1.本发明属于低压配变领域,具体涉及一种低压配变用户相序识别及三相不平衡调整方法。
背景技术:2.我国低压配电网采用三相四线制接线,用户侧多为单相负载,且用电具有较大的随机性,台区变压器极易出现三相不平衡现象。三相不平衡会引起变压器可用容量减小、损耗增加、寿命缩短,严重时还会烧损变压器,同时还会带来电能质量的问题,影响用户安全用电。在配电网中,台区变压器运行保持在三相平衡状态难度较大,但是电网公司需要尽可能降低三相不平衡度。
3.现有技术针对台区变压器三相不平衡治理方法有很多,通常采用安装三相不平衡调补装置等方法。
4.然而现有技术造价高,功耗大,日常维护复杂,亟需提供一种能够监测配电变压器实时运行情况,及时将负载较重相序的一些用户调整到负载较轻另一相序,尽量使三相负载达到自然平衡的技术方案,能够准确掌握变压器每相负载的变化规律,更需要准确识别每个用户所连接的变压器相序,进而合理制订用户负载的调配策略。
技术实现要素:5.基于上述问题,本发明提供了一种低压配变用户相序识别及三相不平衡调整方法,指导配电运检人员精准地整定用户相序,降低台区配变三相不平衡。
6.本申请示出的一种低压配变用户相序识别及三相不平衡调整方法,所述方法步骤包括:
7.通过用电信息采集系统提取配电变压器及其用户智能电表电压序列数据;
8.将所述配变电压器及其所属用户智能电表电压序列数据进行预处理;
9.将预处理后的配变电压器及其所属用户智能电表电压序列数据采用相关系数聚类算法对低压配变用户所在相序进行识别;得到用户相序数据;
10.判断所述得到用户相序数据的准确性,若准确性高,则进行步骤s5,若准确性低,则重新对数据进行预处理,直至得到准确性高的用户相序数据;
11.获取用户三相电压电流数据并计算配变电压器在一段时间内的三相不平衡度,将所述用户三相电压电流数据与用户相序数据相关联;
12.对所述用户三相电压电流数据与用户相序数据的关联数据进行预处理;
13.将预处理后的关联数据依据所述计算的三相不平衡度采用模拟退火算法得到用户最佳相序。
14.本申请的有益效果为:
15.本申请示出一种低压配变用户相序识别及三相不平衡调整方法,包括:提取配电变压器及其用户智能电表电压序列数据并预处理;将预处理后数据采用相关系数聚类算法
对用户所在相序进行识别;得到用户相序数据;判断得到用户相序数据的准确性,若准确性高,则进行下一步,若准确性低,则重新预处理,直至得到准确性高的用户相序数据;获取用户三相电压电流数据并计算三相不平衡度,将用户三相电压电流数据与用户相序数据相关联;并对数据预处理;将预处理后的数据依据计算的三相不平衡度采用模拟退火算法得到用户最佳相序。本发明可有效的识别用户所在相序,并计算用户最佳接入相序,指导配电运检人员精准地整定用户相序,降低台区配变三相不平衡。
附图说明
16.为了更清楚的说明申请的技术方案,下面将对实施例中所需要使用的附图作简单的介绍,显而易见地,对于本领域的普通技术人员而言,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
17.图1为本申请示出的一种低压配变用户相序识别及三相不平衡调整方法;
18.图2为本申请示出的dbscan算法的流程图;
19.图3为本申请示出的模拟退火算法流程图。
具体实施方式
20.参阅图1,图1示出了一种低压配变用户相序识别及三相不平衡调整方法,所述方法步骤包括:
21.s1:通过用电信息采集系统提取配电变压器及其用户智能电表电压序列数据;
22.所述电压序列数据为随时间推移记录的足够数量的额电压波动事件;其产生原因为:配电网常受各种突发时间影响使电压经常波动,通常情况下,与配电变压器或高压配电网引起的突发事件相比,由用户的用电行为(如大功率家用电器启动)引起的电压波动事件对同一相位其他用户影响更大,而且供电半径越长影响越明显,在同步时钟后,在相同时间点不间断地采集用户智能电表瞬时电压数据,随时间推移足够数量的额电压波动事件被记录在电压序列数据,同一相位用户电压曲线波动较为相似,不同相位用户电压曲线波动相似性较差。
23.s2:将所述配变电压器及其所属用户智能电表电压序列数据进行预处理;
24.所述预处理原因为:早期配变电压器及其所属用户智能电压电表序列数据中存在缺失值、异常值,该数据直接用于建模会影响模型的泛化能力,造成预测精确度下降,同时,建模数据中不同特征常常具有不同的单位和不同的变异程度,直接参与建模会影响到预测趋势的准确性,因此需要对原始数据进行规范化,提升建模数据质量;
25.所述预处理的方法包括:缺失值填充、异常值清理、数据规范化。
26.所述缺失值类型包括:完全随机缺失、随机缺失、完全非随机缺失;
27.根据不同的缺失值类型,采用不同的缺失值处理办法;
28.所述缺失值产生原因为:用电数据采集失败;
29.所述缺失值填充方法为:查询当日有功示值和前日有功示值,运用均值法等计算填补缺失值,若存在日冻结电能示值缺失,可通过运用拉格朗日插值法计算填补当日日冻结电量,所述拉格朗日插值法为:当日用电量数据的填补来自于基函数1与第一个日期的用电量的乘积+基函数2与第2个日期的用电量乘积+基函数3与第三个日期的用电量数据乘
积,其计算公式为:
[0030][0031]
所述异常值为样本中的个别值,其数值明显偏离其所属样本的其余观测值;
[0032]
所述异常值的判断方法如下:
[0033]
利用正态性校验模型对样本数据进行测试,若p>0.05,可判定该指标在当前样本数据下服从正态分布;
[0034]
若p<0.05,可判定该指标在当前样本数据下不服从正态分布;去除离群点,重新利用正态性校验模型对样本数据进行测试,直到服从正态分布;当所述样本数据均服从正态分布,进一步分析所述样本数据;
[0035]
以正态分布置信区间与分布覆盖率对照表为依据,保证95%的样本值落入域值范围作为异常值判断要求。利用正态分布统计分析模型,计算该样本数据的均值与标准差。按上下限围绕中心点做2个标准差的波动形成指标阀值。上限:均值+2*标准差;下限:均值
‑
2*标准差。对当期指标数据按照此阈值进行覆盖率测试。在阈值范围外的数据,判定为异常数据。正态分布模型置信区间与样本取值覆盖率对照表如下:
[0036][0037]
选取的数据具有不同的量纲和量纲单位,这种情况会影响后续的模型结果,因此为了消除特征之间的量纲影响,需对数据进行规范化。见下式:
[0038][0039]
式中,x、x
′
为规范化前后的数据,μ为所有样本数据的均值,σ为所有数据的标准差。
[0040]
s3:将预处理后的配变电压器及其所属用户智能电表电压序列数据采用相关系数聚类算法对低压配变用户所在相序进行识别;得到用户相序数据;
[0041]
所述相关系数聚类算法的方法步骤为:
[0042]
s31:通过复相关系数和偏向关系数计算每个用户之间的相关系数;
[0043]
所述复相关系数如下所述:
[0044]
复相关系数是度量复相关程度的指标,刻画一个变量同时与几个变量之间的相关关系,所述复相关系数越大,表明要素或变量之间的线性相关程度越密切
[0045]
多重相关的实质就是y的实际观察值与由p个自变量预测的值的相关。
[0046]
在一可行性实施例中,假设用户y与其他多个用户x1,x2,
…
,x
k
之间的复相关系数可以考虑构造一个关于x1,x2,
…
,x
k
的线性组合,通过计算该线性组合与y之间的简单相关
系数作为变量y与x1,x2,
…
,x
k
之间的复相关系数;其具体计算过程如下:
[0047]
(1)用y对x1,x2,
…
,x
k
作回归,得:
[0048]
(2)计算简单相关系数即为y与x1,x2,
…
,x
k
之间的复相关系数,其计算公式如下:
[0049][0050]
所述偏向关系数如下所述:
[0051]
偏相关系数,又叫部分相关系数,反应了两个变量间净相关的强弱程度。
[0052]
假设用户x、y、z之间有相关关系,当控制了变量z的线性作用后,x和y之间的一阶偏相关系数定义为:
[0053][0054]
s32:根据每个用户之间的相关系数采用dbscan聚类算法将用户聚类为不同类别;
[0055]
