CN110609210B - 一种基于多源数据融合的电网故障诊断告警方法 - Google Patents
一种基于多源数据融合的电网故障诊断告警方法 Download PDFInfo
- Publication number
- CN110609210B CN110609210B CN201910911917.XA CN201910911917A CN110609210B CN 110609210 B CN110609210 B CN 110609210B CN 201910911917 A CN201910911917 A CN 201910911917A CN 110609210 B CN110609210 B CN 110609210B
- Authority
- CN
- China
- Prior art keywords
- fault
- time
- protection
- information
- value
- 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
- 238000003745 diagnosis Methods 0.000 title claims abstract description 27
- 238000000034 method Methods 0.000 title claims abstract description 27
- 230000004927 fusion Effects 0.000 title claims abstract description 13
- 238000004458 analytical method Methods 0.000 claims abstract description 30
- 230000009471 action Effects 0.000 claims abstract description 28
- 238000010606 normalization Methods 0.000 claims abstract description 11
- 238000012545 processing Methods 0.000 claims abstract description 9
- 238000000354 decomposition reaction Methods 0.000 claims description 11
- 230000008859 change Effects 0.000 claims description 6
- 230000001364 causal effect Effects 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims description 3
- 238000004088 simulation Methods 0.000 description 15
- 230000015572 biosynthetic process Effects 0.000 description 4
- 238000003786 synthesis reaction Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000000295 complement effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000001174 ascending effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
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
- G01R31/08—Locating faults in cables, transmission lines, or networks
- G01R31/088—Aspects of digital computing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
- Y04S10/52—Outage or fault management, e.g. fault detection or location
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种基于多源数据融合的电网故障诊断告警方法,包括以下步骤:对故障事件进行定义;定义主保护、近后备保护、远后备保护相对事件Ci的延时区间、保护与断路器动作的延时时间;根据不同的独立数据源获取相关时间参考点,得到在时序约束条件下的故障元件集合;获取故障元件故障发生的概率,并进行结合得到电力元件的故障置信集合,对其进行归一化处理;采用基于多分辨率的快速小波变换和小波能量分析方法对离散信号y(n)进行分析;获取电气量数据,获取故障差波信号,对电压差波信号进行小波能量分析,得到相应的能量畸变度的值;对故障元件能量畸变度的归一化处理,得到电力元件故障概率集;基于D‑S证据理论的信息融合,得到故障元件的故障置信值。
