CN112698123B - 一种基于决策树的低压台区用户拓扑关系识别方法 - Google Patents

Abstract

一种基于决策树的低压台区用户拓扑关系识别方法，其特征在于，包括以下步骤：步骤1，获取用户与台区的隶属关系数据，基于用电信息采集系统获取用户电压序列数据；步骤2，根据所述隶属关系数据和所述用户电压序列数据计算每一用户与台区变压器之间每天的相关系数；步骤3，统计预设时间段内相关系数出现在不同区间的分布；步骤4，构建低压台区拓扑结构识别模型，以所述相关系数出现在不同区间的分布作为输入属性，基于低压台区拓扑结构识别模型判断用户拓扑关系数据是否准确。基于本发明中的方法，能够快速识别台区拓扑关系问题数据，有效替代人工现场核查工作，提高台区拓扑关系的准确性。

Description

一种基于决策树的低压台区用户拓扑关系识别方法

技术领域

本发明涉及网络拓扑关系的识别领域，更具体地，涉及一种基于决策树的低压台区用户拓扑关系识别方法。

背景技术

目前，准确完整的拓扑关系是电网台区实现精益化管理的基础。当用户与供电变压器隶属关系以及所连接变压器相序的准确完整，对于客户报修定位、线损管理、台区变压器三相不平衡治理等电网的维护管理具有重要作用。当前，电网中存在着部分老旧小区、沿街门面线路复杂，不法用户违约用电，私自搭接线路等现象，这些现象导致了台区用户拓扑关系的不准确甚至部分拓扑网络缺失。进一步地，电网工作人员在不停电状态下也难以识别台区的拓扑关系。

现有技术中，台区的拓扑关系识别主要集中在研制端对端通信的设备或装置，以识别用户与供电变压器隶属关系以及所连接变压器的相序。基于端对端通信的设备或装置开展台区拓扑关系识别，需要配电运检人员手持设备逐个台区现场核查，耗费大量人力、物力，效率低下，无法实时大批量开展台区拓扑关系数据核查。随着智能电表和用电信息采集系统推广应用，在电网中接入了海量的变压器，并能够获取到海量的用户监测数据，例如电压、电流、有功、无功等数据。这使得通过人工方式开展台区拓扑关系数据核查更加困难，甚至无法实现。

因此，亟需一种新型的低压用户拓扑连接关系识别方法。

发明内容

为解决现有技术中存在的不足，本发明的目的在于，提供一种基于决策树的低压台区用户拓扑关系识别方法，能够快速识别台区拓扑关系问题数据，有效替代人工现场核查工作，提高台区拓扑关系的准确性。

本发明采用如下的技术方案。一种基于决策树的低压台区用户拓扑关系识别方法，包括以下步骤：步骤1，获取用户与台区的隶属关系数据，基于用电信息采集系统获取用户电压序列数据；步骤2，根据隶属关系数据和用户电压序列数据计算每一用户与台区变压器之间每天的相关系数；步骤3，统计预设时间段内相关系数出现在不同区间的分布；步骤4，构建低压台区拓扑结构识别模型，以相关系数出现在不同区间的分布作为输入属性，基于低压台区拓扑结构识别模型判断用户拓扑关系数据是否准确。

优选地，步骤1还包括：用户与台区的隶属关系数据包括用户与台区中变压器的隶属关系数据、台区中隶属于每一变压器的用户列表；电压序列数据包括预设时间段内每一用户的采集电压值，当用户在预设时间段内的某一时刻的采集电压无效时，利用线性插值法填补所述采集电压值。

优选地，当用户在预设时间段内的某一时刻的采集电压值为空或为零时，在当前时刻向前寻找第一个非空且非零电压值V₁，在当前时刻向后寻找第一个非空且非零电压值V₂，填补当前时刻采集电压值为(V₁+V₂)/2；若当前时刻向前寻找不到非空且非零电压，则向后寻找第一个非空非零电压值V₂，和第二个非空非零电压值V₂′，填补当前时刻采集电压值为2V₂-V₂′；若当前时刻向后寻找不到非空且非零电压，则向前寻找第一个非空非零电压值V₁，和第二个非空非零电压值V₁′，填补当前时刻采集电压值为2V₁-V₁′。

