[发明专利]一种基于电力载波的拓扑自动识别方法

权利要求书

1.一种基于电力载波的拓扑自动识别方法，其特征在于，包括：

实时获取电力载波集中器的时间基准数据集；

基于电力载波所在的分支进行随机上电，所述随机上电时间间隔大于预设阈值；

利用所述电力载波集中器接收所述电力载波上电时刻及所有分支合闸完成后的时间基准及其对应的位移编码；

基于深度神经网络对所述时间基准数据集进行分类，并计算每个类别中时间基准数据集进行处理得到强干扰项；

剔除所述强干扰项，将剔除干扰项后的电力载波集合作为分支形成网络拓扑结构。

2.如权利要求1所述的基于电力载波的拓扑自动识别方法，其特征在于：当所述电力载波处于未上电状态时对系统进行初始化。

3.如权利要求1或2所述的基于电力载波的拓扑自动识别方法，其特征在于：定义所述电力载波所在分支上电时间间隔大于T，所述时间间隔T为100毫秒。

4.如权利要求1所述的基于电力载波的拓扑自动识别方法，其特征在于：所述时间基准数据集包括所述集中器运行后实时获取的时间基准、所述集中器在收到所述电力载波集中器上电接入时刻的时间基准以及所有所述分支合闸完成后所述集中器所获得的所有电力载波上电的时间基准值。

5.如权利要求1所述的基于电力载波的拓扑自动识别方法，其特征在于：所述深度神经网络包括聚类算法。

6.如权利要求5所述的基于电力载波的拓扑自动识别方法，其特征在于：基于所述聚类算法对所述时间基准数据集进行分类包括，

利用不同的聚类算法对数据集进行聚类；

基于有效性评估策略对所述聚类结果进行评价，根据所述评价结果构建相关性矩阵；

计算所述相关性矩阵的权重值，根据所述权重值计算结果选择最优聚类算法。

7.如权利要求1、5～6任一所述的基于电力载波的拓扑自动识别方法，其特征在于：所述利用不同的聚类算法对数据集进行聚类包括，

获取所述基准数据集，判断其是否有类标签；

若有，则选择相似数据集作为训练数据集；

若没有，则选择所述基准数据集的原始数据集作为训练数据集；

利用所述不同的聚类算法分别对所述训练数据集进行聚类，得到所述聚类结果。

8.如权利要求7所述的基于电力载波的拓扑自动识别方法，其特征在于：所述相关性矩阵的构建方法包括，

计算所述聚类结果的有效性评价指标；

基于所述有效性评价指标构建所述相关性矩阵。

9.如权利要求8所述的基于电力载波的拓扑自动识别方法，其特征在于：所述相关性矩阵的权重计算公式包括，

其中，TF(w,d)表示相关性矩阵每个点值数据与其他数据的偏差，j表示，行数，W表示网络训练参数，p表示数值出现概率值，F(w)表示线性函数，N表示常数系数。

10.如权利要求1所述的基于电力载波的拓扑自动识别方法，其特征在于：所述计算每个类别中时间基准数据集进行处理得到强干扰项包括，

计算所有电力载波的时间基准平均值以及其均方差；

计算所述聚类结果中元素的期望，若所述元素大于所述期望的两倍，则定义其为强干扰项，并进行剔除。