Description
技术领域
本发明涉及电网自动化技术领域,更具体的,涉及一种基于多源数据融合的电网故障诊断告警方法。
背景技术
随着计算机和通信技术的不断发展以及智能调度控制技术水平的不断提高,产生了大量电网故障诊断告警方法,但电网故障诊断告警方法多基于单一的业务***,其基础数据的实时性、可靠性和全面性无法同时得到保障,在线故障诊断在及时性、正确性以及分析结果的全面性等各个方面难以达到较好的平衡,难以适应大电网一体化运行的发展要求,特别是台风、雷雨等恶劣天气时,更需要对调度实时监控的海量告警信息进行综合处理,提高调度对电网运行状态的感知能力,以及应对电网故障的应急处置能力。
发明内容
本发明为了解决现有的电网故障诊断告警方法的业务***单一,其基础数据的实时性、可靠性和全面性无法同时得到保障,难以适应大电网一体化运行的发展要求的问题,提供了一种基于多源数据融合的电网故障诊断告警方法,其综合运用多源数据进行分析,可以有效解决现有电网故障诊断告警方法及时性、正确性以及分析结果的全面性难以达到有效平衡的问题。
为实现上述本发明目的,采用的技术方案如下:一种基于多源数据融合的电网故障诊断告警方法,所述的方法包括以下步骤:
步骤S1:基于开关量时序约束的电力元件故障分析:
S101:根据不同数据源的开关量信息,获得电力***故障数据信息,将相关故障数据信息记录包括:原因事件、报警信息;并将故障数据信息定义如下两类时间约束:一元时间约束、二元时间约束;
S102:根据传统继电保护配置原则,定义主保护、近后备保护、远后备保护相对事件Ci的延时区间,同时定义保护与断路器动作的相关延时时间;
S103:根据不同的独立数据源获取其对应的相关时间参考点,对不同动作元件的时序约束进行分析与推理,从而得到在不同数据源时序约束条件下的故障元件集合Faulti;
S104:根据每一种数据采集单元独立不相关,相应的得到每一个故障元件故障发生的概率,结合每个故障元件发生的概率,得到电力元件的故障置信集合Setsw,并对其进行归一化处理;
步骤S2:基于电气量能量畸变度的电力元件故障分析
S201:根据不同数据源的电气量信息,采用基于多分辨率的快速小波变换和小波能量分析方法对于离散信号y(n)进行分析;
S202:获取电气量数据,包括三相电压、三相电流,用故障后一周波减去故障前一周波,得到故障差波信号,对电压差波信号进行小波能量分析,得到相应的能量畸变度的值;
S203:对电网内所有可能故障元件进行能量畸变度分析,并实现全网内对每一个可能故障元件能量畸变度的归一化处理,从而得到根据电气量能量畸变度的电力元件故障概率集Setet;
步骤S3:基于D-S证据理论的信息融合,对于含有多个故障元件的故障情况,采用相对占比来进行故障判定,计算得到故障元件的故障置信值,从而获得电力元件故障诊断概率集,诊断结果。
优选地,所述的数据源包括SCADA、继电保护、故障信息管理***、保信***、故障录波,其中所述SCADA、继电保护、故障信息管理***、保信***、故障录波均能获得开关量信息,所述的开关量信息包括保护动作时序、断路器动作时序;故障信息管理***、故障录波能获取电气量信息,所述的电气量信息包括电压信息、电流信息。
进一步地,所述的原因事件是指母线、线路或变压器发生故障,表示为:
C={c1,c2,…,cn}
其中,n为原因事件的数量,元素ci表示为第i个原因事件,i=1,2,…,m;
所述的报警信息是指原因事件引发的保护和断路器动作信息,表示为:
A={a1,a,…,am}
其中,m为报警信息的数量,元素ai表示为第i个报警信息,i=1,2,…,m;
所述的一元时间约束,即单个事件发生的时间T应满足的时间范围,即:
T∈[T-,T+]
其中,T-表示时间T的最小值,T+表示时间T的最大值;
所述的二元时间约束,即两个事件之间的时间差应满足的时间距离,即:
再进一步地,步骤S102,所述定义主保护、近后备保护、远后备保护相对原因事件ci的延时区间分别为:
其中,下标m表示主保护,下标p表示近后备保护,下标s表示远后备保护;
同时,定义保护与断路器动作的相关延时时间:
其中,下标CB表示断路器,下标q表示为触发断路器跳闸的相关保护。
再进一步地,步骤S103,所述相关时间参考点的确定原则如下:
原则一:以报警信息的优先级由高到低的准则依次确定时间参考点,选择优先级最高的为时间参考点;
原则二:以采集到电气量的信息,利用小波变化确定的故障起始时刻为时间参考点;
其中,SCADA、继电保护、保信***的时间参考点选择原则一;故障信息管理***、故障录波的时间参考点选择原则二;
对不同独立数据源获得相关时间参考点之后,对不同动作元件的时序约束进行分析与推理,从而得到在不同数据源时序约束条件下的故障元件集合:
Faulti={L1,…,Lm,T1,…,Tn,B1,…,Bh}
其中,Faulti表示第i个数据源的故障元件集合,L表示线路故障,T表示变压器故障,B表示母线故障。
