基于量子遗传和核模糊聚类的低压台区户变关系识别

发布时间：2021-07-02 14:33

　　户变关系对于营配融合、线损分析等业务的开展具有重要作用。为了得到准确的户变关系,提出一种基于量子遗传和模糊聚类的户变关系识别方法,该方法根据不同台区电能表的电压过零偏移特征不同,采用核模糊C均值聚类对电能表电压的过零偏移进行分类,通过与变压器端的过零偏移比较,实现户变关系识别。主要创新点为:采用量子遗传算法对模糊C均值聚类的聚类中心和核参数进行优化,提高聚类精度和效率;提出一种基于类间距离和类内距离的适应度函数构造方法;引入小生境协同进化策略、动态调整策略、Hadamard门变异策略,提高算法寻优能力。通过对Benchmark函数和UCI数据集特征的仿真测试,验证了所提出方法比标准核模糊C均值聚类具有更高的聚类精度和运算效率。采用文中方法对实际的台区变压器和电能表数据进行归属识别,结果表明,所提出方法得到的结果与真实户变关系一致,具有较好的应用效果。 

【文章来源】：电测与仪表. 2020,57(20)北大核心

【文章页数】：8 页

【部分图文】：

相位偏移示意图

采用文中提出的IQGA-KFCM针对现场低压台区电能表和变压器过零偏移数据，进行求解，得到户变关系。针对沿海某市某台区现场，采用如图2所示，基于现有设备进行数据采集，通过电能表和集中器进行数据采集，汇总到主站，进行处理。该现场包括四个台区变压器，下属共234块电能表，统计分析变压器端过零偏移数据表6所示，电表端过零偏移数据过大，这里不做展示。则可转化为利用IQGA-KFCM对一个包含234个电能表的数据集通过聚类分析分为4类的问题。参数设置:聚类个数M=4，变量维度N=234，误差阈值ε=10-3，最大迭代次数Imax=200，收缩因子的最小值γ0=0.8，最大值γmax=0.95，旋转角度θmin=0，θmax=π/4,Pm=0.1，核函数采用高斯函数，种群大小n=30，聚类中心vi和核参数σi均采用随机确定，算法满足误差阈值条件或者最大迭代次数其一，即可结束聚类过程，输出最优解。

为对比聚类效果，引入KFCM与文中算法进行对比，具体聚类结果如图3所示。在图3中，实际户变关系为通过拉合闸确定的真实电能表对变压器的归属关系，为了方便数据分析，将结果进行归类统计，列入表7中。通过比较可以发现，采用KFCM和IQGA-KFCM聚类得到的聚类中心与变压器端的过零偏移基本一致，采用本文方法，聚类结果相比于真实户变关系只错了两个电能表，准确率为99.15%，和KFCM相比，准确率提高了10.26个百分点，运行时间缩短了37.35s，从而说明了文中提出方法具有较高的准确率和运算效率。4 结束语

【参考文献】：
期刊论文
[1]基于全域电力大数据的配电网现状自动诊断分析技术研究[J]. 张兴忠,杨罡,赵国伟.  电测与仪表. 2019(16)
[2]协同量子智能体进化算法及其性能分析[J]. 刘振,郭恒光,李伟.  北京邮电大学学报. 2019(02)
[3]基于遗传算法优化BP神经网络的接触电阻预测[J]. 孙海峰,沈颖,王亚楠.  电测与仪表. 2019(05)
[4]一种新的自适应量子遗传算法研究[J]. 马莹,王怀晓,刘贺,陈志龙.  计算机工程与应用. 2018(20)
[5]一种基于多属性权重的分类数据子空间聚类算法[J]. 庞宁,张继福,秦啸.  自动化学报. 2018(03)
[6]基于数据时空相关性的智能台区识别技术[J]. 阿辽沙·叶,顾君,张小秋.  现代电子技术. 2018(04)
[7]优化的核模糊C均值聚类算法[J]. 刘奕麟,安建成.  微电子学与计算机. 2018(02)
[8]基于Hadamard门变异的量子遗传算法[J]. 鄂旭,盖佳妮,周津,杨芳,刘春晓.  控制工程. 2018(01)
[9]基于模糊聚类与随机森林的短期负荷预测[J]. 黄青平,李玉娇,刘松,刘鹏.  电测与仪表. 2017(23)
[10]基于集抄系统深化应用的低压台区电网拓扑重构方案[J]. 夏水斌,余鹤,董重重,孙秉宇,张乐群.  电测与仪表. 2017(20)

硕士论文
[1]低压配电网络台区识别技术的研究与开发[D]. 袁超.大连理工大学 2014



本文编号：3260647