买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明公开了基于电压和有功功率读数的低压用户入户相别识别方法，用于识别低压入户线的相线识别。首先收集用户数据，采取试错法优选一个使得3*MD聚类效果比较好的MD值。通过此聚类，将原用户集聚为3*MD个虚拟用户。其次对3*MD中心点电压序列集合，采取t‑SNE基于特征提取进行再次降维。对于特征空间的电压波形以及聚合功率，提出同时考虑功率平衡和电压时序波形双目标分类的多目标优化方法：先对仅考虑功率平衡的优化问题求解，得到初始解；再利用初始解得到双目标优化方法的解，得到最终的优化解。再由虚拟用户和实际用户的对应关系得到相别辨识的结果。

主权项：1.基于电压和有功功率读数的低压用户入户相别识别方法，其特征在于：该方法包括以下步骤：第一步、对数据进行预处理；首先准备数据、统计采集率，同时用前一个时间断面的数据补充空缺；1计算等效单相用户数量：n＝n1+3n21其中n1为户单相用户数量、n2为户三相用户数量，n为等效单相用户数量；2配变器低压出线电压历史数据Utr∈R3×T、有功历史数据Ptr∈R3×T为： R的上标表示矩阵的大小，式中t表示时段，t∈[1,T]；T为量测总次数，Utr和Ptr的行向量Utr,i和Ptr,i分别表示配变器低压侧i相在时段t内的电压和有功历史数据，其中i∈[A,B,C]；同样采集的用户电压历史数据U∈Rn×T和有功历史数据P∈Rn×T为： 其中n为等效单相计量用户；U和P行向量Uj和Pj分别表示第j个等效单相用户在时段t的电压和有功量测值；用T-1时刻前的采集数据来补充T时刻，使得矩阵2345完整；第二步，节点降维；采用kmedoids聚类算法对用户电压历史数据U进行降维，得到k个聚类中心点[c1c2…ck]和对应的簇[C1C2…Ck]，其中k＝3MD，MD是线路分叉点的数量；电压按照线路分叉点数量MD的聚类降维，形成用户降维，并产生k个虚拟用户，其电压、有功数据为Uc、Pc，即各自簇内中心点电压以及簇内样本的有功序列和； 其中Uc的元素为：ue,j＝ce,j8即电压时序波形与簇内中心点一致；而Pc的元素为： Uh∈Ci表示聚类簇内的电压；h是角标的集合；Ph,j为对应聚类簇内的有功量测；pe,j是聚类簇内所有用户序列的和；即虚拟用户有功序列为簇内所有样本的和，称为虚拟用户的聚合功率；第三步，再用t-SNE算法将Uc降至3维，得长度为[1,3]的电压数据Ut；第四步，使用数据Pc和Ptr进行单目标优化；单目标优化的优化变量是X∈Z1×k：X＝[x1x2…xk]10优化变量中的每一个元素xi都指代一个虚拟用户，其取整数1、2、3，分别代表A、B、C三相，即xi∈[1,2,3]11单目标优化的目标函数为 并具有以下特性：Jx∈[0,+∞13单目标优化的优化模型为：minJx→014选用遗传算法进行优化，子代种群一致时终止迭代；这一步的结果X1将作为下一步的初始解；第五步，使用数据Pc、Ptr以及Ut进行双目标优化，初始解为X1，目标函数为 其中SCx由下式定义： 并具有以下特性：SCx∈[-1,1]17其中sj作为轮廓系数由下定义： 其中： 其中aj，bj分别称为凝聚度和分离度；m是指离样本j最近的中心点cm，Cm是最接近中心点cm的所有样本的集合，km是最接近中心点cm的簇内所有的样本数量；而n是指除m以外的中心点，kn则是除m以外的中心点簇内的样本数量；选用遗传算法进行优化，子代种群一致时终止迭代；得到最终输出的最优结果X*，X*是一串由数字1、2、3组成的序列，分别代表对应位置的虚拟用户在A、B、C相上，获得X*后由虚拟用户和实际用户的对应关系可得相别辨识的结果，完成分相。

全文数据：

权利要求：

百度查询： 杭州电子科技大学 基于电压和有功功率读数的低压用户入户相别识别方法