CN106019043B - 一种基于模糊积分多源信息融合理论的电网故障诊断方法 - Google Patents
一种基于模糊积分多源信息融合理论的电网故障诊断方法 Download PDFInfo
- Publication number
- CN106019043B CN106019043B CN201610305442.6A CN201610305442A CN106019043B CN 106019043 B CN106019043 B CN 106019043B CN 201610305442 A CN201610305442 A CN 201610305442A CN 106019043 B CN106019043 B CN 106019043B
- Authority
- CN
- China
- Prior art keywords
- fault
- wavelet
- degree
- information
- power grid
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种基于模糊积分多源信息融合理论的电网故障诊断方法,包括以下步骤:步骤一,获取电气量及开关量故障信息;步骤二,对步骤一中的故障信息进行预处理,对电气量进行小波分析,求取小波奇异度xj1和小波故障度xj2;对开关量进行贝叶斯网络诊断,由贝叶斯理论求出开关量的故障度xj3;步骤三,基于模糊积分算法理论对步骤二中求得的小波奇异度xj1和小波故障度xj2、开关量的故障度xj3进行融合,得出最终决策结果。降低了仅采用开关量和电气量诊断电网故障造成的模型误差。
Description
技术领域
本发明涉及电网故障诊断技术领域,尤其涉及一种基于模糊积分多源信息融合理论的电网故障诊断方法。
背景技术
电网是国民经济的支柱,经济的发展离不开电网的发展,一旦发生大面积停电事故将产生不可估量的损失。近年来,我国迎来电网建设的快速发展阶段,电网的故障诊断方法的研究成为国内外学者研究的重点。因此,电网的故障诊断成为了电力***研究者和电力设备制造商所关注的问题。但由于其电网故障的发生具有不可预知性,保护装置的原理又极其复杂,仅依靠电气量确定故障设备的精确度不高这给事故分析带来了很大挑战,电网故障诊断仍有大量的工作需要进一步完善,实时准确故障诊断对及时修复故障设备恢复供电,对减少经济损失和提高供电可靠性具有十分重要的意义。
随着计算机技术、通讯技术、和网络技术的飞速发展,许多先进的控制算法得以快速的实现,电网测量数据也能被实时采集分析。但是当电网发生故障时,调度中心会在短时间内接收到大量的故障信息,给调度员查找故障带来了很大的难度。为了在电网故障时能够快速准确的识别故障,因此需要电网故障诊断方法进行决策参考。
传统的电网故障诊断多只采用电气量或者保护信息,但因故障信息不确定性会导致误判、漏判,扩大了故障元件的诊断,产生误判等情况,因此仅仅采用开关量的故障诊断已不能令人满意。
发明内容
本发明的目的就是为了解决上述问题,提供一种基于模糊积分多源信息融合理论的电网故障诊断方法,降低了仅采用开关量和电气量诊断电网故障造成的模型误差。
为了实现上述目的,本发明采用如下技术方案:
一种基于模糊积分多源信息融合理论的电网故障诊断方法,包括以下步骤:
步骤一,获取电气量及开关量故障信息;
步骤二,对步骤一中的故障信息进行预处理,对电气量进行小波分析,求取小波奇异度xj1和小波故障度xj2;对开关量进行贝叶斯网络诊断,由贝叶斯理论求出开关量的故障度xj3;
步骤三,基于模糊积分算法理论对步骤二中求得的小波奇异度xj1和小波故障度xj2、开关量的故障度xj3进行融合,得出最终决策结果。
所述电气量包括各个输电线路的电流、功率及各节点电压,所述开关量故障信息包括保护动作信息和断路器信息。
小波奇异度的求解方法为,p个尺度的小波分析结果能构成p×q阶矩阵A,t=min(p,q),Λi=diag(λ1,λ2,…,λ1)为***第i(i=1,2,…,n)个元件对应A的奇异值特征矩阵,小波奇异度为其中
小波故障度的求解方法为,提取故障时刻t0,对小波进行多分辨分析,小波故障度为其中,aF为可信度,i=1,2,…,n,F′i为信号在故障前后幅值的变化程度,Fimax为变化的最大幅值,如果t<t0,Fif=max(D(t)),如果t>t0,Fib=max(D(t)),D(t)为细节系数,t0为故障时刻。
所述步骤三的具体步骤为,
计算出电网故障的模糊测度,从而求出多源信息对于电网故障度影响系数(w1,w2,w3);
