基于相似性分析和Lasso回归算法的配电网拓扑识别方法

宋炆学; 张腾飞; 邹花蕾

doi:10.16543/j.2095-641x.electric.power.ict.2025.06.06

English Version Journal Login

您当前的位置：

首页 >

文章列表页 >

基于相似性分析和Lasso回归算法的配电网拓扑识别方法

更新时间：2026-10-03

- 基于相似性分析和Lasso回归算法的配电网拓扑识别方法
- Vol. 23, Issue 6, Pages: 39-47(2025)
- 作者机构：
  
  南京邮电大学自动化学院/人工智能学院
- 作者简介：
- 基金信息：
- DOI：10.16543/j.2095-641x.electric.power.ict.2025.06.06
  CLC： TP18;TM73
- Published：2025
- 稿件说明：
移动端阅览
宋炆学, 张腾飞, 邹花蕾. 基于相似性分析和Lasso回归算法的配电网拓扑识别方法[J]. 2025, 23(6): 39-47.
DOI：

宋炆学, 张腾飞, 邹花蕾. 基于相似性分析和Lasso回归算法的配电网拓扑识别方法[J]. 2025, 23(6): 39-47. DOI： 10.16543/j.2095-641x.electric.power.ict.2025.06.06.

摘要

针对配电网节点电压存在多重共线性导致拓扑识别不准确的问题，文章提出了利用多时间断面的节点电压数据进行拓扑识别，找出相似性高的节点并且用最小绝对收缩与选择(least absolute shrinkage and selection operator

Lasso)算法筛选邻居节点。首先利用皮尔逊算法分析节点之间的相关系数，发现多个节点与不相邻节点存在高相关性，并推导了节点电压之间的近似线性相关关系。然后利用皮尔逊算法、欧氏距离和动态时间规整(dynamic time warping

DTW)算法作为相关性评价指标进行一次识别，找出具有多重共线性的节点。以主电源端节点作为父节点，利用Lasso回归算法确定子节点，以子节点作为新的父节点，如此循环进行二次识别，生成拓扑结构。最后通过IEEE33节点算例验证了该方法的可行性和准确性。

Abstract

关键词

Keywords

references

陈洪凯.主动配电网可切负荷协调切换控制策略研究[D].南京邮电大学,2022(02).

王鹏.基于偏相关分析的配电网拓扑识别和线路参数估计[D].天津大学,2022(03).

Xiong Dezhi,Du Jingjuan.Research on Topology Recognition Technology Based on Intelligent Measurement Switches[J].Electronics,2022.

Ghosh Anik,Kulkarni Rishikesh,Gannavarpu Rajshekhar.Phase unwrapping algorithm using breadth-first-search and multi-level segmentation of phase quality interval in digital holography[J].Journal of Modern Optics,2022.

Allender Eric,Chauhan Archit,Datta Samir.Depth-first search in directed planar graphs, revisited[J].Acta Informatica,2022.

Rong Guozhen,Cao Yixin,Wang Jianxin,Wang Zhifeng.Graph Searches and Their End Vertices[J].Algorithmica,2022.

Department of Electrical and Electronics Engineering, National Institute of Technology, Nagaland, Chumukedima 797103, Nagaland, India,Department of Electrical and Electronics Engineering, National Institute of Technology, Nagaland, Chumukedima 797103, Nagaland, India,Department of Electrical Engineering, Indian Institute Engineering Science and Technology, Shibpur, Howrah 711103, W.B., India,Department of Computer Applications, Narula Institute of Technology, Agarpara, Kolkata 700110, W.B., India.A graph theory application for fast and efficient search of optimal radialized distribution network topology[J].Journal of King Saud University - Engineering Sciences,2020.

Zhang Jiawei,Wang Yi,Weng Yang,Zhang Ning.Topology Identification and Line Parameter Estimation for non-PMU Distribution Network: A Numerical Method[J].IEEE Transactions on Smart Grid,2020.

