共查询到10条相似文献,搜索用时 15 毫秒
1.
针对低压配网用户分散、相负荷变化随机性大、线损受线路布局及距离等因素影响,提出了一种解决三相负荷不平衡引起线损过高的用户相别优化调整方法。采用自适应惯性权重的粒子群聚类算法对不同用户日负荷曲线相似程度进行初步聚类,将聚为同类的用户进行相别优化调整。负荷接入的待定相别作为优化控制变量,建立了以馈线损耗之和最小的整数优化模型,求解模型获得负荷最佳接入相别计算结果。该模型及方法应用于某地低压配电多台区馈线系统用户相别调整,有效降低了三相负荷不平衡度,减小线路损耗,解决三相负荷不平衡问题效果显著。 相似文献
2.
3.
用户电能表与表箱的关系不清楚可能导致严重后果,用户电能表的所属计量表箱识别是低压配电网计量拓扑识别问题之一.由于同一计量箱的用户入线共用同一条配电箱母线,若已知总等效单相计量箱数量N,则原问题可转换为基于用户电压时序波形的N类分类问题.在分析这种方法在实际工程应用中缺点的基础上,提出了一种融合已知相别和地址信息的低压配电计量表箱识别方法.首先,采用聚类方法将分相后的电压时序波形辨识到配电分线箱层面.然后,利用经过挖掘和补全的地址文本信息构建基于相邻关系的约束,并采用约束的k-medoids聚类算法将用户区划分为表箱层面.最后,通过2个具典型特征的低压配电网案例验证了所提方法的有效性. 相似文献
4.
目前配电网低压台区相位关系存在记录不准确或更新不及时的问题,不利于低压台区的运行与管理。提出一种基于筛选电压数据的配电台区低压用户相别自动辨识和校验方法。首先,获取最近一段时间内配电变压器三相电压及该台区所有用户电压的历史数据,计算变压器电压在不同时刻的三相不平衡率,筛选出不平衡率最大的时刻,并由这些时刻对应的电压值构成变压器三相电压及用户电压的新时间序列;然后,计算各电压新序列之间的动态时间弯曲距离,采用改进的K均值聚类算法实现用户相别的自动辨识;最后,采用变压器各相总电能与用户智能电表数据对用户相别辨识结果进行校验。仿真结果和工程实例验证了所提方法的有效性。 相似文献
5.
针对低压配电网中用户的户变关系及相位信息常存在错误且变动较为频繁的现象,提出了一种基于多粒度聚类和多元特征统计的低压配电网拓扑识别与监测方法,包含拓扑聚类识别和拓扑统计监测2个阶段。在拓扑聚类识别阶段,基于用户电压波动曲线的α-峭度和α-偏度提取数据粗粒度空间特征,采用密度峰值聚类算法识别所有用户的户变关系;在数据细粒度特征空间,通过考虑延迟效应的动态时间弯曲距离算法优化密度计算过程,实现相位关系的精确聚类。在拓扑统计监测阶段,基于多粒度聚类结果,采用邻域保持嵌入算法建立多元统计监测模型,实现新增用户或拓扑有变化的个别用户的拓扑快速识别。实际算例的分析结果验证了所提方法的有效性。 相似文献
6.
针对低压配电台区拓扑结构中户变关系缺失或异常的问题,提出了一种基于导数动态时间弯曲(DDTW)算法与基于密度的有噪空间聚类应用(DBSCAN)算法的户变关系识别方法.首先,采用DDTW算法对台区配电变压器(以下简称台变)低压侧电压和用户电压的时间序列进行相似性分析.然后,根据DDTW距离对台变和用户进行聚类得到户变关系的概率性结果,减小聚类算法参数对聚类结果的影响.该方法能够对时间间隔不同、不等长的电压时间序列进行分析,对电压数据缺失或异常不敏感,且不需要人为设定阈值,户变关系识别准确性高.最后,通过实例分析验证了所提方法的有效性. 相似文献
7.
《贵州电力技术》2019,(12)
准确识别每个用户所连接的变压器相序是台区变压器三相不平衡治理的关键。针对低压电力用户所连接变压器相序人工识别困难、成本高问题,提出了一种基于电压曲线聚类分析的低压电力用户相序自动识别方法。首先采用皮尔逊相关系数度量不同用户电压曲线之间的波动相似性;接着基于用户电压曲线相似性分布的密度信息选择初始聚类中心对象;然后基于聚类中心对象采用K-medoids算法将电压曲线波动相似的台区用户聚类为3个不同用户组,最后对比分析不同用户组总电流与变压器三相电流值识别低压用户所连接变压器相序。该方法在某电网公司进行了应用验证,在变压器三相不平衡严重台区开展用户相序识别,然后根据不同相序用户负载情况进行负荷再分配,从而降低该台区变压器三相负载不平衡度,取得了良好的效果。 相似文献
8.
9.
明确配电网结构是配电网最优潮流、安全评估、网络重建、故障定位的基础。针对现有配电网拓扑识别方法缺乏结合现有网络结构参数和潮流信息,仅通过量测数据来进行拓扑识别效率低的问题,提出一种基于有限关键节点及Wasserstein距离的配电网拓扑识别方法。首先,利用子空间扰动模型证明配网拓扑变化时,可以利用有限的关键节点来进行拓扑识别,基于熵值法的混合K-Shell算法引入影响度概念,通过影响度与节点电气距离得出节点的重要度,确定配电网拓扑结构中的关键节点。其次,基于密度的噪声应用聚类算法通过电压、电流、有功、无功等4个特征来进行节点的聚类,将其他节点与关键节点进行类别归属,再结合Wasserstein距离得出节点间的连接关系从而得出配电网的拓扑结构。最后,通过IEEE 33节点算例和某小区实例,验证该方法的有效性。该方法极大地提高配电网拓扑识别效率与正确率,实现了配网拓扑结构的动态识别。 相似文献