由模糊积分算法理论确定出故障信息密度gλ;利用信息xj1:xj2:xj3的值对决策的影响系数(w1,w2,w3)构造一个模糊测度函数gλ;令(g1:g2:g3)=(w1:w2:w3)计算得出多源信息x=(xj1:xj2:xj3)融合后第1,2,3类决策的模糊值e1:e2:e3;
故障信息每个支路确定度最终取ej=max(e1:e2:e3);
将计算出的每个支路决策ej与阈值ε比较,确定故障度可疑集合E。
求解多源信息对于电网故障度影响系数的方法为,
取电网每个故障设备信息的样本为n,求取第j条支路的融合结果的特征向量为:Vj=(Vj1:Vj2:Vj3)1≤j≤3;在模糊可测的空间上取值一个[0,1]的可测函数:
其中,多源信息(xj1,xj2,xj3)为第j条支路所对应的可信程度,式中xji-Vji表示第j条故障所对应的特征向量Vj=(Vj1,Vj2:Vj3)与电气量诊断、开关量诊断得到的多源信息(xj1:xj2:xj3)的差值;将求出的结果记为(w1:w2:w3)。
本发明的有益效果:
1.本发明给出了一种基于模糊积分多源信息融合理论的电网故障诊断的方法,降低了仅采用开关量和电气量诊断电网故障造成的模型误差。
2.采用先进智能算法,故障诊断准确度高。采用模糊积分理论可以有效地集成多源信息,进行信息融合地故障诊断。
3.采用该方法建立的故障模型更清晰、直观和便于理解。充分发挥了模糊积分理论的特点,鲁棒性强。
4.基于小波变换的处理故障信息的方法能够更有效地减少信息的冗余性,故障信息特征更明确和突出。
附图说明
图1为电网中故障信息上传的顺序图;
图2为相关电气量的变化顺序图;
图3为电网故障信息时序图;
图4为故障信息获取图;
图5为输电线路模型;
图6为对A2母线进行故障诊断的贝叶斯模型图;
图7为本发明的流程图。
具体实施方式
下面结合附图与实施例对本发明作进一步说明。
如图7所示,一种基于模糊积分多源信息融合理论的电网故障诊断方法,包括以下步骤:
步骤一,获取电气量及开关量故障信息;
步骤二,对步骤一中的故障信息进行预处理,对电气量进行小波分析,求取小波奇异度xj1和小波故障度xj2;对开关量进行贝叶斯网络诊断,由贝叶斯理论求出开关量的故障度xj3;
步骤三,基于模糊积分算法理论对步骤二中求得的小波奇异度xj1和小波故障度xj2、开关量的故障度xj3进行融合,得出最终决策结果。
所述步骤一,获取电气量、开关量等故障信息:电网中故障信息上传的顺序如图1所示,当电网发生故障时,各个输电线路的电流(功率)、各节点电压等电气量,接着为因电气量产生变化而动作的保护信息,最后为直接作用于故障隔离的断路器的跳闸信息。相关电气量的变化顺序如图2所示,其中,保护动作信息和断路器信息统称为开关量信息。电网故障信息时序如图3所示,实际中的故障信息获取包含两类:电网动态信息和电网静态信息,获取途径如图4所示,其中,SCADA(Supervisory Control And Data Acquisition)***,即数据采集与监视控制***。SCADA***是以计算机为基础的DCS与电力自动化监控***。
所述步骤二中,根据步骤一中的故障信息进行预处理,对电气量进行小波分析,求取小波奇异度、小波故障度;对开关量采用贝叶斯网络诊断。
对电气量进行小波分析,求取小波奇异度、小波故障度。
小波变换是一种与短时傅里叶变换相类似的一种时频描述方法,小波变换使用变宽度的函数的分解方法,能够产生一系列的分辨率,继承和发展了短时傅立叶变换局部化的思想,同时又克服了窗口大小不随频率变化、缺乏离散正交基等缺点,是对信号进行局部频谱分析、处理非卷积型线性算子、变系数线性微分算子等的理想数学工具。与傅里叶变换不同,傅立叶变换使用正弦函数作基来分解信号,而小波变换用一般的函数作分解基。
小波变换的含义:把一个称为基本小波的函数Φ(t)做时间位移τ后,再在不同尺度因子α下与待分析信号x(t)做内积。
等效频率可表示为
式中,X(w)、Φ(w)分别为x(t)、Φ(t)的傅里叶变换。
a)电力***故障时信号中含有大量的暂态信息和次暂态信息,可以通过奇异值的方法辨别故障元件。
设有p个尺度的小波分析结果可构成p×q阶矩阵A,t=min(p,q),Λi=diag(λ1,λ2,…,λt)为***第i(i=1,2,…,n)个元件对应A的奇异值特征矩阵,令
b)小波故障度为元件故障前后的电气量的幅值变化程度的表征,故障元件发生的变化远远大于非故障元件。
提取故障时刻t0,对小波进行多分辨分析,D(t)为细节系数。令
Fif=max(D(t))t<t0
Fib=max(D(t))t>t0(5)
故障小波的诊断支持度为:
其中,aF为可信度。
