀꢀ
式7式7中，表示代价函数。
[0011]优选地，对所述原始电压数据集进行降维处理，得到降维电压数据集的步骤具体包括：利用线性化辨识算法对所述原始电压数据集进行降维处理，得到降维电压数据集。
[0012]优选地，采用本地离群值因子算法识别所述降维电压数据集中的异常数据，将所述异常数据进行剔除，得到纯净电压数据集的步骤具体包括：获取配电网台区内的所有用户的地理位置，将所有用户映射至二维平面坐标系上，基于每个用户的坐标位置计算各个用户之间的欧氏距离；获得每个用户在二维平面上在可达距离内的所有用户，其中，用户p到用户O的距离计算为：
ꢀꢀ
式8式8中，表示用户p的可达距离，表示用户p到用户O的欧姆距离；=且满足以下条件：至少有h个点O'∈D\{p}在降维电压数据集中使得＜，D\{p}表示数据集D中不包括p点在内的集合，最多有h
‑
1个点O'∈D\{p}在集合中使得＜，然后获取每个用户的可达距离；通过下式9获取每个用户的本地可达密度为：
ꢀꢀ
式9N
h
(p)表示用户p的可达距离为h的邻域，且满足下式10：
ꢀꢀ
式10通过下式11计算异常分数为：
ꢀꢀ
式11式11中，表示用户O的可达距离，h表示可达距离；判断用户p的异常分数是否大于预设的分数阈值，若判断用户p的异常分数大于预
设的分数阈值，则将用户p的电压数据判定为异常数据，并进行剔除。
[0013]优选地，所述采用光谱聚类法对所述纯净电压数据集进行聚类分析，对所有用户的电压数据进行相别本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种低压配电网拓扑参数识别方法，其特征在于，包括以下步骤：基于用户表计获取配电网台区内的所有用户的电压数据，构建原始电压数据集；对所述原始电压数据集进行降维处理，得到降维电压数据集；采用本地离群值因子算法识别所述降维电压数据集中的异常数据，将所述异常数据进行剔除，得到纯净电压数据集；采用光谱聚类法对所述纯净电压数据集进行聚类分析，对所有用户的电压数据进行相别归属，得到不同相别下的用户拓扑关系。2.根据权利要求1所述的低压配电网拓扑参数识别方法，其特征在于，所述基于用户表计获取配电网台区内的所有用户的电压数据，构建原始电压数据集的步骤还包括：根据所述电压数据建立电压矩阵为：
ꢀꢀ
式1式1中，U表示电压，U
i,j
表示第i个用户第j个长度的电压数据，1≤i≤C，1≤j≤G，C表示用户总数，G表示电压数据的长度。3.根据权利要求1所述的低压配电网拓扑参数识别方法，其特征在于，所述基于用户表计获取配电网台区内的所有用户的电压数据，构建原始电压数据集之后，所述对所述原始电压数据集进行降维处理，得到降维电压数据集之前包括：采用Z
‑
Score标准化方法对所述原始电压数据集进行标准化处理。4.根据权利要求1所述的低压配电网拓扑参数识别方法，其特征在于，对所述原始电压数据集进行降维处理，得到降维电压数据集的步骤具体包括：采用UMAP算法对所述原始电压数据集进行降维处理，得到降维电压数据集，具体包括：设所述原始电压数据集为X={x1，
…
，x
n
，
…
，x
N
}，最近邻寻找算法搜索每个电压数据x
n
的最邻近数据集合{x
n1
，
…
，x
nk
}，其中，n表示第n个数据样本，N表示电压数据样本总个数，k表示最邻近数据样本总个数；通过下式2和式3分别计算电压数据x
n
对应的局部连通约束ρ
n
和黎曼度量σ
n
：
ꢀꢀ
式2
ꢀꢀ
式3式2~式3中，表示电压数据x
n
与电压数据x
b
之间的欧姆距离，b表示第b个电压数据样本；通过下式4计算电压数据x
n
选择电压数据x
b
作为其邻域点的条件概率p
b|n
为：
ꢀꢀꢀ
式4通过下式5计算电压数据x
n
与电压数据x
b
之间的联合概率分布p
nb
：
ꢀꢀ
式5式5中，表示电压数据x
b
选择电压数据x
n
作为其邻域点的条件概率；将所述原始电压数据集映射到低维空间，假设低维空间中的高维数据点x
n
和x
b
的映射点分别是y
n
和y
b
，则低维空间中的联合概率分布q
nb
为：式6式6中，a，z均表示常值系数；以交叉熵做为代价函数，使用梯度下降算法最小化下式7的代价函...

【专利技术属性】
技术研发人员：林文浩，熊力，于乔，胡筱曼，张永亮，梁国坚，李蓓，李宾，梁明光，姜绍艳，刘思麟，刘文浩，夏曼，陈昱，张宁，
申请(专利权)人：广东电网有限责任公司中山供电局，
类型：发明
国别省市：