阅读说明：本技术 一种低压配电网络的拓扑识别方法 (Topology identification method of low-voltage distribution network ) 是由 张聪 蔺丽华 武虎雄 于 2020-12-08 设计创作，主要内容包括：本发明公开了一种低压配电网络的拓扑识别方法,该方法包括下述步骤：首先借助神经网络进行用户负荷预测分析,具体为进行学习训练,借助智能断路器采集用户的电参数,将指定时刻的用户电参数作为特征值进行不断的学习训练；本发明利用载波实现台区的通信,用户端加装带特征识别的智能断路器,利用特征法提高拓扑识别的准确率,同时结合融合终端边缘计算的软件算法,实现软件层面的拓扑分析,再利用神经网络预测用户负荷,结合载波通信回传的拓扑信息,实现配电用户的拓扑分析。(The invention discloses a topology identification method of a low-voltage distribution network, which comprises the following steps: firstly, carrying out user load prediction analysis by means of a neural network, specifically, carrying out learning training, acquiring electrical parameters of a user by means of an intelligent circuit breaker, and carrying out continuous learning training by taking the electrical parameters of the user at a specified moment as characteristic values; the invention realizes the communication of the distribution area by utilizing the carrier wave, the intelligent breaker with the characteristic identification is additionally arranged at the user side, the accuracy rate of the topology identification is improved by utilizing the characteristic method, meanwhile, the software algorithm of the edge calculation of the fusion terminal is combined, the topology analysis of the software layer is realized, the load of the user is predicted by utilizing the neural network, and the topology analysis of the power distribution user is realized by combining the topology information returned by the carrier wave communication.)

一种低压配电网络的拓扑识别方法

技术领域

本发明属于低压配电网络领域，涉及拓扑识别技术，具体是一种低压配电网络的拓扑识别方法。

背景技术

目前比较常见的实现配电台区电气网络拓扑识别的方法有：

（1）利用目前的低压线路电力线载波通信技术，包括窄带电力线载波或宽带电力线载波，通过用电信息采集系统的集中器和采集器实现载波信号的发送和回传。该方法的特点是简单易行，但是存在传送死区，受配电台区负载影响大。

（2）特征识别法，在低压配电线路或母线上，注入较大功率的工频信号，用移动采集设备在用电设备或电能计量设备处测量注入的工频信号。该方法的优点是准确性较高，但是现场测试接线麻烦，效率低，还存在一定的安全隐患。

（3）利用用电信息采集系统采集的配电台区用户用电信息，通过电压数据相似性或相关性分析方法，不增加硬件成本，自动分析台区供电电源与用电设备间的连接关系。该方法优点是不需要增加投资，方法新颖，但是该方法拓扑识别准确性有待提高，对线路重载或有分布式电源接入线路电压特殊分布适应性较差。

