一种基于图像信号处理的低压用户链路识别方法及装置转让专利
申请号 : CN202210958470.3
文献号 : CN115329814B
文献日 : 2023-04-07
发明人 : 周来 , 温福军
申请人 : 广州番禺职业技术学院
摘要 :
本发明实施例公开了一种基于图像信号处理的低压用户链路识别方法及装置，该方法构建电压数据矩阵X1和电流数据矩阵X2，构建以用户链路关系为变量矩阵的图结构优化识别模型，根据用户间的电压曲线相关性对用户进行分类和排序，得到初步用户链路关系，设定欧式距离差值阈值系数的第一阈值和电压曲线相关系数的第二阈值对初步用户链路进行修正，得到最终用户链路关系。实施例不需要人工核查，也不需要额外加装设备，投资成本少；将用户之间的链路关系转换成图结构中各顶点之间的连接关系，提出由相序识别‑用户排序和链路识别‑结果修正多模块组成的用户链路识别方案，实现用户链路关系识别，其不受新能源并网的影响。
权利要求 :
1.一种基于图像信号处理的低压用户链路识别方法，其特征在于，包括：
采集待识别的低压配电网中配电变压器低压侧三相母线和用户的电压时序数据及电流时序数据，并构建电压数据矩阵X1和电流数据矩阵X2；
构建以用户链路关系为变量矩阵的图结构优化识别模型，将所述电压矩阵X1和电流数据矩阵X2作为输入参数输入至所述图结构优化识别模型以输出相户关系；所述图结构优化识别模型为：；
其中，λ1为图信号平滑性目标 的超参数，λ2为节点电流定律目标
)的超参数， 为反映图中量测点连接关系的邻接矩阵，量
测点i和j之间的连接关系 ，S为量测点总数目， 为量测点的电压曲
线相关性系数矩阵，Rij表示量测点i和j之间的电压曲线相关性系数；X2P为低压三相母线的电流时序数据，C1是一个 ‑维的矩阵，C1=[EP;0]，EP为 ‑维的单位矩阵，SP=3为低压母线的总相数，SC为用户总数，S为量测点总数，矩阵H为矩阵A的幂级数之和；
根据用户间的电压曲线相关性对用户进行分类和排序，并根据所述排序重新构建图结构优化识别模型，以得到初步用户链路关系；
设定欧式距离差值阈值系数的第一阈值和电压曲线相关系数的第二阈值，基于所述第一阈值和第二阈值对初步用户链路进行修正，得到最终用户链路关系。
2.根据权利要求1所述的低压用户链路识别方法，其特征在于，每相邻两次采集所述电压时序数据和电流时序数据之间间隔15分钟。
3.根据权利要求1所述的低压用户链路识别方法，其特征在于，所述采集待识别的低压配电网中配电变压器低压侧三相母线和用户的电压时序数据及电流时序数据中，将LVDN低压母线上的计量终端和用户侧的智能电表统称为量测点；所述电压数据矩阵X1=[X1P; X1C]，所述电流数据矩阵X2 =[X2P; X2C]，其中X1P表示低压三相母线的电压时序数据，X2P表示低压三相母线的电流时序数据，X1C表示用户的电压时序数据，X2C表示用户的电流时序数据。
4.根据权利要求3所述的低压用户链路识别方法，其特征在于，所述根据用户间的电压曲线相关性对用户进行分类和排序，包括：用集合SA、SB、SC表示三相用户相序连接关系，并分别对SA、SB、SC内包含的用户进行用户聚类，得到三相用户聚类集合Ωφ，φ {A,B,C}；
对三相用户聚类集合Ωφ中各个类别里的用户分别进行排序，计算三相用户聚类集合Ωφ中每个类别内的用户的电压均值，根据电压均值从高至低的顺序对用户进行排序；
获取三相用户聚类集合Ωφ中每一个类别内分别对应的电压平均值，根据电压平均值从高至低的顺序对各个类别进行排序，得到三相用户的排序集合YA、YB、YC。
5.根据权利要求4所述的低压用户链路识别方法，其特征在于，根据所述排序重新构建图结构优化识别模型，以得到初步用户链路关系，具体为：将用户按照{YA,YB,YC}排序，重新构建电压数据矩阵X1和电流数据矩阵X2；
将电压数据矩阵X1和电流数据矩阵X2输入图结构优化识别模型，求解得到矩阵蕴含用户链路关系的邻接矩阵A，即初步用户链路关系。
6.根据权利要求5所述的低压用户链路识别方法，其特征在于，所述设定欧式距离差值阈值系数的第一阈值和电压曲线相关系数的第二阈值，基于所述第一阈值和第二阈值对初步用户链路进行修正，包括：将用户按照{YA,YB,YC}排序，并按照排序结果对相邻用户的电压曲线计算欧式距离，得Deu=[deu(1), deu(2),…, deu(i),…, deu(N‑1)]，其中，deu(1)表示第1个用户与第2个用户之间电压曲线的欧式距离，deu(2)标识第2个用户与第3个用户之间电压曲线的欧式距离，deu(i)表示第i个用户和第i+1个用户之间电压曲线的欧式距离，deu(N‑1)表示第N‑1个用户与第N个用户之间电压曲线的欧式距离，N代表低压台区中的总用户数；
