基于动态时间序列电压相关性分析的低压配电网拓扑校核

低压配电网的网络拓扑难以确认阻碍泛在电力物联网数据与信息融合,为此提出一种基于动态时间序列分割的电压相关性分析方法用于低压配电网的拓扑校核。该方法首先利用极值点判定方法,得到对序列变化趋势影响较大的极值点;其次,对划分得出的极值点判断其对于序列变化趋势的重要性,在此基础上应用电压相关性原理,判断不同序列在包含极值点的序段的电压相关性。最后利用现场多个低压配电台区电压数据对算法进行检验,验证了算法的可行性。

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。

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。

基于电压聚类和关联卷积的配电网户变关系识别方法

准确的低压配电网户变关系是电力营销管理和台区线损治理的重要基础,传统的户变关系识别方法排查成本高、识别效果欠佳,无法适用于规模日趋庞大的低压配电网。在此背景下,提出了一种基于智能电表量测数据和用户档案信息的低压配电网户变关系识别方法。首先利用用户地理位置信息实现邻近用户的初步合并,再基于GMM聚类算法对电压时序数据进行聚类划分,用户划分结果作为下一步的迭代初值。然后基于能量供需平衡建立配变与用户的关联卷积识别模型实现低压配电台区户变关系的辨识。最后,在实际的低压配电系统中验证了该方法在提升户变关系识别效率和准确率等方面具有显著优势,具备一定的实践应用价值和工程指导作用。

支撑新型电力系统的配电网数据质量评估与异常检测方法研究

随着新型电力系统建设的不断推进,电网数字化水平不断提高,积累了海量的配电数据。多源异构海量数据存在繁杂冗余、质量差等问题,难以满足新型电力系统对可观可控配电网的需求。研究了配电网数据质量评估与异常检测方法,首先提出基于MVSD的缺失值填补方法和S-H-ESD的异常点检测方法;然后对低压用户负荷数据进行电压相关性计算并降维,根据电量守恒原理拟合用户电量曲线,实现多维度数据质量量化评估和异常监测;最后利用实际数据验证了方法的合理性和有效性,能提高配电网数据质量,支撑新型电力系统建设。

基于特征量注入的配电台区拓扑辨识方法

随着低压配电网的智能化建设与发展,低压配电台区智能化运检手段成为重中之重。低压台区的核心问题,是台区拓扑结构信息缺失。如果缺少精确的台区拓扑结构,虽然智慧物联的运检手段成熟且多样,但是智能台区中基于台区拓扑实现的低压故障定位研判和主动抢修、台区线损异常分析、台区窃电治理等深化功能均难以应用到现场实际生产工作中。台区拓扑的辨识一直是技术难点。为此,文章提出一种以基于特征量注入,通过特定信号源与接收器实现台区拓扑的精准辨识方法,通过实际试点应用验证所提出方法的可行性,并为未来拓扑辨识方法的发展指明方向。

利用局部放电评价GIS典型缺陷危险性的研究

采用脉冲电流法测量局部放电PRPD谱图,4054示波器获取局部放电信号的脉冲波形,研究了针板缺陷不同间隙距离下局放的起始电压、击穿电压和放电量;针板缺陷从发生局部放电到击穿整个过程PRPD谱图、放电脉冲的变化情况。研究结果表明,间隙距离越小,针板间隙发生局部放电后越危险;局部放电从产生到击穿可分为3个阶段,即放电起始阶段、放电发展阶段和邻近击穿阶段,以上结果为利用局部放电判断GIS运行状态提供了有效的判据。

高维流形视角下采用ISOMAP降维的配网户变关系辨识

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。