基于工频潮流跟随的拓扑路径识别系统

技术领域

本发明涉及电力系统技术领域，尤其是基于工频潮流跟随的拓扑路径识别系统。

背景技术

随着智能终端设备普及和配电网自动化水平提升，用户电气量的采集更为方便，为网络拓扑识别提供了更加完善的数据基础，在此情形下，基于电气数据量相关度进行网络拓扑识别成为当下研究热点。由于不具备专业的自动、信息化技术，导致低压配电网的拓扑结构常出现缺损或错误等情况，用户报修后工作人员因不够了解低压配电网的运行情况所以不能及时修复，严重破坏了向用户供电的安全可靠性。

综上所述，

发明内容

本发明的目的是通过提出基于工频潮流跟随的拓扑路径识别系统，以解决上述背景技术中提出的缺陷。

本发明采用的技术方案如下：

提供基于工频潮流跟随的拓扑路径识别系统，包括：

数据采集模块：用于采集电力系统电力数据；

工频潮流模块：用于计算电力系统工频潮流特征；

路径识别模块：用于对电力系统拓扑路径进行识别。

作为本发明的一种优选技术方案：所述数据采集模块对电力系统拓扑路径进行编号处理，再对编号处理后的电力数据进行采集。

作为本发明的一种优选技术方案：所述数据采集模块还对采集的电力数据进行数据清洗和异常值处理。

作为本发明的一种优选技术方案：所述工频潮流模块基于牛顿-拉夫逊法计算电力系统的工频潮流分布，并基于潮流分布结果获得工频潮流参数集如下：

获取第i条拓扑路径的工频潮流参数集A

A

其中，A

获取第k条拓扑路径工频潮流参数集B

B

其中，B

作为本发明的一种优选技术方案：所述路径识别模块基于所述工频潮流模块获取的工频潮流参数集基于相似度算法进行拓扑路径的识别。

作为本发明的一种优选技术方案：所述相似度算法具体如下：

基于获取的工频潮流参数集A

其中，x为样本点，a(x)、b(x)分别为A

f为平滑参数，K()为核函数；

其中，e为数学常量；

计算A

其中，H()为相对熵计算公式，a(x

作为本发明的一种优选技术方案：所述相似度算法中，基于以拓扑识别误差最小为目标的改进人工鱼群算法进行平滑参数的寻优。

作为本发明的一种优选技术方案：所述改进人工鱼群算法包括觅食行为、聚群行为、追尾行为和随机行为四种行为。

作为本发明的一种优选技术方案：所述改进人工鱼群算法具体如下：

所述觅食行为具体如下：

人工鱼当前状态为X

X

其中，r为(0，1)间的随机数，S

比较X

其中，λ

否则进行循环寻找；若尝试最大迭代次数τ次后仍未找到，则发生随机行为；

其中，

所述聚群行为具体如下：

人工鱼当前状态为X

其中，

否则执行觅食行为；

所述追尾行为具体如下：

人工鱼当前状态为X

其中，

否则执行觅食行为；

所述随机行为具体如下：

人工鱼X

其中，

作为本发明的一种优选技术方案：所述路径识别模块基于计算样本点与n条拓扑路径间的相对熵，并选取相对熵最小的值作为识别的拓扑路径。

本发明提供的基于工频潮流跟随的拓扑路径识别系统，与现有技术相比，其有益效果有：

本发明基于工频潮流数据进行电力系统的数据分析，并基于改进人工鱼群算法优化的相似度算法进行拓扑路径的识别，改进人工鱼群算法能够增强算法的收敛性能，同时增强对于电路系统拓扑路径的识别能力，有利于工作人员对台区运行情况的及时掌握，能够帮助工作人员迅速且准确地定位到故障发生区域，实现店里系统线损情况的管理。

附图说明

图1为本发明优选实施例的系统框图。

图中各个标记的意义为：100、数据采集模块；200、工频潮流模块；300、路径识别模块。

具体实施方式

需要说明的是，在不冲突的情况下，本实施例中的实施例及实施例中的特征可以相互组合，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