对数组Deu内的相邻元素进一步做差，得到数组Dmeu=[dmeu(1), dmeu(2),…, dmeu(j),…, dmeu(N‑2)]，dmeu(1)= deu(2)‑deu(1)，dmeu(2)= deu(3)‑deu(2)，dmeu(j)= deu(j+1)‑deu(j)，dmeu(N‑2)= deu(N‑1)‑deu(N‑2)；
设定第一阈值为 1，第二阈值为 2，设定j=1；
判断dmeu(j)是否大于第一阈值 1，若是判断第(j+2)个用户与前序用户的电压曲线相关性系数是否低于第二阈值 2，否则，判断j是否大于等于N‑2；
当第(j+2)个用户与前序用户的电压曲线相关性系数低于第二阈值 2时，判断第(j+2)个用户与第(j+1)用户是否位于同相，否则，判断j是否大于等于N‑2；
当第(j+2)个用户与第(j+1)用户位于同相时，对邻接矩阵A中的元素进行修改；
当j大于等于N‑2时，流程结束并得到修改后的邻接矩阵A，否则，j=j+1，并返回判断dmeu(j)是否大于第一阈值 1。
7.一种基于图像信号处理的低压用户链路识别装置，其特征在于，包括：
数据采集模块：用于采集待识别的低压配电网中配电变压器低压侧三相母线和用户的电压时序数据及电流时序数据，并构建电压数据矩阵X1和电流数据矩阵X2；
模型构建模块：用于构建以用户链路关系为变量矩阵的图结构优化识别模型，将所述电压矩阵X1和电流数据矩阵X2作为输入参数输入至所述图结构优化识别模型以输出相户关系；所述图结构优化识别模型为： ；
其中，λ1为图信号平滑性目标 的超参数，λ2为节点电流定律目标
的超参数， 为反映图中量测点连接关系的邻接矩阵，量测
点i和j之间的连接关系Aij {0,1}，S为量测点总数目， 为量测点的电压曲线相关性系数矩阵，Rij表示量测点i和j之间的电压曲线相关性系数；X2P为低压三相母线的电流时序数据，C1是一个 ‑维的矩阵，C1=[EP;0]，EP为 ‑维的单位矩阵，SP=3为低压母线的总相数，SC为用户总数，S为量测点总数，矩阵H为矩阵A的幂级数之和；
链路关系获得模块：用于根据用户间的电压曲线相关性对用户进行分类和排序，并根据所述排序重新构建图结构优化识别模型，以得到初步用户链路关系；
链路关系修正模块：用于设定欧式距离差值阈值系数的第一阈值和电压曲线相关系数的第二阈值，基于所述第一阈值和第二阈值对初步用户链路进行修正，得到最终用户链路关系。
8.一种电子设备，其特征在于，包括：存储有可执行程序代码的存储器；与所述存储器耦合的处理器；所述处理器调用所述存储器中存储的所述可执行程序代码，用于执行权利要求1至6任一项所述的基于图像信号处理的低压用户链路识别方法。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储计算机程序，其中，所述计算机程序使得计算机执行权利要求1至6任一项所述的基于图像信号处理的低压用户链路识别方法。
说明书 :
一种基于图像信号处理的低压用户链路识别方法及装置
技术领域
[0001] 本发明涉及低压用户链路识别技术领域，具体涉及一种基于图像信号处理的低压用户链路识别方法及装置。
背景技术
[0002] 近年来，为了缓解环境污染和资源枯竭压力，我国提出了二氧化碳排放力争于2030年前达到峰值，努力争取2060年前实现“碳中和”。构建以新能源为主体的新型电力系统是实现“双碳目标”的重要途径。准确的低压拓扑连接关系是支撑新型电力系统的重要基础。低压拓扑关系指的是变压器‑三相低压母线‑各级分支馈线‑用户（变‑相‑线‑户）之间的物理连接线路。
[0003] 由于低压台区数量繁多、布线复杂、变动频繁，现阶段各级分支线之间缺乏监控设备，识别分支线之间的网络拓扑难度较大，已有低压拓扑识别方法的研究对象主要集中在变户关系、相户关系以及线户关系识别三个方面。线户关系即用户与各相低压母线一级分支线的连接关系是当前低压拓扑识别的最小辨识颗粒度，还不能确定用户链路关系——用户之间的上下游连接关系。
[0004] 在识别对象方面，已有低压拓扑识别方法的研究对象主要集中在变户关系、相户关系以及线户关系识别三个方面，还不能确定用户链路关系——用户之间的上下游连接关系。
