准确的户变关系是配网线损计算、故障定位和三相平衡等高级应用的基础。低压配网的户变关系辨识算法大多基于电压相关性原理,而电压相关性随供电半径增加而减弱,电压采集频次较低无法可靠捕获电压的“共性波动”,使得辨识准确率普遍不...准确的户变关系是配网线损计算、故障定位和三相平衡等高级应用的基础。低压配网的户变关系辨识算法大多基于电压相关性原理,而电压相关性随供电半径增加而减弱,电压采集频次较低无法可靠捕获电压的“共性波动”,使得辨识准确率普遍不高。提出了一种基于等距特征映射(isometric mapping,ISOMAP)降维和改进K-means聚类的户变关系辨识方法,为了增长电压序列的时间尺度,首先研制基于窄带物联网(narrow band internet of things,NB-IoT)技术的智能电表本地通信模块,优化电压采集方案,提高电压采集频次至288点/d;其次将各节点之间的拓扑关系视为高维流型,采用ISOMAP对高维矩阵进行降维处理;最后利用测地距离对K-means算法改进,做聚类计算得到最终户变关系辨识结果。所提算法提高了节点之间的距离置信度,与主成分分析法(principal component analysis,PCA)和K-means算法相比,所提算法对户变关系辨识准确率高达97.1%,在配网实际运行的数据验证了所提算法的辨识有效性。展开更多
文摘准确的户变关系是配网线损计算、故障定位和三相平衡等高级应用的基础。低压配网的户变关系辨识算法大多基于电压相关性原理,而电压相关性随供电半径增加而减弱,电压采集频次较低无法可靠捕获电压的“共性波动”,使得辨识准确率普遍不高。提出了一种基于等距特征映射(isometric mapping,ISOMAP)降维和改进K-means聚类的户变关系辨识方法,为了增长电压序列的时间尺度,首先研制基于窄带物联网(narrow band internet of things,NB-IoT)技术的智能电表本地通信模块,优化电压采集方案,提高电压采集频次至288点/d;其次将各节点之间的拓扑关系视为高维流型,采用ISOMAP对高维矩阵进行降维处理;最后利用测地距离对K-means算法改进,做聚类计算得到最终户变关系辨识结果。所提算法提高了节点之间的距离置信度,与主成分分析法(principal component analysis,PCA)和K-means算法相比,所提算法对户变关系辨识准确率高达97.1%,在配网实际运行的数据验证了所提算法的辨识有效性。