[发明专利]一种基于混合整数规划的低压台区拓扑辨识方法

说明书

本发明涉及一种基于混合整数规划的低压台区拓扑辨识方法，首先结合用户用电信息采集系统数据和营销系统基础档案数据，计算得到线损高度负相关、明显存在户变隶属异常台区，然后对于异常台区引入二进制变量准确表示台区隶属关系，以线损平方和最小为优化目标构建台区户变校核混合整数模型，并采用分支定界法对该模型进行求解；接着运用整数分割法得到最优先性逐级递减的可能性最高的台区拓扑关系；最后建立可信度评价指标，对查纠的台区隶属异常用户进行可靠性评价。本发明极大降低拓扑辨识方法对样本数据的依赖性，从而得到台区正确户变隶属关系，且当存在较多户变异常时均能准确辨识。

技术领域

本发明涉及电力系统技术领域，特别是一种基于混合整数规划的低压台区拓扑辨识方法。

背景技术

相对于输电和中压配电网智能化建设水平，低压配网自动化和智能化建设水平落后，是电网智能化建设的最薄弱环节，缺乏智能化手段进行整体有效的精准管理。低压配电网是直接面向用户的末端供电网络，是营造优良电力营商环境重要环节，而准确可靠的台区电气拓扑关系是保证低压配电网稳定可靠运行、故障快速抢修、台区线损精准管理的重要前提，是提高低压配网智能化水平的关键。但是，随着电网的建设发展，如迁建、扩容以及用户的新增、迁移和销户等活动，带来户变对应关系档案更新不及时或记录错误的问题，导致台区拓扑隶属关系错误现象时有发生。

传统的台区电气拓扑关系维护治理工作主要依靠人工现场排查，存在工作量大、耗时长、效率低、可靠性无法保证等问题，无法实现台区电气拓扑关系的高效、准确、自动化辨识。为实现拓扑辨识智能化与高效性，各单位、研究机构等均大力开展高效拓扑辨识方法的研究。当前，关于电网拓扑辨识方法主要有完全依靠硬件实现的帧同步信号辨识、载波信号辨识等方法和以不同类型数据为基础的分析计算。硬件识别方法对现场通信条件、硬件基础要求较高，受限因素较多，实现高效辨识还有需较长时间。而随着电力用户用电信息采集系统(采集系统)的建设与大数据技术的兴起，以数据为基础的拓扑辨识方法有了较大突破，主要有基于关联矩阵或邻接矩阵、网络拓扑追踪等需电网元件连接关系和开关状态信息的方法，与线性回归、基于CNN-LSTM深度学习神经网络等需要大量电力数据的方法。其中，需要电网元件连接关系和开关状态信息的方法，对于新增台区具有可借鉴意义，但是对于存量台区，频繁切换开关不切合实际且极大影响居民用电体验；由于存量台区可用样本量有限，无法均有效运用机器学习、线性回归等算法进行分析计算；少数台区实际运行情况难以满足线损最优的目标，仅用传统规划算法得到的模型最优解有时并不符合实际台区拓扑。因此对于少样本的存量低压台区拓扑研判一直难以得到有效的解决方法。

因此，传统台区拓扑研判方法在实际工程应用中存在一定难度。

发明内容

有鉴于此，本发明的目的是提出一种基于混合整数规划的低压台区拓扑辨识方法，极大降低拓扑辨识方法对样本数据的依赖性，从而得到户变关系，且当存在较多户变异常时均能准确辨识。

本发明采用以下方案实现：一种基于混合整数规划的低压台区拓扑辨识方法，具体包括以下步骤：

结合用户用电信息采集系统数据和营销系统基础档案数据，计算筛选线损存在强负相关台区，将其认定为户变隶属关系异常台区，并从系统中提取电量样本数据，制定样本数据清洗规则，得到清洗数据；

对于户变隶属关系异常台区，引入二进制变量准确表示台区隶属关系，并以线损平方和最小为优化目标构建台区户变校核混合整数模型，并对该台区户变校核混合整数模型进行求解；

运用整数分割法得到最优先性逐级递减的可能性最高的台区拓扑关系；

建立可信度评价指标，对查纠的台区隶属异常用户进行可靠性评价。

进一步地，所述对于户变隶属关系异常台区，引入二进制变量准确表示台区隶属关系，并以线损平方和最小为优化目标构建台区户变校核混合整数模型具体为：