本發(fā)明屬于配電臺區(qū)拓?fù)渥R別，具體而言，涉及一種基于能量網(wǎng)關(guān)的低壓臺區(qū)拓?fù)渥R別應(yīng)用方法。

背景技術(shù)：

1、由于多種因素的影響，低壓臺區(qū)的拓?fù)浣Y(jié)構(gòu)資料常常與實際情況不符，電力系統(tǒng)配電網(wǎng)整體布局較為復(fù)雜，與配電網(wǎng)相關(guān)的文件資料主要依賴紙質(zhì)檔案，導(dǎo)致臺區(qū)資料普遍缺失。低壓臺區(qū)配電網(wǎng)規(guī)模龐大，擴接率和改接率較高，相位關(guān)系及用戶變動頻繁，導(dǎo)致臺區(qū)信息更新滯后。準(zhǔn)確識別問題臺區(qū)的拓?fù)浣Y(jié)構(gòu)對于順利開展低壓臺區(qū)各項工作至關(guān)重要，是掌握電力系統(tǒng)運行狀態(tài)、提高供電可靠性以及實現(xiàn)智能監(jiān)測與精細(xì)化管理的基礎(chǔ)。

2、傳統(tǒng)的低壓臺區(qū)拓?fù)渥R別方法主要是利用拓?fù)渥R別儀進行識別。拓?fù)渥R別儀主要通過電力載波信號和脈u沖電流信號進行識別。基于電力載波信號的拓?fù)渥R別儀需要點對點通信，但在跨臺區(qū)時，由于兩臺變壓器之間的信號隔離和損耗，載波通信性能會下降，導(dǎo)致通信不暢。基于脈沖電流信號的拓?fù)渥R別儀需要配合柔性線圈或電流夾使用，然而，脈沖電流技術(shù)尚無法實現(xiàn)雙向通信，仍為點對點通信模式，從而導(dǎo)致臺區(qū)識別效率低，工作量大。在實際應(yīng)用中，拓?fù)渥R別儀還面臨共高壓串?dāng)_和共地串?dāng)_等問題，影響識別結(jié)果的準(zhǔn)確性。此外，拓?fù)渥R別儀僅能用于拓?fù)渥R別，不能應(yīng)用于其他場景，其使用成本較高且設(shè)備操作復(fù)雜，通常需要多人協(xié)同完成。

3、傳統(tǒng)拓?fù)渥R別儀受限于設(shè)備連接和網(wǎng)絡(luò)復(fù)雜性，精度較低；傳統(tǒng)識別儀依賴離線分析和人工干預(yù)，無法實時跟蹤；傳統(tǒng)儀器依賴固定采集點，覆蓋范圍有限，影響識別效果；傳統(tǒng)設(shè)備需要專用硬件和頻繁維護，成本高昂。

技術(shù)實現(xiàn)思路

1、為了解決上述技術(shù)問題，本發(fā)明提供一種基于能量網(wǎng)關(guān)的低壓臺區(qū)拓?fù)渥R別應(yīng)用方法，包括：

2、根據(jù)用戶的地理信息數(shù)據(jù)計算用戶之間的地理距離，確定用戶在地理位置上的臺區(qū)歸屬，并分類出多臺區(qū)耦合用戶與單臺區(qū)耦合用戶，在每個耦合用戶與變壓器節(jié)點設(shè)置能量網(wǎng)關(guān)進行數(shù)據(jù)采集；

3、根據(jù)分類結(jié)果，篩選出臺區(qū)變壓器三相電壓不平衡時刻的電壓數(shù)據(jù)，基于相電壓不平衡率對電壓數(shù)據(jù)進行篩選，得到相電壓不平衡率最大的若干個時刻的電壓數(shù)據(jù)；

4、計算所有臺區(qū)耦合用戶的電壓序列與對應(yīng)所屬臺區(qū)變壓器三相電壓的皮爾遜相關(guān)系數(shù)與斯皮爾曼相關(guān)系數(shù)，并對缺失數(shù)據(jù)進行插值處理；

