[发明专利]基于主成分分析和凸优化的低压配网拓扑自适应识别方法

说明书

基于主成分分析和凸优化的低压配网拓扑自适应识别方法，属于低压配电网技术领域。其特征在于：包括如下步骤：步骤1，采集电能数据并形成数据矩阵；步骤2，对配电网电能数据进行主成分分析；步骤3，建立拓扑识别模型的目标函数及约束条件；步骤4，引入松弛变量，将拓扑识别模型转化为凸优化模型；步骤5，得到回归矩阵；步骤6，通过回归矩阵得到低压配电网拓扑结构。在基于主成分分析和凸优化的低压配网拓扑自适应识别方法中，利用主成分分析法对数据集矩阵进行处理，保留了原始数据间的本质信息，并将低压配电网拓扑识别问题转化为可解的凸优化问题，避免了其他传统优化算法容易陷入局部解的问题，拓扑识别的准确率更高。

技术领域

基于主成分分析和凸优化的低压配网拓扑自适应识别方法，属于低压配电网技术领域。

背景技术

低压配网(即低压配电网)位于配电系统末端，直接向用户提供服务，其运行可靠性将直接决定整个电网的运行情况和对用户的服务质量。配电网异动率很高，结构因增容、技术改造、城市建设等原因变化，需要及时地更新系统网络拓扑、参数配置，系统维护工作量大。由于低压配电网缺少信息化、自动化手段，导致低压配电网拓扑结构识别不正确，运行维护人员无法准确掌握当前配电网的运行情况，不能立刻开展故障的检修抢修等，严重影响用户的用电体验。随着风能、光伏等间歇性分布式电源以及电动汽车等装置的出现，低压配电网的节点数日益增多、结构也愈发复杂。

配电网拓扑辨识是配电网管理系统高级应用软件的重要组成部分，是配电自动系统中各种高级辅助软件功能实现的基础，能够为电力系统调度提供决策。低压配电网的拓扑结构提供其众多设备之间的连接关系。底层网络拓扑的信息有助于可再生能源的有效整合和配电网故障的有效管理。此外，对于配电网中可靠状态的估计，准确的网络拓扑信息至关重要。由于配电网络重新配置、修复、维护和负载平衡等变化，导致无法保证网络拓扑信息始终准确。因此，配电网拓扑表现出较明显的易变动性，难以实时保证配电网拓扑信息的准确性。

发明内容

本发明要解决的技术问题是：克服现有技术的不足，提供一种利用主成分分析法对数据集矩阵进行处理，保留了原始数据间的本质信息，并利用范数逼近原理和凸松弛将低压配电网拓扑识别问题转化为可解的凸优化问题，避免了其他传统优化算法容易陷入局部解的问题，拓扑识别准确率更高的基于主成分分析和凸优化的低压配网拓扑自适应识别方法。

本发明解决其技术问题所采用的技术方案是：该基于主成分分析和凸优化的低压配网拓扑自适应识别方法，其特征在于：包括如下步骤：

步骤1，以固定的时间间隔，采集变压器低压侧节点智能电表的电能数据、配电网节点智能电表的电能数据以及用户节点智能电表的电能数据，将采集到的电能数据叠加得到数据矩阵；

步骤2，对步骤1中采集的电能数据进行主成分分析，分解数据获取低维度分析对象；

步骤3，建立拓扑识别模型的目标函数及约束条件；

步骤4，引入松弛变量，将拓扑识别模型转化为凸优化模型；

步骤5，得到回归矩阵；

步骤6，通过回归矩阵得到低压配电网拓扑结构。

优选的，在步骤1中，所述的数据矩阵为：

Z＝[z_ij]_(n*N)

其中，z_ij表示第j个时间间隔时第i个节点的测量值，n表示网络中的节点数，N表示每个节点获取量测值的数量。

优选的，在步骤1中，所述固定的时间间隔为15min或30min。

优选的，在步骤3中，所述拓扑识别模型的目标函数和约束条件为：