对开关量进行贝叶斯诊断
其中ppar(xi)为xi父节点的集合。即对于一个具有m个基本事件{xi1},{xi2},…,{xim}的随机变量xi,假设除xi,所有相关变量的结果V={x1,…,xi-1,xi+1,…,xn},根据贝叶斯定律,条件概率可表示为
以一个简单的输电线路模型为例,如图5所示。
其中,K代表开关,A代表母线,L为输电线路。
对A2母线进行故障诊断的贝叶斯模型如图6所示。其中,1、r、m分别表示左右及主保护,p、s分别表示第一和第二后备保护。由该网络可以清楚地看出各元件、主保护、后备保护、母线以及开关之间的关系。
所述步骤三中,基于模糊积分算法理论进行融合,得出最终决策结果。
对于有限集合X=(x1,x2,…,xm),如果可测函数h(x)满足式h(x1)≥h(x2)≥…≥h(xn),不满足条件时可调整集合X中的元素次序使之满足条件,则h相对于模糊测度g的模糊积分为
其中,Ai=(x1,x2,…,xi),当gλ为模糊测度时,设gi=(g(xi)),则g(Ai)的算法为
g(A1)=g(x1)=g1(8)
g(Ai)=gi+g(Ai-1)+λgig(Ai-1)(1≤i≤m)(9)
模糊积分方法融合多源信息的步骤:
a)根据小波分析理论计算出小波奇异度、小波故障度,并对其结果进行预处理;同时由贝叶斯理论求出开关量的故障度,分别记为x=(xj1:xj2,xj3);
b)求解λ,计算出电网故障的模糊测度,从而求出多源信息对于电网故障度影响系数(w1:w2:w3)。具体为取电网每个故障设备信息的样本为n,求取第j条支路的融合结果的特征向量为:Vj=(Vj1:Vj2:Vj3)1≤j≤3;h(x)在模糊可测的空间上取值一个[0,1]的可测函数
其中,多源信息x=(xj1,xj2,xj3)为第j条支路所对应的可信程度,式中xji-Vji表示第j条故障故障所对应的特征向量Vj=(Vj1,Vj2,Vj3)与电气量诊断、开关量诊断得到的多源信息(xj1,xj2:xj3)的差值。
将求出的结果记为(w1,w2,w3)。
a)由式(7)-(11)确定出故障信息密度gλ。利用信息xj1:xj2,xj3的值对决策的影响系数(w1:w2:w3)构造一个模糊测度函数gλ;令(g1:g2:g3)=(w1:w2:w3)计算得出多源信息x=(xj1:xj2:xj3)融合后第1,2,3类决策的模糊值e1:e2:e3。
b)故障信息每个支路确定度最终取ej=max(e1:e2:e3)。
c)将计算出的每个支路决策ej与阈值ε比较,确定故障度可疑集合E。
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (2)
1.一种基于模糊积分多源信息融合理论的电网故障诊断方法,其特征是,包括以下步骤:
步骤一,获取电气量及开关量故障信息;
步骤二,对步骤一中的故障信息进行预处理,对电气量进行小波分析,求取小波奇异度xj1和小波故障度xj2;对开关量进行贝叶斯网络诊断,由贝叶斯理论求出开关量的故障度xj3;
步骤三,基于模糊积分算法理论对步骤二中求得的小波奇异度xj1和小波故障度xj2、开关量的故障度xj3进行融合,得出最终决策结果;
所述小波故障度的求解方法为,提取故障时刻t0,对小波进行多分辨分析,小波故障度为,其中,aF为可信度,i=1,2,…,n,Fi'为信号在故障前后幅值的变化程度,Fimax为变化的最大幅值,如果t<t0,Fif=max(D(t)),如果t>t0,Fib=max(D(t)),D(t)为细节系数,t0为故障时刻;
所述步骤三的具体步骤为,
计算出电网故障的模糊测度,从而求出多源信息对于电网故障度影响系数(w1,w2,w3);
由模糊积分算法理论确定出故障信息密度p;利用信息xj1,xj2,xj3的值对决策的影响系数(w1,w2,w3)构造一个模糊测度函数gλ;令(g1,g2,g3)=(w1,w2,w3)计算得出多源信息x=(xj1,xj2,xj3)融合后第1,2,3类决策的模糊值e1,e2,e3;
故障信息每个支路确定度最终取ej=max(e1,e2,e3);
将计算出的每个支路决策ej与阈值ε比较,确定故障度可疑集合E;
求解多源信息对于电网故障度影响系数的方法为,
取电网每个故障设备信息的样本为n,求取第j条支路的融合结果的特征向量为:
Vj=(Vj1,Vj2,Vj3)1≤j≤3;在模糊可测的空间上取值一个[0,1]的可测函数:
其中,多源信息(xj1,xj2,xj3)为第j条支路所对应的可信程度,式中xji-Vji表示第j条故障所对应的特征向量Vj=(Vj1,Vj2,Vj3)与电气量诊断、开关量诊断得到的多源信息(xj1,xj2,xj3)的差值;将求出的结果记为(w1,w2,w3);
