[发明专利]一种基于遗传算法的非信号注入式户相拓扑关系识别方法

说明书

本发明公开一种基于遗传算法的非信号注入式户相拓扑关系识别方法，包括：依据电气量数据信息，获得经过数据清洗后的有效数据；根据有效数据，随机产生初始化染色体种群数据矩阵Pop_data；进入循环过程：调用适应度函数；进入遗传算法的选择函数、交叉函数、变异函数调用，得到更新后的NewPopdata；进入遗传算法的重置函数调用；得到最终的NewPopdata，通过映射关系，获得每一个户表对应每一行的判别结果Best_Pop。本发明能利用现有的用采系统数据解决低压台区拓扑识别的问题，即无需安装其它设备。

技术领域

本发明涉及配电网拓扑识别技术领域，具体涉及一种基于遗传算法的非信号注入式户相拓扑关系识别方法。

背景技术

目前低压台区户-相拓扑关系的识别主要是查线法：对于台区用户供电，打开每一只用户户表表箱，查看每一只户表的具体接线方式，确定使用的具体，然后进行记录标示，此方法的特点是：工作量大，效率低，一旦用户改线或增容后，又得重新标记。

目前的台区低压配电拓扑基本空白或需人工参与，工作繁琐，时间长，且无法做到自动更新与识别，迫切需要能有一种自适应的台区低压配电网拓扑识别方法，来解决上述问题。

与此同时，低压台区的用采系统已经在全国范围内得到了广泛的应用，系统采集了配变台区低压侧出线多功能表、辖区户表的电能量数据，包括：电压、电流、有功、无功及电度量等；虽然数据采集的方式、通信模式、管理架构等略有不同，但这些海量数据的日积月累，无疑为大数据智能分析提供了可能。

发明内容

发明目的：本发明目的在于针对现有技术的不足，提供一种基于遗传算法的非信号注入式户相拓扑关系识别方法，以用采系统积累的大量数据为基础，采用人工智能的遗传算法(GA)，自动推理出台区低压拓扑连接关系，自动生成户-相拓扑关系，并且根据已有的用户采集系统累计的两个月数据，可以做到精准识别率不低于97％，基本满足商用的需求。

技术方案：本发明所述的基于单边优化算法与遗传算法协作的低压配电网拓扑识别方法，采用如下步骤：

(1)依据电气量数据信息，获得经过数据清洗后的有效数据；

(2)根据有效数据，随机产生初始化染色体种群数据矩阵Pop_data；

(3)进入循环过程：

(4)调用适应度函数，返回配变侧与每条染色体中对应户表之间的接近程度ΔE，将ΔE转换成每条染色体中衡量接近程度高低的Fitness；

(5)进入遗传算法的选择函数、交叉函数、变异函数调用，得到更新后的NewPopdata，含有Pop_num条较优选择结果的染色体；

(6)设置早熟条件，进入遗传算法的重置函数调用，若早熟条件成立，则进入(2)步，否则继续循环过程；

(7)得到最终的NewPopdata，通过映射关系，获得每一个户表对应每一行的判别结果Best_Pop。

进一步地，所述电气量数据为电流、电压、无功功率，电能量、有功功率中任一种，所述数据清洗方法包括剔除全0户表集、剔除弱值户表集、在有效户表集中剔除无效时刻样本空间集；对清洗后的数据进行筛选包括获取台区变压器出线侧的电气量数据有P_a，P_b，P_c，P_总-变，获取用户侧电表采样的数据有P_a，P_b，P_c，P_总-户，获取配电变压器出线的P_总-变和对应同采样时刻的户表P累加并计算误差ΔP，设置参数ε，当ΔP≤ε，保留这一时刻配变及用户电表采样数据，加入到有效数据样本集中，否则放弃，ε与有效时刻的数量K满足：

ε≤10％，K≥300；