一种基于动态轮廓系数优化模型的户变关系识别方法与流程

1.本发明涉及电力系统配电技术领域，尤其是一种基于动态轮廓系数优化模型的户变关系识别方法。


背景技术：

2.随着用户对供电服务质量的要求日趋提高，迫切需要供电企业转变被动服务方式，提高更快速的供电服务。低压配电网位于配电网的末端，直接面向用户供电，其运行维护管理的智能化水平将直接影响用户满意度的高低。
3.户变关系识别是低压配电网运行维护管理中急需解决的问题。准确的户变关系是台区线损计算、线路改造、故障抢修等业务开展的保证。然而，有限的测量数据和不规范的网络管理增加了实际情况下的识别难度。


技术实现要素：

4.本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例，在本部分以及本技术的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。
5.鉴于上述和/或现有技术中所存在的问题，提出了本发明。
6.因此，本发明所要解决的技术问题是现在低压配电系统户变关系不清，识别困难的问题。
7.为解决上述技术问题，本发明提供如下技术方案：一种基于动态轮廓系数优化模型的户变关系识别方法，包括，
8.获取台区配电变压器和用户的电压数据，形成电压数据矩阵作为后续输入；
9.定义关联矩阵描述变压器与用户之间的连接关系，形成关联矩阵；
10.计算配变和用户电压曲线之间的ddtw距离，形成距离矩阵进行层次聚类，计算轮廓系数评估度量聚类结果；
11.以轮廓系数越接近于1，聚类效果越好，建立户变关系的基于轮廓系数优化模型。
12.作为本发明所述基于动态轮廓系数优化模型的户变关系识别方法的一种优选方案，其中：
13.获取电压数据包括，
14.对于m个变压器和n个用户的低压配电系统，所有的变压器节点用集合m＝{1,2,3,
…
,m}表示，所有的用户节点用集合n＝{1,2,3,
…
,n}表示，与变压器j∈m具有户变连接关系的用户集合定义为ωj；
15.采集所有台区配电变压器在t个时间截面下的压量测数据形成配变的电压数据矩阵vm，采集所有用户在t个时间截面下的电压量测数据形成用户的电压数据矩阵vn，形成电压数据矩阵。
16.作为本发明所述基于动态轮廓系数优化模型的户变关系识别方法的一种优选方
案，其中：数据矩阵vm、vn分别为：
[0017][0018][0019]
其中，t为量测总次数；t为时段，t∈[1,t]；v
m,t
为第m个配变低压侧t时刻的电压；v
n,t
为第n个用户t时刻的电压量测值。
[0020]
作为本发明所述基于动态轮廓系数优化模型的户变关系识别方法的一种优选方案，其中：包括：
[0021]
定义关联矩阵x描述变压器与用户之间的连接关系，其中描述变压器j与用户i之间连通性关系的关联变量定义为：
[0022][0023]
其中，ωj表示为属于变压器j的用户集合，变压器与用户具有连接关系其关联参数为1，没有连接关系其关联参数为0。
[0024]
作为本发明所述基于动态轮廓系数优化模型的户变关系识别方法的一种优选方案，其中：关联变量xji组成描述所有变压器与其对应用户连接关系的关联矩阵x：
[0025][0026]
作为本发明所述基于动态轮廓系数优化模型的户变关系识别方法的一种优选方案，其中：计算配变和用户电压曲线之间的ddtw距离，包括，
[0027][0028][0029]
其中，q”1
和c”1
分别为vj和vi中第1个元素值进行标准化处理；q”m
为vj中第m个元素值进行标准化处理；c”n
为vi中第n个元素值进行标准化处理；dp(m,n)为ddtw距离的平方。
[0030]
作为本发明所述基于动态轮廓系数优化模型的户变关系识别方法的一种优选方
案，其中：所述距离矩阵为：
[0031][0032]
其中dm为距离矩阵d
m,n
为配变m和用户n电压曲线之间的ddtw的距离，具体由ddtw距离计算公式得到。
[0033]
作为本发明所述基于动态轮廓系数优化模型的户变关系识别方法的一种优选方案，其中：所述轮廓系数为：
[0034][0035][0036][0037]
c＝[c1,c2,c3,
…
,cm]
[0038]
其中，s(i)为轮廓系数；a(i)和b(i)分别代表凝聚度和分离度；d