优选地，步骤2还包括：以天为单位，计算每一用户与台区变压器A、B、C三相电压曲线之间的相关系数，相关系数的计算公式为：

其中，r为相关系数，n为所述三相电压曲线中的电压点数量，x和y为两个变压器的电压序列，

和

分别为x和y的均值。

优选地，步骤3还包括：步骤3.1，为相关系数划分多个预设区间；步骤3.2，统计预设时间段中每天的相关系数所落入的预设区间；步骤3.3，根据相关系数落入预设区间的区间频率设置用户属性，并根据用户属性标记用户类别。

优选地，多个预设区间为[-1,0.2)、[0.2,0.6)、[0.6,0.8)、[0.8,1)；根据相关系数落入预设区间的区间频率设置用户属性包括：A相相关系数分别落入多个预设区间时，对应的用户属性分别为F₁至F₄，B相相关系数分别落入多个预设区间时，对应的用户属性分别为F₅至F₈，C相相关系数分别落入多个预设区间时，对应的用户属性分别为F₉至F₁₂。

优选地，用户类别为A类，表示A相用户；用户类别为B类，表示B相用户；用户类别为C类，表示C相用户；用户类别为D类，表示用户与台区中变压器的隶属关系标识有误的用户。

优选地，步骤4还包括：步骤4.1，构建并验证低压台区拓扑结构识别模型；步骤4.2，输入相关系数出现在不同区间的分布至所述低压台区拓扑结构识别模型中，获得低压台区拓扑结构识别模型输出的用户类别；步骤4.3，根据低压台区拓扑结构识别模型输出的用户类别判断用户与台区的隶属关系是否准确，以及用户连接台区中变压器的相序是否准确。

优选地，低压台区拓扑结构识别模型是基于决策树训练方式获取的；并且，选取至少一个用户拓扑关系已知的台区，以台区中每一用户的拓扑关系数据作为决策树训练的训练样本集合。

本发明的有益效果在于，与现有技术相比，本发明中一种基于决策树的低压台区用户拓扑关系识别方法，能够从配电变压器和用户的电压之间的相关关系处罚，快速识别到台区拓扑关系中有问题的数据，有效代替人工现场核查工作，提高了台区拓扑关系识别的准确性。

附图说明

图1为本发明一种基于决策树的低压台区用户拓扑关系识别方法的方法流程示意图；

图2为本发明一种基于决策树的低压台区用户拓扑关系识别方法的台区变压器与用户电压曲线分布图。

具体实施方式

下面结合附图对本申请作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本申请的保护范围。

图1为本发明一种基于决策树的低压台区用户拓扑关系识别方法的方法流程示意图。如图1所示，一种基于决策树的低压台区用户拓扑关系识别方法，包括步骤1至步骤4。

步骤1，获取用户与台区的隶属关系数据，该数据可以是基于营销业务系统获取的，并经过纠错，然后再基于用电信息采集系统获取用户电压序列数据。

优选地，用户与台区的隶属关系数据包括用户与台区中变压器的隶属关系数据、台区中隶属于每一变压器的用户列表。电压序列数据包括预设时间段内每一用户的采集电压值，当用户在预设时间段内的某一时刻的采集电压无效时，利用线性插值法填补采集电压值。

优选地，当用户在预设时间段内的某一时刻的采集电压值为空或为零时，在当前时刻向前寻找第一个非空且非零电压值V₁，在当前时刻向后寻找第一个非空且非零电压值V₂，填补当前时刻采集电压值为(V₁+V₂)/2；若当前时刻向前寻找不到非空且非零电压，则向后寻找第一个非空非零电压值V₂，和第二个非空非零电压值V′₂，填补当前时刻采集电压值为2V₂-V′₂；若当前时刻向后寻找不到非空且非零电压，则向前寻找第一个非空非零电压值V₁，和第二个非空非零电压值V′₁，填补当前时刻采集电压值为2V₁-V′₁。