[0005] 在识别手段方面，传统方法主要依赖负责各个片区的电工师傅的运维经验以及人工核查的方式。高级量测体系的发展提供了海量的低压台区运行数据。因此除人工核查之外，不少研究提出了利用信号发射设备和智能电表数据分析确定低压拓扑关系的方法。
[0006] 现有技术中有公开用DDTW（基于导数动态时间弯曲）距离与DBSCAN（基于密度的有噪空间聚类应用）算法确定低压台区户变关系，研制了一种电能表供电相位识别系统，通过供电相位识别载波信号的收发，实现电能表供电相序识别，利用电表与配变三相母线电压曲线相关性，确定相户关系，利用用户间的电压曲线相关性和节点电流定律确定低压台区线户连接关系。然而，上述中电能表供电相位识别系统需要在低压台区中增加需增加大量终端设备，存在电子化移交的准确度要求高、投资大、运维难等问题，同时它们对于集中器和电表的时钟同步性要求较高，受通信影响大；上述其他技术关注的分别是低压台区变户、相户以及线户识别关系识别，均不能识别用户上下游链路关系，依赖于“位于同一相序的用户电压相关性高于不同相序用户间的电压相关性”这一特性。新能源并网双向潮流下，受同相用户间的电压数据时序性差异影响，位于同一相序的用户电压相关性可能低于不同相序用户间的电压相关性，在存在新能源并网的场景下效果较差的问题。
发明内容
[0007] 针对所述缺陷，本发明实施例公开了一种基于图像信号处理的低压用户链路识别方法及装置，其投资成本低、不受新能源并网的影响。
[0008] 本发明实施例第一方面公开了一种基于图像信号处理的低压用户链路识别方法，包括：
[0009] 采集待识别的低压配电网中配电变压器低压侧三相母线和用户的电压时序数据及电流时序数据，并构建电压数据矩阵X1和电流数据矩阵X2；
[0010] 构建以用户链路关系为变量矩阵的图结构优化识别模型，将所述电压矩阵X1和电流数据矩阵X2作为输入参数输入至所述图结构优化识别模型以输出相户关系；
[0011] 根据用户间的电压曲线相关性对用户进行分类和排序，并根据所述排序重新构建图结构优化识别模型，以得到初步用户链路关系；
[0012] 设定欧式距离差值阈值系数的第一阈值和电压曲线相关系数的第二阈值，基于所述第一阈值和第二阈值对初步用户链路进行修正，得到最终用户链路关系
[0013] 作为一种可选的实施方式，在本发明实施例第一方面中， 每相邻两次采集所述电压时序数据和电流时序数据之间间隔15分钟。
[0014] 作为一种可选的实施方式，在本发明实施例第一方面中，所述采集待识别的低压配电网中配电变压器低压侧三相母线和用户的电压时序数据及电流时序数据中，将LVDN低压母线上的计量终端和用户侧的智能电表统称为量测点；所述电压数据矩阵X1=[X1P; X1C]，所述电流数据矩阵X2=[X2P; X2C]，其中X1P表示低压三相母线的电压时序数据，X2P表示低压三相母线的电流时序数据，X2C表示用户的电压时序数据，X2C表示用户的电流时序数据[0015] 作为一种可选的实施方式，在本发明实施例第一方面中，所述图结构优化识别模型为： ；
[0016] 其中，λ1为图信号平滑性目标 的超参数，λ2为节点电流定律目标的超参数， 为反映图中量测点连接关系的邻接矩阵，量测
点i和j之间的连接关系 ，S为量测点总数目， 为量测点的电压曲线
相关性系数矩阵，Rij表示量测点i和j之间的电压曲线相关性系数；X2P为低压三相母线的电流时序数据，C1是一个 ‑维的矩阵，C1=[EP;0]，EP为 ‑维的单位矩阵，SP=3为低压母线的总相数，SC为用户总数，S为量测点总数，矩阵H为矩阵A的幂级数之和。
点i和j之间的连接关系 ，S为量测点总数目， 为量测点的电压曲线
相关性系数矩阵，Rij表示量测点i和j之间的电压曲线相关性系数；X2P为低压三相母线的电流时序数据，C1是一个 ‑维的矩阵，C1=[EP;0]，EP为 ‑维的单位矩阵，SP=3为低压母线的总相数，SC为用户总数，S为量测点总数，矩阵H为矩阵A的幂级数之和。
[0017] 2.作为一种可选的实施方式，在本发明实施例第一方面中，所述根据用户间的电压曲线相关性对用户进行分类和排序，包括：
[0018] 用集合SA、SB、SC表示三相用户相序连接关系，并分别对SA、SB、SC内包含的用户进行用户聚类，得到三相用户聚类集合Ωφ， ；
[0019] 对三相用户聚类集合Ωφ中各个类别里的用户分别进行排序，计算三相用户聚类集合Ωφ中每个类别内的用户的电压均值，根据电压均值从高至低的顺序对用户进行排序；
[0020] 获取三相用户聚类集合Ωφ中每一个类别内分别对应的电压平均值，根据电压平均值从高至低的顺序对各个类别进行排序，得到三相用户的排序集合YA、YB、YC。
