[发明专利]一种电力系统故障检测方法

说明书

本发明提供一种电力系统故障检测方法，属于智能电网领域。该方法基于PMU测量数据的非线性特性，通过对高维PMU测量数据实施Hessian局部线性嵌入，相应的嵌入坐标(降维后的数据)可以通过一种非线性的方式获得，基于嵌入坐标特征空间的特性，推导出相应的特征统计量以实现对电力系统连续故障的检测。本发明所提方法将Hessian局部线性嵌入技术引入到电力系统中，在对PMU数据进行降维时，避免了复杂的非线性变换过程，降低了故障检测过程中所需要的计算量，提升了故障检测实时性；有效提升了故障检测性能；通过实时接收新的观测样本并计算嵌入坐标，实时更新故障检验统计量的计算结果，提升了故障结束时刻检测准确性。

技术领域

本发明属于智能电网领域，具体涉及一种电力系统故障检测方法。

背景技术

电力系统是最重要的能量传输网络之一。随着人口增长与产业工业化的快速发展，分布式能源被引入到电力系统中，用以满足日益增长的电力能源的需求。新能源等的引入导致电力系统结构变得尤为复杂，使得实时监测和控制电力系统的运行状态成为主要挑战。为避免电力系统故障的持续发生，需要发展更为智能化的在线监测、控制和保护技术。

随着GPS技术的快速发展，同步相量测量单元(Phasors Measurements Unit，PMU)运用其高精度同步时钟，实现异地时钟同步，以及全网各区域母线电压与线路电流相量的同时测量，采样频率可以达到30至60帧每秒，为广域监测方法的研究提供稳定的数据基础。现有的电力系统故障检测方法主要包括基于知识类的故障检测方法和基于数据驱动的故障检测方法，其中，基于知识类的故障检测方法依赖于系统的拓扑结构等大量先验信息。这对于复杂的电力系统而言，当未知类型故障发生时，难以获得完备的故障样本集，影响了此类方法的实用化；数据驱动类故障检测方法基于PMU测量系统提供的电气量，不需要电网的拓扑结构信息和故障样本，可实现不同类型故障的快速检测与故障元件的精准定位，尤其是此类方法中的非线性故障检测方法与故障暂态行为的非线性特性相吻合，可提供更优的噪声鲁棒性和故障检测性能。因此，应用PMU数据，对基于数据驱动的电力系统故障检测问题进行深入分析与研究，具有重要的理论研究意义和工程实用价值。

PMU装置在全球范围内的推广与运用虽提升了电力系统的广域监控能力，但也使得观测数据量急剧增加，如何从大量数据中提取关键信息并实现故障实时检测成为制约故障检测方法面临的主要挑战。现有的基于数据驱动的故障检测方法往往依赖于线性变换，适用于频率等线性数据的情况。难以满足超大规模复杂电力系统暂态行为非线性特点的需求，不能与实际系统完全贴合；此外，现有的非线性故障检测方法往往涉及复杂的非线性变换过程，使得相应的计算复杂度较高，影响了故障检测实时性。

Hessian局部线性嵌入技术是统计信号处理中最具代表性的非线性数据分析技术之一，若将其引入到电力系统故障检测研究中，在实现对高维PMU数据有效降维的基础上，可实现电力故障检测，提高故障检测性能，降低故障检测过程所需要的时间，提高故障检测实时性。

发明内容

本发明提供一种电力系统故障检测方法，以解决现有非线性故障检测方法由于涉及复杂的非线性变换过程，计算复杂度高、故障检测实时性差的问题。

本发明采取的技术方案是，包括下列步骤：

(1)根据电力系统拓扑结构布放PMU，形成电力系统同步测量装置；

(2)应用步骤(1)中的测量装置接收电力系统电压数据；

(3)对接收的电压数据进行预处理；

(4)应用预处理后的数据构造数据接收矩阵；

(5)应用欧氏距离计算中心化矩阵，对该中心化矩阵进行奇异值分解，获得切向坐标矩阵；

(6)基于步骤(5)中的切向坐标矩阵获得Hessian估计矩阵，构造二次型，获得嵌入坐标；