所述电气量包括各个输电线路的电流、功率及各节点电压,所述开关量故障信息包括保护动作信息和断路器信息;
对开关量进行贝叶斯网络诊断的方法为,给每条线路设置线路故障概率及主保护拒动、误动概率,假设线路Li的故障诊断结果mei为故障概率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610305442.6A CN106019043B (zh) | 2016-05-10 | 2016-05-10 | 一种基于模糊积分多源信息融合理论的电网故障诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610305442.6A CN106019043B (zh) | 2016-05-10 | 2016-05-10 | 一种基于模糊积分多源信息融合理论的电网故障诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106019043A CN106019043A (zh) | 2016-10-12 |
CN106019043B true CN106019043B (zh) | 2020-05-26 |
Family
ID=57099121
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610305442.6A Active CN106019043B (zh) | 2016-05-10 | 2016-05-10 | 一种基于模糊积分多源信息融合理论的电网故障诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106019043B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110108981B (zh) * | 2019-04-30 | 2024-05-31 | 中国电力科学研究院有限公司 | 一种有源配电网中线路的故障诊断方法和*** |
CN113030644B (zh) * | 2021-03-09 | 2024-03-12 | 东北电力大学 | 多数据源信息融合的配电网故障定位方法 |
CN113325266A (zh) * | 2021-05-19 | 2021-08-31 | 国网辽宁省电力有限公司 | 基于模糊积分多源信息融合的电网故障诊断方法及*** |
CN114217168B (zh) * | 2021-12-07 | 2024-06-04 | 云南电网有限责任公司保山供电局 | 基于录波数据最优特征选取的输电线路故障高效诊断方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101661075A (zh) * | 2009-06-08 | 2010-03-03 | 浙江大学 | 一种基于神经网络和模糊积分的电力***故障诊断方法 |
CN101726688A (zh) * | 2009-09-17 | 2010-06-09 | 浙江大学 | 一种多数据源信息融合的电网故障诊断方法 |
CN104281899A (zh) * | 2013-07-03 | 2015-01-14 | 云南电力调度控制中心 | 一种新的基于信息融合的故障诊断方法 |
-
2016
- 2016-05-10 CN CN201610305442.6A patent/CN106019043B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101661075A (zh) * | 2009-06-08 | 2010-03-03 | 浙江大学 | 一种基于神经网络和模糊积分的电力***故障诊断方法 |
CN101726688A (zh) * | 2009-09-17 | 2010-06-09 | 浙江大学 | 一种多数据源信息融合的电网故障诊断方法 |
CN104281899A (zh) * | 2013-07-03 | 2015-01-14 | 云南电力调度控制中心 | 一种新的基于信息融合的故障诊断方法 |
Non-Patent Citations (2)
Title |
---|
基于多源信息融合的电网故障诊断方法研究;高振兴 等;《电力***保护与控制》;20110316;第39卷(第6期);第17页摘要-第22页第1栏第4行 * |
