[發明專利]一種基于故障基因表的智能配電網故障預警方法

有效

• 申請號: 201710796634.6
• 申請日: 2017-09-06
• 公開（公告）號: CN107609769B
• 公開（公告）日: 2020-07-31
• 發明（設計）人: 向敏;閔杰;屈琴芹;王在乾;高盼;陳誠;于祥春;許瓏璋;孫永民;譚童
• 申請（專利權）人: 重慶郵電大學
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q50/06;G06N3/08;G06N3/04
• 代理公司: 北京同恒源知識產權代理有限公司 11275
• 代理人: 趙榮之

本發明涉及一種基于故障基因表的智能配電網故障預警方法，屬于智能配電網故障預警領域。首先將智能配電網的運行狀態劃分為優、良、中和差四種狀態，然后采用BP神經網絡算法對智能配電網運行的歷史數據進行狀態評估并結合對應的故障，得到各段狀態轉移時間序列與故障之間的映射關系，從而構造出故障基因表，接著周期性的在線獲取智能配電網的狀態轉移時間序列，并通過Smith?Waterman算法將其與故障基因表中的所有基因進行匹配，若最大匹配值達到設定的閾值，則預警相應的故障。本發明能很好的面對智能配電網越來越復雜的問題，提高智能配電網故障預警的準確率，為相關管理人員對智能配電網的維護提供指導和幫助，有效的提高了電網運行決策的科學性和預見性。

技術領域

本發明屬于智能配電網故障預警領域，涉及能夠實現對智能配電網的運行狀態整體把握的一種基于故障基因表的智能配電網故障預警方法。

背景技術

近年來，全球掀起了智能電網的研究和建設熱潮。智能配電網作為智能電網中連接主網和面向用戶供電的重要組成部分，其運行狀態正常與否直接影響千家萬戶的電力供應。同時，隨著分布式電源的接入、電動汽車的普及和用戶互動電力的增加，使得配電網的動態行為變得復雜，運行風險大大增加，一旦發生配電網停電事故都會對社會生活造成巨大的影響及損失。因此，亟需對智能配電網的故障預警進行更加深入的研究，為相關管理人員對智能配電網的維護提供指導和幫助。

目前，國內外學者針對智能配電網故障預警從不同的角度提出了各種解決方案。研究表明配電網大部分故障，在破壞性故障發生之前，配電網就已經進入病態運行，具有趨勢性和累積效應。但目前大多數的解決方案是利用配電網的局部參數如諧波電流和短路電流，或者是局部部件如變壓器，又或者是與外在因素如雷雨天氣相關聯，來達到對智能配電網故障預警的效果。這些解決方案未能從整體上對智能配電網的運行狀態進行把握，并且在預警的方案上，只考慮了當前的某一因素從而判斷是否需要預警，未能充分利用配電網故障的趨勢性和累積效應，從而在面對越來越復雜的智能配電網時，故障預警的準確率上稍有欠缺。因此，目前急需一種能夠實現對智能配電網的運行狀態整體把握，并能從當前和以往的運行狀態來共同決定是否即將出現故障的預警方法。

發明內容

有鑒于此，本發明的目的在于提供一種基于故障基因表的智能配電網故障預警方法，充分利用智能配電網故障具有的趨勢性和累積效應特點，解決智能配電網故障預警的問題，并提高其預警的準確率。

為達到上述目的，本發明提供如下技術方案：

一種基于故障基因表的智能配電網故障預警方法，具體包含如下步驟：

S1：對智能配電網的運行狀態進行劃分，并構建智能配電網狀態評估指標體系；

S2：構建包含輸入層、隱含層和輸出層的BP神經網絡模型；

S3：將智能電網歷史故障數據分為兩部分，對第一部分智能配電網歷史故障數據源中的母線的運行數據進行聚類來構建訓練樣本；

S4：將第一部分智能電網的訓練樣本和訓練樣本所對應的配電網運行狀態輸入到BP神經網絡模型進行訓練，得到BP神經網絡狀態評估模型；

S5：將第二部分智能配電網歷史故障數據源中的母線的運行數據輸入到BP神經網絡狀態評估模型得到智能配電網狀態轉移時間序列和故障的映射關系，從而構建出故障基因表；

S6：周期性獲取當前智能配電網的母線的運行狀態數據，并將運行狀態數據輸入到BP神經網絡狀態評估模型得到當前智能電網的狀態轉移時間序列；

S7：通過Smith-Waterman基因序列比對算法，將獲得的當前智能電網的狀態轉移時間序列與故障基因表中的所有基因進行匹配，求取匹配值，將最大的匹配值與所設定的閾值進行比較，若超過閾值，則預警該基因所對應的故障。

進一步，在步驟S1中，所述構建智能配電網狀態評估指標體系具體為：