[发明专利]一种基于均值聚类的电网线路故障识别方法

说明书

本发明涉及一种基于均值聚类的电网线路故障识别方法，根据月报和系统储存的异常工作状态信息提取四种异常状态数据，其中线路异常状态包括单相线路短路故障、线路重合闸后再跳闸、三相线路短路故障以及调停误报。通过对各故障典型误报波形的充分挖掘分析，提取峭度、平均距离百分比、变异系数故障特征量。利用均值聚类算法，对样本进行类别划分，实现依据异常状态电流数据进行线路的故障识别。与现有技术相比，本发明具有快速诊断，故障识别准确等优点。

技术领域

本发明涉及智能电网故障识别技术领域，尤其是涉及一种基于均值聚类的电网线路故障识别方法。

背景技术

电网调度故障告警系统是保证电网安全稳定运行调度的重要支撑，通过实时监测电网的各项数据和指标，对异常故障事故做出及时的识别，给调度人员及运维人员提供调度和故障处理实时依据。

随着电力系统的发展对系统运行的自动化、智能化提出了更高的要求，传统的调度故障告警系统过度依赖人为处理已不能满足要求电网发展的需求，故需对智能故障识别系统进行研究。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于均值聚类的电网线路故障识别方法。

本发明的目的可以通过以下技术方案来实现：

一种基于均值聚类的电网线路故障识别方法，该方法包括以下步骤：

步骤1：根据线路各典型状态数据的波形特征，提取作为故障特征量的峭度、平均距离百分比和变异系数并构建线路故障智能识别特征数据库；

步骤2：采用K均值算法对识别特征数据库进行聚类划分；

步骤3：通过TSNE降维算法对聚类划分完毕后的识别特征数据库进行可视化表示，运维人员通过将实际结果与聚类划分的可视化结果相比对以进行电网线路故障诊断与识别。

进一步地，所述的步骤1中的峭度的计算公式为：

式中，Q_X为故障样本的峭度，X_i为采样点数据，为故障样本的平均值，n为采样点的个数。

进一步地，所述的步骤1中的平均距离百分比的计算公式为：

式中，Y_X为故障样本的平均距离百分比。

进一步地，所述的步骤1中的变异系数的计算公式为：

式中，V_X为故障样本的变异系数。

进一步地，所述的步骤2中的K均值算法中针对各样本点的状态信息量中任意两个之间的欧氏距离计算公式为：

式中，d(i,j)²为针对各样本点的状态信息量中任意两个之间的欧氏距离，D_i和D_j分别为各样本点的状态信息量中任意两个状态信息量。

进一步地，所述的步骤1中的线路故障智能识别特征数据库，其描述公式为：

式中，D为线路故障智能识别特征数据库，D₁,D₂,…,D_n为线路故障智能识别特征数据库中的各个元素。

进一步地，所述的步骤1中的线路各典型状态数据包括调停误报数据、单相线路短路故障数据、线路重合闸后再跳闸故障数据和三相线路短路故障数据。

进一步地，所述的步骤3中的TSNE降维算法中的条件概率的计算公式为：