本技术涉及智能配电网,尤其涉及一种基于关联匹配分析的低压电网数据异常溯源的方法、系统、计算机设备及存储介质。
背景技术:
1、低压配电网作为电力系统的末端,扮演着将电能传输至住宅、商业和工业场所终端用户的关键角色,随着电动汽车、分布式能源和可再生能源的普及,低压配电网的复杂性和多样性正逐渐升级。然而,这种变化对数据的稳定性带来了一系列的挑战,包括线损、电压波动、不平衡负载等问题,高效准确的数据异常检测成为保证低压配电网可靠运行和优化利用的关键,也是推动电力行业朝着更智能、高效和可持续的方向发展的关键环节。
2、国网积极推动智能电网的建设,通过智能电表、传感器、监测设备等先进技术,实现对低压配电网的实时监测和数据采集,从而更加精准地识别异常情况,实现异常的快速定位。在电力系统中广泛应用数据分析、人工智能等前沿技术,对庞大的电力数据进行深度挖掘和精细分析,以发现隐藏的异常模式和规律,及时预警异常情况,减少潜在风险。
3、然而由于低压配电网的复杂性以及庞大的终端节点数量,传统的人工巡检和监测方法往往无法满足迅速识别数据异常并进行溯源的需求。此外,面对终端量测数据缺失以及线路参数未知等情况,传统方法也难以有效进行数据异常检测和追踪。
技术实现思路
1、本技术提供了一种基于关联匹配分析的低压电网数据异常溯源的方法、系统、计算机设备和存储介质,以解决传统的电网数据检测方法面对终端量测数据缺失以及线路参数未知的情况,无法满足迅速是被数据异常并进行追溯的需求的技术问题,实现在终端量测数据缺失以及线路参数未知的情况下,低压配电台区数据异常溯源,有效保障电力供应的稳定性。
2、为解决上述技术问题,第一方面,本技术提供了一种基于关联匹配分析的低压电网数据异常溯源的方法,所述方法包括:
3、获取低压配电台区终端各节点量测数据,根据所述各节点量测数据建立基于虚拟阻抗的拓扑检测模型;所述各节点量测数据至少包括配变节点、分支节点和用户节点的功率和电流;
4、根据所述拓扑检测模型的目标函数,将所述各节点量测数据输入双隐层循环神经网络进行训练,以确定所述各节点量测数据中潮流变量间的映射关系;
5、根据所述映射关系,计算各节点之间的虚拟阻抗值,并将所述各节点之间的虚拟阻抗值与预先设定的阈值比较,根据比较结果判断所述拓扑检测模型各节点之间连接的正确性,以定位所述拓扑检测模型各节点连接异常的用户。
6、优选的,所述根据所述各节点量测数据建立基于虚拟阻抗的拓扑检测模型,包括:
7、选择其中一个低压配电台区,所述选择的低压配电台区至少包含一个配变节点和n个用户节点;
8、根据所述选择的低压配电台区各节点的连接关系建立等值电路模型拓扑图;
9、根据所选择的低压配电台区各节点量测数据计算所述等值电路模型拓扑图各电缆段的总功率损耗;
10、根据所述各电缆段的总功率损耗计算所述等值电路模型拓扑图的线路损耗;
11、将所述线路损耗作为所述拓扑检测模型的目标函数。
12、优选的,所述目标函数为:
13、
14、其中,p0表示低压配电台区中配变节点的智能电表出口端有功功率;pj表示用户节点j的智能电表出口端有功功率;ij表示用户节点j的智能电表出口端电流;ik表示分支节点k的智能电表出口端电流;n表示低压配电台区中用户节点数目;n表示低压配电台区中用户节点数目;mjk表示用户节点j和分支节点k上游交汇处各段的虚拟阻抗值与功率因数倒数平方的乘积。
15、优选的,所述根据所述拓扑检测模型的目标函数,将所述各节点量测数据输入双隐层循环神经网络进行训练,以确定所述各节点量测数据中潮流变量间的映射关系,包括:
16、根据所述拓扑检测模型的目标函数,以确定所述各节点量测数据中需要拟合的潮流变量,所述需要拟合的潮流变量为:[i0,p1,···,pj,···pn]和[p0,i1,····,pj,···,in];
