[发明专利]一种智能变电站故障诊断方法

权利要求书

1.一种智能变电站故障诊断方法，其特征在于，按以下10个步骤进行：

步骤1：采集故障假说向量的各个变量；

采集继电保护、断路器动作、各种报警信息之间关联逻辑，采集智能变电站内部静态数据Data1里面的继电保护信息和实时数据Data2里面的断路器动作警报；

步骤2：组网建模分析；

将步骤1采集到的信息分类为4类：关键告警信息、继电保护信息、原因事件和出口断路器信息；

步骤3：建立样本矩阵进行评估；

建立样本矩阵进行评估的目的是筛选并剔除相关性弱的信息，提高采集信息的准确性和重要性；

假设智能变电站中共有n+m信息，n为继电保护信息(B1～B6)，m为出口断路器信息(D1～D6)，在该时段内的事件原因采样数为k个(C1～C5)；建立样本矩阵：

其中向量V_i看作空间V的一个样本组，则V中样本组数量为n，维数为k；

假设将样本组划分为c个类，即c个机群；设聚类划分次数为t(t≥1，t∈N)，初始时令t＝1，从所有样本组中任意选择c(1≤c≤n)个样本组作为c个类G_p(p＝1,2,…,c)的初始聚类中心

mp(1)=(mp,1(1),mp,2(1),···,mp,k(1))=(Vi,1,Vi,2,···,Vi,k)(p=1,2,...,c)]]>

则任意一个样本组V_i到c个聚类中心的欧氏距离为

d(Vi,mp(1))=Σj=1k(Vi,j-mp,j(1))2(p=1,2,...,c)]]>

对于任意一个样本组V_i，总是一个使达到最小，则将V_i划分到类G_p中；

遍历完所有的样本组，完成1次聚类划分；定义聚类的平方误差总和：

E(t)=Σp=1cΣVi∈Gp|Vi-mp(t)|2]]>

作为评估类内相似性的指标，将E^(t)＞1的数据全部剔除；以下步骤只计算E^(t)≤1的数据；

步骤4：计算故障假说对应的目标函数值；

以带电断路器分闸动作为事故的起始信号；断路器是否带电由拓朴结构分析进行停电区域识别一旦事故发生，利用经智能过滤后警报信息寻找所有可能的原因事件构成故障假说集，由此将故障原因求解问题表示为无约束0-1整数规划问题；

设为实际收到经智能警报处理后的关键警报信息集，其中a_i和为断路器动作信息及发生时间，b_m和保护动作信息及发生时间；为期望收到的关键警报信息集；故障假说集H为所有可能的原因事件集合；

目标函数Fobj(H_i)用于衡量故障假说集H中某故障假说H_i的合理性，目标函数为：

Fobj(Hi)=min(w1|▿M(Hi)|+w2|T(Hi)|+w3|Hi|)]]>

其中，警报覆盖度指标▽M(H_i)为K维向量(K为警报信息总数)；|▽M(H_i)|反映了故障假说H_i对应期望警报不能覆盖实际警报信息的数目；即故障假设H_i与警报实况的覆盖度，其值越小，意味着故障假说越接近于故障实际状态的一个覆盖；故障假说差异度指标T(H_i)为K维向量，|T(H_i)|反映实际警报信息和故障假设H_i对应的期望警报集合M^*(H)的差异度，|T(H_i)|越小，意味着故障设备、误动或拒动的保护和断路器总数越少，故障假说H_i的可信度越高；

步骤5：判断是否满足终止条件；

对上述形成的无约束0-1整数规划问题的目标函数进行寻优求解，最终得到最优解H^best，可求出可信度最高的故障假说，函数Fobj(H_i)有最优解即满足终止条件，满足条件转步骤6；若函数Fobj(H_i)无最优解则转步骤3，继续进行建立故障样本矩阵进行评估，剔除粗大误差；

步骤6：得到正确的故障假说；

此时已经得到正确的故障假说，即正确的故障假说对应期望收到的各警报状态；

步骤7：实际中收到的警报状态；

采集智能变电站内部实时数据Data2里面提供的实际保护动作警报；

步骤8：比对信息；

将步骤6与步骤7的信息进行比对，输出诊断结果；

步骤9：漏报或误报的警报、误动拒动的断路器；

根据所得到诊断结果，即可判断出漏报与误报，误动、拒动断路器；其判断原则为：期望中有而实际未发生为漏报或断路器拒动；而期望中没实际发生为误报或断路器误动；

步骤10：对故障进行消缺，恢复正常运行；

事故诊断结果出来后，根据步骤9的结果，对故障进行消缺，智能快速地进行事故处理，恢复正常运行。