基于电压曲线相似性分析的低压台区用户相位识别方法

    公开(公告)号:CN108564485B

    公开(公告)日:2022-05-06

    申请号:CN201810335766.3

    申请日:2018-04-16

    IPC分类号: G06Q50/06

    摘要: 本发明涉及低压配电网拓扑结构识别领域,尤其涉及一种基于智能电表电压曲线相似性分析的低压台区用户相位识别方法。首先,从用电信息采集系统提取台区变压器及其所属用户智能电表电压序列数据;接着,计算不同用户电压序列之间DTW距离,并基于DTW距离计算每个用户的局部离群点因子判断用户的台区变压器连接关系是否正确;然后,计算每个台区变压器连接关系正确的用户与台区变压器A、B、C三相电压序列之间DTW距离,该用户相位是A、B、C三相中DTW距离最小的相位。该方法可在线开展低压台区用户相位识别,无需人工现场巡测,有效解决了低压台区用户相位识别准确率低、工作效率低下、成本高问题。

    一种电网扰动预测方法及装置

    公开(公告)号:CN106909989A

    公开(公告)日:2017-06-30

    申请号:CN201710101569.0

    申请日:2017-02-24

    IPC分类号: G06Q10/04 G06Q50/06

    CPC分类号: G06Q10/04 G06Q50/06

    摘要: 本发明实施例提供了一种电网扰动预测方法及装置,通过获取电网中节点的监测数据;根据监测数据,判断节点的是否发生扰动;当节点中一个或多个节点发生扰动时,将节点当前时刻的扰动状态值作为LSTM‑RTRBM深度学习模型的输入;通过LSTM‑RTRBM深度学习模型,预测在当前时刻后的一个或多个时间步长内节点的扰动状态值;根据当前时刻后的多个时间步长内节点的扰动状态值,预测出扰动在节点之间随一个或多个时间步长传播的情况,从而不需要根据电网中的各种实际物理参数进行运算,利用LSTM‑RTRBM深度学习模型通过完全的数据驱动就可以预测出扰动在空间上和时间上两个维度的传播情况,提高了扰动传播预测的效率和准确性。