[0021] 作为一种可选的实施方式，在本发明实施例第一方面中，根据所述排序重新构建图结构优化识别模型，以得到初步用户链路关系，具体为：
[0022] 将用户按照{YA,YB,YC}排序，重新构建电压数据矩阵X1和电流数据矩阵X2；
[0023] 将电压数据矩阵X1和电流数据矩阵X2输入图结构优化识别模型，求解得到矩阵蕴含用户链路关系的邻接矩阵A，即初步用户链路关系。
[0024] 作为一种可选的实施方式，在本发明实施例第一方面中，所述设定欧式距离差值阈值系数的第一阈值和电压曲线相关系数的第二阈值，基于所述第一阈值和第二阈值对初步用户链路进行修正，包括：
[0025] 将用户按照{YA,YB,YC}排序，并按照排序结果对相邻用户的电压曲线计算欧式距离，得Deu=[deu(1),deu(2),…,deu(i),…,deu(N‑1)]，其中，deu(1)表示第1个用户与第2个用户之间电压曲线的欧式距离，deu(2)标识第2个用户与第3个用户之间电压曲线的欧式距离，deu(i)表示第i个用户和第i+1个用户之间电压曲线的欧式距离，deu(N‑1)表示第N‑1个用户与第N个用户之间电压曲线的欧式距离，N代表低压台区中的总用户数；
[0026] 对数组Deu内的相邻元素进一步做差，得到数组Dmeu=[dmeu(1),dmeu(2),…,dmeu(j),…,dmeu(N‑2)]，dmeu(1)=deu(2)‑deu(1)，dmeu(2)=deu(3)‑deu(2)，dmeu(j)=deu(j+1)‑deu(j)，dmeu(N‑2)=deu(N‑1)‑deu(N‑2)；
[0027] 设定第一阈值为 1，第二阈值为 2，设定j=1；
[0028] 判断dmeu(j)是否大于第一阈值 1，若是判断第(j+2)个用户与前序用户的电压曲线相关性系数是否低于第二阈值 2，否则，判断j是否大于等于N‑2；
[0029] 当第(j+2)个用户与前序用户的电压曲线相关性系数低于第二阈值 2时，判断第(j+2)个用户与第(j+1)用户是否位于同相，否则，判断j是否大于等于N‑2；
[0030] 当第(j+2)个用户与第(j+1)用户位于同相时，对邻接矩阵A中的元素进行修改；
[0031] 当j大于等于N‑2时，流程结束并得到修改后的邻接矩阵A，否则，j=j+1，并返回判断dmeu(j)是否大于第一阈值 1。
[0032] 本发明实施例第二方面公开一种基于图像信号处理的低压用户链路识别装置，包括：
[0033] 数据采集模块：用于采集待识别的低压配电网中配电变压器低压侧三相母线和用户的电压时序数据及电流时序数据，并构建电压数据矩阵X1和电流数据矩阵X2；
[0034] 模型构建模块：用于构建以用户链路关系为变量矩阵的图结构优化识别模型，将所述电压矩阵X1和电流数据矩阵X2作为输入参数输入至所述图结构优化识别模型以输出相户关系；
[0035] 链路关系获得模块：用于根据用户间的电压曲线相关性对用户进行分类和排序，并根据所述排序重新构建图结构优化识别模型，以得到初步用户链路关系；
[0036] 链路关系修正模块：用于设定欧式距离差值阈值系数的第一阈值和电压曲线相关系数的第二阈值，基于所述第一阈值和第二阈值对初步用户链路进行修正，得到最终用户链路关系。
[0037] 本发明实施例第三方面公开一种电子设备，包括：存储有可执行程序代码的存储器；与所述存储器耦合的处理器；所述处理器调用所述存储器中存储的所述可执行程序代码，用于执行本发明实施例第一方面公开的基于图像信号处理的低压用户链路识别方法。
[0038] 本发明实施例第四方面公开一种计算机可读存储介质，其存储计算机程序，其中，所述计算机程序使得计算机执行本发明实施例第一方面公开的基于图像信号处理的低压用户链路识别方法。
[0039] 与现有技术相比，本发明实施例具有以下有益效果：
[0040] 本发明实施例中公开的基于图像信号处理的低压用户链路识别方法利用当前台区已有的量测系统，采集台区配电变压器低压侧三相母线和用户的电压、电流数据，不需要人工核查，也不需要额外加装设备，投资成本少；将用户之间的链路关系转换成图结构中各顶点之间的连接关系，提出由相序识别‑用户排序和链路识别‑结果修正多模块组成的用户链路识别方案，实现用户链路关系识别，其不受新能源并网的影响。
附图说明
