申请/专利权人:上海电力大学
申请日:2020-01-20
公开(公告)日:2020-05-26
公开(公告)号:CN111199363A
主分类号:G06Q10/06(20120101)
分类号:G06Q10/06(20120101);G06Q50/06(20120101);G06F30/20(20200101);G06F113/04(20200101);G06F111/10(20200101)
优先权:
专利状态码:有效-授权
法律状态:2022.10.18#授权;2020.06.19#实质审查的生效;2020.05.26#公开
摘要:一种最大相关性筛选算法实现拓扑识别方法,包括以下步骤,S1:获取用户智能电表电压时间序列及配变TTU电压时间序列数据为样本;S2:对获取的所述时间数据进行预处理,得到节点对应的随机变量;S3:利用所述节点对应的随机变量建立数学模型和目标函数;S4:求解所目标函数的权重参数W;S5:合成相关性矩阵K;S6:利用所述相关性矩阵K得到拓扑结构。1.准确度高:提出的数据预处理方法能有效减少数据噪音的影响,充分挖掘和利用数据隐含的结构关系,提高拓扑识别的准确性;2.实用性强:相比于根据局部已知拓扑辨识剩余拓扑或者对已知拓扑进行验证的方法,该方法能够在完全未知拓扑的情况下直接产生配电网拓扑结构。
主权项:1.一种最大相关性筛选算法实现拓扑识别方法,其特征在于:包括以下步骤,获取用户智能电表电压时间序列及配变TTU电压时间序列数据为样本;对获取的所述时间数据进行预处理,得到节点对应的随机变量;利用所述节点对应的随机变量建立数学模型和目标函数;求解所目标函数的权重参数W;合成相关性矩阵K;利用所述相关性矩阵K得到拓扑结构。
全文数据:
权利要求:
百度查询: 上海电力大学 一种最大相关性筛选算法实现拓扑识别方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。