基于GIS坐标缩小计算范围的低压动态拓扑识别方法

技术领域

本发明属于智能电网、智能用电技术领域，具体涉及一种基于GIS坐标缩小计算范围的低压动态拓扑识别方法。

背景技术

在步入21世纪新纪元以来，科学技术的进步、消费的水平提高使中国房地产行业进入快车道。居民用宅的上升、用电需求的增加导致了新旧社区建档混乱、档信息漏建、错建等问题。过去，由于科技相对落后，很多低压台区线路拓扑关系图还不够成熟，有的甚至还处于雏形的阶段，当线路出现异常、损坏、故障、甚至引起火灾时，难以做到精确锁定问题点，导致排查效率过低、耗时过长等问题；这无疑造成了大量的人力、物力、财力的浪费。

目前，市面上通过采用信号特性、离散子拓扑序列、拓扑快速识别、聚类算法等方法解决了小面积的住宅区、商业用地等，但对大面积空间增长的住宅区算法的运算却造成巨大的笛卡尔积运算量，导致了算力膨胀问题，无疑给技术推广带来了巨大的困难与挑战。

因此，需要一种缩小计算范围的低压动态拓扑识别方法以解决上述问题。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于GIS坐标缩小计算范围的低压动态拓扑识别方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：基于GIS坐标缩小计算范围的低压动态拓扑识别方法，其特征在于，包括以下步骤：

一、获取用户采集档案的台区的总表GIS信息及用户表GIS信息，采用欧式空间距离计算出表间距离：

r

式中，r

二、基于欧式空间距离计算公式，分别计算出所有分表与各总表间的距离，得到总分表距离矩阵：

式中，A

三、分别以总表为圆心，以R为半径，画主圆，随后以不同半径在主圆外侧画主圆的同心圆，将不同范围内的分表记录在集合内，相邻同心圆之间构成圆环，并统计不同圆环内分表的数量；

四、利用拓扑识别弱特征匹配算法，得到总表与分表相似度矩阵：

式中，A

五、根据步骤四得到的总表与分表相似度矩阵，当相似度低于设定阈值且与设定阈值最为接近时，总表与分表的距离即为最大总表分表距离Lr；

六、根据步骤五得到的最大总表分表距离Lr，从步骤二得到的总分表距离矩阵中筛选出在最大总表分表距离Lr范围内的总表和分表集合用于后续拓扑计算，得到拓扑关系。

优选的，步骤四中所述拓扑识别弱特征匹配算法包括以下步骤：

41、对分表和总表的电压曲线数据之间的相似度进行计算，取相似度最高的台区及相位作为该用户拓扑的实际归属关系；

42、随后通过步骤三得到的不同半径的同心圆内的分表与总表进行拓扑识别匹配来获取到总表与户表的相似度数值。

其中，将电压相似性用于拓扑关系已有过验证。

优选的，步骤42中利用皮尔逊相似度算法对分表与总表进行拓扑识别匹配。利用皮尔逊相似度算法分表与总表进行拓扑识别匹配是经过实验验证很好的一种相似度算法。

优选的，步骤三中半径R为总表分表的最近距离。以总表分表的最近距离作为选取初始半径R，避免选取过大或者过小造成影响。

优选的，步骤三中不同半径为R+100i，其中，i为正整数。

优选的，步骤一中以供电所为单位，获取用户采集档案的台区的总表GIS信息及用户表GIS信息。

发明原理：本发明引入了地理信息系统(GIS)技术，先通过小范围拓扑识别，再通过小范围叠加达到大面积拓扑识别；动态将大面积区域划分为多个小面积区域，降低笛卡尔积的计算量，使得程序的时间复杂度大大减低，从而提高大工程项目落地的可能性。

有益效果：本发明的基于GIS坐标缩小计算范围的低压动态拓扑识别方法以总表为中心向外发散，通过总分表相似度阈值判断得到对应小范围的总表分表距离；从而可以在小范围内先确定拓扑识别，大大减少了计算量及计算复杂度；通过将总分表精细化模块覆盖，具有极强得重复操作复制性，可以通过小范围得不断叠加从而达到大范围覆盖得目的。

附图说明

图1是基于GIS坐标缩小计算范围的低压动态拓扑识别方法流程示意图；

图2是以总表为圆心的主圆和同心圆的示意图；

图3是总表分表计算关系图。

具体实施方式

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。

请参阅图1，本发明提出的基于本次提出的一种基于GIS经纬度换算距离以缩小计算范围的低压台区的动态性拓扑识别方法，在南京江宁某供电所下台区实施效果验证，具体实施和效果参见以下步骤；

基于本次提出的基于GIS经纬度换算距离以缩小计算范围的低压台区的动态性拓扑识别方法，在南京江宁某供电所下台区实施效果验证，具体实施和效果参见以下步骤；

步骤一：以供电所为单位，获取该供电所范围用户采集档案的台区总表GIS信息Master1，Master2，Master3，…，MasterN及用户表GIS信息Sub1，Sub2，Sub3，…，SubN。采用欧式空间距离计算出表间距离。

计算公式如下：

r

其中：

r

longitude

longitude

R地球半径，取值6371千米

步骤二：基于欧式空间距离计算公式，分别计算出所有分表与各总表间的距离,得到总分表距离矩阵；

其中，Am表示分表(Sub),Bn表示总表(Master)

|AB|mn表示分表Am(Sub)与总表Bn(Master)间的距离。

步骤三：基于步骤二计算结果，总表MasterN为圆心，以总表分表最近距离为半径R；随后半径以等差数列的形式向外扩张形成同心圆，其中公差为100米，半径集合为[0，100，200，300，400，500，600，700，800，900，1000，....]；并把不同范围内的分表记录在集中，其中圆环跳跃方式就是公差100米，分别统计不同圆环内[R1,R2-R1,R3-R2,....]的分表数量，示意图如图2所示。

步骤四：运用低压台区拓扑识别弱特征匹配算法；其核心是通过户表与总表电压曲线数据之间的相似度计算，取相似度最高的台区及相位作为该用户拓扑的实际归属关系；随后通过半径为R1，R2-R1，...内的分表与总表进行拓扑识别匹配(皮尔逊相似度算法)来获取到总表与户表的相似度数值，其总表与户表电压数据矩阵如下：

其总表与户表相似度矩阵如下：

其中，Am表示分表(Sub)，Bn表示总表(Master)

S(|AB|mn)表示分表Am(Sub)与总表Bn(Master)的相似度数值。

步骤五：基于步骤四得到的相似度计算结果进行相似度阈值判断，当相似度低于对应设定阈值，即可得出较为合理的最大总表分表距离Lr；

距离与相似度阈值设定：

[0-100米,75％]

[100-200米,80％]

[200-300米,85％]

[300-400米,90％]

[400-500米,95％]

[500-600米,90％]

[600-700米,85％]

[700-800米,80％]

[800-900米,75％]

[900-1000米,70％]

[1000米以上,70％]

步骤六：基于步骤五得到的最佳距离Lr，从步骤二得到的总分表距离矩阵集合中，筛选出在最佳距离Lr特定范围内的总分表集合，用于后续拓扑计算，最终确认拓扑关系；

综述：实施验证过程中，距离在400-500米是最佳距离，符合设定的相似度阈值，另外在实际勘测中，识别出的总分表与实际档案关系匹配度达到95％以上。通过这种方式，对比传统的盲选范围辨识，计算复杂度和辨识效果都有效的得到了提升。