[发明专利]一种基于CNN-LSTM的低压台区拓扑关系识别方法

说明书

本发明公开了一种基于CNN‑LSTM的低压台区拓扑关系识别方法，包括：获取任一用户电表的电压时间序列及其所属的台区；采用粒子群算法对CNN‑LSTM网络模型进行训练，获得训练后的CNN‑LSTM网络模型；采用训练后的CNN‑LSTM网络模型判别户变关系未知用户所属的台区，并生成台区拓扑关系；若户变关系发生已知变化时，则获取改变后相应的电表电压时间序列及其所属台区数据；否则，保持原有的台区拓扑关系；采用EWC算法并结合改变后相应的电表电压时间序列及其所属台区数据对训练后的CNN‑LSTM网络模型进行增量学习，以形成更新后的台区拓扑关系。通过上述方案。本发明具有识别高效准确、投入成本低廉等优点。

技术领域

本发明涉及电力电子信息技术领域，尤其是一种基于CNN-LSTM的低压台区拓扑关系识别方法。

背景技术

台区线损率是电力公司运营维护的核心经济技术指标，同时，提高线损计算的正确率是节能降耗、提高效率的主要途径之一。而台区户变拓扑关系的正确识别，又是提高台区线损计算准确性的前提。随着国家智能化电网工作的不断推进，对电网精细化管理要求越来越高，但是，目前基于电力载波技术或电流脉冲技术的点对点台区识别仪，一般仅对于特定的部分进行辨识，不会进行全台区进行建模。因此，导致投入运行的部分集采台区存在户变拓扑关系混乱的情况，以至于影响台区线损分析等关键技术指标，严重制约了智能电网建设进程。为此，需要发展跨台区户变拓扑关系识别的方法，为实现台区精细化管理提供真实准确的基础数据。

目前，现有技术中的台区拓扑关系识别方法主要分为两大类：

第一种是电力载波或电流脉冲识别方法，其需要使用台区识别仪逐一进行人工测量或在用户电表上安装专用模块，其效率低、成本高。如专利申请号为“202010053765.7”、名称为“一种基于电力线载波N线电流监测的低压配网拓扑识别系统及方法”的中国发明专利，其由集中器和若干拓扑识别装置构成，所述拓扑识别装置分别装设于待识别拓扑关系的电网的分支箱之上；所述拓扑识别装置包括：N线载波信号传感器和拓扑识别处理终端，所述拓扑识别处理终端设置于所述分支箱的母线端，用于完成监听信号的处理；所述N线载波信号传感器设置于各分支线路的N线之上，完成过往电力载波电流信号监听；所述拓扑识别处理终端与所述集中器电性连接。

另外，第二种是基于数据聚类的方法，其利用用户电表的电压数据、电流数据、地理位置信息、异常信息等数据和k-means、c均值聚类等聚类方法，将多个电表自动归类为不同的台区，但是，其存在准确率较低、难以进行增量聚类的问题。如专利申请号为“202010030313.7”、名称为“一种低压配电台区拓扑自动识别系统”的中国发明专利，其包括管理计算机；无线通讯设备；配电台区，用于分配电能至各个下层级，所述配电台区安装有第一测量单元；多个主干线，每个所述主干线上安装有第二测量单元；多个用户总表，每个所述用户总表上安装有第三测量单元；多个用户电表，每个所述用户电表上安装有第四测量单元。本发明通过LoRa通讯技术实现第一测量单元、第二测量单元、第三测量单元和第四测量单元与管理计算机之间的实时数据无线传输，通过聚类分析法和遍历搜索算法确定上下层级关系和并行关系，实现拓扑自动识别，通过建立评价函数得到各相用电真实情况，解决了配电台区以下层级分析较难的问题，降低了工作量。

因此，急需要提出一种逻辑简单、计算工作量少、准确可靠的基于 CNN-LSTM的低压台区拓扑关系识别方法。

发明内容

针对上述问题，本发明的目的在于提供一种基于CNN-LSTM的低压台区拓扑关系识别方法，本发明采用的技术方案如下：

一种基于CNN-LSTM的低压台区拓扑关系识别方法，包括以下步骤：

步骤S1，获取任一用户电表的电压时间序列及其所属的台区；

步骤S2，采用粒子群算法对CNN-LSTM网络模型进行训练，获得训练后的 CNN-LSTM网络模型；