[0001] 本发明涉及配电网技术领域，具体是一种低压配网户变关系校核方法、装置、系统及介质。

[0002] 户变关系是低压台区最重要的基础档案信息，在负荷管理、台区互济、潮流计算、状态估计、线损精益化管理、故障定位等面有广泛应用，但前清后乱的档案维护工作也是长期以来一直困扰电网公司治理难题。随着台区精益化管理水平和数字化运维转型的升级发展，“停电校核”、“现场经验观察”及“拓扑识别工具”等传统的人工维护模式费时费力，并且在更新速度上更是无法满足应用分析要求，如日线损的分析诊断、可开放容量优化分配、台区源荷协同自治都需要准确的实时户变关系。为解决这一工程应用难题，户变关系自动识别技术逐步成为研究热点。从技术原理上来看，现有的户变自动识别技术主要分为两大类，一类是信号匹配法，包括通信信号匹配及注入功率信号匹配；另一类是数据驱动法，基于AMI采集的海量量测数据，根据电路运行机理分析，从电压相关性、能量守恒特性等作为突破口，结合机器学习方法进行建模研究。

[0003] 信号匹配法主要是工程手段，学术研究较少，该类方法识别效率高但需要安装设备，工程建设成本高。在通信信号匹配方面，借助低压台区载波通信终端的HPLC通信信号，通过通信信号标签匹配、通信报文特性、信号传输时间测量及工频信号过零点检测等方法进行户变及相位判断。该类方法仅适用HPLC全覆盖通信覆盖台区，且易受电磁耦合及噪声干扰，此外工程中因影响AMI系统采集成功率所以使用度并不高。在功率信号注入法研究方面，通过信号发生装置产生特定间谐波的功率信号进行拓扑匹配，该方法工程实施量大、成本高、存在安全隐患，且对复杂结构的鱼骨电网会失效。

[0004] 对于数据驱动法，AMI系统积累了海量用户侧负荷量测数据，应用机器学习、大数据分析等方法挖掘既有计量数据的非计量价值，对于工程应用价值极大，学术界已开展了广泛第研究，其中一类是基于节点电压的时空分布及关联特性，通过皮尔逊相关性系数、灰色关联度等相关性分析进行户变从属关系判断；此外户变关系识别实质上是解决分类问题，另一些研究将聚类算法引入其中，该类方法主要从电压特征有效提取方法及聚类算法优化两方面开展研究，但对电压数据质量要求高，严格的数据筛选条件会大大降低可算率，且对小电量台区、光伏台区及同一馈线下的邻近台区等场景，受电气距离、光伏并网电压等客观因素影响，算法适用性有限。

[0054] 为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

[0055] 请参阅图1，本发明第一方面提供一种低压配网户变关系校核方法，包括如下步骤：

[0056] 步骤1：根据用户及变压器的负荷波形提取负荷事件，所述负荷事件包括有功功率数值超出预设阈值的负荷事件数据。所述负荷事件数据包括：事件的发生时段、事件的有功功率与无功功率、事件的类型。

[0057] 具体的，从用户及变压器的负荷波形中选取同一日内的所有的功率录波数据，进行负荷事件的检测与提取，并记录下有功功率数值大于等于800瓦特的负荷事件数据以及其对应的发生时间。时间格式为年‑月‑日‑时‑分‑秒，采用24小时计时法。

[0058] 步骤2：根据步骤1中提取的负荷事件提取负荷特征，所述负荷特征包括负荷事件发生时间、负荷类型、负荷有功功率值和对应的负荷无功功率值。

[0059] 根据步骤1中提取的负荷事件，对待识别户变端(指用户侧终端、变压器侧终端)相应的负荷特征进行提取并记录。本发明实施例选取负荷事件发生时间、负荷类型、负荷有功功率值和对应的负荷无功功率值构造负荷特征。

[0060] 步骤3：对步骤2提取的负荷特征进行字符化处理，并按照预顺序依次排列得到待辨识用户的负荷事件字符串序列。待辨识用户指的是需要确认归属于哪一个变压器的用户的集合。

[0061] 步骤3具体包括：

[0062] 步骤3.1：将负荷事件发生时间以15分钟为一个区分区间，进行字符化处理，即将一个数值范围划分出若干区间，每个数值用所处区间的对应字符表达。

[0063] 具体处理方式为：负荷事件发生时间为T.start，则T＝seconds(T.start)。seconds(*)函数用于将对应持续时间转化为以秒为单位的数值，如seconds(1分‑25秒)＝
85(秒)。将字符化后的T记为TS，TS＝floor(T/900)+1。floor(*)函数表示对于输入数值进行向下取整，即取不大于输入数值的最大整数，如floor(3.2)＝3。数字表达就是一种字符表达方式，比如0时1分25秒的字符表达就是“1”，1时15分28秒就是“6”。每天划分成96个时段，每15分钟一段，这个时刻位于哪一个时段，其字符表达就是时段所在的数字。这一步的目的就是将秒级时刻记录转化为分钟级的，即每15分钟一个大区间的分钟时刻数据。简而言之，第几个15分钟时段发生，就记录为几。TS就是最后的字符表达，可以为{1，2，3,....95，96}。

[0064] 步骤3.2：识别相应负荷事件的负荷类型TYPE，将阶跃型字符化为S，冲击型字符化为P，不属于上述两种类型的其他型字符化为E。

[0065] 步骤3.3：负荷有功功率值以100瓦特为一个区分区间，进行字符化处理。根据录波数据计算得到的有功功率值记为P，则将其字符化后记为PS，PS＝floor(P/100)+1。

