[发明专利]一种低压台区户变拓扑辨识方法及系统

说明书

本发明涉及一种低压台区户变拓扑辨识方法及系统，其方法包括：获取待辨识供电台区的多个用户电表、分支箱和配电变压器的实时运行数据，以及历史台区拓扑；所述运行数据至少包括：电压、电流和电能计量数据；将待辨识供电台区的运行数据分别处理为热力图和序列,并将其与历史台区拓扑进行特征匹配；将特征匹配后的热力图、序列和历史台区拓扑，输入到训练完成的多源时空神经网络中，得到实时待辨识供台区拓扑。本发明利用了低压台区运行数据的计量特性、序列特性、地位位置特性，分别采用不同的神经网络提取并融合，在不增加工程现有成本的基础上，提高了台区智能监测以及故障研判的准确率，减少了辨识过程中对电网的干扰或影响。

技术领域

本发明属于电力系统测量与自动化技术领域，具体涉及一种低压台区户变拓扑辨识方法及系统。

背景技术

随着我国城市化进程的发展，电力用户数量大量增加，配电系统也愈加完善。低压台区（380/220V）用户多、结构复杂、投入不足，导致其运维困难、故障频发、线损率高。低压拓扑错误主要表现在3个方面：①“户-变”对应关系错误，即档案划分错误，将不是本台区（一般为邻近台区）的电表号加载到本台区集中器中，影响台区线损计算的准确性；②“户-相”关系不准，即用户电表所在相位不对或者没有，台区三相负荷不平衡时无法有效平衡三相负荷，造成电压质量降低、设备寿命损耗加快；③“户-线”关系缺失，即缺少用户与配电变压器（简称配变）之间线路连接信息，当台区出现故障时，无法快速准确地判断故障区间和停电区间。

目前配电台区的运维仍以“粗犷式”管理为主，也即通过运维人员人工盲查，该种方式无法满足电力用户不断增长的供电可靠性要求。大部分配电台区运行环境复杂、负荷时空分布不均衡，而配电台区直接向用户供电，一旦出现停电或电压质量事件，将严重影响电力用户的正常用电。现有技术中提出了基于注入脉冲电流的拓扑识别方法，但该方法影响电网安全；另一方面，通过在采集端增加各种分布式通信设备来提高拓扑的准确性，但该方法会导致高压串扰的问题。

发明内容

为解决提高台区拓扑构建的准确性、降低对主干电网的干扰的问题，在本发明的第一方面提供了一种低压台区户变拓扑辨识方法，包括：获取待辨识供电台区的多个用户电表、分支箱和配电变压器的实时运行数据，以及历史台区拓扑；所述运行数据至少包括：电压、电流和电能计量数据；将待辨识供电台区的运行数据分别处理为热力图和序列,并将其与历史台区拓扑进行特征匹配；将特征匹配后的热力图、序列和历史台区拓扑，输入到训练完成的多源时空神经网络中，得到实时待辨识供台区拓扑。

在本发明的一些实施例中，所述将待辨识供电台区的运行数据分别处理为热力图和序列,并将其进行匹配包括：将待辨识供电台区的多个采集设备的运行数据复制为两份相同的副本，并将其分别处理为热力图和序列；将每个采集设备根据时间特性和电气特性进行匹配，得到每个采集设备电气特性的热力图及其对应的序列。

进一步的，所述电气特性的热力图及其对应的序列为每个采集设备电气特性的电压采样值和电能计量值的序列。

在本发明的一些实施例中，所述多源时空神经网络包括卷积神经网络、LSTM、图神经网络和全连接层，所述全连接层分别与LSTM和图神经网络连接，所述卷积神经网络，用于提取特征匹配后的热力图的图像特征；所述LSTM，用于提取特征匹配后的序列的序列特征；所述图神经网络，用于特征匹配后的历史台区拓扑的语义特征；所述全连接层，用于融合序列特征和语义特征，并输出台区拓扑。

进一步的，所述图神经网络通过如下方法构建：将历史台区拓扑中的每个采集设备映射到三维GIS地图上，并将每个采集设备的地理位置作为节点，采集设备之间的输入输出关系作为边，采集设备之间的相关关系作为权，构建图神经网络。