Yizheng Liao,Yang Weng,Guangyi Liu,Ram Rajagopal.Urban MV and LV Distribution Grid Topology Estimation via Group Lasso[J].IEEE Transactions on Power Systems,2019.

李刚,方鸿,刘云鹏,杨强,赵晓林,汪佐宪.新型电力系统中的大模型驱动技术：现状、机遇与挑战[J].高电压技术,2024(07).

周宁,方治,蔺晨晖,吴文传.基于正则化拉格朗日乘子法的配电网网络拓扑辨识[J].供用电,2024(06).

张明泽,栾文鹏,艾欣,胡博伟,刘博,刘文彬.基于边缘计算的低压配电网健康状态评价方法[J].电测与仪表,2024(05).

谭珊,赵仲勇,杨建,蔡敏,郭金龙.基于动态时间规整的变压器绕组变形故障诊断方法研究[J].高压电器,2024(02).

童潇宁,王月强,仇张权,黄阳,乐健,任意.基于数据驱动多面体集合的交直流混合配电网鲁棒调度方法[J].电力系统保护与控制,2024(03).

王子豪,余涛,潘振宁,黄毅,王克英.基于SC-DTW距离的低压配电台区拓扑识别方法[J].电力信息与通信技术,2023(12).

李开放,林湘宁,李正天,魏繁荣,吴宇奇,武文昊.基于电压序列最小KL散度索引的低压台区拓扑识别[J].电力系统及其自动化学报,2024(10).

吴龙腾,徐春华,邱泽坚,程涛,陈凤超.考虑双侧量测误差的配电网拓扑识别及参数联合估计方法[J].电力系统保护与控制,2023(16).

戴雪婷,李辉,何柏娜,田野,隗笑,侯莉媛,吕东飞.配电网拓扑分析与线路参数辨识研究[J].电力科学与技术学报,2023(04).

高骞,杨俊义,刘凯,金诚,于海波.基于数据驱动技术的配电网拓扑结构及线路参数识别方法[J].电力电容器与无功补偿,2023(02).

朱嘉远.“双碳”背景下含高需求响应负荷的配电网状态估计算法[J].电机与控制应用,2023(02).

王果,郭文凯,王长春.配电网拓扑辨识研究综述及展望[J].吉林大学学报(工学版),2023(02).

海迪,崔娇,文玉兴,余永胜,刘苏,黄纯.基于电压波动特征聚类的配电网拓扑识别方法[J].湖南师范大学自然科学学报,2021(06).

苏华权,廖鹏,周昉昉,易仕敏,杨秋勇.基于边缘计算的电网边缘侧设备缺陷智能识别模型研究[J].电力信息与通信技术,2021(04).

李彦兆,赵庆生,梁定康,王旭平.基于量测信息的低压配电网阻抗拓扑模型构建[J].电网与清洁能源,2021(04).

张磐,高强伟,黄旭,朱聪,孙伟卿.基于电力载波通信的低压配电网拓扑结构辨识方法[J].电子器件,2021(01).

杨志淳,沈煜,杨帆,乐健,宿磊,雷杨.基于数据关联分析的低压配电网拓扑识别方法[J].电测与仪表,2020(18).

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

最大似然估计下配电网载波通信缺损信号数字域恢复

基于人在回路深度强化学习的配电网故障恢复方法

基于多源数据融合的配电网线路转供行为识别方法研究与应用

配电网管理地理信息系统的数据解决方案

基于多维光学信息的线路隐患目标智能监拍终端研究

Related Author

孙立成

赵成

王明

史亮

刘蔚

姬凯旋

乔骥

戴赛

Related Institution

国网安徽省电力有限公司电力科学研究院

中国电力科学研究院有限公司

国网江苏省电力有限公司电力科学研究院

广东省广电集团有限公司广州供电分公司

华北电力大学计算机科学与技术系2. 清华大学信息技术学院电子工程系

AI问答

⁰