CN115545280B 一种低压配电网络拓扑生成方法及装置 （华南理工大学）

本发明公开了一种低压配电网络拓扑生成类集合C以及二维电压特征聚类图；运行LLE算计算特征图中簇类中心与总表簇之间的欧氏距和LLE算法得到的拓扑识别信息生成节点邻接矩2获取低压台区下各用户电表采集的电气量数据，从电气量数据中从时序电压数据矩阵中筛选异常采集数据，对筛选获得的异常采集数据进行重新赋赋初值给DBSCAN算法的输入参数，将低维电压特征数据集YT作为DBSCAN算法的输入数计算特征图中簇类中心与总表簇之间的欧氏距离关系并排序基于DBSCAN算法和LLE算法得到的拓扑识别信将节点邻接矩阵可视化生成低压配电网络节点C3、判断是否满足条件：所有高维电压数据样本对应的局部C5、计算矩阵M的前d+1个特征值及其对应的特征向量，并将第Utj表示同一时刻下各电表采集的不同用户的3示同一时序电压序列中距离异常采集数据最近的且采样时序早于时序terr与晚于时序terr4.根据权利要求1所述的一种低压配电网络拓扑生成方法，其A1、将高维电压数据点的欧式距离转换成联合概率来表达各点之间的相关性A6、得到KL散度最小的低维特征数据集，作为高维数据集的t_SNE特征表示YT＝{y1,ijk分别为高维输入数据集中任意3个高维向量；σi和σj分4ijkl分别表示初始化的或更新后的目标低维数据集Y0或Yt中任意4个低维t_1B3、将少数在簇外游离的异常样本点标记为噪音点，这些噪音点i_xj)Tj表示xi在邻域里k个最近邻中的其中任意一个样通过以下方式求取高维电压数据样本xi对应的k表示为k维全1向量；T。56[0007]获取低压台区下各用户电表采集的电气量数据，从电气[0009]赋初值给t_SNE算法的输入参数，将时序电压数据矩阵U作为t_SNE算法的输入数7别表示同一时序电压序列中距离异常采集数据最近的且采样时序早于时序terr与晚于时序[0028]A6、得到KL散度最小的低维特征数据集，作为高维数据集的t_SNE特征表示YT=8为高斯分布中心的高斯函数模型方差，通过输入参数perplexity用二分搜索的方式来确义为ε邻域内的样本点数大于等于MinPts的对象；密度可达关系定义为对9施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适指示的技术特征的数量或者隐含指明所指示的技术特属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本发明中的具体压配电台区拓扑结构的自动识别提供了数据来源。本发明利用高级量测体系(AMI)采集的方法使用改良的数据降维聚类方法分析长时间尺度下低压网络中各负荷节点的电压时空[0078]如图4所示，本实施例提供一种基于数据降维聚类与图论知识的低压配电网络拓[0079]S1.从数据采集中心获取低压[0082]S2.从电压矩阵U中筛选异常采集数据(零电压数据与电压波动大于正常值10％的u.为电压矩阵中某一采样时序terr电表采集的异常电压数据；与分别表示同一时序电压序列中距离异常采集数据最近的且采样时序早于terr与晚于terr的[0087]S4.先将高维电压数据点的欧式距离转换成联合概率来表达各点之间的相关性，为高斯分布中心的高斯函数模型方差，通过输入参数perplexity用二分搜索的方式来确式所示的梯度下降法迭代计算梯度以及对目标低维数据集表[0104]S10.赋初值给DBSCAN算法输入参数ε和提识别方法能够有效识别仿真拓扑下的3类拓扑信息，并依据识别信息生成低压配电网络方法的适用范围，本实施例还对输入数据集进行了特殊处理，在智能电表时钟同步率为100％与时钟同步率为70％两种情况下对不同采样率的用户电压数据进行算例测试，测试[0158]在一些可选择的实施例中，在方框图中提到的功能/操作可以不按照操作示图提改变以及其中被描述为较大操作的一部分的子操作被说明，所述的功能和/或特征中的一个或多个可以被集成在单个物理装置和/或软件模块算机软件产品存储在一个存储介质中，包括若干者特点可以在任何的一个或多个实施方式或示例中以合适些等同的变形或替换均包含在