基于广域测量***的电网故障诊断方法研究;赵伟;《中国优秀硕士学位论文全文数据库 工程科技II辑》;20110215(第02期);C042-74-34-45 * |
Also Published As
Publication number | Publication date |
---|---|
CN106019043A (zh) | 2016-10-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103324847B (zh) | 电力***动态不良数据检测与辨识方法 | |
CN106019043B (zh) | 一种基于模糊积分多源信息融合理论的电网故障诊断方法 | |
US10073148B2 (en) | Fault detection in energy supply networks | |
US5627760A (en) | Method and apparatus for real time recursive parameter energy management system | |
CN110348114B (zh) | 一种电网完备性状态信息重构的非精确故障识别方法 | |
Majidi et al. | Distribution systems state estimation using sparsified voltage profile | |
Kezunovic | Translational knowledge: From collecting data to making decisions in a smart grid | |
Souhe et al. | Fault detection, classification and location in power distribution smart grid using smart meters data | |
CN109146336B (zh) | 一种基于t分布的电力***鲁棒状态估计方法 | |
Akrami et al. | Sparse distribution system state estimation: An approximate solution against low observability | |
CN109635430B (zh) | 电网输电线路暂态信号监测方法和*** | |
CN117110798B (zh) | 智能配电网的故障检测方法和*** | |
CN106646106B (zh) | 基于变点探测技术的电网故障检测方法 | |
CN109193639B (zh) | 一种电力***抗差估计方法 | |
CN115795222A (zh) | 基于同步相量测量的电网不良参数辨识和校正方法 | |
Yuanhai | Robust Estimators in Modern Powe1· System Networks | |
CN114172262A (zh) | 智能变电站采样数据质量综合评估方法及*** | |
CN113315100A (zh) | 一种基于卷积神经网络的微电网保护方法与*** | |
CN111368933A (zh) | 一种基于Softmax回归的配电网暂态过程故障分类方法及*** | |
CN111413587A (zh) | 配电网故障监测装置安装位置的确定方法及*** | |
Jiang et al. | Fault location in active distribution networks using block sparse Bayesian learning | |
Lin et al. | Spatiotemporal Graph Convolutional Neural Network Based Forecasting-Aided State Estimation Using Synchrophasors | |
CN116736043B (zh) | 一种电力***线路故障特征主动增强检测方法 | |
Kezunovic et al. | Fault location using sparse wide area measurement | |
Feng et al. | A method for identifying major disturbance sources in a regional grid |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |