基于多特征符号聚合近似和层次聚类的户变关系识别方法

针对低压配电台区拓扑档案中可能存在的户变关系异常问题,文中提出了一种基于多特征符号聚合近似(MF-SAX)和层次聚类的户变关系识别方法。首先,运用符号聚合近似表达方法将用户电压时间序列转化为字符串序列,并引入电压波动系数和电压变化趋势两个附加参数对其特征表达进行强化。然后,基于编辑距离生成用户电压曲线相似性矩阵,并结合层次聚类算法实现户变关系的识别。最后,实际算例结果表明,提出的方法相比于现有方法准确率更高,误报更少,能直接应对数据缺失的情况,且具有更高的效率。

基于改进K-means聚类和皮尔逊相关系数户变关系异常诊断

用电信息采集系统易出现台区户变关系错误问题,传统诊断技术主要针对少用户台区出现异常用户情况,但对于多达数百用户台区,存在多相邻台区异常用户特征提取难题。文中首先通过主成分分析对GIS系统获取台区总表和用户电表电压数据实现降维,建立改进K-means聚类提取电压数据特征,提出改进皮尔逊相关系数算法分析待检测用户,据此建立基于改进K-means聚类和改进皮尔逊相关系数的户变关系异常诊断方法,实现多异常用户所属正确台区诊断。实际算例分析结果表明,文中提出算法在识别同一台区一个及多个异常用户、不同台区多个异常用户情况下均能有效实现异常用户的准确检测与分析,相比传统检测方法,实现简单且准确性更高。

基于改进FCM和最小互信息算法的户变关系辨识方法

随着低压分布式光伏的高比例接入,传统的户变关系辨识方法利用电压与功率特征进行判断,受光伏出力影响较大。针对分布式光伏大规模接入下低压配电网的电气特征,提出了一种基于数据驱动的低压配电网户变关系辨识方法。首先,基于改进模糊C均值(fuzzy C-means, FCM)聚类算法,利用电压相关性对用户进行初步聚类划分。其次,在初步聚类的基础上,利用最小互信息算法排除光伏出力的影响,建立配变与用户的连接关系识别模型并用回归分析的思想求解,实现对户变关系的精确辨识。最后,通过对某地实际数据进行算例分析,验证了基于改进FCM和最小互信息算法的户变关系辨识方法在大规模光伏接入场景下的有效性。实验表明,该方法相比传统的电压和功率特征判别方法具有更高的准确率。

高比例户用光伏接入下低压配电网户变关系识别

近年来,随着分布式光伏的发展,用户可参与的户用光伏系统在低压配电网中的并网数量快速增长。针对高比例户用光伏下的低压配电网具备的基本特征,提出一种基于台区配变及用户功率平衡关系的光伏时序功率卷积模型,并在此基础上,采用基于高斯混合模型的电压聚类优化目标函数进行户变关系识别。首先,基于用户-配变功率平衡关系,建立了高比例户用光伏的低压户变关系的多元线性回归模型;其次,提出一种基于Bi LSTM算法的光伏时序识别方法,筛选出光伏瞬时渗透率最高的时序片段;根据已识别的光伏时序片段建立光伏权重矩阵,并引入该矩阵将多元线性回归模型进行加权回归后转化为光伏时序功率卷积模型求解,在平抑光伏波动影响的同时初步识别户变从属关系;然后,提出一种基于高斯混合模型进行电压聚类的优化目标函数作为验证步骤,能够进一步排除验证错误的用户,提高户变关系的准确率;最后,以某地区实际低压配电网为例,分别使用该地区推广户用光伏前后不同时期的历史数据集进行识别,通过识别结果对比,验证了所提方法的有效性和实用性。

基于概率图与功率优化模型的户变关系识别

户变关系是指配电变压器与其供电的终端用户间的电气连接关系,准确的户变关系是低压配电网运行管理的基础。在此背景下,本文提出一种基于概率图与功率优化模型的低压配电网户变关系识别方法。首先,利用马尔可夫随机场概率图模型来计算终端用户间的电压相关性;然后,对用户进行归集计算,得到新的用户集合,大大降低了计算维度;最后,基于新的用户集合,利用功率平衡原理建立用户集合与配电变压器的功率优化模型,实现低压配电网户变关系的准确识别。通过实际的低压配电网数据,验证了所提方法的有效性和鲁棒性。

基于数据挖掘的户变关系辨识技术

低压台区长期面临拓扑结构缺失、户变关系不明确的问题,而近年来对配电网的精细化管理及控制需求明确的户变关系。针对此提出了一种基于数据挖掘技术的户变关系辨识方案。所提方法首先基于台区内节点的电压波动相似特点,以电压序列相似性为距离标准,利用DBSCAN算法聚类出疑似的不属于目标台区的离群节点;其次基于上下游设备的电度数据相似性确认疑似节点是否属于目标台区,采用Apriori算法生成符合约束条件的台区从属节点集,再使用余弦相似度判别得到最可能的户变从属结果。最后,以某市供电公司一实际台区数据通过结果对比验证了文中算法的有效性。