图2为本发明一种基于决策树的低压台区用户拓扑关系识别方法的台区变压器与用户电压曲线分布图。如图2所示，某台区变压器及其多个用户在0点至24点之间的采集电压值如图所示，每条折线代表一个用电用户的电压变化。

步骤2，根据所述隶属关系数据和所述用户电压序列数据计算每一用户与台区变压器之间每天的相关系数。

优选地，以天为单位，计算每一用户与台区变压器A、B、C三相电压曲线之间的相关系数，所述相关系数的计算公式为：

其中，r为相关系数，n为所述三相电压曲线中的电压点数量，x和y为两个变压器的电压序列，

和

分别为x和y的均值。

根据上述相关系数的计算公式，可以获得用户与变压器电压曲线之间的相关系数矩阵。表1为用户与变压器电压曲线之间的相关系数矩阵，如表1所示，可以通过计算获取到电网中每一用户A、B、C三相电压与变压器电压之间的相关系数。

表1用户与变压器电压曲线之间的相关系数矩阵

	A相	B相	C相
				用户1	1	0.864	0.859
用户2	0.864	1	0.913
				用户3	0.859	0.913	1
用户4	0.574	0.597	0.887
				用户5	0.421	0.854	0.924
…	…	…	…
				用户96	0.774	0.785	0.804

步骤3，统计预设时间段内相关系数出现在不同区间的分布。

优选地，步骤3还包括：步骤3.1，为相关系数划分多个预设区间；步骤3.2，统计预设时间段中每天的相关系数所落入的预设区间；步骤3.3，根据相关系数落入预设区间的区间频率设置用户属性，并根据用户属性标记用户类别。

优选地，多个预设区间为[-1,0.2)、[0.2,0.6)、[0.6,0.8)、[0.8,1)；根据相关系数落入预设区间的区间频率设置用户属性包括：A相相关系数分别落入多个预设区间时，对应的用户属性分别为F₁至F₄，B相相关系数分别落入多个预设区间时，对应的用户属性分别为F₅至F₈，C相相关系数分别落入多个预设区间时，对应的用户属性分别为F₉至F₁₂。

本发明一实施例中，统计该单位1月份每个用户与变压器各相相关系数值r在不同区间出现的频率。其中，用户与变压器A相相关系数r在[-1,0.2)出现频率为用户属性F₁数值，在[0.2,0.6)出现频率为用户属性F₂数值，在[0.6,0.8)出现频率为属性用户F₃数值，在[0.8,1)出现频率为用户属性F₄数值；用户与变压器B相相关系数r在[-1,0.2)出现频率为用户属性F₅数值，在[0.2,0.6)出现频率为用户属性F₆数值，在[0.6,0.8)出现频率为属性用户F₇数值，在[0.8,1)出现频率为用户属性F₈数值；用户与变压器C相相关系数r在[-1,0.2)出现频率为用户属性F₉数值，在[0.2,0.6)出现频率为用户属性F₁₀数值，在[0.6,0.8)出现频率为属性用户F₁₁数值，在[0.8,1)出现频率为用户属性F₁₂数值。

优选地，用户类别为A类，表示A相用户；用户类别为B类，表示B相用户；用户类别为C类，表示C相用户；用户类别为D类，表示用户与台区中变压器的隶属关系标识有误的用户。

表2为用户与变压器各相电压曲线相关系数与用户类别的对应表，如表2所示，当用户在一个月30天的时间内，其相关系数落入不同的区间的频率不同。每一区间对应一个用户属性。根据用户属性值，即区间频率的大小来判定每个用户的具体类别。例如，用户1与A相相关系数中F₄＝27，F₇＝28，F₁₁＝26，因此可得知用户1为A类用户。

