[发明专利]一种基于复合统计量的配电网短路故障诊断方法在审

专利信息
申请号: 202210973066.3 申请日: 2022-08-15
公开(公告)号: CN115327436A 公开(公告)日: 2022-11-11
发明(设计)人: 贺俊文;方支剑;蔡杰;董翰林;张子涵;彭文河 申请(专利权)人: 中国地质大学(武汉)
主分类号: G01R31/52 分类号: G01R31/52;G06F17/18;G06F17/16
代理公司: 武汉知产时代知识产权代理有限公司 42238 代理人: 王佩
地址: 430000 湖*** 国省代码: 湖北;42
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 复合 统计 配电网 短路 故障诊断 方法
【权利要求书】:

1.一种基于复合统计量的配电网短路故障诊断方法,其特征在于,包括以下步骤:

S1、获取配电网正常运行下三相电流电压的历史数据,以构成训练数据矩阵,并对所述训练数据矩阵进行预处理以形成标准化训练数据矩阵;

S2、对所述标准化训练数据矩阵进行主元分析以获取对应的协方差矩阵和主元数,进而计算所述训练数据矩阵的平均Q统计量控制限和平均T2统计量控制限,并通过加权得到平均CRS统计量控制限;

S3、获取待检测的三相电流电压的数据,以构成检测数据矩阵,并根据步骤S1中同种预处理方式得到标准化检测数据矩阵;

S4、对所述标准化检测数据矩阵进行主元分析以获取对应的协方差矩阵和主元数,进而计算所述检测数据矩阵中每一样本的Q统计量值和T2统计量值,并通过加权得到所述检测数据矩阵中每一样本的CRS统计量值;

S5、逐次判断所述标准化检测数据矩阵中每一样本的CRS统计量值是否不大于所述平均CRS统计量控制限,若是,则该样本未出现故障,若否,则该样本出现故障,并执行步骤S6;

S6、获取出现故障的样本,计算故障样本中每一变量的CRS统计量贡献值,判断各所述贡献值的大小,最大的所述贡献值对应变量即为故障变量。

2.如权利要求1所述的一种基于复合统计量的配电网短路故障诊断方法,其特征在于,步骤S1具体包括以下步骤:

S11、获取所述历史数据,以构成训练数据矩阵X=(xij)n×m,式中n为训练样本个数,m为变量个数,xij表示所述训练数据矩阵的元素,i∈(1,n),j∈(1,m);

S12、预处理以形成所述标准化训练数据矩阵Y=(yij)n×m,其中预处理表达式为:

式中,表示所述训练数据矩阵的第j个变量对应的样本均值,bj表示所述训练数据矩阵的第j个变量对应的样本方差值,yij表示所述标准化训练数据矩阵的元素。

3.如权利要求2所述的一种基于复合统计量的配电网短路故障诊断方法,其特征在于,步骤S2具体包括以下步骤:

S21、对所述标准化训练数据矩阵Y进行主元分析,以得到所述标准化训练数据矩阵的协方差矩阵R,以及确定所述标准化训练数据矩阵的主元数z,z<m;

S22、计算获取所述协方差矩阵R的前z个特征值以及对应的特征向量,以构成训练主元特征值矩阵Λz和训练主元特征向量矩阵Pz

S23、计算所述训练数据矩阵对应的平均Q统计量控制限和平均T2统计量控制限,其中,所述平均Q统计量控制限的计算公式为:

式中,v0、θ1和θ2均为常数,α表示置信水平,取值0.95,qα表示正态分布函数在置信水平为α处的临界值;

所述平均T2统计量控制限的计算公式为:

式中,Fz,n-z,α表示F分布函数在自由度为z、置信水平为α、n-z条件下临界值;

S23、根据所述平均Q统计量控制限和所述平均T2统计量控制限,计算所述平均CRS统计量控制限,其中所述平均CRS统计量控制限的计算公式为:

CRS控制限=gχ2(h)

式中,g为系数,且g=tr(Rε)2tr(Rε),Pl=(1-PzPzT),χ2(h)为卡方分布函数,e为权重系数。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国地质大学(武汉),未经中国地质大学(武汉)许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202210973066.3/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top