5、利用k均值聚類算法對所有耦合用戶進行聚類，得到若干個臺區(qū)的耦合用戶的聚類結(jié)果；

6、對比聚類結(jié)果，利用電能平衡原理，對聚類結(jié)果進行檢驗篩選；

7、分組計算每個臺區(qū)同相耦合用戶間的平均相關(guān)系數(shù)；

8、根據(jù)平均相關(guān)系數(shù)大小與電壓等級確定低壓臺區(qū)的最終拓?fù)浣Y(jié)構(gòu)。

9、在上述技術(shù)方案的基礎(chǔ)上，本發(fā)明還可以做如下改進。

10、進一步，根據(jù)分類結(jié)果，篩選出臺區(qū)變壓器三相電壓不平衡時刻的電壓數(shù)據(jù)，基于相電壓不平衡率對電壓數(shù)據(jù)進行篩選，得到相電壓不平衡率最大的若干個時刻的電壓數(shù)據(jù)，包括：

11、根據(jù)一天中收集的電壓數(shù)據(jù)，對僅包含單臺區(qū)耦合用戶的低壓臺區(qū)，篩選相電壓不平衡率最大的若干個時刻；對包含多臺區(qū)耦合用戶的低壓臺區(qū)，首先篩選相電壓不平衡率最大的若干個共同時刻，當(dāng)共同時刻不足設(shè)定個數(shù)時，則根據(jù)剩余需要的時刻數(shù)量，選取臺區(qū)相電壓不平衡率最大的時刻，同時導(dǎo)出所有臺區(qū)耦合用戶在對應(yīng)時刻下的電壓值作為輸入電壓序列。

12、進一步，設(shè)η為相電壓不平衡率，ua、ub和uc分別為三相相電壓的有效值，uavg為三相相電壓的有效值的平均值，相電壓不平衡率計算公式為：

13、

14、進一步，計算所有臺區(qū)耦合用戶的電壓序列與對應(yīng)所屬臺區(qū)變壓器三相電壓的皮爾遜相關(guān)系數(shù)，包括：皮爾遜相關(guān)系數(shù)為兩個電壓序列和電壓平均值偏差的乘積；設(shè)t和y為兩個序列，cov(t,y)為序列t和y的協(xié)方差，σt為序列t的標(biāo)準(zhǔn)差，σy為序列y的標(biāo)準(zhǔn)差，皮爾遜相關(guān)系數(shù)為rp，t和y的相關(guān)系數(shù)為ρty，將總體的協(xié)方差以樣本的協(xié)方差替代，將總體的標(biāo)準(zhǔn)差以樣本的標(biāo)準(zhǔn)差替代，t和y為兩個正態(tài)總體，計算得到的皮爾遜相關(guān)系數(shù)rp作為t和y的相關(guān)系數(shù)ρty的無偏和一致估計量，則：

15、

16、進一步，設(shè)三相電壓序列為ua、ub與uc，單相用戶電壓序列為ux，ua的元素為a(k)，ub的元素為b(k)，uc的元素為c(k)，單相用戶電壓序列的元素為x(k)，k為序列的離散采樣點，n為序列的離散采樣點總數(shù)，rpxa為ua的皮爾遜相關(guān)系數(shù)，rpxb為ub的皮爾遜相關(guān)系數(shù)，rpxc為uc的皮爾遜相關(guān)系數(shù)，單相用戶電壓序列ux與三相電壓序列ua、ub以及uc的皮爾遜相關(guān)系數(shù)計算公式為：