i,j
为用户i和用户j电压序列之间的ddtw的距离；c为代表簇；ck为用户i对应的簇；nk为ck簇内所有用户的数量；n
l
为c
l
簇内所有用户的数量；a(i)为用户i到簇内所有用户的平均ddtw距离；b(i)为用户i到最近一簇内所有用户的平均ddtw距离。
[0039]
作为本发明所述基于动态轮廓系数优化模型的户变关系识别方法的一种优选方案，其中：
[0040]
以轮廓系数最大，越接近于1，聚类效果越好，建立户变关系的轮廓系数优化模型，变压器与用户间的轮廓系数描述如下：
[0041][0042]
s(x)∈[0,1]
[0043]
其中，s(x)为变压器与用户间的轮廓系数平均值；s(i)为轮廓系数；n为用户数量。
[0044]
作为本发明所述基于动态轮廓系数优化模型的户变关系识别方法的一种优选方案，其中：建立轮廓系数最大的目标函数：
[0045]
maxs(x)
[0046]
maxs(x)
→1[0047]
本发明的有益效果：本发明不需要台区变压器和用户的功率、电量、电流，线路潮流、相角、线路参数等数据，也不需要添加额外的硬件设备，仅利用电压量测数据来实现户变关系的识别，识别准确率高，能够很好地应用于工程实际。
附图说明
[0048]
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用
的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。其中：
[0049]
图1为基于动态轮廓系数优化模型的户变关系识别方法的流程图；
[0050]
图2为现有方法的结果图；
[0051]
图3为本方法的结果图。
具体实施方式
[0052]
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明。
[0053]
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
[0054]
其次，本发明结合示意图进行详细描述，在详述本发明实施例时，为便于说明，表示器件结构的剖面图会不依一般比例作局部放大，而且所述示意图只是示例，其在此不应限制本发明保护的范围。此外，在实际制作中应包含长度、宽度及深度的三维空间尺寸。
[0055]
再其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。
[0056]
实施例1
[0057]
参照图1，本实施例提供了一种基于动态轮廓系数优化模型的户变关系识别方法，包括，
[0058]
s1：从智能电表中获取台区配电变压器和用户的电压数据，形成电压数据矩阵作为后续输入。该步骤需要说明的是，
[0059]
对于m个变压器和n个用户的低压配电系统，所有的变压器节点用集合m＝{1,2,3,
…
,m}表示，所有的用户节点用集合n＝{1,2,3,
…
,n}表示，与变压器j∈m具有户变连接关系的用户集合定义为ωj；
[0060]
采集所有台区配电变压器在t个时间截面下的压量测数据形成配变的电压数据矩阵vm，采集所有用户在t个时间截面下的电压量测数据形成用户的电压数据矩阵vn，形成电压数据矩阵如下：
[0061][0062]
[0063]
其中，t为量测总次数；t为时段，t∈[1,t]；v
m,t
为第m个配变低压侧t时刻的电压；v
n,t
为第n个用户t时刻的电压量测值。
[0064]
s2：定义关联矩阵描述变压器与用户之间的连接关系，形成关联矩阵。该步骤需要说明的是，定义关联矩阵x描述变压器与用户之间的连接关系，其中描述变压器j与用户i之间连通性关系的关联变量定义为：
[0065][0066]
其中，ωj表示为属于变压器j的用户集合，变压器与用户具有连接关系其关联参数为1，没有连接关系其关联参数为0。
[0067]
关联变量xji组成描述所有变压器与其对应用户连接关系的关联矩阵x：
[0068][0069]
s3：计算配变和用户电压曲线之间的ddtw距离，形成距离矩阵，用层次聚类根据距离值排序，根据距离从小到大将对象进行合并，形成层次聚类树来得到聚类结果，计算轮廓系数评估度量聚类结果，该步骤需要说明的是，
[0070]
