基于差分lasso的低压拓扑识别方法.docxVIP

基于差分lasso的低压拓扑识别方法 摘要：用电信息采集系统中台区档案的正确性至关重要，人工梳理的方式耗时耗力，而依靠设备的方法成本较高。为提供高效便捷且经济的台区档案识别技术，提出一种基于差分Lasso的低压拓扑识别方法，仅使用台区的用电信息即可完成自动拓扑识别。首先，对用电数据建立Lasso的统计模型，根据表箱内电表属于同一台区的特点，进一步构建差分Lasso模型。然后，通过轮询的方式依次对每个台区计算基于差分Lasso的回归系数，并根据阈值挑选表计。应用该文方法对现场采集的用电数据进行分析，其拓扑识别的结果说明了该文方法的有效性。 0 引言用电信息系统由主站、集中器、采集器、电能表组成，电力公司通过主站将台区（变压器）档案下发给集中器作为采集电表用电信息的依据。因此，台区档案是否与实际变压器—电表的拓扑关系对应将直接影响营销管理水平早期的台区拓扑辨识主要依靠人工完成，需要大量的电力工作人员到现场挨家挨户排查、梳理变压器—电表的对应归属关系，效率非常低下。并且这种依靠人工排查的方法在面对大规模台区时已无法满足实际的需求，因此亟需一种高效便捷的方法以辨识台区的拓扑关系。为了节约人力成本，市面上出现了多种台区识别仪类型的设备，大大提高了拓扑关系梳理的速度和效率。现有的台区识别仪一般是使用电力线载波（PLC）技术或者电流脉冲技术，通过发送并接收信号来判断变压器与电表的对应关系近年来，智能电表和用电信息采集系统的全面推广使得海量用电数据得以采集并存储，例如用户电压、电流、电量等信息通过分析数据获悉台区内的拓扑关系成为当前的研究重点，具有成本低、安全可靠的优点。文献为此，学者提出了多种方法，其中具有代表性的是Lasso方法根据台区数目设计迭代筛选过程，为每一台区挑选对应的用户表。该方法无需额外设备，仅需要对一段时间的用电数据进行统计分析即可获得台区内用户至变压器的归属关系，具有重要的理论研究意义和实际应用价值。1 基于差分Lasso的拓扑识别1.1 台区用户识别原理一般情况下，在台区线损正常范围内，台区总表的供电量近似等于台区下用户的用电总和。描述为线性回归问题，即为：给定数据X∈R式中：m可以看出，式（2）属于最小二乘（OLS）问题。通过求解式（2），挑选具有较大系数的x即为该台区的表计。1.2 基于差分Lasso的拓扑求解第1.1节描述了求解拓扑问题的一般思路，但是最小二乘易受噪声影响，使得系数波动比较剧烈，不方便判断系数之间的相对大小情况。另一方面，实际问题中非本台区表计的系数应该严格等于0，因此需要进一步对最小二乘的系数进行压缩，为此本文引入Lasso的求解方式。Lasso方法是在OLS基础上施加一个1-范数惩罚项，使得某些变量的系数直接变为0，其优化目标为式中λ为非负的惩罚系数。Lasso方法可以获得一系列的非零系数，方便进行变量挑选，但是并没有利用表箱中表计应该全部属于同台区这一信息，使得某些情况下会遗漏部分表计。为此，本文进一步构建一种Diff-Lasso方法，通过对表计系数的差分进行约束，使得近邻的系数近似相等，能够一定程度上解决挑选时的遗漏问题。具体的优化目标如下：式中L∈R式（5）矩阵中每一行只有2个元素非零，即-1和1，表示对应位置的两块表处于同一个表箱中，在计算系数的时候需要进行差分约束。式（4）可进一步化简为标准Lasso格式，令式中：1.3 拓扑归属判断流程对于共C个台区的数据，可根据下列步骤为每个台区挑选对应的表计。1）采集表计用电数据X∈R2）对于第c个台区，求解Diff-Lasso系数，挑选系数大于γ的表计为本台区用户，并将X中对应的数据置0。3）重复步骤2），并将最后剩余表计判定给最后一个台区。2 算例分析为验证本文方法的有效性，采集某地区3个台区70天的历史数据用作仿真分析。其中每个台区共3个表箱，每个表箱内共6块电能表。具体的拓扑归属关系如图1所示，其中，“Transformer”表示台区；“Box”表示表箱；最外层标号代表表计序号。Diff-Lasso方法中惩罚参数λ分别使用Lasso和Diff-Lasso方法获得每个台区的归属表计信息，列于表1和表2中。根据表格数据知，基于Lasso的方法能够准确识别大部分的表计归属，说明该方法是有效的，但是同样存在漏判或误判现象。而使用差分约束后，总体的准确率大大提升，仅有2块表计判断出现错误。图2给出两种方法拟合的电量曲线和实际曲线的对比图，可以看出，两种方法基本都能跟随真实的电量曲线走势，但是显然Diff-Lasso方法拟合的程度更高，尤其是对于后2个台区。为定量评价两种方法的性能，通过下式计算曲线的拟合程度，记为δ：式中y?