基于电压序列相似性的户变关系与相别识别

随着低压配电网的改造升级,台区户变关系变化频繁,为解决时有发生的用户台区挂错现象,提出一种利用改进的基于密度的点排序识别聚类结构(ordering points to identify the clustering structure,OPTICS)的台区户变关系识别和相别识别方法。首先,对配网电压序列的相关性进行定性分析,提出利用电压时序序列作为分析识别的数据基础;其次,采用改进的自适应分段聚合近似(adaptive piecewise aggregate approximation,APAA)对电压序列进行降维处理,提取能够反映电压特征的低维向量;然后利用改进的OPTICS算法对所提取的特征向量进行聚类分析,识别台区的户变关系和相别关系;最后,基于实际的台区数据进行算例分析,验证了所提方法的准确性。

基于图转换和迁移学习的低压配电网户变关系和相位识别方法

为进一步提高低压配电网户变关系和相位识别的准确性,提出一种基于图转换和迁移学习的低压配电网户变关系和相位识别方法。首先,引入了基于格拉姆角场的图转换方法实现用电数据的二维化,以更好地发现一维时序用电数据间的差异性;然后,针对低压配电网用户数据稀缺、获取途径有限、样本数量较少等问题,基于迁移学习利用预训练好的参数权重,构建了适合户变关系和相位识别的深度学习模型。通过实验验证,所提模型在户变关系识别和相位识别中的准确率较主流方法均有所提升,拥有更好的稳定性。

基于用户-配变功率平衡关系的高比例户用光伏户变关系模型研究

目前,分布式光伏发展迅猛,户用光伏系统在低压配电网中的并网数量增长迅速,需建立准确的互变关系为线损计算提供必要的支持。但传统方法很难保证户变关系记录档案更新的灵活性与有效性。对相关文献进行查阅,结合用户-配变功率平衡关系,建立高比例户用光伏的低压户变关系的多元线性回归模型,结合光伏时序识别、电压聚类的优化目标函数等技术,对模型准确率进行优化与提升,强化户变关系的准确率,以期为户用光伏工作的高质量开展提供技术支持。

基于Duffing振子信号检测的户变关系识别方法

针对传统特征电流识别法在接收识别精度上的局限,该文提出了一种基于Duffing振子的特征电流信号检测方法。该方法利用Duffing振子系统对初值的敏感性和良好的抗噪声特性,通过观察或监测系统相轨迹变化定性分析Duffing振子系统的临界状态。融合终端发起拓扑识别命令,出线监测单元产生和发送特征电流信号,并将提取的待测信号作为Duffing振子检测系统的输入。当待测信号中含有与Duffing振子系统同频率的分量时,通过定量计算系统临界阈值,实现对已知频率特征电流信号的检测。在仿真试验中,借由加入待测信号前后系统状态变量样本熵值的变化情况,精准判断Duffing振子系统的临界阈值的变化。仿真结果证明该方法可实现对指定频率特征电流信号的高效检测,显著提升了配电网户变关系识别的可靠性。

基于分段聚合近似与Shapelet算法的户变关系异常识别方法

在电力系统运营中,准确地监测和识别户变关系异常是保证系统安全和提高运营效率的关键。本文基于分段聚合近似(piecewise aggregate approximation, PAA)和Shapelet算法提出了一种新的户变关系异常识别方法。首先,利用PAA算法对电力消费数据进行降维处理,其次,通过Shapelet算法从简化后的数据中提取关键模式,以准确识别和分类异常情况。最后,将本文方法与传统支持向量机算法进行性能比较,结果表明:本方法在准确率和召回率方面均显著优于支持向量机算法。

基于多元数据驱动的配电网户变关系识别方法

针对配电网户变关系识别不准确而影响配电网正常运作和故障诊断定位的问题,提出了一种基于多元数据驱动的配电网户变关系识别方法。首先,定义了电压的多维波动特征参数指标;其次,采用t分布随机邻域嵌入(t-SNE)算法对电压波动特征矩阵进行降维;然后,利用BIRCH聚类算法对降维后的电压波动特征进行聚类,生成虚拟用户;最后,基于用户功率与上级电表的功率平衡关系假设进行户变关系配对,完成配电网户变关系的识别。案例分析结果表明,相比于之前的户变关系识别方法,所提方法提高了识别准确率。

基于BiLSTM-TCNN的台区户变关系自动识别方法

传统识别方法在分类过程中提取数据特征存在次序性,导致台区户变关系识别结果误差较大,为此,提出了基于BiLSTM-TCNN的台区户变关系自动识别方法。采用远程集中抄表的方式获取台区用户的用电数据,并对原始数据进行预处理后作为样本数据,构建一种由BiLSTM和TCNN组成的并行结构分类模型,将样本数据输入模型,经训练后输出台区户变关系自动识别结果。结果表明,该设计方法识别台区户变关系时皮尔逊相关系数值为0.98,证实了该方法具有较高的识别精度。