参照图1，本发明优选实施例提供了基于工频潮流跟随的拓扑路径识别系统，包括：

数据采集模块100：用于采集电力系统电力数据；

工频潮流模块200：用于计算电力系统工频潮流特征；

路径识别模块300：用于对电力系统拓扑路径进行识别。

所述数据采集模块100对电力系统拓扑路径进行编号处理，再对编号处理后的电力数据进行采集。

所述数据采集模块100还对采集的电力数据进行数据清洗和异常值处理。

所述工频潮流模块200基于牛顿-拉夫逊法计算电力系统的工频潮流分布，并基于潮流分布结果获得工频潮流参数集如下：

获取第i条拓扑路径的工频潮流参数集A

A

其中，A

获取第k条拓扑路径工频潮流参数集B

B

其中，B

所述路径识别模块300基于所述工频潮流模块200获取的工频潮流参数集基于相似度算法进行拓扑路径的识别。

所述相似度算法具体如下：

基于获取的工频潮流参数集Ai(t)与B

其中，x为样本点，a(x)、b(x)分别为A

f为平滑参数，K()为核函数；

其中，e为数学常量；

计算A

其中，H( )为相对熵计算公式，a(x

所述相似度算法中，基于以拓扑识别误差最小为目标的改进人工鱼群算法进行平滑参数的寻优。

所述改进人工鱼群算法包括觅食行为、聚群行为、追尾行为和随机行为四种行为。

所述改进人工鱼群算法具体如下：

所述觅食行为具体如下：

人工鱼当前状态为X

X

其中，r为(0，1)间的随机数，S

比较X

其中，λ

否则进行循环寻找；若尝试最大迭代次数τ次后仍未找到，则发生随机行为；

其中，

所述聚群行为具体如下：

人工鱼当前状态为X

其中，

否则执行觅食行为；

所述追尾行为具体如下：

人工鱼当前状态为X

其中，

否则执行觅食行为；

所述随机行为具体如下：

人工鱼X

其中，

所述路径识别模块300基于计算样本点与n条拓扑路径间的相对熵，并选取相对熵最小的值作为识别的拓扑路径。

本实施例中，数据采集模块100对电力系统拓扑路径进行编号处理，再对编号处理后的电力数据进行采集，还对采集的电力数据进行数据清洗和异常值处理。

工频潮流模块200基于牛顿-拉夫逊法计算电力系统的工频潮流分布，并基于潮流分布结果获得45条拓扑路径的6类工频潮流参数集如下：

获取第i条拓扑路径的工频潮流参数集A

A

其中，A

T为向量的转置；

获取第k条拓扑路径工频潮流参数集B

B

其中，B

路径识别模块300基于工频潮流模块200获取的工频潮流参数集基于相似度算法进行拓扑路径的识别：

基于获取的工频潮流参数集A

其中，x为样本点，a（x)、b(x)分别为A

其中，e为数学常量；

得到：

计算A

其中，H()为相对熵计算公式，a(x

再基于以拓扑识别误差最小为目标的改进人工鱼群算法进行平滑参数的寻优：

改进人工鱼群算法包括觅食行为、聚群行为、追尾行为和随机行为四种行为。

其中，最大迭代次数为100次，觅食行为具体如下：

以第4次迭代为例，人工鱼当前状态为X

其中，r为(0，1)间的随机数，S

比较X

其中，λ

否则进行循环寻找；若尝试100次后仍未找到，则发生随机行为；

其中，

聚群行为具体如下：

以第6次迭代为例，人工鱼当前状态为X

其中，

否则执行觅食行为；

追尾行为具体如下：

以第9次迭代为例，人工鱼当前状态为X

其中，

否则执行觅食行为；

随机行为具体如下：

以第11次迭代为例，人工鱼X

其中，

在人工鱼群算法中，视野和步长取值不当将影响算法的寻优能力。为使人工鱼在迭代前期以较大视野和步长进行全局搜索，降低算法陷入局部极值的可能性，改进人工鱼群算法在迭代后期以较小视野和步长进行局部搜索，能够增强算法的收敛性能，增强对于电路系统拓扑路径的识别能力。

路径识别模块300基于计算样本点计算与45条拓扑路径间的相对熵，并选取相对熵最小的值作为识别的拓扑路径。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。