再进一步地,步骤S104,由于每一种数据采集单元独立不相关,于是对任何一个故障元件,其故障发生的概率为:
于是,可以得到电力元件的故障置信集合如下:
Setsw={pL1,…,pLm,pT1,…,pTn,pB1,…,pBh}
其中,pL1、pLm、pT1、pTn、pB1、pBh
将其进行归一化处理:
其中,pLi={pL1,…,pLm},pTj={pT1,…,pTn},pBk={pB1,…,pBh}。
再进一步地,步骤S201,对离散信号y(n)采用基于多分辨率的快速小波变换及系数重构,可表示为各分解尺度下高频分量系数与最大分解尺度下低频分量系数之和:
其中,m为小波分解最大尺度;
重构后系数序列的平方和代表了相应频段的能量分布,设E1,E2,…,Em,Em+1分对于离散信号别为信号在m个尺度上的小波能量分布,则:
其中,Dj(k)、Am(k)表示
信号y(n)的小波总能量即为各频段能量之和:
其中,Ej。
再进一步地,步骤S202,所述对电压差波信号进行小波能量分析,得到的能量畸变度的值,其公式表达式如下:
再进一步地,步骤S203,对每一个可能故障元件能量畸变度的归一化处理,具体如下:
其中,EF(i)表示第i个可能故障元件的能量畸变度;
于是得到根据电气量能量畸变度的电力元件故障概率集为:
Setet={eL1,…,eLm,eT1,…,eTn,eB1,…,eBh}
其中,eL1、eLm、eT1、eTn、eB1、eBh。
再进一步地,步骤S3,采用相对占比来进行故障判定,假设故障元件经过
D-S证据合成之后故障判定置信集合为:
Faultend={p1,p2,…,pn}
其中pi表示第i个可能故障元件的概率值,则可能故障元件的故障置信值为:
本发明的有益效果如下:
本发明提供了一种基于多源数据融合的电网故障诊断告警方法,充分考虑电网数据现状,横向关联各业务***的数据,综合运用多源数据进行分析,对海量告警信号进行压缩、归纳、提取、总结,可以有效解决现有电网故障诊断告警方法及时性、正确性以及分析结果的全面性难以达到有效平衡的问题,实现海量告警信号的综合处理,大幅压缩告警信号的数量,准确判定电网故障,可以辅助运行人员更加全面、细致的掌握当前电网发生的故障,从而降低运行人员的工作强度,缩短调度故障处理时间,提高调度故障处理效率。
附图说明
图1是本实施例所述方法的步骤流程示意图。
图2是本实施例故障告警发布格式的示意图。
图3是本实施例所述局部电力***模型的示意图。
具体实施方式
下面结合附图和具体实施方式对本发明做详细描述。
实施例1
如图1所示,一种基于多源数据融合的电网故障诊断告警方法,包括以下步骤:
步骤S1:基于开关量时序约束的电力元件故障分析
本方法结合电网中的不同独立数据采集单元的开关量以及电气量信息进行相关故障诊断分析。由于电网中不同数据采集单元的灵敏性以及对数据采集的精度不同,不同数据源采集到的数据特征存在差异;同时不同数据采集单元由于采集数据目的不同,对数据时间颗粒度、空间颗粒度以及电气量数据、开关量数据等信息没有严格的统一化采集要求,导致当前电网环境下不同数据采集单元所采集到的数据有着不同的内容。相关数据来源以及数据特征如表1所示。
表1电网多源数据来源
S101:不同数据源时序约束分析
不同数据源采集到的电力***故障数据信息,将相关故障的事件记录主要包括两个部分:原因事件和报警信息。
其中所述的原因事件是指母线、线路或变压器发生故障,表示为:
C={c1,c2,…,cn}
其中n为原因事件的数量,元素ci表示为第i个原因事件。
所述的报警信息是指原因事件引发的保护和断路器动作信息,表示为:
A={a1,a,…,am}
其中,m为报警信息的数量,元素ai表示为第i个报警信息。
本实施例所述的故障事件记录不仅能直接反映实际故障情况,还蕴含着丰富的时间特性,并满足一定约束关系。
本实施例将故障事件定义如下两类时间约束:
(1)一元时间约束,即单个事件发生的时间T应满足一定的时间范围,即:
T∈[T-,T+]
其中,T-表示时间T的最小值,T+表示时间T的最大值。
(2)二元时间约束,即两个事件之间的时间差应满足一定的时间距离,即:
S102:在电网运行的实际***中,当原因事件发生时,保护和断路器的动作时间并不能精准确定。其中,保护的动作时间主要由保护装置整定延时和触发延时决定,而断路器也有一定的动作延时。因此,根据传统继电保护配置原则,定义主保护、近后备保护、远后备保护相对原因事件ci的延时区间分别为:
其中,下标m表示主保护,下标p表示近后备保护,下标s表示远后备保护。
同时,定义保护与断路器动作的相关延时时间:
其中,下标CB表示断路器,下标q表示为触发断路器跳闸的相关保护。
S103:对于不同的独立数据源,其所接收到的原因事件时间点是不同的,甚至有的数据源没有原因事件数据信息,于是需要根据不同数据源的特点获取合适的时间参考点,从而为时序约束分析奠定基础。相关时间参考点确定原则:
原则一:以报警信息的优先级由高到低的准则依次确定时间参考点,选择优先级最高的为时间参考点;
