配电网线变关系识别方法、装置、电子设备及存储介质与流程

本发明涉及配电网变压器，尤其涉及一种配电网线变关系识别方法、装置、电子设备及存储介质。

背景技术：

1、配电网的线变关系识别指确定配电网变压器归属于哪一条10kv(kilovolt，千伏)线路。在实际应用中，配电网的10kv线路可能会由于暂时的配电变压器倒闸、配电变压器增设或者线路调整而使其与配电变压器的所属关系发生变化，而如果配电建档动态更新不及时，就会造成现场线变对应关系与生产管理系统、电网地理信息系统档案不一致的问题。营配档案不一致将对供电线损的计算与治理工作带来影响，因此，加强线变关系的建档管理工作对于电力企业而言是非常重要的。在实际工作中，线变关系识别的方法以依靠现场工作人员巡线的人工核查为主，这种方式不仅需要较多工作人员，工作效率较为低下，而且容易造成误识别问题。目前已有非人工巡线方法的线变关系识别的研究，包括基于停电图纹法、基于信号注入法以及基于运行数据法。

2、基于停电图纹法通常利用数据聚类方式判断相应变压器是否归属于同一10kv线路，需要利用变压器历史停电数据，若缺乏停电数据则无法开展工作，且难以实现线变识别关系的动态更新；基于信号注入法则需要外部注入通信信号或者特征电流信号，通过信号识别判断变压器归属的10kv线路，同时由于该方法需要另外安装信号注入装置以及信号识别接收装置，大规模推广下成本较高；基于运行数据法则主要通过数据聚类方式或者计算相似度判断两个变压器是否归属同一10kv线路，其中，聚类计算主要基于欧式距离等度量方式，适应维度有限，无法发掘深层次关系，且计算复杂度较高，而相似度计算则并没有考虑非线性关系，无法发掘数据之间的深层次关联关系，从而无法充分高效地利用数据，导致线变识别模型的准确度有待提高。

技术实现思路

1、本发明提供了一种配电网线变关系识别方法、装置、电子设备及存储介质，用于解决或部分解决现有相关技术中难以实现线变识别关系的动态更新、无法充分高效地利用数据导致线变关系识别准确度不高的问题。

2、本发明提供的一种配电网线变关系识别方法，所述方法包括：

3、获取配电网的变压器运行数据，并根据所述变压器运行数据构建时序变量数据；

4、构建所述时序变量数据的变分约束问题，结合nsga-ii算法对所述变分约束问题进行vmd优化迭代求解，输出模态分解变量；

5、将所述模态分解变量输入至预先训练的线变识别模型进行线变关系识别，输出线变识别结果，并基于所述线变识别结果对所述配电网的变压器线变关系进行更新。

6、可选地，所述变压器运行数据包括配电网中各个变压器的出线电压、出线电流以及有功功率，所述根据所述变压器运行数据构建时序变量数据，包括：

7、对于任一所述变压器，采用如下公式构建时序变量数据：

8、

9、其中，rk表示第k个变压器的时序变量数据，utk表示第k个变压器的配电变压器的出线电压在t时刻的运行数据，itk表示第k个变压器的配电变压器的出线电流在t时刻的运行数据，ptk表示第k个变压器的配电变压器的有功功率在t时刻的运行数据，t表示变压器运行数据的采样总时间节点数。

10、可选地，所述构建所述时序变量数据的变分约束问题，结合nsga-ii算法对所述变分约束问题进行vmd优化迭代求解，输出模态分解变量，包括：

11、初始化vmd参数，并通过如下公式构建所述时序变量数据的变分约束问题：

12、

13、通过如下公式将所述变分约束问题转化为非约束问题：

14、

15、在vmd迭代求解过程中，采用nsga-ii算法进行vmd参数寻优，并根据优化后的vmd参数对所述非约束问题进行迭代求解，输出模态分解变量；

16、其中，min(*)表示求解最小值，n表示vmd分解所对应的分解个体数，un表示相应时间序列分解得到的第n个分解序列，即第n个模态分量，ωn表示第n个模态分量的中心频率，表示对函数求偏导，δ(t)为狄拉克函数，j为虚数函数，表示指数信号，||*||表示矩阵范数，s.t.表示约束条件，表示第k个变压器时序变量数据的第r行的行向量，即待分解的时序信号，l[un(t),ωn,λ(t)]为增广拉格朗日函数表达式，λ(t)为拉格朗日乘法算子，α为惩罚参数。

