[发明专利]一种配电网大数据故障检测与定位方法

说明书

本发明提供一种配电网大数据故障检测与定位方法，属于智能电网领域。该方法利用同步相量测量单元PMU接收配电网电压采样数据，对各路PMU接收到的电压进行预处理并构造接收矩阵，应用随机矩阵理论获得接收数据协方差矩阵的无偏估计值，特征值分解该协方差矩阵获得相应的主成分，应用主成分分析计算线性回归系数，应用该系数计算相对近似误差，对比相对近似误差与门限值的大小，实现配电网故障检测与定位。本发明所提方法克服了在多个PMU测量下传统协方差矩阵估计有偏的问题，可实现配电网故障的实时检测与定位。

技术领域

本发明属于智能电网领域，具体涉及一种配电网大数据故障检测与定位方法。

背景技术

配电网是向最终用户供电的网络，是电力系统发电、输电、配电、用电中向用户供电的主要环节。配电网处于电力系统的末端，地域分布广、电网规模大、设备种类多、网络连接多样、运行方式多变等使其运行状态分析具有一定的困难和复杂性。在智能电网系统中，随着同步测量装置(Phasor Measurement Unit,PMU)广泛使用，电网运行数据的实时处理问题引起了广泛关注。

应用同步测量装置数据分析电网的监测、监测和控制已经取得显著进展。Lyapunov指数的电压相量被利用来监视短期电压稳定的稳定性，利用离散傅里叶变换可以实现PMU的自适应技术传输线路故障检测和定位，此外，应用相量角度测量和系统拓扑结构可实现配电网故障检测。

从研究的角度来看，同步测量相量的大型部署带来的一个主要问题是接收数据矩阵维数的增加，即PMU数目和采样点数以不变的比例系数同时趋于无穷大。在现有的基于空间相关性的配电网故障检测与定位方法中，其关键步骤是计算接收数据的协方差矩阵的无偏估计。传统的计算协方差矩阵的方法基于最大似然这一思想，将样本协方差矩阵作为真实协方差矩阵的无偏估计值，然而，这一计算方法的适用条件是PMU数目较小，且样本数远远大于PMU数目。当将上述传统的基于最大似然估计的协方差矩阵计算方法直接应用到大规模部署的PMU测量装置时，将出现较大的估计偏差，导致相应的算法性能明显下降。

此外，同步相量测量单元的大规模使用还将明显导致接收数据量的增加，增加了分析数据空间相关性的难度，从数学角度分析，当配电网中出现故障时，必然导致数据空间相关性发生变化，因此，在PMU数目较多的条件下，探索降低接收数据的维度，提升分析数据空间相关性的有效性，是有待解决的另一个问题。

随机矩阵理论是研究在矩阵的维数和样本数同时趋于无穷时，协方差矩阵的精确估计方法、特征值与特征向量的分布特性等的有效数学工具。本发明所提出的方法在充分分析随机矩阵理论的基础上，研究出适用于多PMU测量下下的电压接收数据的协方差矩阵的无偏估计方法，病讲主成分分析应用到配电网电压故障检测与定位中，以提升算法的实时性和有效性。

发明内容

本发明提供了一种配电网大数据故障检测与定位方法。用于解决在PMU数目较多的情况下，接收数据协方差矩阵估计不准确，数据维数增加限制算法实用性、难以对配电网故障进行实时诊断和定位的问题。

本发明采取的方案是，包含如下步骤：

(1)根据配电网拓扑结构布放PMU，形成配电网大数据测量装置；

(2)应用步骤(1)中的测量装置接收配电网电压数据；

(3)对接收的电压数据进行预处理；

(4)应用预处理后的数据构造数据接收矩阵；

(5)应用随机矩阵理论计算数据接收矩阵的协方差矩阵的无偏估计；

(6)对协方差矩阵的无偏估计进行特征值分解，提取相应的主成分；

(7)应用主成分分析计算线性回归系数；

(8)应用线性回归系数计算相对近似误差；