原则二:以采集到电气量的信息,利用小波变化确定的故障起始时刻为时间参考点。
按照以上原则,对不同数据源的参考点确定方法分析如表2。
表2不同数据源参考点确定方法
对不同独立数据源获得相关时间参考点之后,可以对不同动作元件的时序约束进行分析与推理,从而得到在不同数据源时序约束条件下的故障元件集合:
Faulti={L1,…,Lm,T1,…,Tn,B1,…,Bh}
其中,Faulti表示第i个数据源的故障元件集合,L表示线路故障,T表示变压器故障,B表示母线故障。
S104:电力元件故障置信集
每一种数据采集单元独立不相关,于是对任何一个故障元件,其故障发生的概率为:
于是,可以得到电力元件的故障置信集合如下:
Setsw={pL1,…,pLm,pT1,…,pTn,pB1,…,pBh}
其中,pL1、pLm、pT1、pTn、pB1、pBh
将其进行归一化处理:
其中,pLi={pL1,…,pLm},pTj={pT1,…,pTn},pBk={pB1,…,pBh}。
步骤S2:基于电气量能量畸变度的电力元件故障分析
S201:小波变换与小波能量分析
根据不同数据源的电气量信息,基于多分辨率的快速小波变换是利用正交小波基将信号分解为不同尺度下的各个分量,每分解一次,信号采样频率降低一倍,每次分解都针对低频分量进行。
本实施例对离散信号y(n)采用基于多分辨率的快速小波变换及系数重构,可表示为各分解尺度下高频分量系数与最大分解尺度下低频分量系数之和:
其中,m为小波分解最大尺度。
重构后系数序列的平方和代表了相应频段的能量分布,设E1,E2,…,Em,Em+1分别对于离散信号在m个尺度上的小波能量分布,则:
其中,Dj(k)、Am(k)表示
信号y(n)的小波总能量即为各频段能量之和:
其中,Ej。
S202:能量畸变度的求取
在电力网络中,当某一元件发生故障时,总是伴随着该元件电压与电流等电气量的突变,于是考虑利用测量该元件的故障录波装置录得的电气量数据,包括三相电压、三相电流等,用故障后一周波减去故障前一周波,得到故障差波信号,即:
ΔU=UA-UB
其中ΔU表示故障差波信号,UA表示故障后电气信号,UB表示故障前电气信号。
由于对电压差波信号而言,故障线路电压变化最大,非故障线路变化较小;而对于电流差波信号而言,部分非故障线路电流差值可能会出现比故障线路电流差值大的情况,因此此处的电气量,本实施例主要考虑电压的相关数据。紧接着对电压差波信号进行小波能量分析,得到相应的能量畸变度的值:
利用该式对电网内所有可能故障元件进行能量畸变度分析,并实现全网内对每一个可能故障元件能量畸变度的归一化处理:
其中,EF(i)表示第i个可能故障元件的能量畸变度。
于是得到根据电气量能量畸变度的电力元件故障概率集为:
Setet={eL1,…,eLm,eT1,…,eTn,eB1,…,eBh}
其中,eL1、eLm、eT1、eTn、eB1、eBh。
步骤S3:基于D-S证据理论的信息融合
D-S证据理论是不确定性推理的重要手段。在证据理论中,设Θ是一个假设空间,称为辨识空间,Θ由一系列元素组成。证据m1,m2,…,mn合成规则如下式:
其中,基本概率赋值(BPA)满足:
其中K称为归一化因子,1-K反映不同证据之间的冲突程度,特别地,在D-S组合规则中,如果K=1,就不能使用D-S理论,而当K→1时,对冲突证据用D-S理论处理将会产生与视觉相悖的结果。从修改合成规则方面进行改进,采用基于可信度的证据体修改,相关修改规则如下:
其中,表示修改之后的证据体,μ表示证据体的可信度,mj(ε)表示未知情况的剩余概率分配。相关识别框架以及证据集如表3所示,特别地,对于复杂故障情况,通常含有多个故障元件,这样便会导致故障元件的置信度较低,因此本实施例采用相对占比来进行故障判定,假设故障元件经过D-S证据合成之后故障判定置信集合为:
Faultend={p1,p2,…,pn}
其中pi表示第i个可能故障元件的概率值,则可能故障元件的故障置信值为:
表3 D-S证据理论的组合
本实施例还提供电网故障告警发布格式,具体如下:
1.故障告警发布格式
典型的故障告警发布格式设计如图2所示。各项说明如下:
(1)<发布格式描述>表示格式描述的开始;
(2)//表示注释行;
(3)@表示发布格式描述的引导符,包括序号、告警字段、数据类型、取值范围和备注;
(4)#表示告警字段描述的开始;
(5)“序号”表示各字段在告警行中的顺序,从左到右升序排列;
(6)“告警字段”表示组成告警信息的各部分内容,包括告警发布范围、告警等级、日期、时间、电压等级、设备、行为、原因等;
(7)“数据类型”表示各字段的类型;
(8)“取值范围”描述了各字段的值域;
(9)“备注”对各字段进行了补充说明;
(10)</发布格式描述>表示格式描述的结束,如图2所示。
2.告警字段说明
(1)发布范围
发布范围用一位十进制数字表示:1—发布至网级调控中心;2—发布至省级调控中心;3—仅发布至地市级调控中心。
(2)告警等级
告警等级用一位十进制数字表示,根据《南方电网调控一体化设备监视信息及告警设置规范》分为5级:1—事故;2—异常;3—越限;4—变位;5—告知。
