[發明專利]一種基于智能數據融合分析的配電網故障識別方法及系統

在審

• 申請號: 202010787350.2
• 申請日: 2020-08-07
• 公開（公告）號: CN111965486A
• 公開（公告）日: 2020-11-20
• 發明（設計）人: 孫健;車凱;袁棟;程力涵;朱衛平;楊景剛;袁曉冬;史明明;曾飛;楊雄;方鑫;李鑫;林鎮源
• 申請（專利權）人: 國網江蘇省電力有限公司電力科學研究院;國家電網有限公司;南京航空航天大學;江蘇省電力試驗研究院有限公司
• 主分類號: G01R31/08
• 分類號: G01R31/08
• 代理公司: 南京縱橫知識產權代理有限公司 32224
• 代理人: 史俊軍

本發明公開了一種基于智能數據融合分析的配電網故障識別方法及系統，通過傳感器獲取采集節點的多種電氣特征量，并進行故障識別，可靠性高；同時本發明對獲取到的電氣特征量依次進行區域差分處理、拓展和降維，基于LOF算法確定離群點用于預測故障是否出現，如果出現故障進而確定故障位置，再將故障位置三相電壓進行小波奇異熵值計算，將計算結果輸入SVM故障識別模型，獲得配電網故障相位識別結果，無需復雜的整定計算，速度快。

技術領域

本發明涉及一種基于智能數據融合分析的配電網故障識別方法及系統，屬于配電網故障預警分析技術領域。

背景技術

傳統的中壓配電網多采用輻射型結構，其在正常運行時，潮流在網絡中是單向流動的，保護方法的整定較為簡單。而物聯網下的配電網，網絡結構復雜程，故障特性多樣，如果以單一的小樣本電氣特征量作為故障判據，可靠性低；同時故障出現后通常也無法及時得到處理，在檢測出故障后，如果要進行故障判斷，需要進行復雜的整定計算，速度慢。

發明內容

本發明提供了一種基于智能數據融合分析的配電網故障識別方法及系統，解決了現有方法可靠性低和速度慢的問題。

為了解決上述技術問題，本發明所采用的技術方案是：

一種基于智能數據融合分析的配電網故障識別方法，包括以下步驟：

獲取配電網采集節點上傳的用于故障預警的多種電氣特征量；

根據預先構建的配電網網絡關聯矩陣，對電氣特征量進行區域差分處理，獲得單時段單特征量狀態監測矩陣；

對單時段單特征量狀態監測矩陣進行拓展，獲得高維時空狀態監測矩陣；

對高維時空狀態監測矩陣依次進行降維和LOF檢測，獲得各采集節點的LOF值；

根據LOF值和預設規則，確定故障位置；

對故障位置的三相電壓進行小波奇異熵值計算，將計算結果輸入預先訓練的SVM故障識別模型，獲得配電網故障識別結果。

電氣特征量包括電流類型的電氣特征量和功率類型的電氣特征量。

配電網網絡關聯矩陣根據配電網采集節點網絡拓撲結構構建，配電網網絡關聯矩陣以區域為行、采集節點為列、采集節點與區域的關聯值為元素。

根據預先構建的配電網網絡關聯矩陣，對電氣特征量進行區域差分處理，獲得單時段單特征量狀態監測矩陣，具體過程為：

根據配電網網絡關聯矩陣和各采集節點上傳的電氣特征量組成的列矩陣，計算各電氣特征量的區域差分矩陣；

根據配電網網絡關聯矩陣和各電氣特征量的區域差分矩陣，獲得單時段單特征量狀態監測矩陣。

單時段單特征量狀態監測矩陣公式為：

Ri＝AT_i

Ci＝A^TRi

其中，A為配電網網絡關聯矩陣，T_i為第i個采集節點上傳的電氣特征量組成的列矩陣，Ri為各電氣特征量的區域差分矩陣，T為轉置，Ci為單時段單特征量狀態監測矩陣。

對單時段單特征量狀態監測矩陣進行拓展，獲得高維時空狀態監測矩陣，具體過程為：

將單時段單特征量狀態監測矩陣在空間上拓展成一個單時段多特征量狀態監測矩陣；

將單時段多特征量狀態監測矩陣在時間序列上拓展成一個多時段多特征量的高維時空狀態監測矩陣。

對高維時空狀態監測矩陣進行降維處理的過程為：