[0041] 为了更清楚地说明本发明实施例中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0042] 图1是本发明实施例公开的一种基于图像信号处理的低压用户链路识别方法的流程示意图；
[0043] 图2是本发明实施例提供的一种基于图像信号处理的低压用户链路识别装置的结构示意图；
[0044] 图3是本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
[0045] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0046] 需要说明的是，本发明的说明书和权利要求书中的术语“第一”、“第二”、“第三”、“第四”等是用于区别不同的对象，而不是用于描述特定顺序。本发明实施例的术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，示例性地，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0047] 本发明实施例公开了基于图像信号处理的低压用户链路识别方法、装置、电子设备及存储介质，利用当前台区已有的量测系统，采集台区配电变压器低压侧三相母线和用户的电压、电流数据，不需要人工核查，也不需要额外加装设备，投资成本少；将用户之间的链路关系转换成图结构中各顶点之间的连接关系，提出由相序识别‑用户排序和链路识别‑结果修正多模块组成的用户链路识别方案，实现用户链路关系识别，其不受新能源并网的影响。
[0048] 实施例一
[0049] 请参阅图1，图1是本发明实施例公开的基于图像信号处理的低压用户链路识别方法的流程示意图。其中，本发明实施例所描述的方法的执行主体为由软件或/和硬件组成的执行主体，该执行主体可以通过有线或/和无线方式接收相关信息，并可以发送一定的指令。当然，其还可以具有一定的处理功能和存储功能。该执行主体可以控制多个设备，例如远程的物理服务器或云服务器以及相关软件，也可以是对某处安置的设备进行相关操作的本地主机或服务器以及相关软件等。在一些场景中，还可以控制多个存储设备，存储设备可以与设备放置于同一地方或不同地方。如图1所示，该基于基于图像信号处理的低压用户链路识别方法包括以下步骤：
[0050] 101、采集待识别的低压配电网中配电变压器低压侧三相母线和用户的电压时序数据及电流时序数据，并构建电压数据矩阵X1和电流数据矩阵X2。
[0051] 本步骤中，每相邻两次采集所述电压时序数据和电流时序数据之间间隔15分钟。也即是，每隔15分钟采集一次电压时序数据和电流时序数据。
[0052] 上述中，将LVDN低压母线上的计量终端和用户侧的智能电表统称为量测点；所述电压数据矩阵X1=[X1P; X1C]，所述电流数据矩阵X2=[X2P; X2C]，其中X1P表示低压三相母线的电压时序数据，X2P表示低压三相母线的电流时序数据，X2C表示用户的电压时序数据，X2C表示用户的电流时序数据。
[0053] 102、构建以用户链路关系为变量矩阵的图结构优化识别模型，将所述电压矩阵X1和电流数据矩阵X2作为输入参数输入至所述图结构优化识别模型以输出相户关系。
[0054] 本步骤是构建以用户链路关系为变量矩阵的图结构优化识别模型，输入电压数据矩阵X1、电流数据矩阵X2，求解图结构优化识别模型得到相户关系。其中，图结构优化识别模型为： ；
[0055] 其中，λ1为图信号平滑性目标 的超参数，λ2为节点电流定律目标的超参数， 为反映图中量测点连接关系的邻接矩阵，量测
点i和j之间的连接关系 ，S为量测点总数目， 为量测点的电压曲线
相关性系数矩阵，Rij表示量测点i和j之间的电压曲线相关性系数；X2P为低压三相母线的电流时序数据，C1是一个 ‑维的矩阵，C1=[EP;0]，EP为 ‑维的单位矩阵，SP=3为低压母线的总相数，SC为用户总数，S为量测点总数，矩阵H为矩阵A的幂级数之和。
点i和j之间的连接关系 ，S为量测点总数目， 为量测点的电压曲线
相关性系数矩阵，Rij表示量测点i和j之间的电压曲线相关性系数；X2P为低压三相母线的电流时序数据，C1是一个 ‑维的矩阵，C1=[EP;0]，EP为 ‑维的单位矩阵，SP=3为低压母线的总相数，SC为用户总数，S为量测点总数，矩阵H为矩阵A的幂级数之和。
[0056] 103、根据用户间的电压曲线相关性对用户进行分类和排序，并根据所述排序重新构建图结构优化识别模型，以得到初步用户链路关系。