(3)日期
告警发生日期采用YYYY-MM-DD(年-月-日)格式,其中YYYY表示年,用4个字符表示;MM表示月,用2个字符表示;有效值为(01-12),小于10时十位补0;DD表示日,用2个字符表示,有效值为(01-31);小于10时十位补0。
(4)时间
告警发生时间采用hh:mm:ss.mmm格式,其中hh表示小时,用2个字符表示,采用24小时制,有效值为(00-23),小于10时十位补0;mm表示分钟,用2个字符表示,有效值为(00-59),小于10时十位补0;ss表示秒,用2个字符表示,有效值为(00-59),小于10时十位补0;mmm表示毫秒,用3个字符表示,有效值为(000-999),小于10时十位补0,小于100时百位补0。
(5)电压等级
告警设备的电压等级,省略“kV”,数值按实际填写,默认为交流电压,直流电压增加DC标识,如500、220、110、500DC、800DC等。
6)设备名称
设备名称应遵循调度命名的规范要求。
√厂站内的设备
省区.调控中心(监控中心).厂站/电压等级.设备名称
√线路
·告警信息包含线路各侧
省区.调控中心(监控中心)/电压等级.线路名称/相别
·若告警信息仅包含线路一侧站内的信息:
省区.调控中心(监控中心)/电压等级.线路名称/厂站/相别
√二次设备
·保护装置(功能)
省区.调控中心(监控中心).厂站/电压等级.一次设备名称/保护装置(功能)名称
·稳控装置、失步解列装置
省区.调控中心(监控中心).厂站/稳控装置名称
(7)告警行为
告警行为是告警的具体动作,根据告警信号的特征用字符串描述。典型告警行为示例见表4。
(8)备注
备注是对告警事件发生的简要说明,用字符串描述。本字段为可选字段,可为空。
表4典型告警行为示例
本实施例为验证所提方法的有效性以及实用性,利用如图3所示的局部电力***进行仿真分析,其中,L表示线路,A表示单母线,B表示双母线,T表示变压器,CB表示断路器,下标数字为编号。假定母线配有主保护,动作时跳开与该母线相连的所有断路器;线路两端都各有主保护和近、远后备保护,其中近后备保护是指由相邻母线所连接的断路器进行提供,在仿真分析时,下标S、R分别表示电力元件的首端与尾端。
相关仿真结果如表4所示。
表4仿真结果分析
根据表4可知,仿真1与仿真2为单元件简单故障,仿真3与仿真4为多元件复杂故障情况下的诊断。由上表仿真1与仿真3可知,其相关保护与断路器的动作满足时序约束的条件,此时再结合电气量的故障判据可以得到准确可靠的电力元件故障诊断结果;同时,通过多数据源相关保护与断路器动作时序的分析可知,仿真2与仿真4存在保护与断路器拒动以及误动等情况,结合诊断结果分析可知,仿真2中CB6不满足相关时序约束,因此该处CB6拒动,仿真4中L2Sm漏报,CB6拒动,CB9时序不一致误动等含有较多信息的错误与缺失,但是从故障诊断结果来看,无论对于仿真2还是仿真4,通过本方法仍可准确诊断出故障元件,只是此时的诊断可信度相比较仿真1与仿真3相对比较小。因此,即使在诊断过程中伴随断路器的拒动、报警信息的漏报及时序不一致等情况存在,综合相关开关量与电气量信息,仍能得出实际故障元件,尽管故障元件的置信度会降低,但仍不影响诊断结果。通过上述分析可知,无论是单重故障,还是多重故障,无论是保护误动、拒动,还是相关保护动作信息缺失,本方法均能给出正确的故障诊断结果。
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (1)
1.一种基于多源数据融合的电网故障诊断告警方法,其特征在于:所述的方法包括以下步骤:
步骤S1:基于开关量时序约束的电力元件故障分析:
S101:根据不同数据源的开关量信息,获得电力***故障数据信息,将相关故障数据信息记录包括:原因事件、报警信息;并将故障事件定义如下两类时间约束:一元时间约束、二元时间约束;
S102:根据传统继电保护配置原则,定义主保护、近后备保护、远后备保护相对事件Ci的延时区间,同时定义保护与断路器动作的相关延时时间;
S103:根据不同的独立数据源获取其对应的相关时间参考点,对不同动作元件的时序约束进行分析与推理,从而得到在不同数据源时序约束条件下的故障元件集合Faulti;
S104:根据每一种数据采集单元独立不相关,相应的得到每一个故障元件故障发生的概率,结合每个故障元件发生的概率,得到电力元件的故障置信集合Setsw,并对其进行归一化处理;
步骤S2:基于电气量能量畸变度的电力元件故障分析
S201:根据不同数据源的电气量信息,采用基于多分辨率的快速小波变换和小波能量分析方法对于离散信号y(n)进行分析;
S202:获取电气量数据,包括三相电压、三相电流,用故障后一周波减去故障前一周波,得到故障差波信号,对电压差波信号进行小波能量分析,得到相应的能量畸变度的值;
S203:对电网内所有可能故障元件进行能量畸变度分析,并实现全网内对每一个可能故障元件能量畸变度的归一化处理,从而得到根据电气量能量畸变度的电力元件故障概率集Setet;
