[发明专利]一种基于故障信息编码和融合方法的电网故障诊断方法有效

专利信息
申请号: 201811498577.4 申请日: 2018-12-08
公开(公告)号: CN109633370B 公开(公告)日: 2021-04-23
发明(设计)人: 刘朝章;赵金勇;吴玉光;魏燕飞;刘杰 申请(专利权)人: 国网山东省电力公司德州供电公司
主分类号: G01R31/08 分类号: G01R31/08
代理公司: 上海科盛知识产权代理有限公司 31225 代理人: 赵继明
地址: 253000 山*** 国省代码: 山东;37
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 故障 信息 编码 融合 方法 电网 故障诊断
【权利要求书】:

1.一种基于故障信息编码和融合方法的电网故障诊断方法,其特征在于,包括以下步骤:

步骤1:根据电网故障时线路的电气信号和开关量信息建立幅值近似度指标、能量近似度指标和故障编码相似度指标;

步骤2:将幅值近似度指标、能量近似度指标和故障编码相似度指标进行数据融合,形成融合故障度指标;

步骤3:利用改进的聚类方法和融合故障度指标确定出元件最终故障诊断结果;

所述步骤2中的融合故障度指标,其计算公式为:

式中,IFD为融合故障度指标,ASD为幅值近似度指标,ESD为能量近似度指标,NSD为故障编码相似度指标;

所述步骤3中的改进的聚类方法,包括以下步骤:

步骤01:建立k-means聚类目标函数模型;

步骤02:建立用于判断簇心是否需要更新的适应度函数模型;

步骤03:建立更新簇心对应函数模型;

所述k-means聚类目标函数模型,其具体公式为:

式中,Jm为k-means聚类目标函数,c,k为自然数,||xj-vc||为改进的流形距离,ωlbnr分别为第c类的下近似集合的权重和边界集合的权重,vc,c-cl,ccbnr,xj分别为第c类的簇心、下近似集合、边界集合和类簇数据对象;

所述适应度函数模型,其具体公式为:

FIT=1/Jm

式中,FIT为适应度函数模型;

所述更新簇心对应函数模型,其具体公式为:

式中,vb为更新簇心对应函数模型。

2.根据权利要求1所述的一种基于故障信息编码和融合方法的电网故障诊断方法,其特征在于,所述步骤1中的幅值近似度指标,其计算公式为:

式中,Ik为线路信号在故障前后电流的幅值变化程度值,Fkf,Fkb分别为线路信号故障前后的幅值,Xk为线路的幅值近似度指标,I1,I2...In分别为n个线路各自自身故障前后电流的幅值变化程度值,n为自然数。

3.根据权利要求1所述的一种基于故障信息编码和融合方法的电网故障诊断方法,其特征在于,所述步骤1中的能量近似度指标,其计算公式为:

式中,Wkh为线路信号的高频能量表征,Wkl为线路信号的低频能量表征,t为分解尺度,Dkj为线路信号在第j∈(1,2...t)个分解尺度下的细节系数,Akt为线路信号在第t个分解尺度下的相似系数,Wk为线路信号能量高低频变化程度值,wk为线路的能量近似度指标,W1,W2...Wn为n个线路各自自身的信号能量高低频变化程度值,t为自然数。

4.根据权利要求1所述的一种基于故障信息编码和融合方法的电网故障诊断方法,其特征在于,所述步骤1中的故障编码相似度指标,其计算公式为:

bi=an2n+an-12n-1+...+a020

Qn=w1b1+w2b2+w3b3

Sn=Qnr/Qn

式中,bi为字段编码,an,an-1...a0为n个线路各自对应的遥信位值,Qn为预想线路编码值,Qnr为实际线路编码值,Sn为线路的故障编码相似度指标,w1,b1;w2,b2;w3,b3分别对应为故障过程权重及相应字段编码、保护动作权重及相应字段编码和故障类型权重及相应字段编码,i取1,2,3。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于国网山东省电力公司德州供电公司,未经国网山东省电力公司德州供电公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201811498577.4/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code