[0066] 步骤3.4：负荷无功功率值以100乏为一个区分区间，进行字符化处理。根据录波数据计算得到的有功功率值记为Q，则将其字符化后记为QS，QS＝floor(Q/100)+1。

[0067] 步骤3.5：将单个负荷事件对应的四个字符化处理后的特征字符组合成字符串EVENT，EVENT＝{TS，TYPE，PS，QS}。

[0068] 步骤3.6：将待识别户变端各负荷事件对应的字符串按照负荷事件发生时间的前后顺序依次排列，得到待辨识用户的负荷事件字符串序列；若负荷事件发生时间TS相同，则按照负荷类型S、P、E的递减优先顺序进行排列，S为最优先字符；若仍然无法区分排列顺序，则PS较小者排列在前；若PS相同，则QS较小者排列在前。

[0069] 步骤4：计算待辨识用户的负荷事件字符串序列与每个变压器的负荷事件字符串序列的最长公共子序列，根据所述最长公共子序列计算待辨识用户与各变压器对应的时间偏差熵值，根据所述时间偏差熵值确定待辨识用户所属的变压器。

[0070] 步骤4具体包括：

[0071] 步骤4.1：定义最长公共子序列的：对于一个序列W，如果分别是两个或多个已知序列的子序列，且是所有符合此条件序列中最长的，则W称为已知序列的最长公共子序列。

[0072] 步骤4.2：将待辨识用户的负荷事件字符串序列与各变压器的负荷事件字符串序列进行最长公共子序列匹配计算。通过动态规划算法，找出待辨识用户的负荷事件字符串序列与每个变压器的负荷事件字符串序列的最长公共子序列。

[0073] 步骤4.3：根据步骤4.2得到的最长公共子序列进行回溯，提取待辨识用户的负荷事件序列与各变压器的负荷事件序列中的对应事件，构成子序列中元素的户变端负荷事件，得到若干事件对。每个事件对由用户序列中的事件和变压器序列中的对应事件组成，形成一组一一对应的事件对。事件对中的两个负荷事件构成的字符串完全相同。

[0074] 步骤4.4：对于每一组事件对，计算用户事件与变压器事件的时秒级时间偏差。时间偏差为两个事件发生时间的绝对差值，单位为秒。

[0075] 步骤4.5：将所有事件对的时间偏差值构成一个集合，计算所有时间偏差值的熵。熵的计算公式为 其中n是时间偏差值的不同取值个数，pi是每种偏差值
在集合中出现的概率。

[0076] 步骤4.6：计算用户与各变压器对应的时间偏差熵值，将最小的时差熵值对应的变压器确定为该用户所属的变压器。

[0077] 步骤5：户变关系校核

[0078] 步骤5.1：将各待辨识用户负荷事件序列利用步骤4得到所有用户的户变识别结果。

[0079] 步骤5.2：将所有用户的户变识别结果与系统档案进行对比，若某用户的识别结果给出的该用户的归属变压器编号与系统档案中记录的该用户的归属变压器编号不一致，则认定该用户为异常用户。

[0080] 本发明实施例选择了5个台区，每个台区随机选取20个用户，根据本发明所需数据内容与形式，采样100个用户和5个变压器终端在4日内的负荷数据。对于某个台区的每日数据，随机地从其余四个台区中各抽取2个用户，将同一日的数据混入该台区用户数据中。利用本发明校核效果如表1所示：

[0081] 表1

[0082]

[0083] 根据实验数据结果来看，本方法每日均能检测出错误用户，平均检测成功率超过85％。并且本方法在4日内只存在被漏检测，不存在被错误检测出的用户，方法置信度高。

[0084] 本发明另一方面提供一种低压配网户变关系校核装置，包括：

[0085] 负荷事件提取模块，用于根据用户及变压器的负荷波形提取负荷事件，所述负荷事件包括有功功率数值超出预设阈值的负荷事件数据；

[0086] 负荷事件提取模块，用于根据提取的负荷事件提取负荷特征，所述负荷特征包括负荷事件发生时间、负荷类型、负荷有功功率值和对应的负荷无功功率值；

[0087] 字符化处理模块，用于对提取的负荷特征进行字符化处理，并按照预顺序依次排列得到待辨识用户的负荷事件字符串序列；

[0088] 用户归属判别模块，用于计算待辨识用户的负荷事件字符串序列与每个变压器的负荷事件字符串序列的最长公共子序列，根据所述最长公共子序列计算待辨识用户与各变压器对应的时间偏差熵值，根据所述时间偏差熵值确定待辨识用户所属的变压器；

[0089] 校核模块，用于将确定的待辨识用户所属的变压器与系统档案记录的所述待辨识用户的归属变压器进行校核。

[0090] 本发明另一方面提供了一种低压配网户变关系校核系统，包括：计算机可读存储介质和处理器；

[0091] 所述计算机可读存储介质用于存储可执行指令；

[0092] 所述处理器用于读取所述计算机可读存储介质中存储的可执行指令，执行第一方面所述的低压配网户变关系校核方法。

[0093] 本发明另一方面提供了一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现第一方面所述的低压配网户变关系校核方法。

[0094] 本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD‑ROM、光学存储器等)上实施的计算机程序产品的形式。

[0095] 本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

[0096] 这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

[0097] 这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

[0098] 最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。