步骤S3:基于D-S证据理论的信息融合,对于含有多个故障元件的故障情况,采用相对占比来进行故障判定,计算得到故障元件的故障置信值,从而获得电力元件故障诊断概率集,诊断结果;
所述的数据源包括SCADA、继电保护、故障信息管理***、保信***、故障录波,其中所述SCADA、继电保护、故障信息管理***、保信***、故障录波均能获得开关量信息,所述的开关量信息包括保护动作时序、断路器动作时序;故障信息管理***、故障录波能获取电气量信息,所述的电气量信息包括电压信息、电流信息;
所述的原因事件是指母线、线路或变压器发生故障,表示为:
C={c1,c2,…,cn}
其中,n为原因事件的数量,元素ci表示为第i个原因事件,i=1,2,…,m;
所述的报警信息是指原因事件引发的保护和断路器动作信息,表示为:
A={a1,a,…,am}
其中,m为报警信息的数量,元素ai表示为第i个报警信息,i=1,2,…,m;
所述的一元时间约束,即单个事件发生的时间T应满足的时间范围,即:
T∈[T-,T+]
其中,T-表示时间T的最小值,T+表示时间T的最大值;
所述的二元时间约束,即两个事件之间的时间差应满足的时间距离,即:
步骤S102,所述定义主保护、近后备保护、远后备保护相对原因事件ci的延时区间分别为:
其中,下标m表示主保护,下标p表示近后备保护,下标s表示远后备保护;同时,定义保护与断路器动作的相关延时时间:
其中,下标CB表示断路器,下标q表示为触发断路器跳闸的相关保护;
步骤S103,所述相关时间参考点的确定原则如下:
原则一:以报警信息的优先级由高到低的准则依次确定时间参考点,选择优先级最高的为时间参考点;
原则二:以采集到电气量的信息,利用小波变化确定的故障起始时刻为时间参考点;
其中,SCADA、继电保护、保信***的时间参考点选择原则一;故障信息管理***、故障录波的时间参考点选择原则二;
对不同独立数据源获得相关时间参考点之后,对不同动作元件的时序约束进行分析与推理,从而得到在不同数据源时序约束条件下的故障元件集合:
Faulti={L1,…,Lm,T1,…,Tn,B1,…,Bh}
其中,Faulti表示第i个数据源的故障元件集合,L表示线路故障,T表示变压器故障,B表示母线故障;
步骤S104,由于每一种数据采集单元独立不相关,于是对任何一个故障元件,其故障发生的概率为:
于是,可以得到电力元件的故障置信集合如下:
Setsw={pL1,…,pLm,pT1,…,pTn,pB1,…,pBh}
将其进行归一化处理:
其中,p∈(pLi,pTj,pBk);
步骤S201,对离散信号y(n)采用基于多分辨率的快速小波变换及系数重构,可表示为各分解尺度下高频分量系数与最大分解尺度下低频分量系数之和:
其中,m为小波分解最大尺度;
重构后系数序列的平方和代表相应频段的能量分布,设E1,E2,…,Em,Em+1分别对于离散信号在m个尺度上的小波能量分布,则:
信号y(n)的小波总能量即为各频段能量之和:
步骤S202,所述对电压差波信号进行小波能量分析,得到的能量畸变度的值,其公式表达式如下:
步骤S203,对每一个可能故障元件能量畸变度的归一化处理,具体如下:
其中,EF(i)表示第i个可能故障元件的能量畸变度;
于是得到根据电气量能量畸变度的电力元件故障概率集为:
Setet={eL1,…,eLm,eT1,…,eTn,eB1,…,eBh};
步骤S3,采用相对占比来进行故障判定,假设故障元件经过D-S证据合成之后故障判定置信集合为:
Faultend={p1,p2,…,pn}
其中pi表示第i个可能故障元件的概率值,则可能故障元件的故障置信值为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910911917.XA CN110609210B (zh) | 2019-09-25 | 2019-09-25 | 一种基于多源数据融合的电网故障诊断告警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910911917.XA CN110609210B (zh) | 2019-09-25 | 2019-09-25 | 一种基于多源数据融合的电网故障诊断告警方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110609210A CN110609210A (zh) | 2019-12-24 |
CN110609210B true CN110609210B (zh) | 2020-09-25 |
Family
ID=68893464
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910911917.XA Active CN110609210B (zh) | 2019-09-25 | 2019-09-25 | 一种基于多源数据融合的电网故障诊断告警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110609210B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111044850B (zh) * | 2020-01-14 | 2021-09-07 | 广东电网有限责任公司 | 一种基于设备故障概率的电网故障诊断方法 |
