[发明专利]一种有源配电网在线故障处理方法和系统

权利要求书

1.一种有源配电网在线故障处理方法，其特征在于，包括：

从有源配电网的运行数据中提取原始特征数据；

将所述原始特征数据输入预先构建的在线故障处理模型，在确定出所述有源配电网发生故障时，识别出故障类型；

其中，所述在线故障处理模型是采用有源配电网历史正常运行时段和故障时段的运行数据和对应故障状态数据、故障类型数据、故障区段数据训练得到的；

所述在线故障处理模型的构建，包括：

获取有源配电网历史正常运行时段和故障时段的运行数据和对应故障状态数据、故障类型数据、故障区段数据，并根据历史故障时段的运行数据提取历史故障原始特征，根据历史正常运行时段的运行数据提取历史正常运行原始特征；

以历史故障原始特征和历史正常运行原始特征为输入，以对应的故障状态数据为输出，对分类器模型进行训练，得到故障状态分类器；

以历史故障原始特征为输入，以对应的故障类型数据为输出，对分类器模型进行训练，得到故障类型分类器；

以历史故障原始特征为输入，以对应的故障区段数据为输出，对分类器模型进行训练，得到粗粒度故障区域定位分类器；

以历史故障原始特征为输入，以发生故障的各元件为输出，对判定各元件的发生故障的概率阈值进行训练，得到故障区段精确定位模型；

以所述故障状态分类器、故障类型分类器、粗粒度故障区域定位分类器和故障区段精确定位模型作为在线故障处理模型。

2.如权利要求1所述的方法，其特征在于，所述以历史故障原始特征和历史正常运行原始特征为输入，以对应的故障状态数据为输出，对分类器模型进行训练，得到故障状态分类器，包括：

采用基于距离的可分性判据和特征搜索算法，从历史故障原始特征筛选出用于判断故障状态的最优故障特征，并采用历史正常运行原始特征中对应维度的数据构成最优正常运行特征；

以用于判断故障状态的最优故障特征和最优正常运行特征为输入，以对应的故障状态数据为输出，对分类器模型进行训练，得到故障状态分类器。

3.如权利要求2所述的方法，其特征在于，所述采用基于距离的可分性判据和特征搜索算法，从历史故障原始特征筛选出用于判断故障状态的最优故障特征，包括：

S1：为前向数H和后向数f赋初值；

S2：令H=H+1；

S3：按照前向序惯搜索和距离可分性判据从历史故障原始特征中筛选最优H-f维特征组成训练样本对分类器进行训练，并测试分类器的准确率；若所述准确率达到预设要求，则返回S2，否则执行下一步；

S4：判断H是否达到预设指定值，若是，则以当前的H维特征为最优故障特征；否则执行下一步；

S5：令f=f+1，H=H-f；

S6：按照距离可分性判据及后向序惯搜索算法计算得到的最优H-f维特征组成训练样本对分类器进行训练，并测试分类器的准确率；若所述准确率达到预设要求，则将执行后向序惯搜索算法前的H-f+1维特征为最优故障特征，否则转入S5。

4.如权利要求1所述的方法，其特征在于，所述以历史故障原始特征为输入，以对应的故障类型数据为输出，对分类器模型进行训练，得到故障类型分类器，包括：

采用基于距离的可分性判据和特征搜索算法，从历史故障原始特征中筛选出用于判断故障类型的最优故障特征；

以用于判断故障类型的最优故障特征和最优正常运行特征为输入，以对应的故障类型数据为输出，对分类器模型进行训练，得到故障类型分类器。