[0057] 上述中，用集合SA、SB、SC表示三相用户相序连接关系，并分别对SA、SB、SC内包含的用户进行用户聚类，得到三相用户聚类集合Ωφ， ；对三相用户聚类集合Ωφ中各个类别里的用户分别进行排序，计算三相用户聚类集合Ωφ中每个类别内的用户的电压均值，根据电压均值从高至低的顺序对用户进行排序；获取三相用户聚类集合Ωφ中每一个类别内分别对应的电压平均值，根据电压平均值从高至低的顺序对各个类别进行排序，得到三相用户的排序集合YA、YB、YC。而后，将用户按照{YA,YB,YC}排序，重新构建电压数据矩阵X1和电流数据矩阵X2；将电压数据矩阵X1和电流数据矩阵X2输入图结构优化识别模型，求解得到矩阵蕴含用户链路关系的邻接矩阵A，即初步用户链路关系。
[0058] 104、设定欧式距离差值阈值系数的第一阈值和电压曲线相关系数的第二阈值，基于所述第一阈值和第二阈值对初步用户链路进行修正，得到最终用户链路关系。
[0059] 将用户按照{YA,YB,YC}排序，并按照排序结果对相邻用户的电压曲线计算欧式距离，得Deu=[deu(1),deu(2),…,deu(i),…,deu(N‑1)]，其中，deu(1)表示第1个用户与第2个用户之间电压曲线的欧式距离，deu(2)标识第2个用户与第3个用户之间电压曲线的欧式距离，deu(i)表示第i个用户和第i+1个用户之间电压曲线的欧式距离，deu(N‑1)表示第N‑1个用户与第N个用户之间电压曲线的欧式距离，N代表低压台区中的总用户数；
[0060] 根据公式 对数组Deu内的相邻元素进一步做差，得到数组Dmeu=[dmeu(1),dmeu(2),…,dmeu(j),…,dmeu(N‑2)]，dmeu(1)=deu(2)‑deu(1)，该dmeu(1)表示第2个用户与第3个用户之间电压曲线的欧式距离deu(2)和第
1个用户与第2个用户之间电压曲线的欧式距离deu(1)的差值；dmeu(2)=deu(3)‑deu(2)，表示第3个用户与第4个用户之间电压曲线的欧式距离deu(3)和第2个用户与第3个用户之间电压曲线的欧式距离deu(2)的差值；dmeu(j)=deu(j+1)‑deu(j)，表示第j+1个用户和第j+2个用户deu(j+1)与第j个用户和第j+1个用户deu(j)之间电压曲线的欧式距离之差，dmeu(N‑2)=deu(N‑1)‑deu(N‑2)；表示第N个用户和第N‑1个用户deu(N‑1)与第N‑1个用户和第N‑2个用户deu(N‑2)之间电压曲线的欧式距离之差。
1个用户与第2个用户之间电压曲线的欧式距离deu(1)的差值；dmeu(2)=deu(3)‑deu(2)，表示第3个用户与第4个用户之间电压曲线的欧式距离deu(3)和第2个用户与第3个用户之间电压曲线的欧式距离deu(2)的差值；dmeu(j)=deu(j+1)‑deu(j)，表示第j+1个用户和第j+2个用户deu(j+1)与第j个用户和第j+1个用户deu(j)之间电压曲线的欧式距离之差，dmeu(N‑2)=deu(N‑1)‑deu(N‑2)；表示第N个用户和第N‑1个用户deu(N‑1)与第N‑1个用户和第N‑2个用户deu(N‑2)之间电压曲线的欧式距离之差。
[0061] 之后，设定第一阈值为 1，第二阈值为 2，设定j=1；判断dmeu(j)是否大于第一阈值1，若是判断第(j+2)个用户与前序用户的电压曲线相关性系数是否低于第二阈值 2，否则，判断j是否大于等于N‑2；当第(j+2)个用户与前序用户的电压曲线相关性系数低于第二阈值δ2时，判断第(j+2)个用户与第(j+1)用户是否位于同相，否则，判断j是否大于等于N‑
2；当第(j+2)个用户与第(j+1)用户位于同相时，对邻接矩阵A中的元素进行修改；当j大于等于N‑2时，流程结束并得到修改后的邻接矩阵A，也是最终的用户链路关系，否则，j=j+1，并返回判断dmeu(j)是否大于第一阈值 1。
2；当第(j+2)个用户与第(j+1)用户位于同相时，对邻接矩阵A中的元素进行修改；当j大于等于N‑2时，流程结束并得到修改后的邻接矩阵A，也是最终的用户链路关系，否则，j=j+1，并返回判断dmeu(j)是否大于第一阈值 1。
[0062] 实施例二
