【技术实现步骤摘要】
本专利技术涉及配电网自动化，具体涉及一种基于大数据和微电流发送的低压台区拓扑识别方法。
技术介绍
1、拓扑关系指的是台区内所有用户表与各个节点处的断路器的归属关系。正确的台区拓扑关系是进行台区线损率分析、台区故障定位与快速抢修、三相不平衡治理的基础条件。目前，10kv配电网的拓扑分析已较为准确，但对于台区低压配电网，在转供电或分支出线路调荷后，因为人员投入、技术水平等原因，拓扑结构往往不能得到及时准确的更新，因此如何准确获取低压台区拓扑关系一直以来都是困扰电网公司的难题。
2、为获取低压台区拓扑关系，部分地区电网公司采取人工停电送电后检测线路供电状态的方法进行拓扑识别，该方法准确性高难度低，但浪费人力、效率低，且停电会给居民的生活带来不便。于是两种新的自动化识别技术应运而生，一种为使用大数据方法，利用电流、功率或电量守恒关系梳理出各级拓扑关系，如公开号为：cn110389269a公开的基于电流优化匹配的低压台区拓扑关系识别方法及其装置，这种方法对于所带负载不用电的用户表极易发生误判情况，即找错用户表的归属分支；另一种为微电流发送方式，下发命令使台区所有用户表及智能断路器的hplc模块发送微电流信号，将接收到信号强度最大的设备作为发送设备的直属上级设备，这种方式受电网噪声影响较大，且信号注入对电能质量、电网运行状态会有一定损害。
技术实现思路
1、本专利技术要解决的技术问题是：克服现有技术的不足，提供了一种基于大数据和微电流发送的低压台区拓扑识别方法。
2、本
3、s1：主站下发时钟信号对能源控制器、台区考核表、智能断路器及台区用户表进行校时；
4、s2：能源控制器采集台区各级智能断路器、台区考核表、台区用户表的正向有功功率数据；
5、s3：根据功率守恒关系，利用lasso回归模型，自上而下梳理出该台区的拓扑结构；
6、s4：判断是否存在未找到归属的用户表或智能断路器，若存在则执行s5，否则不进行任何操作；
7、s5：能源控制器对未找到归属的用户表或智能断路器下发特征微电流信号发送命令，将识别到特征信号强度最大的设备作为发送设备的直属上级设备。
8、所述s1中校时后智能断路器及用户表的时钟同步误差小于2s。
9、所述s2中正向有功功率数据的采集类型为冻结数据。
10、所述s3包括以下子步骤：
11、s31：对台区考核表及智能断路器应用lasso回归模型，基于功率守恒关系，求解出智能断路器的系数矩阵，将求解系数大于α1且平均功率不低于0.1kw的智能断路器作为考核表的直属下级设备，即找出一级分支设备；
12、s32：参照s31的方法，找出各个一级分支设备的直属下级设备，依此类推继续从上至下梳理，直至将台区考核表与所有智能断路器之间的层级关系梳理清楚；
13、s33：对梳理出的各个末端智能断路器及所有台区用户表依据功率守恒关系及lasso回归模型，求解出用户表的系数矩阵，将求解系数大于α2且平均功率不低于0.1kw的用户表作为该智能断路器所带用户表。
14、基于lasso回归模型计算系数矩阵的计算公式为：
15、
16、其中，y为上级设备正向有功功率向量，x为所有下级设备的正向有功功率矩阵，β为系数向量，为β的估计值，λ为正则系数。
17、α1的取值范围为0.8～0.9。
18、α2的取值范围为0.85～0.95。
19、所述s5包括以下子步骤：
20、s51：能源控制器向未找到归属的用户表或智能断路器下发特征微电流信号发送命令；
21、s52：通过hplc模块内置的电阻投切装置产生特征码位的微电流信号注入到电力线上，并记录注入时间；
22、s53：带有交采功能的能源控制器和智能断路器同时对电力线进行持续的特征电流检测，记录是否检测到特征微电流信号及检测到的特征信号强度大小；
23、s54：对比各识别设备检测到的特征信号强度，检测强度最大的设备即为发送设备的直属上级设备。
24、与现有技术相比，本专利技术具有以下有益效果：本专利技术仅需获取台区考核表、智能断路器与用户表的9、6点正向有功功率数据，利用功率守恒关系及lasso回归模型，即可自上而下梳理出台区拓扑关系，对于某些因所带负载不用电或用电量很小而未找到归属的用户表或智能断路器，进一步采取微电流发送的方法，将检测到特征信号强度最大的智能断路器作为其直属上级设备。本专利技术将大数据与微电流发送方式相结合，大数据计算为主，微电流发送为辅，克服了单一使用大数据或微电流发送的固有缺陷，既能解决量测设备因所带负载不用电而发生误判的问题，又不会因长时间注入微电流而影响电网的运行状态，得到的低压台区拓扑识别结果更加准确。
本文档来自技高网...【技术保护点】
1.一种基于大数据和微电流发送的低压台区拓扑识别方法，其特征在于，低压台区包括主站、能源控制器、台区考核表、安装在台区各级出线处的智能断路器及台区用户表，所述智能断路器和台区用户表设置有能够发送微电流信号的HPLC模块，智能断路器具备识别微电流信号功能，低压台区拓扑识别方法包括以下步骤：
2.根据权利要求1所述的一种基于大数据和微电流发送的低压台区拓扑识别方法，其特征在于，所述S1中校时后智能断路器及用户表的时钟同步误差小于2s。
3.根据权利要求1所述的一种基于大数据和微电流发送的低压台区拓扑识别方法，其特征在于，所述S2中正向有功功率数据的采集类型为冻结数据。
4.根据权利要求1所述的一种基于大数据和微电流发送的低压台区拓扑识别方法，其特征在于，所述S3包括以下子步骤：
5.根据权利要求4所述的一种基于大数据和微电流发送的低压台区拓扑识别方法，其特征在于，基于Lasso回归模型计算系数矩阵的计算公式为：
6.根据权利要求4所述的一种基于大数据和微电流发送的低压台区拓扑识别方法，其特征在于，所述α1的取值范围为0.8～
7.根据权利要求4所述的一种基于大数据和微电流发送的低压台区拓扑识别方法，其特征在于，所述α2的取值范围为0.85～0.95。
8.根据权利要求1所述的一种基于大数据和微电流发送的低压台区拓扑识别方法，其特征在于，所述S5包括以下子步骤：
...【技术特征摘要】
1.一种基于大数据和微电流发送的低压台区拓扑识别方法，其特征在于，低压台区包括主站、能源控制器、台区考核表、安装在台区各级出线处的智能断路器及台区用户表，所述智能断路器和台区用户表设置有能够发送微电流信号的hplc模块，智能断路器具备识别微电流信号功能，低压台区拓扑识别方法包括以下步骤：
2.根据权利要求1所述的一种基于大数据和微电流发送的低压台区拓扑识别方法，其特征在于，所述s1中校时后智能断路器及用户表的时钟同步误差小于2s。
3.根据权利要求1所述的一种基于大数据和微电流发送的低压台区拓扑识别方法，其特征在于，所述s2中正向有功功率数据的采集类型为冻结数据。
4.根据权利要求1所述的一...
【专利技术属性】
技术研发人员：孟平，刘志遥，孟寒冰，陈昭，张祥坤，何静，乔学明，崔忠宁，孟凡卓，唐潇，李伟，刘乘麟，宫宝凝，卢媛，梁英英，刘振华，尤杨，李解放，周浩宇，林航，
申请(专利权)人：国网山东省电力公司威海供电公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。