[發(fā)明專利]基于多源異構(gòu)數(shù)據(jù)的配電網(wǎng)故障信息挖掘與診斷方法

在審

• 申請?zhí)枺?/td>: 201711350231.5
• 申請日: 2017-12-15
• 公開（公告）號: CN108037415A
• 公開（公告）日: 2018-05-15
• 發(fā)明（設(shè)計）人: 馬洲俊;黃文燾;鄭玉平;吳峻恒;臧海祥;張芳;呂湛;許洪華;陳逸如
• 申請（專利權(quán)）人: 國網(wǎng)江蘇省電力有限公司南京供電分公司;河海大學;上海交通大學;國網(wǎng)江蘇省電力有限公司
• 主分類號: G01R31/08
• 分類號: G01R31/08
• 代理公司: 南京天翼專利代理有限責任公司 32112
• 代理人: 奚銘

基于多源異構(gòu)數(shù)據(jù)的配電網(wǎng)故障信息挖掘與診斷方法，首先對于配電網(wǎng)故障事件制定預(yù)集規(guī)則，進行數(shù)據(jù)挖掘，然后對配電網(wǎng)多源異構(gòu)信息進行預(yù)處理與融合，最后基于多源數(shù)據(jù)進行配電網(wǎng)故障診斷。本發(fā)明融合生產(chǎn)管理系統(tǒng)、故障搶修以及SCADA數(shù)據(jù)，建立SCADA系統(tǒng)與TCM系統(tǒng)事件預(yù)集規(guī)則，提取與故障相關(guān)的信息，存儲于大數(shù)據(jù)平臺；挖掘多源異構(gòu)數(shù)據(jù)的關(guān)聯(lián)性，診斷配網(wǎng)系統(tǒng)中事件的信息與屬性，并結(jié)合輔助信息驗證診斷結(jié)果，為配電網(wǎng)的優(yōu)質(zhì)、安全與穩(wěn)定運行提供技術(shù)支撐。

技術(shù)領(lǐng)域

本發(fā)明屬于電力技術(shù)領(lǐng)域，涉及配電網(wǎng)故障信息的挖掘與診斷，為一種基于多源異構(gòu)數(shù)據(jù)的配電網(wǎng)故障信息挖掘與診斷方法。

背景技術(shù)

隨著國民經(jīng)濟的發(fā)展和人民生活水平的提高，電力用戶對供電可靠性和電能質(zhì)量的要求越來越高。但受惡劣環(huán)境和不可預(yù)測的人為因素影響，配電網(wǎng)尤其是架空線路發(fā)生故障的概率很高，而且在運行過程中，勵磁涌流、過負荷、雷擊、竊電等各種異常運行狀況時有發(fā)生[1]。配電網(wǎng)如何積極應(yīng)對突發(fā)事件，不僅需要掌握覆蓋轄區(qū)內(nèi)配網(wǎng)準確、可靠、全面、及時的狀態(tài)信息，還要針對這些多源異構(gòu)的復(fù)雜數(shù)據(jù)進行專業(yè)的分析與診斷[2,3]。

配網(wǎng)故障信息挖掘與診斷是為了提升配網(wǎng)安全運行水平和優(yōu)質(zhì)服務(wù)水平，實現(xiàn)安全風險防范與控制。配電網(wǎng)中可獲得的基礎(chǔ)數(shù)據(jù)類型繁多，生產(chǎn)管理系統(tǒng)(ProductionManagement System,PMS)數(shù)據(jù)、故障搶修(Trouble Call Management,TCM)數(shù)據(jù)、SCADA數(shù)據(jù)等，如故障類型、故障分布、故障與負荷關(guān)系、故障季節(jié)關(guān)聯(lián)、潮流、開關(guān)狀態(tài)量等方面的統(tǒng)計和運行數(shù)據(jù)。此外，配網(wǎng)建設(shè)改造數(shù)據(jù)、設(shè)備檢修數(shù)據(jù)乃至配網(wǎng)的運行考核數(shù)據(jù)、配網(wǎng)跳閘數(shù)據(jù)也可作為配電網(wǎng)運行狀態(tài)分析和挖掘的重要來源。由于配網(wǎng)結(jié)構(gòu)復(fù)雜，配網(wǎng)基礎(chǔ)數(shù)據(jù)不僅類型繁多，而且數(shù)據(jù)量大；以O(shè)PEN3000系統(tǒng)為例，其數(shù)據(jù)庫系統(tǒng)的數(shù)據(jù)表有數(shù)百個之多，數(shù)據(jù)類型復(fù)雜、結(jié)構(gòu)不統(tǒng)一、存儲分散、關(guān)聯(lián)性差。海量數(shù)據(jù)為配網(wǎng)運行分析提供良好數(shù)據(jù)基礎(chǔ)，同時也大大增加了數(shù)據(jù)處理和信息挖掘的難度，因此需要結(jié)合已有數(shù)據(jù)，建立合理的存儲結(jié)構(gòu)，挖掘多源異構(gòu)數(shù)據(jù)內(nèi)涵，提取有效數(shù)據(jù)信息。

傳統(tǒng)故障診斷技術(shù)是對斷路器狀態(tài)變化信息、保護裝置報警信息與動作信息以及電壓、電流等電氣量的特稱進行分析，根據(jù)保護動作邏輯與運行人員經(jīng)驗來判斷可能的故障位置和故障類型[1-2]。隨著配電網(wǎng)中數(shù)據(jù)采集系統(tǒng)的增加、數(shù)據(jù)類型、數(shù)據(jù)規(guī)模不斷增大，故障診斷指標從傳統(tǒng)的故障定位和故障定型發(fā)展到包含故障區(qū)域及元件定位、錯誤元件判定和故障重構(gòu)等內(nèi)容的綜合性指標，傳統(tǒng)故障診斷技術(shù)難以適用[2-3]。以專家系統(tǒng)、人工神經(jīng)網(wǎng)絡(luò)、Petri網(wǎng)絡(luò)、粗糙集理論為代表的智能診斷技術(shù)成為新形勢下的主要方法。專家系統(tǒng)包括知識庫、推理機、動態(tài)數(shù)據(jù)庫、人機界面、解釋模塊和知識庫管理系統(tǒng)等幾部分，其主要基于開關(guān)與保護設(shè)備的信息，根據(jù)已有的專家?guī)爝壿嬯P(guān)系對故障進行診斷[4-6]。人工神經(jīng)網(wǎng)絡(luò)通過特定的學習方法訓練樣本集，能夠在高維空間中尋找最優(yōu)超曲面來模擬輸入、輸出的函數(shù)關(guān)系。其最典型的診斷模型是開關(guān)和保護的狀態(tài)作為輸入，以可能發(fā)生的故障事件作為輸出，構(gòu)造依據(jù)全局逼近的BP算法或局部逼近的徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)[7-9]。Petri網(wǎng)絡(luò)用圖形來表述輸入量和輸出量的關(guān)系，然后根據(jù)系統(tǒng)和相應(yīng)的規(guī)則，與其建立一一對應(yīng)的關(guān)系，通過判斷是否滿足規(guī)則條件，得出相應(yīng)的結(jié)論[10-13]。Petri網(wǎng)絡(luò)由于其良好的計算能力和直觀的圖形表示能力，被廣泛應(yīng)用于電網(wǎng)故障領(lǐng)域[14-17]。粗糙集理論是可以有效處理不完整性和不確定性問題的新型數(shù)學工具，能夠利用專門的算法從數(shù)據(jù)中抽取有效模式，從海量數(shù)據(jù)中挖掘潛在的規(guī)律及隱含的知識[18-20]。