[发明专利]基于聚类的大数据相位识别方法

说明书

本发明涉及一种基于K‑means聚类算法处理供电台区内用户相位信息，来完成供电台区内用户节点的分类。本发明主要步骤包括：采集电力系统运行的智能电表的电压数据，通过PCA处理电压数据，根据数据降维投射散点设定初始聚类中心，利用K‑means算法对电压所属相位信息进行聚类分组处理，实现对供电台区内用户相位的分类识别。优点在于基于聚类的大数据相位识别方法直接利用K‑means方法将同属相位的电压信息进行聚类，可以准确判断用户相位信息，对配电台区网络拓扑及三相不平衡治理提供支持，合理调整和规划接入每相用户的数量，来维持电力系统运行的稳定；不需要增加额外硬件开销，不需要设置比较阈值，弥补了目前的相位识别技术的弊端。

技术领域

本发明涉及一种用户台区节点相位的分类领域，具体涉及一种K-means聚类大数据相位识别方法，属于配电网电参数测量应用领域。

背景技术

在电力公司的配电网运营管理中，涉及到很多和用户电能表相位相关的问题，例如：变压器台区的三相功率不平衡调整，当管理人员发现电力系统存在三相功率严重不平衡需要调整用户的相位时，因为不知道用户的具体相位，也就不知道去选择哪些用户去进行调整，无法对新客户接入网络做出评估，使其安装至最合理的相位线路上。又例如在进行线损分析时，发现了某一相线损较大时，存在线路老化隐患和窃电行为，但是因为不知道用户的相位，不能缩小检查范围，工作量非常大。用户相位识别显得非常重要。目前用户相位识别有三种方法：可以通过电力线载波通信技术进行用户节点的安装相位识别；利用相位仪构建二次回路识别；工作人员现场依据接入用户线的颜色进行识别。目前的相位识别技术有很多的不足之处：虽然可以通过电力线载波通信技术可以进行用户节点的安装相位识别，但是对于没有配备电力载波的台区，无法进行相位识别；相位仪的仪器精度，数字化，自动化程度都有待提高，且需要搭建二次回路，投资和工作量大；在用户接入处理过程中缺少电力线颜色的统一要求，无法做到根据接入用户线的颜色准确识别相位。

基于大数据分析的用户相位识别方法显得格外重要。目前我国已经基本实现了智能电能表的全覆盖工作，基于大数据分析的用户相位识别方法，不需要增加额外硬件开销，通过编写算法对采集到的用户相位电压信息进行处理、分类，准确得到对配电台区网络拓扑，能大大降低一线运检人员的工作强度和提高电力公司的运营管理水平。

虽然在大数据的相位识别方法领域可以通过线性相关法来完成用户相位的分类，但是此方法会因为阈值的选择影响分类结果；基于聚类的用户相位识别方法是一种有效的大数据相位识别方法，可以作为电力载波等相位识别等方法检验标准。

发明内容

一种基于聚类的大数据相位识别方法，由K-means聚类算法处理供电台区内用户相位信息，其特征在于：采集电力系统运行的智能电表的电压数据，通过PCA处理电压数据，根据数据降维投射散点设定初始聚类中心，利用K-means算法对电压所属相位信息进行聚类分组处理，实现对供电台区内用户相位的分类识别。基于聚类的大数据相位识别方法直接利用K-means方法将同属相位的电压信息进行聚类，可以准确判断用户相位信息，对配电台区网络拓扑及三相不平衡治理提供支持，合理调整和规划接入每相用户的数量，来维持电力系统运行的稳定；不需要增加额外硬件开销，不需要设置比较阈值，弥补了目前的相位识别技术的弊端。

本发明的有效效果在于：1.基于聚类的大数据相位识别方法直接利用K-means方法将相位的电压信息进行聚类，可以准确判断用户相位信息，对配电台区网络拓扑及三相不平衡治理提供支持，来维持电力系统运行的稳定；2.无需载波相位等专用工具识别, 减少了工作量，不需要增加额外硬件开销，不需要设置比较阈值，通过智能电能表测量电压功能相位的精确识别,弥补了目前的相位识别技术的弊端；3实现了跨台区识别,可解决电力公司营销系统档案录入错误问题,解决因此带来的线损统计错误问题，合理调整和规划接入用户的数量，对配电台区网络拓扑及三相不平衡治理提供支持，提前对新客户接入网络做出评估。

附图说明

图1为本发明的系统主程序流程图。