表2用户与变压器各相电压曲线相关系数与用户类别的对应表

步骤4，构建低压台区拓扑结构识别模型，以相关系数出现在不同区间的分布作为输入属性，基于低压台区拓扑结构识别模型判断用户拓扑关系数据是否准确。

优选地，步骤4还包括：步骤4.1，构建并验证低压台区拓扑结构识别模型；步骤4.2，输入相关系数出现在不同区间的分布至所述低压台区拓扑结构识别模型模型中，获得低压台区拓扑结构识别模型输出的用户类别；步骤4.3，根据低压台区拓扑结构识别模型输出的用户类别判断用户与台区的隶属关系是否准确，以及用户连接台区中变压器的相序是否准确。

优选地，低压台区拓扑结构识别模型是基于决策树训练方式获取的；并且，选取至少一个用户拓扑关系已知的台区，以台区中每一用户的拓扑关系数据作为决策树训练的训练样本集合。

具体的，在步骤3.2.1的模型构建和验证阶段，可以选择有代表性的居民小区中的电力用户作为模型构建的初始用户。另外，可以先通过手持台区拓扑识别仪识别用户与变压器之间的隶属关系，以及所连接变压器的相序。而后可以通过计算机程序来变更部分用户与变压器之间的隶属关系数据。此时对构建的决策树在部分变更的基础上进行验证，判断被变更的隶属关系数据所对应的电力用户是否被标记为D类用户。

在本发明一实施例中，通过手持台区拓扑识别仪进行准确测试后，通过计算机程序变更了179个用户的拓扑关系，通过决策树模型来对所有用户进行拓扑关系识别后，判断出的隶属关系错误的用户153个。表3为低压用户拓扑关系数据的混淆矩阵。如表3所示，构建出的决策树模型能够满足条件。

表3低压用户拓扑关系数据的混淆矩阵

	隶属关系错误用户	A相用户	B相用户	C相用户
					隶属关系错误用户	153	5	3	8
A相用户	0	172	5	4
					B相用户	0	3	169	2
C相用户	0	1	3	171

在步骤4.2中，在实现了模型的构建和验证后，即可将统计得到的区间频率作为输入，输入至决策树模型当中，并利用决策树模型来判断用户拓扑关系标识中是否存在不准确的情况。

本发明一实施例中，可以利用某电网中400个台区的44826个用户在一个月内的拓扑连接关系进行识别，结果发现隶属关系错误的用户为744个。A相用户14636个，B相用户14712个，C相用户14734个。同时该公司营销人员对判断用户拓扑关系进行了现场核查，发现隶属关系数据错误用户679个，正确识别A相序用户14201个，B相用户14194个，C相用户14224个，准确率达到96.6％。结果证明与仅仅依靠人力现场巡测相比，该方法是切实有效的。

本发明的有益效果在于，与现有技术相比，，本发明中一种基于决策树的低压台区用户拓扑关系识别方法，能够从配电变压器和用户的电压之间的相关关系处罚，快速识别到台区拓扑关系中有问题的数据，有效代替人工现场核查工作，提高了台区拓扑关系识别的准确性。

本发明申请人结合说明书附图对本发明的实施示例做了详细的说明与描述，但是本领域技术人员应该理解，以上实施示例仅为本发明的优选实施方案，详尽的说明只是为了帮助读者更好地理解本发明精神，而并非对本发明保护范围的限制，相反，任何基于本发明的发明精神所作的任何改进或修饰都应当落在本发明的保护范围之内。

Claims (6)

1.一种基于决策树的低压台区用户拓扑关系识别方法，其特征在于，包括以下步骤：

步骤1，获取用户与台区的隶属关系数据，基于用户信息采集系统获取用户电压序列数据；

其中，用户与台区的隶属关系数据包括用户与台区中变压器的隶属关系数据、台区中隶属于每一变压器的用户列表；所述电压序列数据包括预设时间段内每一用户的采集电压值，当用户在预设时间段内的某一时刻的采集电压无效时，利用线性插值法填补所述采集电压值；