CN111934293B (zh) * | 2020-08-12 | 2022-08-30 | 广东电网有限责任公司 | 电力***故障分析方法、装置、设备及存储介质 |
CN112733951B (zh) * | 2021-01-19 | 2021-09-28 | 中国矿业大学(北京) | 一种断路器机械缺陷诊断的多信息决策权重分配融合方法 |
CN113360555A (zh) * | 2021-04-30 | 2021-09-07 | 国网浙江省电力有限公司丽水供电公司 | 一种基于电网二次设备大数据的故障诊断分析方法及*** |
CN113555962B (zh) * | 2021-07-27 | 2023-06-27 | 国网山西省电力公司临汾供电公司 | 一种变电站自动化***信息快速捕捉智能补全的方法 |
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 |
CN114692786B (zh) * | 2022-05-31 | 2023-05-12 | 商飞软件有限公司 | 一种基于多源数据融合的民机故障诊断方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104297637A (zh) * | 2014-10-31 | 2015-01-21 | 国家电网公司 | 综合利用电气量和时序信息的电力***故障诊断方法 |
CN106226658A (zh) * | 2016-09-07 | 2016-12-14 | 上海市政工程设计研究总院(集团)有限公司 | 一种基于多数据融合的电网故障诊断方法 |
CN106532940A (zh) * | 2016-11-10 | 2017-03-22 | 中国电力科学研究院 | 一种智能变电站的告警信号动作与时序逻辑关系分析方法 |
CN106841910A (zh) * | 2016-12-20 | 2017-06-13 | 国网辽宁省电力有限公司沈阳供电公司 | 将仿电磁学算法融于时序模糊Petri网的配电网故障诊断方法 |
CN106841909A (zh) * | 2016-12-20 | 2017-06-13 | 国网辽宁省电力有限公司沈阳供电公司 | 基于方向分层模糊Petri网的多源信息融合配电网故障分析 |
CN106932641A (zh) * | 2016-10-24 | 2017-07-07 | 南京理工大学 | 一种基于改进hht变换的电网故障诊断方法 |
CN110133146A (zh) * | 2019-05-28 | 2019-08-16 | 国网上海市电力公司 | 一种考虑不平衡数据样本的变压器故障诊断方法及*** |
CN110208643A (zh) * | 2019-04-28 | 2019-09-06 | 国网辽宁省电力有限公司电力科学研究院 | 一种基于pmu数据和故障录波数据的电网故障诊断方法 |
-
2019
- 2019-09-25 CN CN201910911917.XA patent/CN110609210B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104297637A (zh) * | 2014-10-31 | 2015-01-21 | 国家电网公司 | 综合利用电气量和时序信息的电力***故障诊断方法 |
CN106226658A (zh) * | 2016-09-07 | 2016-12-14 | 上海市政工程设计研究总院(集团)有限公司 | 一种基于多数据融合的电网故障诊断方法 |
CN106932641A (zh) * | 2016-10-24 | 2017-07-07 | 南京理工大学 | 一种基于改进hht变换的电网故障诊断方法 |
CN106532940A (zh) * | 2016-11-10 | 2017-03-22 | 中国电力科学研究院 | 一种智能变电站的告警信号动作与时序逻辑关系分析方法 |
CN106841910A (zh) * | 2016-12-20 | 2017-06-13 | 国网辽宁省电力有限公司沈阳供电公司 | 将仿电磁学算法融于时序模糊Petri网的配电网故障诊断方法 |
CN106841909A (zh) * | 2016-12-20 | 2017-06-13 | 国网辽宁省电力有限公司沈阳供电公司 | 基于方向分层模糊Petri网的多源信息融合配电网故障分析 |
CN110208643A (zh) * | 2019-04-28 | 2019-09-06 | 国网辽宁省电力有限公司电力科学研究院 | 一种基于pmu数据和故障录波数据的电网故障诊断方法 |
