[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

说明书

本发明涉及一种基于特征分类的配电网失压故障智能识别方法，包括以下步骤：首先获取学习数据和预测数据并进行数据清洗；然后基于失压故障类型构建故障评价指标体系：突变失压特征、趋势失压特征及跳变失压特征，形成学习样本和预测样本；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；最后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。本发明细化了失压故障类型，包括突变失压、趋势失压和跳变失压，针对不同类型分析用户失压故障嫌疑，能实现失压故障的有效精准识别，从而将故障检测管理模式提升至“事前预防、事中控制”的管理水平。

技术领域

本发明涉及配电网失压故障识别技术领域，具体涉及一种基于特征分类的配电网失压故障智能识别方法。

背景技术

三相供电系统中电能计量装置常因如保险熔断等因素而出现各种故障，其中失压故障最为突出，因故障而导致的电能计量装置计量异常，不仅给电力企业造成电量损失，也给后续电量追补带来一定难度。为避免和减少此类损失，需快速准确的发现计量故障，及时有效的处理，以确保计量装置的可靠正常运行。

传统的计量故障发现手段主要有周检、首检、抄表人员到现场抄表、电量核算异常时、用电检查等。此类手段被动性强、效率低，易导致计量故障持续时间长、无法发现，给供用电双方都造成损失，甚至影响安全供电。随着科技的进步，电网计量自动化系统的广泛应用，已可实现对计量电能信息进行实时的采集、监控、分析及处理，但其对计量故障的分析还停留在简单的统计分析层面，存在误报率高的缺陷。

目前基于数据挖掘技术对失压故障进行识别的研究中，虽运用如神经网络等分类模型，可在一定层度上将故障用户与正常用户划分，但其将失压笼统的归为一种类型分析，存在较高的漏判率。基于上述背景，本发明提出了一种基于特征分类的配电网失压故障智能识别方法。该方法细化了失压故障类型，包括突变失压、趋势失压及跳变失压三种类型；并针对不同类型特征，以及不同故障类型可能的引起原因分析用户故障，如电压回路接触不良可引起电压跳变现象；进而分析用户失压故障嫌疑及可能的故障原因，能有效实现失压故障的精准识别，并且在保障智能识别模型更低漏判率的同时，也可预警即将发生的故障，从而将故障检测管理模式提升至“事前预防、事中控制”的管理水平。

发明内容

本发明涉及一种基于基于特征分类的配电网失压故障智能识别方法，主要包括以下步骤：

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。

所述的学习数据和预测数据，包含用户档案、负荷数据，其中负荷数据取其一天24个整点数据值；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。

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；