步骤2，根据所述隶属关系数据和所述用户电压序列数据计算每一用户与台区变压器之间每天的相关系数；

步骤3，统计预设时间段内每一个所述用户针对每一相电压曲线的相关系数出现在不同区间的分布；

步骤4，基于决策树训练方式构建低压台区拓扑结构识别模型，以每一个用户针对每一相电压曲线的所述相关系数出现在不同区间的分布作为输入属性，基于低压台区拓扑结构识别模型判断用户拓扑关系数据是否准确；并且，

所述步骤4还包括：

步骤4.1，构建并验证低压台区拓扑结构识别模型；

步骤4.2，输入所述相关系数出现在不同区间的分布至所述低压台区拓扑结构识别模型中，获得所述低压台区拓扑结构识别模型输出的用户类别；

步骤4.3，根据所述低压台区拓扑结构识别模型输出的用户类别判断用户与台区的隶属关系是否准确，以及用户连接台区中变压器的相序是否准确；

选取至少一个用户拓扑关系已知的台区，以台区中每一用户的拓扑关系数据作为决策树训练的验证集；

其中，所述用户拓扑关系已知为通过手持台区拓扑识别仪识别用户与变压器之间的隶属关系，以及所连接变压器的相序；通过计算机程序来变更部分用户与变压器之间的隶属关系数据；

基于所述变更部分用户、所述低压台区拓扑结构识别模型的训练结果构建混淆矩阵，并以所述混淆矩阵为条件确认所述低压台区拓扑结构识别模型符合条件。

2.根据权利要求1中所述的一种基于决策树的低压台区用户拓扑关系识别方法，其特征在于：

当用户在预设时间段内的某一时刻的采集电压值为空或为零时，在当前时刻向前寻找第一个非空且非零电压值V₁，在当前时刻向后寻找第一个非空且非零电压值V₂，填补当前时刻采集电压值为(V₁+V₂)/2；

若当前时刻向前寻找不到非空且非零电压，则向后寻找第一个非空非零电压值V₂，和第二个非空非零电压值V′₂，填补当前时刻采集电压值为2V₂-V′₂；

若当前时刻向后寻找不到非空且非零电压，则向前寻找第一个非空非零电压值V₁，和第二个非空非零电压值V′₁，填补当前时刻采集电压值为2V₁-V′₁。

3.根据权利要求1中所述的一种基于决策树的低压台区用户拓扑关系识别方法，其特征在于，所述步骤2还包括：

以天为单位，计算每一用户与台区变压器A、B、C三相电压曲线之间的相关系数，所述相关系数的计算公式为：

其中，r为相关系数，n为所述三相电压曲线中的电压点数量，x和y为两个变压器的电压序列，

和

分别为x和y的均值。

4.根据权利要求1中所述的一种基于决策树的低压台区用户拓扑关系识别方法，其特征在于，所述步骤3还包括：

步骤3.1，为相关系数划分多个预设区间；

步骤3.2，统计预设时间段中每天的相关系数所落入的预设区间；

步骤3.3，根据相关系数落入预设区间的区间频率设置用户属性，并根据所述用户属性标记用户类别。

5.根据权利要求4中所述的一种基于决策树的低压台区用户拓扑关系识别方法，其特征在于：

所述多个预设区间为[-1,0.2)、[0.2,0.6)、[0.6,0.8)、[0.8,1)；

所述根据相关系数落入预设区间的区间频率设置用户属性包括：A相相关系数分别落入所述多个预设区间时，对应的用户属性分别为F₁至F₄，B相相关系数分别落入所述多个预设区间时，对应的用户属性分别为F₅至F₈，C相相关系数分别落入所述多个预设区间时，对应的用户属性分别为F₉至F₁₂。

6.根据权利要求4中所述的一种基于决策树的低压台区用户拓扑关系识别方法，其特征在于：

所述用户类别为A类，表示A相用户；

所述用户类别为B类，表示B相用户；

所述用户类别为C类，表示C相用户；

所述用户类别为D类，表示用户与台区中变压器的隶属关系标识有误的用户。

Images