基于HPLC深化应用和机器学习的配电台区低电压分析方法与流程

本发明涉及台区电压，更具体地说，它涉及基于hplc深化应用和机器学习的配电台区低电压分析方法。

背景技术：

1、随着社会经济的发展，居民生活水平不断提高，配电台区用电性质发生了根本性的改变，用电需求进入更高层次，供电低电压现象成为影响供电质量的主要问题之一。由于电力线载波(hplc)和人工智能技术的飞速发展，其通信速率提高了数十倍，可以更好地满足当前的数据采集和通信需求，建立机器学习模型可准确地提取了电压、电流、全量数据的多维数据实现更好的低电压分析和研判。为了提高供电服务和客户满意度，精准、高效进行低电压的分析和研判，在配变低压台区探索基于hplc深化应用和机器学习的配电台区低电压分析和研判是解决低电压问题的基础和关键。

技术实现思路

1、为了克服现有技术中所存在的上述缺陷，本发明提供了基于hplc深化应用和机器学习的配电台区低电压分析方法，用于低压配电台区精准、高效的进行低电压的分析和研判，对于加强配电网中电压质量的监测，对提高供电服务水平具有重要意义。

2、本发明的上述技术目的是通过以下技术方案得以实现的：基于hplc深化应用和机器学习的配电台区低电压分析方法，包括以下步骤：

3、s1、通过基于hplc深化应用的sta曲线存储功能和hplc的高速并发通信能力，实现多量数据的分钟级曲线的分布式采集、存储和sta采集主动上报；

4、s2、通过基于hplc深化应用的相位识别技术实现台区的精准相位识别，为台区拓扑自动识别提供台区相位拓扑数据；

5、s3、采用基于hplc深化应用的台区拓扑自动识别功能实现台区的初步拓扑识别；

6、s4、通过相位比对法，对台区拓扑识别进行局部调整和计算，绘制出准确的台区拓扑图；

7、s5、根据台区拓扑关系，计算台区节点阻抗；

8、s6、获取低压台区的gis多维度数字信息；

9、s7、进行多源系统数据集成，通过机器学习算法对大数据进行融合和处理；

10、s8、输出每个用电用户的供电距离、供电线径、变压器容量、实际压降和理论压降；

11、s9、根据实际压降和理论压降的偏差，结合供电距离、供电线径、变压器容量精准分析引起低电压的原因，分析和诊断出台区现场实际低电压的原因。

12、进一步的，步骤s1中分钟级实时多量数据采集的内容包括：电压、电流、功率和电能。

13、进一步的，步骤s6中所述的gis多维度数字信息包括：台区名称、客户信息、地理位置、供电线径、变压器容量、供电半径、最大负载率、中性点电流和电压区间范围。

14、进一步的，步骤s7中所述的机器学习算法采用ga-ann算法。

15、综上所述，本发明具有以下有益效果：本发明提供的基于hplc深化应用和机器学习的配电台区低电压分析方法，用于低压配电台区精准、高效的进行低电压的分析和研判，对于加强配电网中电压质量的监测，对提高供电服务水平具有重要意义。

技术特征：

1.基于hplc深化应用和机器学习的配电台区低电压分析方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的种基于hplc深化应用和机器学习的配电台区低电压分析方法，其特征在于，步骤s1中所述分钟级实时多量数据采集的内容包括：电压、电流、功率和电能。

3.根据权利要求1所述的种基于hplc深化应用和机器学习的配电台区低电压分析方法，其特征在于，步骤s6中所述的gis多维度数字信息包括：台区名称、客户信息、地理位置、供电线径、变压器容量、供电半径、最大负载率、中性点电流和电压区间范围。

4.根据权利要求1所述的种基于hplc深化应用和机器学习的配电台区低电压分析方法，其特征在于，步骤s7中所述的机器学习算法采用ga-ann算法。

技术总结本发明涉及台区电压技术领域，公开了基于HPLC深化应用和机器学习的配电台区低电压分析方法。本发明提供的基于HPLC深化应用和机器学习的配电台区低电压分析方法，用于低压配电台区精准、高效的进行低电压的分析和研判，对于加强配电网中电压质量的监测，对提高供电服务水平具有重要意义。技术研发人员：龙波,罗富文,林垂涛,封浩受保护的技术使用者：湖南华烨智能通信技术股份有限公司技术研发日：技术公布日：2024/7/25