[发明专利]基于模糊C均值聚类算法的智能变电站二次系统状态分析方法

说明书

技术领域

本发明变电站二次系统安全技术领域，特别是一种变电站二次系统安全状态的分析方法。

背景技术

随着IEC61850标准信息通信技术和智能化设备的发展，传统的由简单的继电保护和安全自动装置以及必要的通信手段组合而成的变电站二次系统已经发展成为以设备智能化、信息传输网络化、信息模型及通信协议标准化为特点的由广域保护系统测量系统通信系统以及广域监控系统融合成的复杂的一体化的智能变电站二次系统。智能变电站二次系统安全可靠性运行对智能变电站系统安全至关重要。继电保护装置的隐藏故障在正常运行时并不表现出来，而在系统出现压力的情况下才显现，因此，传统的离线式检测方法并不适合用来检测隐藏故障，必须通过在线的方式来监测继电保护装置隐藏故障。因此目前智能变电站二次系统上状态评估主要根据本身自检测能力获取相关数据，通过建立对应的网络模型和智能设备的可靠性评估模型来评估设备的状态，对其进行可靠性评估。智能变电站二次系统信息容量大、数据类型多，造成难以建立统一标准化的数据信息通信模型，致使其状态评估模型和方案多异化，很难满足其通用性可靠性要求。目前对二次系统状态的分类仍停留在经验划分的阶段。如何从大量的数据中选取初关键特征量，利用科学的方法对设备状态进行可靠的划分对于二次系统的状态预警具有重要意义。

发明内容

本发明的目的就是提供一种基于模糊C均值聚类算法的智能变电站二次系统状态分析方法，它通过对变电站二次系统建立缺陷数据库，能实时获取变电站二次系统的运行状态，在出现问题之前进行提前维护。

本发明的目的是通过这样的技术方案实现的，具体步骤如下：

1)采集变电站二次系统设备影响设备运行状态的关键特征量，所述关键特征量包括有设备最高运行温度、光发送功率与接收灵敏度、设备对地绝缘电阻值；

2)将变电站二次系统故障类型划分为通信故障、保护拒动或误动故障和告警异常故障；

3)对步骤2)中所述故障和其对应的关键特征量采用模糊C均值聚类算法进行聚类分类；建立缺陷数据库；

4)监测变电站二次系统设备的关键特征量，并根据步骤3)中所得到的模糊对关键特征量进行分析，得到变电站二次系统现行状态的分析评估结论；

5)根据步骤4)得到的分析评估结论，对变电站二次系统进行维护；

步骤2)中所述模糊C均值聚类算法的具体步骤如下：

2-1)根据步骤1)和变电站二次系统故障类型，确定代表点；

2-2)根据确定的代表点，对采集到的数据进行聚类划分；

步骤2-2)中所述聚类划分的具体方法为：假设已经有一个划分方案，它把样本y划分在类别Γ_k中，现在对它进行调整，如果把y从Γ_k类中转移到Γ_j类中，则只有这两类发生了变化，其余类别并不受影响，调整之后的两类均值分别变为：

相应地，两类各自的误差平方和也变为了：

总的误差平方和的变化值取决于这两个变化；移出一个样本会带来Γ_k类均方误差的减小，而移入这个样本会导致Γ_j类均方误差的增大；如果减小量大于增大量，即：

则进行这一步转移有利于总体误差平方和的减少，则将该样本进行转移，否则就不转移；其中，N_i是第i聚类Γ_i中的样本数目，m_i是这些样本的均值；J_e误差平方和聚类准则，它是样本集{y}和类别集Ω的函数；J_e度量了用C个聚类中心m₁，m₂，…m_c代表c个样本子集Γ₁，Γ₂…Γ_c时所产生的总的误差平方；对于不同的聚类，J_e的值是不同的。

进一步，其特征在于，步骤2-1)中所述确定代表点的具体方法为：根据问题的性质，用经验的办法确定类别数，从数据中找出从直观上看来比较合适的代表点。

进一步，步骤2-1)中所述确定代表点的具体方法为：将故障类型和其对应的步骤1)采集到的数据进行随机分为c类，计算每类重心，将这些重心作为每类的代表点。