17、将[i0,p1,···,pj,···,pn]t作为所述双隐层循环神经网络的输入,将[p0,i1,···,pj,···,in]t作为所述双隐层循环神经网络的输出,对所述双隐层循环神经网络进行训练;
18、通过所述训练完成的双隐层循环神经网络,确定所述[i0,p1,···,pj,···,pn]和[p0,i1,···,pj,···,in]之间存在的映射关系;
19、所述[i0,p1,···,pj,···,pn]和[p0,i1,···,pj,···,in]之间存在的映射关系为:
20、
21、其中,x为配变节点的注入电流及用户节点的有功功率组成的n+1维向量;w(i)为第i个隐藏层的权重矩阵;b(i)为第i个隐藏层的偏置向量;k为双隐层循环神经网络的隐藏层的数量,且k的值为2;y为配变节点的有功功率及用户节点的注入电流组成的n+1维向量。
22、优选的,所述虚拟阻抗值计算公式为:
23、
24、其中,mjk表示节点j和k之间的虚拟阻抗值。
25、优选的,所述根据比较结果判断所述拓扑检测模型各节点之间连接的正确性,以定位所述拓扑检测模型各节点连接异常的用户,包括:
26、若所述节点间的虚拟阻抗值小于等于阈值,则表示所述节点间的拓扑连接正常;
27、若所述节点间的虚拟阻抗值大于阈值,则表示所述节点间的拓扑连接异常;
28、根据所述拓扑连接异常的节点确定所述拓扑检测模型各节点连接异常的用户。
29、优选的,所述预先设定的阈值的计算公式为:
30、
31、其中,n表示虚拟阻抗值的数量;mjk_g表示第i个归一化虚拟阻抗值。
32、第二方面,本技术还提供了基于关联匹配分析的低压电网数据异常溯源的系统,所述系统包括:
33、拓扑检测模型构建单元、映射关系拟合单元、异常检测追溯单元;
34、所述拓扑检测模型构建单元:用于获取低压配电台区终端各节点量测数据,根据所述各节点量测数据建立基于虚拟阻抗的拓扑检测模型;所述各节点量测数据至少包括配变节点、分支节点和用户节点的功率和电流;
35、所述映射关系拟合单元:用于根据所述拓扑检测模型的目标函数,将所述各节点量测数据输入双隐层循环神经网络进行训练,以确定所述各节点量测数据中潮流变量间的映射关系;
36、所述异常检测追溯单元:用于根据所述映射关系,计算各节点之间的虚拟阻抗值,并将所述各节点之间的虚拟阻抗值与预先设定的阈值比较,根据比较结果判断所述拓扑检测模型各节点之间连接的正确性,以定位所述拓扑检测模型各节点连接异常的用户。
37、第三方面,本技术还提供一种计算机设备,所述计算机设备包括存储器、处理器和收发器,它们之间通过总线连接;存储器用于存储一组计算机程序指令和数据,并将存储的数据传输给处理器,处理器执行存储器存储的程序指令,以执行上述所述的方法。
38、第四方面,本技术还提供一种计算机可读存储介质,述计算机可读存储介质中存储有计算机程序,当所述计算机程序被运行时,实现上述所述的方法。
39、本技术提供了一种基于关联匹配分析的低压电网数据异常溯源的方法、系统、计算机设备及计算机存储介质。所述方法包括:利用低压配电台区终端的量测数据,包括配变节点和用户节点的智能电表所采集到的功率、电压和电流等信息,建立基于虚拟阻抗的拓扑检测模型,深入分析量测节点间的电气距离;通过引入双隐层循环神经网络,对节点量测数据中潮流变量间的映射关系进行建模,实现各节点之间的关联匹配;基于节点间的关联匹配分析,计算出各节点之间的虚拟阻抗值,从而能够准确地检测各节点之间的拓扑连接是否存在问题,定位拓扑连接异常的用户。本技术的技术方案能够在终端量测数据缺失以及线路参数未知的情况下,实现低压配电台区数据异常的溯源,有效保障电力供应的稳定性和用户满意度,有助于实现新型智能电力系统的构建,推动电力行业的进一步发展和社会的可持续繁荣。