基于停电事件的户变异常研判方法研究

当前低压配电网数据采集不全面,配电台区拓扑关系存在不确定性,为了解决这个问题,研究设计配电台区的户变异常识别系统。系统的户变关系异常识别模型中由BP神经网络和SOM神经网络构成,完成数据的聚类分析和网络映射,基于提取出的特征信息完成异常识别任务。系统的拓扑识别模块中加入了超级电容组,在失电状态下仍能够完成用户侧信息的采集和停电事故的上报。实验结果显示,该研究系统中的识别效率最高,识别时间最低为2724 ms,异常识别最高为98.7%。