[发明专利]配电网故障诊断方法及系统

说明书

本发明公开配电网故障诊断方法及系统，涉及配电网技术领域，特别涉及配电网故障诊断方法及系统，包括以下步骤：获取目标电网数据；将所述目标电网数据与预设的关键特征集进行分析，得到关键特征量值；对所述关键特征量进行分类，得到初步故障数据；从所述初步故障数据筛选得到目标故障数据；对所述目标故障数据进行分析，得到目标电网运行状态数据。从众多数据中筛选出目标故障数据，对目标故障数据进行分析后得到电网运行状态数据，从而直观地将电网运行状态反馈给用户，方便用户快速识别电网故障状态，解决了现有技术中由于数据庞大、复杂而存在的无法及时获得配电网的运行状态的技术问题。

技术领域

本发明涉及配电网技术领域，特别涉及配电网故障诊断方法及系统。

背景技术

随着智能配电技术的发展，从传统无源电网演变为包含分布式电源的有源配电网，且随着配电网网络自动化的发展，电网供电设备种类越来越多，有关电网的数据、信息资料越来越复杂，配电网中的终端采集装置采集的数据量呈指数级增长。

数据的统计需要较多规划人员进行统计、分析，由于配电网数据量大、模型多，导致运维人员进行统计分析时的工作量大，周期长，也很难发现其中数据的问题，针对配电网故障，很难及时得到反馈信息，无法及时获取到配电网的运行状态。

发明内容

随着智能配电技术的发展，有关电网的数据越来越多，数据统计通常周期长，很难发现存在的数据问题，针对配电网故障很难及时得到反馈，无法及时获得配电网的运行状态，针对上述问题提出以下发明内容：

配电网故障诊断方法，包括以下步骤：获取目标电网数据；将所述目标电网数据与预设的关键特征集进行分析，得到关键特征量值；对所述关键特征量进行分类，得到初步故障数据；从所述初步故障数据筛选得到目标故障数据；对所述目标故障数据进行分析，得到目标电网运行状态数据。

进一步的，对所述关键特征量进行分析还包括以下步骤：

将所述关键特征量值输入至预设的故障诊断神经网络；

所述故障诊断神经网络对所述关键特征量值分类。

进一步的，从所述初步故障数据筛选得到目标故障数据还包括：

故障诊断神经网络对所述初步故障数据进行筛选，得到目标故障数据。

进一步的，所述故障诊断神经网络包括故障诊断神经网络和LSTM模型，其中：

关键特征量值输入值预设的故障诊断神经网络的注意力机制模型；

根据故障诊断神经网络的LSTM模型对初步故障数据进行筛选，得到目标故障数据。

进一步的，得到目标电网运行状态数据后，根据所述目标电网运行状态数据发出相应反馈信息。

进一步的，对所述目标故障数据进行分析具体包括：

将目标故障数据匹配索引分类关键字；

根据索引分类关键字建立索引表；

根据索引表将目标故障数据存入数据库。

进一步的，所述目标电网数据包括：电压数据、电流数据和温度数据。

进一步的，所述关键特征集包括：负荷转供能力、分布式能源消纳能力、供电可靠率、谐波合格率。

配电网故障诊断系统，包括：

数据获取模块：获取目标电网数据；

特征量处理模块：将目标电网数据与预设的关键特征量进行分析，得到关键特征集中的关键特征量值；

数据输入模块：将所述关键特征量值输入预设的故障诊断神经网络；