计算配变和用户电压曲线之间的ddtw距离，计算结果如下：
[0071][0072][0073]
其中，q”1
和c”1
分别为vj和vi中第1个元素值进行标准化处理；q”m
为vj中第m个元素值进行标准化处理；c”n
为vi中第n个元素值进行标准化处理；dp(m,n)为ddtw距离的平方。
[0074]
距离矩阵为：
[0075][0076]
dm,n为配变m和用户n电压曲线之间的ddtw的距离，具体由ddtw距离计算公式得到。
[0077]
轮廓系数为：
[0078]
[0079][0080][0081]
c＝[c1,c2,c3,
…
,cm]
[0082]
其中，s(i)为轮廓系数；a(i)和b(i)分别代表凝聚度和分离度；d
i,j
为用户i和用户j电压序列之间的ddtw的距离；c为代表簇；ck为用户i对应的簇；nk为ck簇内所有用户的数量；n
l
为c
l
簇内所有用户的数量；a(i)为用户i到簇内所有用户的平均ddtw距离；b(i)为用户i到最近一簇内所有用户的平均ddtw距离。
[0083]
s4：以轮廓系数越接近于1，聚类效果越好，建立户变关系的基于轮廓系数优化模型，变压器与用户间的轮廓系数描述如下：
[0084][0085]
s(x)∈[0,1]
[0086]
其中，s(x)为变压器与用户间的轮廓系数平均值；s(i)为轮廓系数；n为用户数量。
[0087]
建立轮廓系数最大的目标函数：
[0088]
maxs(x)
[0089]
maxs(x)
→1[0090]
对优化模型中的关联变量进行求解，得到表征变压器与用户之间连接关系的关联矩阵x＝[xji]，关联变量xji中存储变压器j和用户i的连接关系。当关联变量为1，则认为变压器和用户之间存在连接关系，当关联变量为0，则认为变压器和用户不具有连接关系；基于上述原理实现低压配电变压器与用户所属关系的辨识。
[0091]
优选的，本发明不需要台区变压器和用户的功率、电量、电流，线路潮流、相角、线路参数等数据，也不需要添加额外的硬件设备，仅利用电压量测数据来实现户变关系的识别，识别准确率高，能够很好地应用于工程实际。
[0092]
实施例2
[0093]
参照图2和3，为本发明的第二个实施例，该实施例不同于第一个实施例的是，提供了一种基于动态轮廓系数优化模型的户变关系识别方法，包括：
[0094]
选取某小区的6个台区，488个用户，对本方法中采用的技术效果加以验证说明。
[0095]
本实施例选择的不同方法和采用本方法进行对比测试，以科学论证的手段对比试验结果，已验证本方法所具有的真实效果。实施例数据选取静态采集率近100％的台区配变、用户电压历史量测数据。
[0096]
现有方法的技术方案：电压聚类方法，在实际低压配电网中台区的供电范围容易出现重叠，导致用户与多个台区配变都有相近的电气距离和电压的波动曲线呈现相近的趋势，造成识别可能出现错误，识别效果不佳。
[0097]
为验证本方法相对现有方法具有较高的准确率。
[0098]
本实施例中将现有的电压聚类方法和本方法分别对选取小区下的户变关系进行识别，并将识别结果准确率进行对比。
[0099]
测试环境：运用python软件编程实现现有电压聚类方法和本方法的识别。
[0100]
识别结果对比如下表所示：
[0101]
表1识别结果对比表
[0102][0103]
从表1中可以看出，本文轮廓系数优化方法的识别准确率相较于现有电压聚类方法的识别准确率提升了将近10％-18％左右，表明本文提出的方法应用于户变关系识别效果显著，能够稳定有效的应用于实际工程中。
[0104]
图2和图3为现有方法与本发明的十倍结果对比热力图，图中横坐标代表用户，纵坐标代表配电变压器。
[0105]
图中用户与配电变压器有连接关系则表示为1，图中最深的颜色；没有连接关系则表示为0，图中颜色最浅。
[0106]
从图中对比可以看出，图3热力图是本文提出的轮廓系数优化方法识别错误的用户数量明显少于图2热力图dbscan电压聚类方法识别错误的用户数量，进一步表明本文提出的方法的识别准确率相较于其他方法更有优势，识别效果有很大的改善。
[0107]
应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。