[發明專利]一種交直流電網運行數據的屬性標定方法及系統

在審

• 申請號: 201911064640.8
• 申請日: 2019-11-01
• 公開（公告）號: CN111027587A
• 公開（公告）日: 2020-04-17
• 發明（設計）人: 楊曉楠;郎燕生;孫博;張印;李理;羅雅迪;李靜;王磊;王淼;劉鵬;吳奇;彭獻永;林金星;張磊
• 申請（專利權）人: 中國電力科學研究院有限公司;國家電網有限公司;國網山東省電力公司電力科學研究院
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06Q50/06
• 代理公司: 北京安博達知識產權代理有限公司 11271
• 代理人: 徐國文

本發明提供的一種交直流電網運行數據的屬性標定方法及系統，標定方法包括：對交直流運行參數利用光滑偽仿射維格納?維勒分布提取瞬時譜信息并組成復合特征；對所述復合特征進行樹變換，生成非線性不相關的特征；通過預先構建的層次狄利克雷過程?剩余壽命的隱半馬爾科夫模型對所述非線性不相關的特征進行學習，實現交直流電網運行數據對應運行狀態的屬性標定；其中，所述層次狄利克雷過程?剩余壽命的隱半馬爾科夫模型基于在交直流電網工作狀態的持續時間中增加了異常狀態的停留時間進行建模。本申請通過層次狄利克雷過程?剩余壽命的隱半馬爾科夫模型的學習能夠顯著地探測到異常狀態，解決了交直流電網安全保障一直難以解決的問題。

技術領域

本發明涉及交直流電網故障檢測領域，具體涉及一種交直流電網運行數據的屬性標定方法及系統。

背景技術

交直流電網故障的學習對正確評估交直流電網狀態具有重要意義，交直流電網故障的學習包括對交直流電網運行參數性能監控。目前，交直流電網運行狀態參數學習模式主要有：1)直流換相失敗和直流閉鎖情況下交流側機組功角、節點電壓、系統頻率和聯絡線功率等狀態量變化特征學習；2)交直流電網故障后系統功角、電壓和頻率等不同失穩模式下的特征學習。現有的學習方式中傳統的傅里葉變換不能夠提供頻域瞬態信息，小波變換只能夠提供豐富的低頻信息，導致難以給出信號的時、頻與幅度三維同步顯示信息。隱馬爾科夫模型(Hidden Markov Models,HMMs)作為隱狀態學習的經典模型，因存在狀態持續時間分布是幾何形式，導致與實際應用情況不相符；此外，隱馬爾科夫模型還必須設置隱藏狀態數量，不準確的數量將導致模型與實際數據的偏差。貝葉斯非參數方法(Bayesian Non-Parametric,BNP)用于解決這一問題，它可以在學習過程中推斷出正確的狀態數量。將BNP應用于HMM，可經由層次Dirichlet過程(Hierarchical Dirichlet Process,HDP)從后驗分布中推斷隱藏狀態數量。HDP-HMM的一些擴展模型，如自適應HDP-HMM和在線HDP-HMM已被應用于處理相關實際問題。此外，傳統的HDP-HMM沒有考慮到每個狀態的持續時間，將導致狀態之間的快速切換。通過使用隱半馬爾科夫模型(Hidden semi-Markov Model,HSMM)解決狀態之間的快速切換的問題，它考慮到了狀態的駐留時間，進入特定狀態后，駐留時間結束時，馬爾科夫鏈將轉換到下一個狀態。與傳統的HMM不同，HSMM的每個狀態對應一段觀察值，然而在交流電網故障狀態檢測中，狀態參量的故障信號的影響非常微弱，故障開始的時間點很難被檢測。

經過檢索發現：文獻《特高壓交直流接入對江西電網短路電流的影響研究》存在只是定性交直流分析，給出短路電流超標問題的措施和方法，沒有對異常交直流狀態進行建模與識別；文獻《基于DAB直流變壓器的多電壓等級交直流混合配電網故障特性分析》存在僅僅開展基于機理的交直流電網故障特性分析，沒有對交直流狀態參數進行瞬態分析；文獻《交直流碰線故障對變壓器差動保護影響的實證分析》存在交直流系統進行仿真，基于系統模型的仿真結果，難以驗證真實數據的交直流故障。

綜上，現有的方法仍然沒有解決在交流電網故障的學習中，有效標定交直流電網運行數據屬性的問題。

發明內容

為了解決現有技術中所存在的上述不足，本發明提供了一種交直流電網運行數據的屬性標定方法，包括：

對交直流運行參數利用光滑偽仿射維格納-維勒分布提取瞬時譜信息并組成復合特征；

對所述復合特征進行樹變換，生成非線性不相關的特征；

通過預先構建的層次狄利克雷過程-剩余壽命的隱半馬爾科夫模型對所述非線性不相關的特征進行學習，實現交直流電網運行數據對應運行狀態的屬性標定；

其中，所述層次狄利克雷過程-剩余壽命的隱半馬爾科夫模型基于在交直流電網工作狀態的持續時間中增加了異常狀態的停留時間進行建模。