[发明专利]一种基于分类数据挖掘的电网故障诊断方法

说明书

本发明提供一种基于分类数据挖掘的电网故障诊断方法，该方法包括如下步骤：S1、根据设定的保护方案和待诊断电网的拓扑，获得电网故障诊断模型的若干个训练样本，所述训练样本包括诊断故障输入向量和对应的诊断故障结果；S2、建立电网故障诊断A‑SVM模型，将所述若干个训练样本输入所述电网故障诊断A‑SVM模型中进行A‑SVM算法训练；S3、将实际电网故障输入向量输入所述故障诊断A‑SVM模型中，获得所述实际电网故障输入向量对应的故障诊断结果。本发明能够快速、准确的诊断电网故障。

技术领域

本发明涉及电网故障诊断技术领域，尤其涉及一种基于分类数据挖掘的电网故障诊断方法。

背景技术

电力系统随着数字化、自动化及信息化的发展，已实现了大量历史信息的灵活存取，如何从中提取特征信息和预测变化更好地服务于生产运行成为信息资源有效利用的关键。数据挖掘的任务就是从数据集中发现模式，模式有很多种，在实际应用中往往根据模式的实际作用又分为以下几种：分类、聚类、关联、序列等。分类数据挖掘首先分析一个训练数据集，找到一个描述并区分数据类的模型，然后使用这个模型对未知分类的对象类进行分类。分类数据挖掘可以应用在电力系统的多个领域中，如电网故障诊断、变压器故障诊断、发电机故障诊断、电能质量评估、负荷特性分类和电力系统稳定状态分类等。

电网故障诊断是利用保护和断路器的动作信息识别故障元件和误动作的保护与断路器。准确、快速的电网故障诊断是实现事故情况下科学调度，尽快排除故障，恢复供电，保证电网安全、稳定、经济运行的重要手段。

分类数据挖掘的方法很多，有决策树法、贝叶斯法、神经网络法、近邻学习或基于事例的学习等方法。人工神经网络以其强大的非线性映射和信息并行处理等优点，在电力系统的故障诊断中得到广泛研究。但是神经网络模型参数的确定比较复杂，存在训练耗时和不能保证全局最优等问题。

发明内容

本发明所要解决的技术问题在于，提供一种基于分类数据挖掘的电网故障诊断方法，该方法将历史数据输入训练集进行训练，获得待诊断电网的每一输入故障对应的故障诊断结果，能够快速获得电网诊断故障，从而实现尽快排出故障，恢复供电，保证电网安全，稳定，经济运行。

为了解决上述技术问题，本发明提供一种基于分类数据挖掘的电网故障诊断方法，包括如下步骤：

S1、根据设定的保护方案和待诊断电网的拓扑，获得电网故障诊断模型的若干个训练样本，所述训练样本包括诊断故障输入向量和对应的诊断故障结果；

S2、建立电网故障诊断A-SVM模型，将所述若干个训练样本输入所述电网故障诊断A-SVM模型中进行A-SVM算法训练；

S3、将实际电网故障输入向量输入所述故障诊断A-SVM模型中，获得所述实际电网故障输入向量对应的故障诊断结果。

其中，所述步骤S1中：

所述保护方案包括：线路保护、母线保护、变压器保护和远后备保护；

所述获得电网故障诊断模型的若干个训练样本具体包括：

根据所述待诊断电网的拓扑获得所述保护方案中的每一种保护的至少一个诊断故障输入向量和对应的故障诊断结果。

其中，所述步骤S2具体包括：

S21、输入训练样本(x₁,y₁),…,(x_N,y_N)，其中，N为训练样本个数，x_i属于某个域或实例空间X，标签y_i属于Y中的待分模式k中的一个，即：y_i∈Y＝{1,…k}；