17、可选地，所述采用nsga-ii算法进行vmd参数寻优的步骤，包括：

18、步骤s01：随机生成一个初始化种群，并选取包络熵作为适应度函数，其中，所述初始化种群中包含多个初始个体，每一所述初始个体对应一初始vmd参数；

19、步骤s02：对所述初始化种群进行交叉以及变异处理，获得交叉处理对应的多个交叉个体，以及变异处理对应的多个变异个体；

20、步骤s03：根据适应度函数，分别计算每个所述初始个体、所述交叉个体以及所述变异个体的个体适应度值，接着根据个体适应度值进行非支配排序，根据拥挤度进行个体选择，然后基于个体选择结果进行种群更新；

21、步骤s04：若当前迭代次数还未达到种群最大迭代次数，则重复执行步骤s02至s03，直至当前迭代次数达到种群最大迭代次数；

22、步骤s05：若当前迭代次数达到种群最大迭代次数，则根据模糊决策对最终所得种群进行模糊寻优，选取种群最优解所对应的个体作为目标vmd参数。

23、可选地，所述根据个体适应度值进行非支配排序，根据拥挤度进行个体选择，包括：

24、根据当前种群所有个体的个体适应度值进行非支配排序，将所有互相非支配的个体划分至相同个体组，接着按照个体被支配数量由少至多的顺序选取个体组；

25、在个体组选取过程中，若当前个体组的个体数与已选取的所有个体组中个体数之和超过预设种群规模，则对所述当前个体组的组内个体计算拥挤度，并按照拥挤度由小至大的顺序从所述当前个体组中选取个体。

26、可选地，所述最终所得种群对应一个目标个体组，所述根据模糊决策对最终所得种群进行模糊寻优，选取种群最优解所对应的个体作为目标vmd参数，包括：

27、采用模糊决策从所述目标个体组中选取最优个体作为目标vmd参数，具体模糊决策如下：

28、

29、

30、其中，fk表示目标个体组中第k个个体的个体适应度值，表示对个体适应度值fk进行归一化后的取值，表示第k个个体的最小适应度值，表示第k个个体的最大适应度值，表示根据模糊决策选取出的最优个体，yi表示第i个个体适应度值归一化后的集合，与分别表示根据第i个个体采用vmd分解所得电压、电流以及有功功率分解序列的包络熵适应度函数归一化后的取值。

31、可选地，所述目标vmd参数包括在进行vmd迭代求解时的分解个体数、出线电压惩罚参数、出线电流惩罚参数以及有功功率惩罚参数，所述根据优化后的vmd参数对所述非约束问题进行迭代求解，输出模态分解变量，包括：

32、根据所述分解个体数、所述出线电压惩罚参数、所述出线电流惩罚参数以及所述有功功率惩罚参数对迭代过程中的vmd参数进行参数更新，并采用如下循环更新公式对所述非约束问题进行迭代求解，输出各个变压器所各自对应的出线电压分解序列、出线电流分解序列以及有功功率分解序列：

33、

34、

35、

36、其中，表示在第q+1轮迭代下的第n个分解序列，表示在第q轮迭代下的第n个分解序列，ω表示中心频率，ui表示不同于第n个分解序列的第i个分解序列，表示对应模态功率谱的中心频率，ε表示迭代收敛精度。

37、本发明还提供了一种配电网线变关系识别装置，包括：

38、时序变量数据构建模块，用于获取配电网的变压器运行数据，并根据所述变压器运行数据构建时序变量数据；

39、vmd优化迭代求解模块，用于构建所述时序变量数据的变分约束问题，结合nsga-ii算法对所述变分约束问题进行vmd优化迭代求解，输出模态分解变量；

40、线变关系识别模块，用于将所述模态分解变量输入至预先训练的线变识别模型进行线变关系识别，输出线变识别结果，并基于所述线变识别结果对所述配电网的变压器线变关系进行更新。

41、本发明还提供了一种电子设备，所述设备包括处理器以及存储器：

42、所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；

43、所述处理器用于根据所述程序代码中的指令执行如上任一项所述的配电网线变关系识别方法。

44、本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质用于存储程序代码，所述程序代码用于执行如上任一项所述的配电网线变关系识别方法。

45、从以上技术方案可以看出，本发明具有以下优点：提供了一种配电网线变关系识别方法，首先获取配电网的变压器运行数据，并根据变压器运行数据构建时序变量数据；接着构建时序变量数据的变分约束问题，结合nsga-ii算法对变分约束问题进行vmd优化迭代求解，输出模态分解变量；然后将模态分解变量输入至预先训练的线变识别模型进行线变关系识别，输出线变识别结果，并基于线变识别结果对配电网的变压器线变关系进行更新，从而在充分高效利用数据的情况下，实现配电网线变识别关系的动态更新，同时提高线变识别准确度。