[发明专利]基于模糊C均值与豪斯多夫距离的低压用户相别识别方法

说明书

本申请涉及电力系统调度技术领域，提供一种基于模糊C均值与豪斯多夫距离的低压用户相别识别方法，首先采用拉格朗日插值法对关口电压曲线和低压用户电压曲线上的不完备数据进行预处理，然后利用模糊C均值对预处理后的低压用户电压曲线进行聚类分析，接着对获得的聚类结果曲线进行求均值处理，获得聚类结果均值曲线；再计算各聚类结果均值曲线与关口各相电压曲线的豪斯多夫距离，最后根据得到的豪斯多夫距离进行相别归属。本申请可利用智能电表采集的电压信息准确且可靠地进行用户相别归属。

技术领域

本申请涉及电力系统调度技术领域，尤其涉及一种基于模糊C均值与豪斯多夫距离的低压用户相别识别方法。

背景技术

单相电表的相别信息对精准负荷建模、供电网络的线损计算、供电质量的改善以及供电可靠性的提高均具有重要意义，且基于单相电表的相别信息还可以用于负荷不平衡的检测与判断，为准确有效的负荷不平衡治理提供依据。由于负载不平衡会产生电能质量差、功率损耗增加以及变压器使用寿命缩短的问题，因此，若能准确识别用户相别信息，则可以通过调整部分用户的相别信息，尽可能达到三相负载平衡，从而降低配电线路损耗及低压供电线路耗电量，并提高电能质量和配变寿命。

现有技术中，最早采用拉线法来进行相别识别，具体操作为：先将每条线路短时切断，然后进行用户相别判断和定位，因该方法需要对线路进行停电，故效率较低。

进一步的，现有技术中还利用电压、电流或者功率与关口电表各电气量之间的关系，通过计算二者之间的关联度，实现对单相电表所在相别的判别。然而，上述方法需要获取用户电压、电流和功率信息，尽管电力公司已将配电网中手动读数模拟仪表升级到智能仪表，提高了配电网络的可观察性和可控性，但是，现有智能电表只具备采集电压及电量的功能，而无法直接获取电流和功率信息；然而，若仅仅只利用电压幅值信息进行相别识别，又容易因采集过程中难以避免的坏点信息，导致相别识别的准确率降低，进而影响拓扑检测、状态估计和故障定位检测的准确度。

综上所述，如何利用智能电表采集的电压信息准确且可靠地进行用户相别归属，是目前亟待解决的技术问题。

发明内容

为了克服现有技术的不足，本申请旨在提供一种基于模糊C均值与豪斯多夫距离的低压用户相别识别方法，能准确且可靠地实现用户相别归属。

为了实现上述目的，一方面，本申请提供一种基于模糊C均值与豪斯多夫距离的低压用户相别识别方法，具体包括：

根据预设的相别类型数量c，获取关口各相电压曲线上的关口电压，并对每相关口电压曲线上的关口电压进行预处理，获得c相预处理关口电压曲线。

获取同一关口下，多条低压用户电压曲线上的用户电压，并对每一条低压用户电压曲线上的用户电压进行预处理，获得用户电压集，所述用户电压集为所有预处理后的用户电压曲线的集合。

根据预设的相别类型数量c，采用模糊C均值算法对用户电压集中预处理后的用户电压曲线进行聚类分析，获得c个聚类中心及其对应的c个相似分类矩阵，所述相似分类矩阵为分配到同一个聚类中心的任意数量经聚类分析得到的隶属度的集合。

对每一个相似分类矩阵中所有的隶属度求均值，获得c条聚类电压均值曲线。

计算所述c条聚类电压均值曲线与所述c相预处理关口电压曲线的豪斯多夫距离。

根据所述豪斯多夫距离，对所述多条低压用户电压曲线进行相别归属，获得相别分类集，所述相别分类集为分配到同一个聚类中心的任意数量低压用户电压曲线的集合。

进一步的，获得c个聚类中心及其对应的c个相似分类矩阵的具体方法为：

获取用户电压集中所有预处理后的用户电压曲线，具体表示为：

Z＝{z_1,m,z_2,m,...z_n-x,m}