基于停复电报文的户变关系核准方法

户变关系对配电网管理影响较大,影响包括停电通知到户、台区同期线损、设备管理、业扩等大量营销业务。户变关系的准确核查有助于治理台区线损异常,提高用电负荷精细化管理水平。本文基于拓扑数据模型,通过对变压器和用户电表的连接路径捕捉,利用配电自动化终端和无线GPRS实现准确核查变压器台区线损异常,实现停电通知提前到户,规范线路改造、电表转换安全措施,保障生命财产安全,有效提高用电负荷的精细化管理水平。

基于电压时空聚合曲线的乡镇配电台区户变关系识别方法

户变关系是指用户电表与配电变压器之间的连接关系,是智能微电网的数据基础。乡镇配电台区供电半径大,受台区分布式能源并网影响,用户电表的电压变化规律与配电台区内多个电源电压变化相关,严重影响了电压相关性户变识别的准确率。因此,考虑分布式能源并网、电源到用户电表低压线路长度的影响因素,采用电压时空聚合方法计算用户电表理论电压波动曲线,并将其与用户电表的真实电压波动曲线进行比较,从而准确识别户变关系。所提方法在中国某地区乡镇示范配电台区进行了验证,户变关系识别准确率为99.8%。结果表明,所提方法较自适应分段聚合近似、关联卷积、密度拓扑聚类等主流的户变关系识别方法具有更好的识别效果。

基于热重启随机梯度下降和一类支持向量机信息融合的户变关系辨识方法

为了提高低压台区户变关系校验的效率,提出一种基于用电量和电压信息融合的台区户变关系辨识方法。首先,基于用电量建立台区和用户的关系模型,利用热重启随机梯度下降法(SGDR)求解,并使用滑动时间窗进行多次判断,综合得出户变关系初步辨识结果;然后,使用初步辨识得到的正常户变关系用户的电压数据构成训练样本,构建一类支持向量机(OC-SVM)学习台区正常用户的电压特征,完成台区用户的户变关系最终辨识;最后,对实际台区数据进行分析。结果表明:该方法实现了低压台区户变关系的有效识别,验证了该方法的实用性和可靠性。

基于贝叶斯推断和谱聚类的户变关系动态辨识

低压台区线路的日常维护以及改造升级会导致台区户变关系变动频繁。针对低压台区户变关系难以人工维护的问题,提出了一种基于贝叶斯推断和谱聚类的户变关系动态辨识方法。首先运用高斯核函数和IIR滤波器方程计算节点间电压数据相似度,然后利用贝叶斯推断构建节点间相似度时序矩阵,最后对其进行谱聚类进而实现户变关系的动态辨识。该方法能够沿时序方向根据最新时刻的电压数据进行户变关系的动态辨识,不仅能够对用户更改台区的情况做出快速响应,还能有效提高数据缺失和节点投入或退出台区情况下辨识的鲁棒性。以广东省惠州市4个台区为例进行的算例分析结果良好,验证了所提方法在工程实践中的可行性和可靠性。

基于自适应分段聚合近似的户变关系聚类识别方法

低压配电变压器台区广泛存在户变关系不准确的现象,导致台区线损统计异常、停复电通知不及时等问题。目前,台区档案校验主要依靠电力员工现场排查,过程耗时耗力。针对此,依据智能电表记录的电压数据,提出基于自适应分段聚合近似和谱聚类的低压台区户变关系识别方法。首先,采用零均值标准化放大原始电压数据间的相对差异;其次,采用自适应分段聚合近似方法对电压数据进行降维处理,提取电压曲线特征;然后,应用谱聚类算法对电压特征数据进行聚类,实现用户与所属台区的识别;最后,通过算例分析的结果验证了所提模型的可行性和有效性。

基于知识驱动及数据相关性的低压配电网户变关系识别

低压配电网变-相-户关系的自动识别是实现智能低压配电网的基础。针对目前低压配电网拓扑连接关系识别难、用户信息更新换代快、已知的连接关系易过时的问题,给出一种基于先验知识及数据相关性的户变关系识别方法。首先以配电变压器某一相线为例,推导相关公式,分析电压特性及相关先验知识。然后借助电压相关系数,确定初步的户变关系及嫌疑用户集合,再由分类矩阵和阈值系数向量确定近端用户集合。最后在此基础上,剔除嫌疑用户集合中的错误用户,对剩余嫌疑用户采用相关性均值、方差处理,实现户变关系及错误用户正确归类。选取南昌市某地区实际数据展开算例分析,结果证明了本文给出方法的可行性和有效性,能有效解决户变关系问题。

基于DDTW距离与DBSCAN算法的户变关系识别方法

针对低压配电台区拓扑结构中户变关系缺失或异常的问题,提出了一种基于导数动态时间弯曲(DDTW)算法与基于密度的有噪空间聚类应用(DBSCAN)算法的户变关系识别方法。首先,采用DDTW算法对台区配电变压器(以下简称台变)低压侧电压和用户电压的时间序列进行相似性分析。然后,根据DDTW距离对台变和用户进行聚类得到户变关系的概率性结果,减小聚类算法参数对聚类结果的影响。该方法能够对时间间隔不同、不等长的电压时间序列进行分析,对电压数据缺失或异常不敏感,且不需要人为设定阈值,户变关系识别准确性高。最后,通过实例分析验证了所提方法的有效性。