17、

18、進一步，計算所有臺區(qū)耦合用戶的電壓序列與對應(yīng)所屬臺區(qū)變壓器三相電壓的斯皮爾曼相關(guān)系數(shù)，包括：設(shè)x和y為兩個序列，每個序列中均有n個元素，xi表示序列x中的第i個值，yi分別表示序列y中的第i個值，1≤i≤n，對序列x和y同時進行升序或者降序排列后得到集合x和集合y，設(shè)xi表示xi在序列x中的排名，yi表示yi在序列y中的排名，為序列x的均值，為序列y的均值，設(shè)定排名差分集合為d，定義為集合x和集合y中對應(yīng)元素的差值，則di＝xi-yi，序列x和y間的斯皮爾曼相關(guān)系數(shù)rs通過集合x和集合y或者d計算得到，則：

19、

20、進一步，利用k均值聚類算法對所有耦合用戶進行聚類，得到若干個臺區(qū)的耦合用戶的聚類結(jié)果，包括：

21、將輸入樣本分類為k個簇，選取k個元素作為簇的初始質(zhì)心，計算其余輸入樣本元素與所有質(zhì)心的距離，并將元素分類到距離最近的質(zhì)心所屬的簇，完成第一次迭代；

22、計算同一個簇下所有元素的平均值作為新的質(zhì)心，再重新計算所有樣本元素與新質(zhì)心的距離，完成新簇的歸屬分類；

23、針對新簇，重復(fù)計算新的質(zhì)心，計算所有樣本元素與新質(zhì)心的距離，完成新簇的歸屬分類，繼續(xù)迭代；

24、當(dāng)沒有新的元素歸屬分類的改變或所有簇都不再變化或迭代次數(shù)達(dá)到設(shè)定閾值時，迭代結(jié)束，得到聚類結(jié)果。

25、進一步，設(shè)re為地球半徑，變壓器a的經(jīng)度為ja，變壓器a的緯度為ωa，變壓器a的經(jīng)緯度為(ja，ωa)，用戶b的經(jīng)度為jb，用戶b的緯度為ωb，用戶b的經(jīng)緯度為(jb，ωb)，輸入樣本元素與所有質(zhì)心的距離即用戶與臺區(qū)變壓器間地理距離為dab，則：

26、dab＝recos-1[cosωa·cosωb·cos(ja-jb)+sinωa·sinωb]。

27、本發(fā)明的有益效果是：

28、(1)基于能量網(wǎng)關(guān)的方法通過實時數(shù)據(jù)采集和分析，顯著提高了低壓臺區(qū)拓?fù)渥R別的準(zhǔn)確性，減少了誤差；能量網(wǎng)關(guān)方案能夠?qū)崟r采集電氣參數(shù)，動態(tài)調(diào)整和更新拓?fù)浣Y(jié)構(gòu)，確保識別的持續(xù)準(zhǔn)確性；能量網(wǎng)關(guān)通過智能電表和無線通信，實現(xiàn)廣泛的數(shù)據(jù)采集，彌補了傳統(tǒng)方法的覆蓋不足，基于能量網(wǎng)關(guān)的數(shù)據(jù)采集方式利用現(xiàn)有智能電表和通信設(shè)備，減少硬件投入，且通過遠(yuǎn)程平臺降低了運營和維護成本。

29、(2)本發(fā)明基于電壓相關(guān)性和能量網(wǎng)關(guān)數(shù)據(jù)的拓?fù)渥R別，通過能量網(wǎng)關(guān)獲取更多高精度電壓數(shù)據(jù)，篩選關(guān)鍵時刻的電壓不平衡率，提高了低壓臺區(qū)拓?fù)渥R別的準(zhǔn)確性；

30、(3)本發(fā)明結(jié)合皮爾遜和斯皮爾曼相關(guān)系數(shù)，分別從線性和單調(diào)性角度全面評估電壓序列相似度，增強了識別結(jié)果的可靠性；

31、(4)采用k均值聚類算法，通過電能平衡檢驗優(yōu)化拓?fù)渥R別結(jié)果，并利用定位功能提高計算效率和用戶分類準(zhǔn)確性。