[发明专利]一种基于KH与FCM的低压台区归属识别方法及系统

说明书

本发明公开了一种基于KH(磷虾优化)与FCM(模糊C均值聚类)的低压台区归属识别方法及系统，该方法包括：步骤1，获取低压台区智能电表和变压器电压过零偏移数据，并进行数据预处理；步骤2，使用FCM聚类方法快速生成多组聚类中心，构成KH算法的初始种群；步骤3，设置KH算法参数；步骤4，更新隶属度矩阵，计算KH算法的适应度函数；步骤5，使用KH算法对FCM的聚类中心进行优化；步骤6，主站分析算法结果，得到智能电表的台区归属。本发明所有数据均来自台区智能电表和集中器，不增加额外设备成本；引入的KH算法改善了FCM聚类对初始聚类中心敏感、易陷入局部最优的问题，可有效进行低压台区归属识别。

技术领域

本发明涉及低压台区归属识别技术领域，尤其涉及一种基于KH(磷虾优化)与FCM(模糊C均值聚类)的低压台区归属识别方法及系统。

背景技术

台区归属是台区内部电表与台区供电变压器之间的归属关系。台区归属关系的准确性在电网业务中十分重要，它是电网营销、配电服务的基础，是展开故障诊断、线损计算、无功优化、反窃电等业务的重要依据。然而在许多地区，低压台区情况复杂、供电方式多样，且随着配电网的不断发展和建设，要进行台区升级、电网线路改造、更换故障电表等原因，造成了台区归属关系时常变更，尤其“背靠背”台区，归属关系更加难以理清。台区归属关系不明确严重制约了电网营销和配电服务的发展，是一个亟待解决的问题。

针对台区归属识别问题，现有方法主要依靠现场人工巡检，检查逐条线路分支，依次理清每条分支电表归属，该方法耗时耗力，对于情况复杂的“背靠背”台区，还需要依靠停电区分，影响台区居民生活，容易造成经济损失。近年来，也有许多机构将大数据方法用于台区归属识别，通过综合考虑电表电流、功率等数据进行台区归属识别，但受限因素较多，未取得良好效果。台区归属识别本质是一个分类问题，可以考虑通过聚类方法进行处理。模糊C均值聚类是一种基于目标函数最优化的聚类方法，被广泛应用于工程实际问题。但传统模糊C均值聚类存在对聚类中心比较敏感、迭代过程易陷入局部最优的问题，直接将其应用于台区归属识别效果并不理想。

发明内容

本发明针对现有技术存在的不足和缺陷，提供了一种基于KH与FCM的低压台区归属识别方法及系统，所述方法采用磷虾优化算法优化模糊C均值聚类，有效改善了后者对聚类中心敏感、易陷入局部最优的问题，提高了聚类精度，从而实现良好的台区归属识别。

本发明的目的可以通过以下技术方案来实现：

一种基于KH与FCM的低压台区归属识别系统，包含数据采集单元、算法执行单元和结果处理单元，其中：

数据采集单元，用于采集数据并针对智能电表和集中器进行对时操作，确保所采集的电表和变压器端电压数据为同一时刻电压数据；

算法执行单元，用于获取电表及变压器电压数据并执行算法分析，并上报执行算法结果至结果处理单元；

结果处理单元，接收算法执行单元上报的算法执行结果，并根据结果分析确定智能电表与变压器的台区归属关系，同时更新主站档案。

一种基于KH与FCM的低压台区归属识别方法，包括以下步骤：

步骤1：数据采集单元采集低压台区智能电表和变压器电压过零偏移数据，并进行数据预处理，剔除其中异常数据，例如明显过大或过小数据，避免异常值干扰；

步骤2：算法执行单元使用模糊C均值聚类方法快速生成多组聚类中心，构成磷虾优化算法的初始磷虾种群；

步骤3：设置磷虾优化算法参数；

步骤4：更新隶属度矩阵，计算磷虾优化算法的适应度函数；

步骤5：使用磷虾优化算法对模糊C均值聚类的聚类中心进行优化；

步骤6：结果处理单元分析算法结果，将所得智能电表电压过零偏移数据聚类中心与变压器电压过零偏移数据进行比较，得到智能电表的台区归属。