本技术方案专注于低压台区户变关系识别领域,特别提出了一种优化的DTW算法用于识别户变关系。该方法通过精确提取台变低压侧三相电压的特征点,并对这些特征点进行深入分析,以实现对户变关系的高效识别。
背景技术
在营配系统中正确的拓扑信息对于台区的负荷平衡管理具有重要意义,由于用户侧是单相供电,三相负荷常出现不平衡的情况。
针对低压台区户变关系因维修等原因导致不准确从而影响低压台区运行和管理,现有的户变关系识别主要包括特征信号法和数据驱动法这两种方式;特征信号法的优点在于有较高的识别准确率,但需要将识别设备安装在变压器出线侧和用户的入线侧,存在一定危险;当台区数量众多时工作量较大,增加了台区维护成本;若台区的电压波动较大时则会影响识别的准确率。
数据驱动法利用K-Means聚类法实现户变关系识别,但K值的选择严重影响户变关系识别的准确度,且需要对获取的原始电力数据进行降维后才能利用K-Means聚类法实现户变关系识别,算法时间复杂度较高。
公开号为CN118094260A,对电压时序数据进行变分模态分解进行特征挖掘,提取最优趋势模态函数;根据最优趋势模态函数计算电压时序数据的动态时间距离;公开号为CN114896302B,基于匹配结果重构小负荷户表和匹配度最高用电户表的电压波动值序列,再计算两个重构的电压波动值序列之间的相关性,并根据相关性计算结果识别小负荷用户的户变关系。
上述两种方法都是基于传统的DTW算法计算两个重构的电压波动值序列之间的相关性,传统的DTW算法在计算相关性时存在时间复杂度过大,计算量过大,无法在短时间内完成户变关系识别的问题。
实现思路