CN108919044A - 一种基于互校验机制的单元制配电网故障主动识别方法 - Google Patents

Abstract

本发明公开了一种基于互校验机制的单元制配电网故障主动识别方法，步骤1：监视全网数据，对全网数据按照单元制划分模块，进行实时数据分类比对分析，实现动态分类识别；步骤2：判断是否存在分类为故障态、预警态的事件，如果存在则进入下一步，如果不存在，则继续监视；步骤3：单元内数据状态校正与补全；步骤4：采用数据互校验方法确认事件成立的可信性，弥补大数据识别分类后存在的误差；步骤5：确认故障事件成立，并调用相应故障类型的故障处理模块处理故障；步骤6：完成故障主动识别。本发明大幅缩短用户故障停电时间，减小了故障停电带来的社会影响，为配电网安全运行提供了技术支撑。

Description

一种基于互校验机制的单元制配电网故障主动识别方法

技术领域

本发明涉及一种基于互校验机制的单元制配电网故障主动识别方法，属于配电网技术领域。

背景技术

配电网的安全可靠运行直接关系着社会生产与人们的生活，一旦配电网发生故障，将给人们生活带来极大的不便。随着配电网的自动化程度越来越高，开展配电网故障识别是提高配电网安全性、经济性的重要保障，也是配电自动化的一个重要组成部分。

目前，配电网故障处理技术主要依托全网拓扑结构分析，面向对象为全***，由于配电网设备多、模型量大、管理复杂等问题导致配电网故障处理成功率较低问题。

发明内容

目的：为了克服现有技术中存在的不足，本发明提供一种基于互校验机制的单元制配电网故障主动识别方法。

技术方案：为解决上述技术问题，本发明采用的技术方案为：

一种基于互校验机制的单元制配电网故障主动识别方法，包括如下步骤：

步骤1：监视全网数据，对全网数据按照单元制划分模块，进行实时数据分类比对分析，实现动态分类识别；

步骤2：判断是否存在分类为故障态、预警态的事件，如果存在则进入下一步，如果不存在，则继续监视；

步骤3：单元内数据状态校正与补全；

步骤4：采用数据互校验方法确认事件成立的可信性，弥补大数据识别分类后存在的误差；

步骤5：确认故障事件成立，并调用相应故障类型的故障处理模块处理故障；

步骤6：完成故障主动识别。

作为优选方案，所述步骤1包括：

1.1：分类比对分析的算法采用KNN分类算法，完成对数据的分类比对分析；

1.2：原始训练数据获取实际运行***近三年的运行数据作为支撑；

1.3：通过对具备相关性关系的数据的比对分析，实现将原始数据转化为特定事件类型；其中特定事件类型分类包含故障态、正常态、预警态，故障态包括：短路故障、小电流接地故障、断线故障；预警态包括：合环运行、重载运行、失去转供路径。

作为优选方案，所述短路故障是具备开关跳闸、保护动作，跳闸开关下游设备量测归零特征；小电流接地故障是具备变电站母线接地告警、母线电压变化、变电站出现断路器选线结果、配网零序过流动作与零序过流峰值分析、配网故障指示器接地指示与录波波形分析特征；断线故障具备设备量测归零、配变失压特征。

作为优选方案，所述步骤3包括：

3.1：对单元内的数据组进行状态估计，并结合KNN分类算法的经验值进行数据补全与校正工作，补充丢失信号，丢弃错误信号；

3.2：通过大量原始数据积累比较，并随着时间的推移动态调整经验值与专家库信息，保证校正参照标准的准确性，从而形成完整的单元内数据信息用于下一步校验使用。

作为优选方案，所述步骤4包括：

4.1：通过对数据分类得到的实时数据组中的不同类型数据，深入挖掘数据与数据之间的相互依赖关系，互相验证其可靠性；

4.2：同时验证故障态或预警态下数据本身存在的属性关系与约束关系，以此作为参照，确认故障事件本身是否成立。

作为优选方案，所述KNN分类算法是一种大数据分析的方法。

有益效果：本发明提供的一种基于互校验机制的单元制配电网故障主动识别方法，充分利用单元制模式对配电网模型的管理优势，提出一种基于互校验机制的单元制配电网故障主动识别方法，该技术方法的实现能够解决配电网模型量大、结构复杂、终端数据质量差等问题带来配电网故障识别准确率低等问题，从而大幅缩短用户故障停电时间，减小了故障停电带来的社会影响，为配电网安全运行提供了技术支撑。

附图说明

图1为本发明的方法流程示意图。

具体实施方式

下面结合附图对本发明作更进一步的说明。

基于互校验机制的单元制配电网故障主动识别模块将配电网按照单元制划分模块，每个单元为一个单位，进行故障监视。

基于互校验机制的单元制配电网故障主动识别模块对每个单元内的所有数据进行实时数据分类分析，利用KNN分类方法实现数据组快速分类，并识别故障类别。

基于互校验机制的单元制配电网故障主动识别模块在识别到单元内设备存在异常后，将对单元内所有设备进行状态估计，判断设备动作信号的可信性，发现设备异常信号可信后，将启动故障类型以及故障等级的判别。由于单元制划分的配电网单元内设备少，拓扑关系简单，因此对于模型分析、拓扑分析、状态估计等计算节省了非常多的时间，计算耗时可忽略不计。