dbscan聚类算法又称具有噪声的基于密度的聚类方法,是一种基于密度的空间聚类算法。该算法将具有足够密度的区域划分为簇,并在具有噪声的空间数据库中发现任意形状的簇,它将簇定义为密的度相连的点的最大集合。dbscan算法的流程详见图2。
[0056]
s33:将每一类用户与配变电压器三相电压序列数据计算相关系数,得到每一类用户在三相电压数据中相关系数最大的相位,实现对用户相序的识别。
[0057]
s4:判断所述得到用户相序数据的准确性,若准确性高,则进行步骤s5,若准确性低,则返回步骤s2,重新对数据进行预处理,直至得到准确性高的用户相序数据;
[0058]
所述判断得到用户相序数据的准确性方法为:
[0059]
将得到的用户相序数据与用户真实相序进行对比,得到准确率,若准确率处于第一数值范围则认为其准确性高,若所述准确率不处于第一数值范围则认为其准确性低,所述第一数值范围依据实际情况设定。
[0060]
s5:获取用户三相电压电流数据并计算配变电压器在一段时间内的三相不平衡度,将所述用户三相电压电流数据与用户相序数据相关联;
[0061]
所述获取用户三相电压电流数据方法为:
[0062]
根据用户相序的识别得到三相用户的集合u,三相用户的集合分别为:u
a
、u
b
、u
c
;根据三相用户集合及用户智能电表电压序列数据可获得三相电压数据;
[0063]
当确定三相用户集合,则每相负荷等于该相用户负荷的叠加,根据三相用户的集合得到三相电流数据分别为:i
a
、i
b
、i
c
。
[0064]
其中:
[0065][0066][0067][0068]
其中na为a相用户数量,用户:u
ia
(1≤i
a
≤na),nb为b相用户数量,用户u
ib
(1≤i
b
≤nb),nc为c相用户数量,用户::u
ic
(1≤i
c
≤nc)
[0069]
当每个相序下的用户集合确定后,该相的负荷就等于这些用户的负荷的叠加,用i
代表电流,i
a
,i
b
,i
c
,代表配电变压器a、b、c三相的电流。
[0070][0071][0072][0073]
因此,用户的最佳相序策略的选择就转化成:如何将用户分配到三相上,使得三相负荷尽可能的平衡。
[0074]
所述三相不平衡度计算方法为:
[0075]
获取第j时间点的三相电流数据,分别为i
aj
、i
bj
、i
cj
;
[0076]
根据第j时间点的三相电流数据计算配变电压器在一段时间内第j个时间段的三相不平衡度u
bj
;所述u
bj
的计算公式为:
[0077][0078]
因此变压器在一段时间内的平均三相不平衡度为:
[0079][0080]
s6:对所述用户三相电压电流数据与用户相序数据的关联数据进行预处理;
[0081]
所述预处理的方法包括:缺失值填充、异常值清理、数据规范化。
[0082]
s7:将预处理后的关联数据依据所述计算的三相不平衡度采用模拟退火算法得到用户最佳相序。
[0083]
所述模拟退火算法如下所述:
[0084]
模拟退火算法可以分解为解空间、目标函数和初始解三部分,参阅图3,图3示出了模拟退火算法流程图。
[0085]
模拟退火的基本思想:
[0086]
(1)初始化:初始温度t(充分大),初始解状态s(是算法迭代的起点),每个t值的迭代次数l;
[0087]
(2)对k=1,
…
,l做第(3)至第6步;
[0088]
(3)产生新解s
′
;
[0089]
(4)计算增量δt=c(s
′
)
‑
c(s),其中c(s)为代价函数;
[0090]
(5)若δt<0则接受s
′
作为新的当前解,否则以概率exp(
‑
δt/t)接受s
′
作为新的当前解;
[0091]
(6)如果满足终止条件则输出当前解作为最优解,结束程序。终止条件通常取为连续若干个新解都没有被接受时终止算法;
[0092]
(7)t逐渐减少,且t
‑
>0,然后转第2步。
[0093]
以上结合具体实施例和范例性示例对本申请进行了详细说明,不过这些说明并不能理解为对本申请的限制。本领域技术人员理解,在不偏离本申请精神和范围的情况下,可以对本申请技术方案及其实施方式进行多种等价替换、修饰或改进,这些均落入本申请的范围内,本申请的保护范围以所附权利要求为准。