[0063] 请参阅图2，图2是本发明实施例公开的基于图像信号处理的低压用户链路识别装置的结构示意图。如图2所示，该基于图像信号处理的低压用户链路识别装置可以包括数据采集模块201、模型构建模块202、链路关系获得模块203和链路关系修正模块204，数据采集模块201用于采集待识别的低压配电网中配电变压器低压侧三相母线和用户的电压时序数据及电流时序数据，并构建电压数据矩阵X1和电流数据矩阵X2；模型构建模块202用于构建以用户链路关系为变量矩阵的图结构优化识别模型，将所述电压矩阵X1和电流数据矩阵X2作为输入参数输入至所述图结构优化识别模型以输出相户关系；链路关系获得模块203用于根据用户间的电压曲线相关性对用户进行分类和排序，并根据所述排序重新构建图结构优化识别模型，以得到初步用户链路关系；链路关系修正模块204用于设定欧式距离差值阈值系数的第一阈值和电压曲线相关系数的第二阈值，基于所述第一阈值和第二阈值对初步用户链路进行修正，得到最终用户链路关系。
[0064] 上述中，数据采集模块201中，每相邻两次采集所述电压时序数据和电流时序数据之间间隔15分钟。所述采集待识别的低压配电网中配电变压器低压侧三相母线和用户的电压时序数据及电流时序数据中，将LVDN低压母线上的计量终端和用户侧的智能电表统称为量测点；所述电压数据矩阵X1=[X1P; X1C]，所述电流数据矩阵X2=[X2P; X2C]，其中X1P表示低压三相母线的电压时序数据，X2P表示低压三相母线的电流时序数据，X2C表示用户的电压时序数据，X2C表示用户的电流时序数据。
[0065] 其中，图结构优化识别模型为： ；
[0066] 其中，λ1为图信号平滑性目标 的超参数，λ2为节点电流定律目标的超参数， 为反映图中量测点连接关系的邻接矩阵，量测点
i和j之间的连接关系 ，S为量测点总数目， 为量测点的电压曲线相关
性系数矩阵，Rij表示量测点i和j之间的电压曲线相关性系数；X2P为低压三相母线的电流时序数据，C1是一个 ‑维的矩阵，C1=[EP;0]，EP为 ‑维的单位矩阵，SP=3为低压母线的总相数，SC为用户总数，S为量测点总数，矩阵H为矩阵A的幂级数之和。
i和j之间的连接关系 ，S为量测点总数目， 为量测点的电压曲线相关
性系数矩阵，Rij表示量测点i和j之间的电压曲线相关性系数；X2P为低压三相母线的电流时序数据，C1是一个 ‑维的矩阵，C1=[EP;0]，EP为 ‑维的单位矩阵，SP=3为低压母线的总相数，SC为用户总数，S为量测点总数，矩阵H为矩阵A的幂级数之和。
[0067] 在链路关系获得模块203中，用集合SA、SB、SC表示三相用户相序连接关系，并分别对SA、SB、SC内包含的用户进行用户聚类，得到三相用户聚类集合Ωφ， ；对三相用户聚类集合Ωφ中各个类别里的用户分别进行排序，计算三相用户聚类集合Ωφ中每个类别内的用户的电压均值，根据电压均值从高至低的顺序对用户进行排序；获取三相用户聚类集合Ωφ中每一个类别内分别对应的电压平均值，根据电压平均值从高至低的顺序对各个类别进行排序，得到三相用户的排序集合YA、YB、YC。将用户按照{YA,YB,YC}排序，重新构建电压数据矩阵X1和电流数据矩阵X2；将电压数据矩阵X1和电流数据矩阵X2输入图结构优化识别模型，求解得到矩阵蕴含用户链路关系的邻接矩阵A，即初步用户链路关系。
[0068] 在链路关系修正模块204中，将用户按照{YA,YB,YC}排序，并按照排序结果对相邻用户的电压曲线计算欧式距离，得Deu=[deu(1),deu(2),…,deu(i),…,deu(N‑1)]，其中，deu(1)表示第1个用户与第2个用户之间电压曲线的欧式距离，deu(2)标识第2个用户与第3个用户之间电压曲线的欧式距离，deu(i)表示第i个用户和第i+1个用户之间电压曲线的欧式距离，deu(N‑1)表示第N‑1个用户与第N个用户之间电压曲线的欧式距离，N代表低压台区中的总用户数；对数组Deu内的相邻元素进一步做差，得到数组Dmeu=[dmeu(1),dmeu(2),…,dmeu(j),…,dmeu(N‑2)]，dmeu(1)=deu(2)‑deu(1)，dmeu(2)=deu(3)‑deu(2)，dmeu(j)=deu(j+1)‑deu(j)，dmeu(N‑2)=deu(N‑1)‑deu(N‑2)；设定第一阈值为 1，第二阈值为 2，设定j=1；判断dmeu(j)是否大于第一阈值 1，若是判断第(j+2)个用户与前序用户的电压曲线相关性系数是否低于第二阈值 2，否则，判断j是否大于等于N‑2；当第(j+2)个用户与前序用户的电压曲线相关性系数低于第二阈值 2时，判断第(j+2)个用户与第(j+1)用户是否位于同相，否则，判断j是否大于等于N‑2；当第(j+2)个用户与第(j+1)用户位于同相时，对邻接矩阵A中的元素进行修改；当j大于等于N‑2时，流程结束并得到修改后的邻接矩阵A，否则，j=j+1，并返回判断dmeu(j)是否大于第一阈值 1。
