[发明专利]基于随机森林算法的台区相序识别方法、装置及终端设备

说明书

本发明涉及一种基于随机森林算法的台区相序识别方法、装置及终端设备，通过获取目标台区在某时间段内的配电变压器各相低压出线与各用户电表之间的时序电压样本数据以及建立用户电表的相序归属关系的特征集，并对时序电压样本数据进行预处理；对处理后得到的样本集生成训练集和测试集，采用随机森林算法对训练集和特征集训练，得到训练决策树，获取m个训练决策树组建随机森林识别模型；采用随机森林识别模型预测测试集中用户电表与配电变压器各相的相序。该基于随机森林算法的台区相序识别方法不需要目标台区外挂其他终端设备的前提下，即可准确梳理用户电表的相序归属关系，成本低且工程应用价值高。

技术领域

本发明涉及低压配电网技术领域，尤其涉及一种基于随机森林算法的台区相序识别方法、装置及终端设备。

背景技术

在低压配电网中采用传统的低压运维管理模式进行管理，传统的低压运维管理模式由于缺乏台区拓扑关系的支撑，易导致停电通知不及时、抢修复电不及时、低电压解决时间长或未解决、台区频繁异动、台区线损异常等问题，进而导致用电用户的不满意。为此，研究台区“变-线-相-户”(配电变压器-低压出线-相位-用户电表)物理拓扑识别技术显得尤为重要。针对此问题，研究注入信号法、数据标签法与数据分析法对台区“变-线-相-户”物理拓扑进行识别。现有的注入信号法和数据标签法都需要增加额外的终端设备，投资量大，运维压力大，且在微功率无线方案台区难以应用。

发明内容

本发明实施例提供了一种基于随机森林算法的台区相序识别方法、装置及终端设备，用于解决现有采用注入信号法、数据标签法或数据分析法对台区“变-线-相-户”物理拓扑的识别，存在额外增加终端设备，投资量大，运维压力大的技术问题。

为了实现上述目的，本发明实施例提供如下技术方案：

一种基于随机森林算法的台区相序识别方法，包括以下步骤：

S10.获取目标台区在某时间段内的配电变压器各相低压出线与各用户电表之间的时序电压样本数据，以及建立所述用户电表的相序归属关系的特征集；

S20.对所述时序电压样本数据进行预处理，得到样本集；

S30.从所述样本集中选取时序电压样本数据生成训练集和测试集；

S40.对所述训练集和所述特征集进行训练，得到训练决策树，将m个所述训练决策树建立随机森林识别模型；

S50.采用所述随机森林识别模型对所述测试集进相序识别，得到目标台区中用户电表的相序。

优选地，在步骤S10中，获取目标台区在某时间段内的配电变压器各相低压出线与各用户电表之间的时序电压样本数据满足第一约束条件，第一约束条件包括：所述时序电压样本数据的时间跨度不小于96个采样点，所述时序电压样本数据的时间断面数不少于所述用户电表的总数，所述时序电压样本数据的缺失比例不小于20％，与所述时序电压样本数据对应目标台区的三相不平衡度大于0.02。

优选地，所述时序电压样本数据的缺失比例为获取的所述时序电压样本数据的缺失采样点数量与时序电压样本数据的时间跨度的比值百分比。

优选地，在步骤S20中，对所述时序电压样本数据进行预处理包括：对缺失比例不大于5％的所述时序电压样本数据采用拉格朗日插值算法对缺失数据进行填充；

对缺失比例大于5％的所述时序电压样本数据采用K近邻算法对缺失数据进行填充。

优选地，在步骤S10中，建立所述用户电表的相序归属关系的特征集的表达式为：

F＝{p_A、p_B、p_C、std_A、std_B、std_C}