[发明专利]一种用于低压配电网的用户台区分析方法

权利要求书

1.一种用于低压配电网的用户台区分析方法，其特征在于，包括：

S1、从用户侧的智能电表和台区配变监测系统中采集数据，并对采集到的数据进行第一预处理，输出电压有效值时间序列数据；

S2、针对所述电压有效值时间序列数据，利用动态时间规划(DTW)模型，进行第二预处理，其中所述第二预处理用于处理所述电压有效值时间序列数据中数据非同步；

S3、完成全部预处理后，获取用户侧的智能电表的电压监测时间序列数据，和所述台区配变监测系统的电压监测时间序列数据，并进行用户的台区辨识。

2.根据权利要求1所述的方法，其特征在于，所述S1包括：

对用户侧的智能电表和台区配变监测系统采集到的电压有效值数据，进行第一预处理，所述第一预处理包括：

S11、根据所设置的电压有效值变动的阈值范围，在采集到的电压有效值数据中，剔除超出阈值范围的异常电压数据；

S12、对待输出的电压有效值时间序列数据中缺失的电压数据进行补全填充。

3.根据权利要求2所述的方法，其特征在于，针对0.4kV低压配电网台区内220V单相用户的电压波动，设置的阈值范围包括上限幅度为+7％和下限幅度为-10％。

4.根据权利要求2所述的方法，其特征在于，所述S12包括：

基于模型对待输出的电压有效值时间序列数据中缺失的电压数据进行补全填充，其中，X为数据补全填充之后的矩阵，其秩为rank(X)；M表示台区辨识综合数据矩阵，Ω为对应于M中被观测到元素的位置集合，若M_i,j非空，则有(i,j)∈Ω；||X||为X的核范数，表示的是X的所有奇异值之和，i,j分别表示台区辨识综合数据矩阵中第i行j列，i、j都为正整数。

5.根据权利要求4所述的方法，其特征在于，X的奇异值收缩算子为D_τ，D_τ(X)＝UD_τ(Σ)V^T，U为m×m阶酉矩阵，Σ为m×n阶非负实数对角矩阵，V为n×n阶酉矩阵,m为用户侧的智能电表单相电压有效值数据矩阵的数量，m为配变监测三相电压有效值数据矩阵的数量，D_τ＝diag({σ_i-τ}₊)表示将所有奇异值减去τ后，取其中仍为正数者，{t}₊＝max(0,t)，τ为奇异值收缩算子的收缩步长。

6.根据权利要求2所述的方法，其特征在于，所述S3包括：

S31、对用户侧的智能电表和所述台区配变监测系统各自的电压监测时间序列数据，进行聚类分析；

S32、聚类分析后得到用户电压序列数据到不同台区模糊聚类中心的隶属度值，根据所得到的隶属度值进行用户的台区辨识。

7.根据权利要求6所述的方法，其特征在于，在所述聚类分析的过程中，包括：

获取用户与配变各相电压监测数据构成的聚类样本矩阵H：其中，用户电压数据矩阵:L＝[l₁,l₂...,l_n]，配变总表电压监测数据矩阵Z＝[z_n+1,z_n+2...,z_m]，p表示用户及配变各相电压监测数据的维度，聚类得到的样本数据划分为c个模糊类，聚类中心矩阵V＝{v₁,v₂,…v_c}。

8.根据权利要求7所述的方法，其特征在于，所述S32中，包括：

获取表示样本数据与聚类组的隶属程度的隶属度矩阵U，其中，u_ik表示第k个样本数据到第i个聚类中心的隶属度。

根据隶属度矩阵U得到模糊聚类的目标函数：

其中，d[l(ni),Z(mi)]为第k个用户电压序列样本数据到第i个聚类中心的DTW距离，l表示表示用户智能电表电压监测数据向量，J(U,V)表示将用户及配变共计m个电压监测数据向量分为c个模糊组，并求每组的聚类中心，f为模糊度加权指数，f＝2。minJ(U,V)是使得相似性指标的目标函数达到最小值。