(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211143570.7 (22)申请日 2022.09.20 (71)申请人 华南理工大 学 地址 510641 广东省广州市天河区五山路 381号 (72)发明人 李海锋　梁文兆　梁远升　张绮轩　 王钢　 (74)专利代理 机构 广州嘉权专利商标事务所有 限公司 4 4205 专利代理师 齐键 (51)Int.Cl. G06Q 10/04(2012.01) G06F 17/15(2006.01) G06F 17/16(2006.01) G06Q 50/06(2012.01) (54)发明名称 一种低压 配电网络 拓扑生成方法及装置 (57)摘要 本发明公开了一种低压配电网络拓扑生成 方法及装置， 其中方法包括： 根据电气量数据获 取时序电压数据矩阵， 对筛选获得的异常采集数 据进行重新赋值； 运行t ‑SNE算法， 获得低维电压 特征数据集YT； 运行DBSCAN算法， 获得所有的簇 类集合C以及二维电压特征聚类图； 运行LLE算 法， 获得在簇类标签C分类下的二维电压特征图； 计算特征图中簇类中心与总表簇之间的欧氏距 离关系并排序， 输出排序结果； 基于DBSCAN算法 和LLE算法得到的拓扑识别信息生成节点邻接矩 阵； 将节点邻接矩阵可视化生 成低压配电网络节 点连接拓 扑图。 本发明能将拓扑信息可视化生成 节点拓扑图， 为电网拓扑纠错、 故障排查等各项 高级应用提供了信息参考， 可广泛应用于配电网 络的优化 运行与管理领域。 权利要求书4页 说明书12页 附图4页 CN 115545280 A 2022.12.30 CN 115545280 A 1.一种低压配电网络 拓扑生成方法， 其特 征在于， 包括以下步骤： 获取低压台区下各用户电表采集的 电气量数据， 从电气量数据中提取采集信息， 根据 采集信息生成时序电压数据矩阵U； 其中， 采集信息包括电表ID、 电压幅值、 数据采集时间； 从时序电压数据矩阵中筛选异常采集数据， 对筛选获得的异常采集数据进行重新赋 值； 赋初值给t ‑SNE算法的输入参数， 将时序电压数据矩阵U作为t ‑SNE算法的输入数据 集， 并运行t‑SNE算法， 获得低维电压特 征数据集YT； 赋初值给DBSCAN算法的输入参数， 将低维电压特征数据集YT作为DBSCAN算法的输入数 据集， 并运行DBSCAN 算法， 获得 所有的簇类集 合C以及二维电压特 征聚类图； 赋初值给LLE算法的输入参数， 将时序电压数据矩阵U作为LLE算法的输入数据集， 并运 行LLE算法， 获得在簇类标签C分类下的二维电压特 征图； 计算特征图中簇类中心与总表簇之间的欧氏距离关系 并排序， 输出排序结果， 表示不 同用户分支与总表间的相对电气距离关系； 基于DBSCAN 算法和LLE算法得到的拓扑识别 信息生成节点邻接矩阵； 将节点邻接矩阵可视化 生成低压配电网络节点连接 拓扑图。 2.根据权利要求1所述的一种低压配电网络拓扑生成方法， 其特征在于， 所述 时序电压 数据矩阵U的表达式为： 式中， 任一电压数据 Ui,tj表示为电表i在tj时刻所测得的电压幅值； m表示所有台区用户 数量； n表示表计在某一时段内采集的该用户的电压采样点数目； 时序电压数据矩阵U的任 一行向量Ui表示同一用户表计在采样时段 内测量的所有时刻的时序电压数据， 任一列向量 Utj表示同一时刻下 各电表采集的不同用户的电压数据。 3.根据权利要求1所述的一种低压配电网络拓扑生成方法， 其特征在于， 通过以下方式 对筛选获得的异常采集数据进行重新赋值： 式中， 为电压矩阵中某一采样时序terr电表采集的异常电压数据； 与 分别表 示同一时序电压序列中距离异常采集数据最近的且采样时序早于时序terr与晚于时序terr 的正常电压数据。 4.根据权利要求1所述的一种低压配电网络拓扑生成方法， 其特征在于， 所述t ‑SNE算 法的输入参数包 括n_components， perplex ity， learning_rate； 其中， n_co mponents表示目 标降维维度， perplexity表示困惑度， learn ing_rate表示学习率； t‑SNE算法的运行步骤如下： A1、 将高维电压数据点的欧式距离转换成联合概率来表达各点之间的相关性， 其中在权　利　要　求　书 1/4 页 2 CN 115545280 A 2高维空间下使用高斯分布函数进行转换， 分别计算条件概 率pj|i， pi|j以及联合 概率分布pij； A2、 采用正态分布N(0,10‑4I)随机初始化目标低维数据集Y0＝{y1,y2,...,yn}； A3、 在低维空间下使用t分布函数进行转换， 计算低维空间下 数据的联合 概率分布qij； A4、 使概率分布pij＝qij， 对两个概率分布之间的KL散度进行优化， 建立目标函数； 迭代 计算梯度， 根据计算获得的梯度对目标低维数据集Yt进行更新； A5、 判断迭代次数是否达到n_iter次； 若达到， 执行步骤A6； 若没有达到， 返回执行步骤 A3； A6、 得到KL散度最小的低维特征数据集， 作为高维数据集的t ‑SNE特征表示YT＝{y1, y2,...,yn}以及二维电压特 征图。 5.根据权利 要求4所述的一种低压配电网络拓扑生成方法， 其特征在于， 条件概率pj|i， pi|j以及联合 概率分布pij的表达式如下： 式中， xi， xj， xk分别为高维输入数据集中任意3个高维向量； σi和σj分别为以xi和xj为高 斯分布中心的高斯函数模 型方差， 通过输入参数perplexity用二分搜索的方式来确定； n为 高维输入数据集中 高维向量的个数； 低维空间下 数据的联合 概率分布qij的表达式如下： 式中， yi， yj， yk， yl分别表示初始化的或更新后的目标低维数据 集Y0或Yt中任意4个低维 向量。 6.根据权利要求4所述的一种低压配电网络拓扑生成方法， 其特征在于， 所述迭代计算 梯度， 根据计算获得的梯度对目标低维数据集Yt进行更新， 包括： 采用梯度下降法迭代计算梯度： 式中， Yt‑1、 Yt‑2分别表示Yt在前两次更新的目标低维数据集， η表示学习率， α(t)表示算 法给定的动量阈值。 7.根据权利 要求1所述的一种低压配电网络拓扑生成方法， 其特征在于， 所述DBSCAN算权　利　要　求　书 2/4 页 3 CN 115545280 A 3