CN110133146A (zh) * | 2019-05-28 | 2019-08-16 | 国网上海市电力公司 | 一种考虑不平衡数据样本的变压器故障诊断方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN110609210A (zh) | 2019-12-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110609210B (zh) | 一种基于多源数据融合的电网故障诊断告警方法 | |
Zhang et al. | An analytic model for fault diagnosis in power systems utilizing redundancy and temporal information of alarm messages | |
CN107656176B (zh) | 一种基于改进贝叶斯Petri网的电网故障诊断方法 | |
CN113189451B (zh) | 配电网故障定位研判方法、***、计算机设备和存储介质 | |
CN110068746A (zh) | 电网故障诊断分析方法及*** | |
Wu et al. | A genetic-algorithm support vector machine and DS evidence theory based fault diagnostic model for transmission line | |
Todd | A probability method for transmission and distribution outage calculations | |
Chow et al. | Time of outage restoration analysis in distribution systems | |
CN110571925B (zh) | 一种利用配电网监测终端数据分析电能质量的方法 | |
Guo et al. | An analytic model-based approach for power system alarm processing employing temporal constraint network | |
CN109284837A (zh) | 一种配电自动化终端运维评价方法与*** | |
Silverstein et al. | Contingency ranking for bulk system reliability criteria | |
CN113238890B (zh) | 基于动态记录数据的电流采样回路异常诊断方法及装置 | |
Kezunovic | Substation fault analysis requirements | |
Anders et al. | A comprehensive study of outage rates of air blast breakers | |
Zhang et al. | Research on power grid fault diagnosis based on a quantitative representation of alarm information | |
Hadachi et al. | A survey on simulation of power systems resilience under extreme weather events | |
CN115940134A (zh) | 一种基于容错数据的配网数据分析处理方法 | |
CN113011047A (zh) | 一种基于220kV及以下智能变电站二次***的可靠性分析方法 | |
CN110988520A (zh) | 一种时标无误差的波形分析方法 | |
Ren et al. | Transformer fault analysis based on Bayesian networks and importance measures | |
CN113672647B (zh) | 一种计划停电规范校验方法及装置 | |
Dialynas et al. | Probabilistic assessment of service restoration in power distribution systems | |
Kezunovic et al. | Automated analysis using IED-recorded data: Implementation and integration | |
Liao et al. | Maintenance scheduling for HV cable based on the delay-time concept |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |