[发明专利]基于电压和有功功率读数的低压用户入户相别识别方法

权利要求书

1.基于电压和有功功率读数的低压用户入户相别识别方法，其特征在于：该方法包括以下步骤：

第一步、对数据进行预处理；首先准备数据、统计采集率，同时用前一个时间断面的数据补充空缺；

1)计算等效单相用户数量：

n＝n₁+3n₂ (1)

其中n₁为户单相用户数量、n₂为户三相用户数量，n为等效单相用户数量；

2)配变器低压出线电压历史数据U_tr∈R^3×T、有功历史数据P_tr∈R^3×T为：

R的上标表示矩阵的大小，式中t表示时段，t∈[1,T]；T为量测总次数，U_tr和P_tr的行向量U_tr,i和P_tr,i分别表示配变器低压侧i相在时段t内的电压和有功历史数据，其中i∈[A,B,C]；同样采集的用户电压历史数据U∈R^n×T和有功历史数据P∈R^n×T为：

其中n为等效单相计量用户；U和P行向量U_j和P_j分别表示第j个等效单相用户在时段t的电压和有功量测值；

用T-1时刻前的采集数据来补充T时刻，使得矩阵(2)(3)(4)(5)完整；

第二步，节点降维；采用kmedoids聚类算法对用户电压历史数据U进行降维，得到k个聚类中心点[c₁ c₂…c_k]和对应的簇[C₁ C₂…C_k]，其中k＝3M_D，M_D是线路分叉点的数量；电压按照线路分叉点数量M_D的聚类降维，形成用户降维，并产生k个虚拟用户，其电压、有功数据为Uc、Pc，即各自簇内中心点电压以及簇内样本的有功序列和；

其中Uc的元素为：

u_e,j＝c_e,j (8)

即电压时序波形与簇内中心点一致；

而Pc的元素为：

U_h∈C_i表示聚类簇内的电压；h是角标的集合；P_h,j为对应聚类簇内的有功量测；p_e,j是聚类簇内所有用户序列的和；即虚拟用户有功序列为簇内所有样本的和，称为虚拟用户的聚合功率；

第三步，再用t-SNE算法将Uc降至3维，得长度为[1,3]的电压数据Ut；

第四步，使用数据Pc和Ptr进行单目标优化；

单目标优化的优化变量是X∈Z^1×k：

X＝[x₁ x₂…x_k] (10)

优化变量中的每一个元素x_i都指代一个虚拟用户，其可取整数1、2、3，分别代表A、B、C三相，即

x_i∈[1,2,3] (11)

单目标优化的目标函数为

并具有以下特性：

J(x)∈[0,+∞) (13)

单目标优化的优化模型为：

min J(x)→0 (14)

选用遗传算法进行优化，子代种群一致时终止迭代；这一步的结果X₁将作为下一步的初始解；

第五步，使用数据Pc、Ptr以及Ut进行双目标优化，初始解为X₁，目标函数为

其中SC(x)由下式定义：

并具有以下特性：

SC(x)∈[-1,1] (17)

其中s(j)作为轮廓系数由下定义：

其中：

其中a(j)，b(j)分别称为凝聚度和分离度；m是指离样本j最近的中心点c_m，C_m是最接近中心点c_m的所有样本的集合，k_m是最接近中心点c_m的簇内所有的样本数量；而n是指除m以外的中心点，k_n则是除m以外的中心点簇内的样本数量；

选用遗传算法进行优化，子代种群一致时终止迭代；

得到最终输出的最优结果X^*，X^*是一串由数字1、2、3组成的序列，分别代表对应位置的虚拟用户在A、B、C相上，获得X^*后由虚拟用户和实际用户的对应关系可得相别辨识的结果，完成分相。