一种基于智能电表的低压配电网相位识别方法

摘要

本发明提供了一种基于智能电表的低压配电网相位识别方法，该方法首先基于小波系数过滤原始电压波形高频分量，得到重构电压波形；然后基于重构电压波形时空特性提取配变变压器侧三相电压和用户侧单相电压的特征，根据不同特征形态，将特征分为四类并计算四类特征的显著性指标；最后基于特征序列计算用户特征与所在变压器特征的相似度并判断所属相位。该方法基于智能电表的量测电压数据，可以通过高频采样数据特征进行分析，提高了算法的准确率和鲁棒性。

说明书

技术领域

本发明属于配用电领域，设计低压配电网相位识别方法，具体涉及一种基于用电信息采集系统获取的智能电表高频电压数据序列，进行数据处理，特征采集，特征匹配的低压配电网相位识别方法。

背景技术

智能电网的兴起，智能电表布局愈发广泛，高级量测体系的构建为低压配电网智能化提供了更开阔的发展空间。低压配电网作为直接面向用户的环节，其智能化水平将直接影响用户的体验以及满意度。此外，传统低压配电网由于缺乏相位信息或相位信息不准确，在设计时极少考虑到三相平衡问题，这种不平衡的负载会导致额外的电力损耗，减少设备的使用寿命，此外易导致抢修不及时，故障定位错误等一系列问题。因此，低压配电网相位识别技术在推进智能电网中尤为重要。传统的低压配电网相位识别主要基于人工建档，电力公司派人现场手动检查相位连接，这种方式本质上便是低效的。在网络两端安装新进的信号注入和接收设备是相位识别的另一种方式，这些识别效果是快速且准确的，但是成本会大幅度提高。

常见基于智能电表对相位识别的方式根据数据源的区别有两类。第一类为基于电压数据相位识别。用户侧电压来自于所属相位的配电变压器侧，因此，两者之间存在天然的高关联度。此类算法对于数据的完整度和准确度都极高，但由于电网的随机波动和电表的固有误差，常常数据的颗粒度不高，再加上工程中部分配变变压器三相电压波形相似度极高，因此在工程应用中相似度指标计算相似，不易区分，导致计算结果往往不理想。第二类为基于功率数据相位识别。基于能量守恒的原则寻找家庭最优组合，提供与相负荷相似的聚合负荷。该方法被设计用于处理有小程度损失或错误的数据，对数据质量要求不是很高。此种策略在国外发达社区应用广泛，一方面国外地广人稀，社区户数不多，存在高空置税，因此房屋极少空置，另一方面，在发达社区智能电表渗透率高，用电量普遍较大。在国内，虽然很多台区智能电表渗透率也很高，但是往往户数密集且空置率高，因此能量守恒的方差在现阶段工业中应用较少。

发明内容

本发明的目的在于提供一种基于智能电表的低压配电网相位识别方法，针对现有技术存在的问题，本发明综合利用智能电表的高频采样机制，提出一种基于时空特征并结合数据驱动的低压配电网相位识别方法。首先，在电表数据采集阶段，利用小波滤波过滤采样抖动的电压数据，然后综合分析负荷变动与变压器电压波动，基于显著性指标评估其时空特征，由于显著性特征向量中承载着所处相位的负荷变动，对应相位应具备相似的波动规律特征，最后基于相似性规律实现相位识别。

为实现上述目的，本发明提供如下技术方案：一种基于智能电表的低压配电网相位识别方法，包括以下步骤：

步骤1：从智能电表采集用户与配变变压器高频电压数据，并基于小波系数过滤高频分量重构电压波形；

步骤2：基于海量重构电压波形构建基本特征类型；

步骤3：基于用户及所在配变变压器重构电压波形提取特征序列；

步骤4：计算用户与配变变压器提取特征的显著性指标；

步骤5：计算用户与配变变压器A相B相C相电压特征相似度并判断相位。

进一步的，所述步骤1从智能电表采集用户与配变变压器高频电压数据，并基于小波系数重构电压波形，具体流程步骤如下：

步骤1.1：基于智能电表获取高频原始电压信号

步骤1.2：基于原始电压信号进行小波变换，分析电压波形中时域特性和频域特性， 基于不同的小波系数进行重构；

步骤1.3：计算得到小波3次分解后的低频分量

进一步的，所述步骤2基于海量重构电压信号构建基本特征类型的方法，其具体流程步骤如下：

步骤2.1：基于重构电压波形，归纳波形的时空特征；

步骤2.2：形成四种常见的时空特征类型；

类型A为“V”型结构，即先下降后上升，物理特征类似电器开启到电器关断，其电压下降时间为

类型B为“倒V”型结构，即先上升后下降，物理特征类似电器关断到电器开启，其电压下降时间为

类型C为“连续上升或下降”型结构，即在很短时间

类型D为“持续性上升或下降”结构，即上升持续了很长时间

进一步的，所述步骤3中，基于用户及所在配变变压器重构电压波形提取特征序列，其具体流程步骤如下：

基于步骤2中的典型4种电压类型提取用户与配变变压器A相B相C相的电压特征序列

进一步的，所述步骤4中，对于任意特征序列

①对于所有特征类型而言，其指标包括特征起始时刻

式中，

极差计算公式如下：

式中，max(

方差计算公式如下：

②对于A、B类特征，其特有显著性指标有电压上升时长

③对于C类特征，其特有显著性指标有电压突变时刻

④对于D类特征，其特有显著性指标有电压变化率

进一步的，所述步骤5中，基于步骤4计算的特征显著性指标计算用户与配变变压器A相B相C相电压特征相似度并判断相位；具体流程步骤如下所示：

步骤5.1：计算用户

其中用户

式中，

步骤5.2：考虑到各个指标量纲不同，对12个指标分别进行标准化；基于min-max算法进行数据处理，以特征1指标

式中，

步骤5.3：步骤5.2标准化后生成用户

式中，

假定标准化后用户

步骤5.4：分别计算

式中，

步骤5.5：分别计算

与现有技术相比，本发明的有益效果是：

本发明首先基于小波系数过滤原始电压波形高频分量，得到重构电压波形；然后基于重构电压波形时空特性提取配变变压器侧三相电压和用户侧单相电压的特征，根据不同特征形态，将特征分为四类并计算四类特征的显著性指标；最后基于特征序列计算用户特征与所在变压器特征的相似度并判断所属相位。该方法基于智能电表的量测电压数据，可以通过高频采样数据特征进行分析，提高了算法的准确率和鲁棒性。

附图说明

图1为本发明的方法流程图；

图2为小波变换算法基本原理图；

图3为常见电压时空特征类型图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步的详细说明。此处所描述的具体实施例仅用于解释本发明技术方案，并不限于本发明。

本发明提供一种技术方案：一种基于智能电表的低压配电网相位识别方法，流程如图1所示，包括以下步骤：

步骤1：从智能电表采集用户与配变变压器高频电压数据，并基于小波系数过滤高频分量重构电压波形；具体流程步骤如下：

步骤1.1：基于智能电表获取高频原始电压信号

步骤1.2：基于原始电压信号进行小波变换，分析电压波形中时域特性和频域特性， 基于不同的小波系数进行重构；其原理图如图2所示；

步骤1.3：计算得到小波变换

步骤2：基于海量重构电压波形构建基本特征类型；具体流程步骤如下：

步骤2.1：基于重构电压波形，归纳波形的时空特征；

步骤2.2：形成四种常见的时空特征类型；如图3所示；

类型A为“V”型结构，即先下降后上升，物理特征类似电器开启到电器关断，其波形如图3特征类型A所示，其电压下降时间为

类型B为“倒V”型结构，即先上升后下降，物理特征类似电器关断到电器开启，其波形如图3特征类型B所示，其电压下降时间为

类型C为“连续上升或下降”型结构，即在很短时间

类型D为“持续性上升或下降”结构，即上升持续了很长时间

步骤3：基于用户及所在配变变压器重构电压波形提取特征序列；其具体流程步骤如下：

基于步骤2中的典型4种电压类型提取用户与配变变压器A相B相C相的电压特征序列

步骤4：计算用户与配变变压器提取特征的特征显著性指标；具体流程步骤如下：

对于任意特征序列

①对于所有特征类型而言，其指标包括特征起始时刻

式中，

极差计算公式如下：

式中，max(

方差计算公式如下：

②对于A、B类特征，其特有显著性指标有电压上升时长

③对于C类特征，其特有显著性指标有电压突变时刻

④对于D类特征，其特有显著性指标有电压变化率

⑤12个指标具体描述如表1所示。

表1 特征显著性指标

步骤5：基于步骤4计算的特征显著性指标计算用户与配变变压器A相B相C相电压特征相似度并判断相位；具体流程步骤如下：

步骤5.1：计算用户

其中用户

式中，

步骤5.2：考虑到各个指标量纲不同，对12个指标分别进行标准化；基于min-max算法进行数据处理，以特征1指标

式中，

步骤5.3：步骤5.2标准化后生成用户

式中，

假定标准化后用户

步骤5.4：分别计算

式中，

步骤5.5：分别计算

以上所述仅表达了本发明的优选实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形、改进及替代，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。