[发明专利]一种基于特征分类的配电网失压故障智能识别方法

权利要求书

1.一种基于特征分类的配电网失压故障智能识别方法，其特征在于，包括以下步骤：

S1：获取学习数据和预测数据并进行数据清洗；

S2：基于失压故障类型构建失压故障评价指标体系，包括突变失压、趋势失压及跳变失压三大特征，形成学习样本和预测样本；

S3：将所述的学习样本划分为训练集和测试集，利用所述的训练集学习失压故障识别模型，并基于所述的测试集评估模型效果；

S4：将预测样本作为所述的失压故障识别模型输入量，输出每一用户的失压故障嫌疑系数，锁定故障嫌疑用户。

2.根据权利要求1所述的基于特征分类的配电网失压故障智能识别方法，其特征在于，所述的学习数据和预测数据，包含用户档案、负荷数据；所述的学习数据中必须包含正常用户样本与失压故障用户样本，所述的测试数据样本仅包含配电网中的部分用户。

3.根据权利要求1所述的基于特征分类的配电网失压故障智能识别方法，其特征在于，所述的数据清洗具体包括如下子步骤：

S1.1：识别三相电压数据中的缺失值；

S1.2：基于所述的缺失值，统计用户三相电压（包括A相、B相及C相，且三相三线用户忽略B相电压）完整率，对于未满足完整率阈值用户予以剔除处理，即不对其进行故障识别，而阈值可根据行业知识设定为90%；

S1.3：计算用户常态电压，以判别档案中记录的接线方式是否错误并修正；

S1.4：将所述的用户常态电压与异常阈值比较，对大于阈值的异常数据进行均值修正处理，而阈值可根据专业人员设定为1.2倍额定电压值；

S1.5：对步骤S1.1识别的缺失值进行插补，插补规则为：取缺失值前后5个值的均值作为插补值。

4.根据权利要求3所述的基于特征分类的配电网失压故障智能识别方法，其特征在于，所述的步骤S1.3中的用户常态电压，表示用户正常状态下的电压值，通常在用电过程中电压波动较小，因此将2个月的电压均值作为常态电压值。

5.根据权利要求1所述的基于特征分类的配电网失压故障智能识别方法，其特征在于，所述的失压故障类型，包含突变失压、趋势失压和跳变失压三种类型，所述的突变失压指电压在某时刻突然以超过某一范围的变化幅度下降，且该变化保持小幅度波动未恢复；所述的趋势失压指周期内电压均小于额定值，且总体呈现下将趋势；所述的跳变失压指电压在正常状态与异常状态间反复，且持续时间大于某一阈值。

6.根据权利要求1所述的基于特征分类的配电网失压故障智能识别方法，其特征在于，所述的失压故障评价体系，包含突变失压、趋势失压和跳变失压三大特征，所述的突变失压特征包括电压下降告警及电压下降最大持续告警次数，所述的趋势失压特征包括平均电压系数及电压趋势下降次数，所述的跳变失压特征包括电压突增次数及电压突减次数。

7.根据权利要求1或6所述的基于特征分类的配电网失压故障智能识别方法，其特征在于，所述的突变失压特征中电压下降告警和电压下降最大持续告警次数的构建包括如下步骤：

S2.1：所述的电压下降告警，通过如下计算公式得到：

其中，为百分比，为用户额定电压；

S2.2：所述的电压下降最大持续告警次数，通过统计连续为1的最大次数得到。