缺乏一种软硬件结合，且简单易行的低压配电网络拓扑识别方法，为了解决这一技术缺陷，现提供一种解决方案。

发明内容

本发明的目的在于提供一种低压配电网络的拓扑识别方法。

本发明的目的可以通过以下技术方案实现：

一种低压配电网络的拓扑识别方法，该方法包括下述步骤：

步骤一：借助神经网络进行用户负荷预测分析，具体为：

SS1：进行学习训练，借助智能断路器采集用户的电参数，将指定时刻的用户电参数作为特征值进行不断的学习训练；步骤SS1中的学习训练具体的方式为：

SS101：连续在预设天数X1天内获取到用户的电参数，电参数具体可为用电量或者其他管理员预设的参数；X1为预设值，具体可取值为30天；

SS102：将连续X1的电参数标记为Ci，i=1...X1；

SS103：自动计算获取得到电参数的平均值，将其标记为均参值；

SS104：将Ci按照从大到小的顺序进行排序，以最小值开始，每间隔X2值构成一个参数区间，得到若干个参数区间；将其标记为Qj，j=1...n，n≤X1；

SS105：计算各个参数区间内的电参数数量，占总数量的比例，将其标记为区间占比；

SS106：获取到区间占比超过预设比例X3的参数区间，X3为预设值，具体可取值为0.15或0.2；管理人员可根据需求灵活设定；

SS107：将满足SS106的区间标记为特性区间，求取所有特性区间内的电参数的平均值，将该均值标记为集中均值；

SS108：根据公式计算预测值，具体预测值计算公式为：

预测值=0.6*集中均值+0.4*均参值；

SS2：根据学习结构得到的预测值，计算用户负荷情况，再结合该指定时间的采集量与预测结果进行比较，计算出用户的拓扑信息，弥补载波通信失效的情况。

进一步地，在步骤一之前还需进行下述步骤，具体为：

借助载波通信收集拓扑信息；具体方式为：

S1：进行拓扑信息的采集；

S2：进行拓扑信息的分析，具体流程为：

S201：读取上次识别的拓扑数据；

S202：找出只有一个子节点的节点作为根节点；

S203：根据拓扑接收到的子节点个数进行分级确定最大拓扑层级数；

S204：判定是否为最后一层，若不是则节点减去上一级节点，之后找出只有一个根节点的节点作为根节点；重新返回到步骤S203；

S205：若为最后一层，则得出本节点下属信息。

进一步地，步骤S1中的所述拓扑信息采集的具体方法为：

S101：融合终端广播遍历；

S102：清除所有开关拓扑识别数据；

S103：对第n个开关发送拓扑识别流程，此处n从1开始进行取值；

S104：等待超时，开关开始收集信息；

S105：收集所有开关信息；

S106：判断是否为最后一台；若不是则重新跳转回到步骤S103；

S107：若为最后一台，则进行网络分析。

本发明的有益效果：

本发明利用载波实现台区的通信，用户端加装带特征识别的智能断路器，利用特征法提高拓扑识别的准确率，同时结合融合终端边缘计算的软件算法，实现软件层面的拓扑分析，再利用神经网络预测用户负荷，结合载波通信回传的拓扑信息，实现配电用户的拓扑分析。

附图说明

为了便于本领域技术人员理解，下面结合附图对本发明作进一步的说明。

图1为本发明拓扑信息采集流程图；

图2为本发明拓扑信息分析流程图。

具体实施方式

如图1-2所示，一种低压配电网络的拓扑识别方法，该方法需要借助相关硬件实施，具体包括：

载波通信：基于电力宽带HPLC电力线载波，实现融合终端与拓扑识别的信息传输，载波通信技术的优点是高带宽，但是缺点是会有信息无法采集的情况；

智能断路器：用户侧、层接箱、动力柜等关键节点安装智能开关，智能开关自带载波通信功能，把本节点的拓扑识别信息上送至融合终端，同时能作为特征识别的发生器，产生特定的特征信号，供上一级智能断路器采集。

该方法包括下述步骤：

步骤一：借助载波通信收集拓扑信息；具体方式为：

S1：进行拓扑信息的采集，具体方式为：

S101：融合终端广播遍历；

S102：清除所有开关拓扑识别数据；

S103：对第n个开关发送拓扑识别流程，此处n从1开始进行取值；

S104：等待超时，开关开始收集信息；

S105：收集所有开关信息；

S106：判断是否为最后一台；若不是则重新跳转回到步骤S103；

S107：若为最后一台，则进行网络分析；

S2：进行拓扑信息的分析，具体流程为：

S201：读取上次识别的拓扑数据；

S202：找出只有一个子节点的节点作为根节点；

S203：根据拓扑接收到的子节点个数进行分级确定最大拓扑层级数；

S204：判定是否为最后一层，若不是则节点减去上一级节点，之后找出只有一个根节点的节点作为根节点；重新返回到步骤S203；

S205：若为最后一层，则得出本节点下属信息；

步骤二：借助神经网络进行用户负荷预测分析，具体为：

SS1：进行学习训练，借助智能断路器采集用户的电参数，将指定时刻的用户电参数作为特征值进行不断的学习训练；具体的学习训练方式为：

SS101：连续在预设天数X1天内获取到用户的电参数，电参数具体可为用电量或者其他管理员预设的参数；X1为预设值，具体可取值为30天；

SS102：将连续X1的电参数标记为Ci，i=1...X1；

SS103：自动计算获取得到电参数的平均值，将其标记为均参值；

SS104：将Ci按照从大到小的顺序进行排序，以最小值开始，每间隔X2值构成一个参数区间，得到若干个参数区间；将其标记为Qj，j=1...n，n≤X1；

SS105：计算各个参数区间内的电参数数量，占总数量的比例，将其标记为区间占比；

SS106：获取到区间占比超过预设比例X3的参数区间，X3为预设值，具体可取值为0.15或0.2；管理人员可根据需求灵活设定；

SS107：将满足SS106的区间标记为特性区间，求取所有特性区间内的电参数的平均值，将该均值标记为集中均值；

SS108：根据公式计算预测值，具体预测值计算公式为：

预测值=0.6*集中均值+0.4*均参值；

SS2：根据学习结构得到的预测值，计算用户负荷情况，再结合该指定时间的采集量与预测结果进行比较，计算出用户的拓扑信息，弥补载波通信失效的情况。

本发明利用载波实现台区的通信，用户端加装带特征识别的智能断路器，利用特征法提高拓扑识别的准确率，同时结合融合终端边缘计算的软件算法，实现软件层面的拓扑分析，再利用神经网络预测用户负荷，结合载波通信回传的拓扑信息，实现配电用户的拓扑分析。

以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。