[0069] 实施例三
[0070] 请参阅图3，图3是本发明实施例公开的一种电子设备的结构示意图。电子设备可以是计算机以及服务器等，当然，在一定情况下，还可以是手机、平板电脑以及监控终端等智能设备，以及具有处理功能的图像采集装置。如图3所示，该电子设备可以包括：
[0071] 存储有可执行程序代码的存储器301；
[0072] 与存储器301耦合的处理器302；
[0073] 其中，处理器302调用存储器301中存储的可执行程序代码，执行实施例一中的基于图像信号处理的低压用户链路识别方法中的部分或全部步骤。
[0074] 本发明实施例公开一种计算机可读存储介质，其存储计算机程序，其中，该计算机程序使得计算机执行实施例一中的基于图像信号处理的低压用户链路识别方法中的部分或全部步骤。
[0075] 本发明实施例还公开一种计算机程序产品，其中，当计算机程序产品在计算机上运行时，使得计算机执行实施例一中的基于图像信号处理的低压用户链路识别方法中的部分或全部步骤。
[0076] 本发明实施例还公开一种应用发布平台，其中，应用发布平台用于发布计算机程序产品，其中，当计算机程序产品在计算机上运行时，使得计算机执行实施例一中的基于图像信号处理的低压用户链路识别方法中的部分或全部步骤。
[0077] 在本发明的各种实施例中，应理解，所述各过程的序号的大小并不意味着执行顺序的必然先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
[0078] 所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物单元，即可位于一个地方，或者也可以分布到多个网络单元上。可根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
[0079] 另外，在本发明各实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。所述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
[0080] 所述集成的单元若以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可获取的存储器中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或者部分，可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储器中，包括若干请求用以使得一台计算机设备（可以为个人计算机、服务器或者网络设备等，具体可以是计算机设备中的处理器）执行本发明的各个实施例所述方法的部分或全部步骤。
[0081] 在本发明所提供的实施例中，应理解，“与A对应的B”表示B与A相关联，根据A可以确定B。但还应理解，根据A确定B并不意味着仅仅根据A确定B，还可以根据A和/或其他信息确定B。
[0082] 本领域普通技术人员可以理解所述实施例的各种方法中的部分或全部步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质包括只读存储器（Read‑Only Memory，ROM）、随机存储器（RandomAccess Memory，RAM）、可编程只读存储器（Programmable Read‑only Memory，PROM）、可擦除可编程只读存储器（Erasable Programmable Read‑Only Memory，EPROM）、一次可编程只读存储器（One‑timeProgrammable Read‑Only Memory，OTPROM）、电子抹除式可复写只读存储器（Electrically‑Erasable Programmable Read‑Only Memory，EEPROM）、只读光盘（Compact Disc Read‑Only Memory，CD‑ROM）或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
[0083] 以上对本发明实施例公开的基于图像信号处理的低压用户链路识别方法、装置、电子设备及存储介质进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。