[发明专利]基于电网大数据的小电流接地系统单相接地故障选线方法

说明书

技术领域

本发明涉及一种基于电网大数据的小电流接地系统单相接地故障选线方法。

背景技术

随着我国国民经济的不断增长与人民生活水平的不断提高，用户对供电质量提出了更高的要求。提高供电可靠性是供电部门的一项基本任务。据统计，全国用户遭受的停电事故有95％以上是配电网引起的，而配电网的单相接地故障选线问题使得单相接地故障难以短时间内排除。为此，提高配电网故障选线的准确度对提高电力系统稳定性有着重大的意义。

配电网电压等级较低，线路长度较短但是分支线较多，负荷变化大，供电半径长，并且变压器中性点多采用不接地或经消弧线圈接地的方式，这使得配电网故障选线十分困难。现有的小电流系统故障选线方法可以分为三种：

第一种是使用故障后的故障特征量来选线的选线法，这类方法主要使用故障发生后母线处的零序电压和各出线的零序电流暂态、稳态信号，使用不同信号处理方法从信号中获取故障特征，通过比较各出线的故障特征差异来进行选线。这种方法在过去一直是主流选线方法，但是其直接面临故障电流过小带来的难题，对互感器精度有较高的要求，加上线路结构和复杂故障接地方式的影响，容易造成误判。

第二种是不使用故障特征量来选线的选线法，这类方法通过注入信号或通过中电阻瞬时接地来回避故障电流过小的难题，其缺点是对电网造成冲击，影响电网运行安全稳定，并且不能识别瞬时接地故障。

第三种是使用多种故障判据的综合选线法，其相比使用单一判据的选线方法有明显的优势，但是由于其融合的多种选线方法依然存在缺陷，依赖于线路出口的零序互感器采集数据，导致受到互感器精度影响较大，综合选线法仍然没有很好的解决选线问题。

随着配电网自动化的普及，主站及其他应用系统实时记录着大量的电气量、非电气量数据，这些数据记录了配电网在故障发生前后的运行状态，在原理上可以反映故障或者故障发生的趋势，因此包含了大量的故障信息，而这些信息在故障选线中难以被利用起来。近年来大数据理论的兴起促进了大数据思想的转变和大数据挖掘技术的发展，这为使用电网大数据进行故障选线提供了基础。

发明内容

为了解决现有技术的不足，本发明提供了一种基于电网大数据的小电流接地系统单相接地故障选线方法。该方法通过对电网大数据进行预处理与特征提取，使用大数据挖掘分类算法从电网大数据中挖掘获得高精度选线判据，从而实现故障选线。

本发明的一种基于电网大数据的小电流接地系统单相接地故障选线方法，包括：

步骤1：对电网故障大数据进行相关性分析，选择与故障相关的数据类型；

步骤2：对确定与故障相关的原始数据进行数据清洗与特征提取，将非结构化数据结构化，获得特征大数据；

步骤3：对特征大数据进行数据挖掘，获得选线判据分类器；

步骤4：使用选线判据分类器对待选线故障进行类别，将分类结果作为选线结果。

进一步的，在所述步骤1中，电网故障大数据包括电气量数据与非电气量数据。

进一步的，在所述步骤1中，对电网故障大数据进行相关性分析得到最大信息系数，利用最大信息系数来衡量某一类型数据与故障选线结果的关联程度。

进一步的，对电网故障大数据进行相关性分析得到最大信息系数的具体过程包括：

步骤1.1：将相应电网故障大数据进行预处理，得到的一维的电网故障大数据；

步骤1.2：对于任意两个一维的电网故障大数据构成的散点图进行网格化，计算互信息值。并且在不同的网格划分下，寻找最大互信息值，并进行归一化；

步骤1.3：筛选出归一化后最大的最大互信息值作为最大信息系数。

进一步的，在所述步骤2中，对确定与故障相关的原始数据进行数据清洗的过程中，包括对空缺值与错误数据的处理。

进一步的，对空缺值的处理包括：人工填补，或设置为全局常量或所属属性下的平均值填补，或通过插值填补。

进一步的，当电网故障大数据为零序电压和电流数据时，特征大数据包括故障零序电流稳态值的基波/五次谐波幅值和极性特征量。

进一步的，当电网故障大数据为零序电压和电流数据时，特征大数据还包括小波包能量特征量、首半波幅值与极性特征量和暂态零模特征电流幅值与极性特征量。

进一步的，在步骤3中，使用大数据挖掘分类算法对特征大数据进行数据挖掘。

进一步的，大数据挖掘分类算法为人工神经网络与支持向量机。

与现有技术相比，本发明的有益效果是：

(1)本发明提高了故障选线的准确度，适用于不同的中性点接地方式，能识别不同的单相接地故障类型。