基于互校验机制的单元制配电网故障主动识别模块在故障类型以及故障等级的判别中，主要判别依据是针对故障信号的本质特征分析。短路故障是具备开关跳闸、保护动作，跳闸开关下游设备量测归零等特征，校验结果满足上述特征情况下可以定义为发生短路故障；小电流接地故障是具备变电站母线接地告警、母线电压变化、变电站出现断路器选线结果、配网零序过流动作与零序过流峰值分析、配网故障指示器接地指示与录波波形分析等特征；断线故障具备设备量测归零、配变失压等特征。为了提高容错机制，上述校验结果将会进行数据互校验，缺失某些数值数据将不会影响故障识别结果。

数据互校验机制是通过对不同组数据中，数据与数据之间存在的相互依赖关系进行相互校验，从而补充缺失数据，丢弃错误数据，提示异常数据。数据之间相互依赖关系是通过收集已发生故障的实际数据，采用大数据分析的方法形成专家库体制，满足数据互校验的正确性。

如图1所示，一种基于互校验机制的单元制配电网故障主动识别方法，具体流程说明如下：

步骤1：监视全网数据，对全网数据按照单元制划分模块，进行实时数据分类比对分析，实现动态分类识别。

分类比对分析的算法采用KNN(k-nearest neighbor classification)分类算法，完成对数据的分类比对分析；原始训练数据获取实际运行***近三年的运行数据作为支撑，经测试分类成功率在96％以上。

通过对具备相关性关系的数据的比对分析，实现将原始数据转化为特定事件类型。其中特定事件类型分类包含故障态、正常态、预警态，故障态包括：短路故障、小电流接地故障、断线故障；预警态包括：合环运行、重载运行、失去转供路径。

通过KNN(k-nearest neighbor classification)分类算法这种大数据分析的方法，自动匹配相关数据内容，摒弃了原有监控逻辑中对单一遥信、遥测分析的弊端，提高数据分析的可靠性。

步骤2：判断是否存在分类为故障态、预警态的事件，如果存在则进入下一步，如果不存在，则继续监视。

步骤3：单元内数据状态校正与补全。

由于全网数据按照单元制划分，使得相关性设备组容量大大减少，从而使得单元内的计算效率大大增加，因此状态估计以及复杂的数据校验算法可以满足实时性要求。

对单元内的数据组进行状态估计，并结合KNN(k-nearest neighborclassification)分类算法的经验值进行数据补全与校正工作，补充丢失信号，丢弃错误信号，通过大量原始数据积累比较，并随着时间的推移动态调整经验值与专家库信息，保证校正参照标准的准确性，从而形成完整的单元内数据信息用于下一步校验使用。

步骤4：采用数据互校验方法确认事件成立的可信性，弥补大数据识别分类后存在的误差。

数据互校验是通过对第一步数据分类得到的实时数据组中的不同类型数据，深入挖掘数据与数据之间的相互依赖关系，互相验证其可靠性，同时验证故障态或预警态下数据本身存在的属性关系与约束关系，以此作为参照，确认事件本身是否成立。

步骤5：确认故障事件成立，并调用相应故障类型的故障处理模块处理故障。

步骤6：完成故障主动识别。

以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (6)

1.一种基于互校验机制的单元制配电网故障主动识别方法，其特征在于：包括如下步骤：

步骤1：监视全网数据，对全网数据按照单元制划分模块，进行实时数据分类比对分析，实现动态分类识别；

步骤2：判断是否存在分类为故障态、预警态的事件，如果存在则进入下一步，如果不存在，则继续监视；

步骤3：单元内数据状态校正与补全；

步骤4：采用数据互校验方法确认事件成立的可信性，弥补大数据识别分类后存在的误差；

步骤5：确认故障事件成立，并调用相应故障类型的故障处理模块处理故障；

步骤6：完成故障主动识别。

2.根据权利要求1所述的一种基于互校验机制的单元制配电网故障主动识别方法，其特征在于：所述步骤1包括：

1.1：分类比对分析的算法采用KNN分类算法，完成对数据的分类比对分析；

1.2：原始训练数据获取实际运行***近三年的运行数据作为支撑；

1.3：通过对具备相关性关系的数据的比对分析，实现将原始数据转化为特定事件类型；其中特定事件类型分类包含故障态、正常态、预警态，故障态包括：短路故障、小电流接地故障、断线故障；预警态包括：合环运行、重载运行、失去转供路径。

3.根据权利要求2所述的一种基于互校验机制的单元制配电网故障主动识别方法，其特征在于：所述短路故障是具备开关跳闸、保护动作，跳闸开关下游设备量测归零特征；小电流接地故障是具备变电站母线接地告警、母线电压变化、变电站出现断路器选线结果、配网零序过流动作与零序过流峰值分析、配网故障指示器接地指示与录波波形分析特征；断线故障具备设备量测归零、配变失压特征。

4.根据权利要求1所述的一种基于互校验机制的单元制配电网故障主动识别方法，其特征在于：所述步骤3包括：

3.1：对单元内的数据组进行状态估计，并结合KNN分类算法的经验值进行数据补全与校正工作，补充丢失信号，丢弃错误信号；

3.2：通过大量原始数据积累比较，并随着时间的推移动态调整经验值与专家库信息，保证校正参照标准的准确性，从而形成完整的单元内数据信息用于下一步校验使用。

5.根据权利要求1所述的一种基于互校验机制的单元制配电网故障主动识别方法，其特征在于：所述步骤4包括：

4.1：通过对数据分类得到的实时数据组中的不同类型数据，深入挖掘数据与数据之间的相互依赖关系，互相验证其可靠性；

4.2：同时验证故障态或预警态下数据本身存在的属性关系与约束关系，以此作为参照，确认故障事件本身是否成立。

6.根据权利要求1至6任一项所述的一种基于互校验机制的单元制配电网故障主动识别方法，其特征在于：所述KNN分类算法是一种大数据分析的方法。