[发明专利]基于智能电表量测数据的配电网线变关系反向识别方法在审

专利信息
申请号: 202210466696.1 申请日: 2022-04-29
公开(公告)号: CN115000935A 公开(公告)日: 2022-09-02
发明(设计)人: 胡朝华;潘翀;杨云;梁益勤;徐娇;陈曦;张勇;周发强;王熙;杨湘;帅颖;徐田磊;方帅;李彤;牟淼 申请(专利权)人: 国网四川省电力公司成都供电公司
主分类号: H02J3/00 分类号: H02J3/00
代理公司: 成都蓉创智汇知识产权代理有限公司 51276 代理人: 谭新民
地址: 610000 四川省成都市锦*** 国省代码: 四川;51
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 智能 电表 数据 配电 网线 关系 反向 识别 方法
【权利要求书】:

1.基于智能电表量测数据的配电网线变关系反向识别方法,其特征在于,具体包括以下步骤:

S1、根据GIS中的线变关系记录生成配电变压器与配电线路之间关联关系的逻辑量x′ij

S2、通过电力用户用电信息采集系统,获取中压线路出口和配电变压器处的电压序列UL.i、UT.i以及一周每日电量数据WL.kj、WT.kj

S3、计算同一条中压配电线路上配电变压器之间的电压序列相关系数,并将相关系数高于门槛值的配变合并为区域A,得到各个区域电量WA.km和对应的y′mj,表征GIS记录相对应的第m个配电变压器合并区域与第j条中压配电线路之间关联关系的逻辑量;

S4、将所述一周每日电量数据WL.kj、WT.kj、WA.km和对应的y′mj输入至反向识别模型,获得配电线路和配电变压器之间的关联矩阵。

2.根据权利要求1所述的基于智能电表量测数据的配电网线变关系反向识别方法,其特征在于,所述反向识别模型为整数规划问题P,表达式如下:

其中,k表示时段编号;j表示中压配电线路编号;J表示中压配电线路总条数;WT.ki、WL.kj分别表示第k个时段内第i个变压器所消耗的电能、第j条线路输入的电能;分别表示第i个变压器各时段所消耗电能、第j条线路输入电能的平均值;m表示区域编号;Am表示第m个合并区域包含的配电变压器集合;ymj表示待求解的第m个配电变压器合并区域与第j条中压配电线路之间关联关系的逻辑量。

3.根据权利要求2所述的基于智能电表量测数据的配电网线变关系反向识别方法,其特征在于,所述区域电量WA.km等于该区域内包含的配电变压器电量之和,WA.km=∑i∈AmWT.ki

4.根据权利要求2所述的基于智能电表量测数据的配电网线变关系反向识别方法,其特征在于,所述第m个配电变压器合并区域与第j条中压配电线路的逻辑量y′mj、ymj和该区域内表征配电变压器与中压配电线路关联关系的逻辑量保持一致。

5.根据权利要求2所述的基于智能电表量测数据的配电网线变关系反向识别方法,其特征在于,设整数规划子问题集合L={P}、已知最优解已知最优解对应的目标函数值则反向识别模型的具体步骤为:

S001、判断当前L与是否满足若不满足,则从L中选取1个下界值最小的子问题PC

S002、利用单纯性法求解子问题PC对应的松弛问题若无可行解,则PC无可行解,可将其从集合L中去除;若的目标函数最小值大于已知最优解Y*对应的目标函数值则PC中不存在目标函数值小于的可行解,可将其从集合L中去除;若最优解为PC的可行解,此时若优于Y*则更新已知最优解Y*及其对应的目标函数值之后将PC从集合L中去除,继续循环步骤S001。

6.根据权利要求5所述的基于智能电表量测数据的配电网线变关系反向识别方法,其特征在于,所述步骤S001还包括:若满足,则输出关联矩阵最优解Y*机器。

7.根据权利要求6所述的基于智能电表量测数据的配电网线变关系反向识别方法,其特征在于,将关联矩阵最优解Y*经过转换公式获得配电线路和配电变压器之间的关联矩阵X*,所述转换公式为:

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于国网四川省电力公司成都供电公司,未经国网四川省电力公司成都供电公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202210466696.1/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top