[发明专利]一种基于电网调度多源数据融合的缺陷识别方法

说明书

本发明公开了一种基于电网调度多源数据融合的缺陷识别方法，包括以下步骤：S1：对电网中不同类型设备进行信号序列生成，得到信号序列；S2：根据信号序列中的数据类型，选择对应的聚类算法进行聚类分析，得到不同的事件序列；S3：采用动态规划算法对事件序列的数据缺陷进行分析，对比实时运行数据的事件序列和设备正常运行的事件序列，判断实时运行数据是否出现异常，如是则输出缺陷识别结果。本发明基于多源数据融合的配电网运行故障特征信息提取，能够提升故障特征提取、诊断的可靠性以及精确度，由此可以广泛应用于电网故障诊断方向。

技术领域

本发明涉及数据处理领域，特别涉及一种基于电网调度多源数据融合的缺陷识别方法。

背景技术

配电网自动化的程度在快速地提高，极大提升了获得故障数据的便利程度。在配电网发生故障时，事故信息大量且复杂，会迅速地涌入调度中心，在这样的情况下调度人员则需要快速且精准地知悉最为核心的警报信息。但是迅速而精确地识别故障是非常困难的，主要的原因在于误判以及漏判等现象。因此，处理信息的人员就需要依靠行之有效的配电网故障特征提取理论、方法来提供故障特征信息，以其作为辅助性评判，从而确保配电网安全运行。

目前，常见的缺陷识别，都是获取特征信息后再通过某种智能算法来判定故障的位置，而特征信息如何处理，将显著影响后续识别的准确性和效率，因此，如何在数据前期的处理到最后识别的过程中，提高数据处理的准确性和效率，是目前技术存在的问题。

发明内容

针对现有技术中数据处理的准确性和效率较低的问题，本发明提供了一种基于电网调度多源数据融合的缺陷识别方法，以序列作为数据的载体，并通过聚类进一步升级，再通过分析和对比序列的方式进行缺陷识别，提高缺陷识别的准确性和效率。

以下是本发明的技术方案。

一种基于电网调度多源数据融合的缺陷识别方法，包括以下步骤：

S1：对电网中不同类型设备进行信号序列生成，得到信号序列；

S2：根据信号序列中的数据类型，选择对应的聚类算法进行聚类分析，得到不同的事件序列；

S3：采用动态规划算法对事件序列的数据缺陷进行分析，对比实时运行数据的事件序列和设备正常运行的事件序列，判断实时运行数据是否出现异常，如是则输出缺陷识别结果。

本发明将电网中不同类型设备的数据以信号序列的显示进行汇总，并在此基础上根据数据类型进行对应的聚类分析，升级为事件序列，最后通过动态规划算法对事件序列的数据缺陷进行分析，通过对比序列可得到识别结果。本发明围绕不同类型的序列进行数据处理，相比于传统处理过程中数据前后差异巨大的情况，本发明处理过程中先后之间具有数据的统一性，可以提高处理效率和准确率。

作为优选，所述S1：对电网中不同类型设备进行信号序列生成，得到信号序列，包括：

采集电网中不同类型设备的运行数据；

对运行数据进行排序后形成信号序列，保存为中间表，其中为不同设备采集到的不同种类运行数据。

作为优选，所述S2：根据信号序列中的数据类型，选择对应的聚类算法进行聚类分析，得到不同的事件序列，包括：

根据输入数据形式，采用不同的聚类算法，其中，电流、电压、功率数据采用基于句向量的欧氏距离的K均值聚类，开关量数据采用DBSCAN噪声密度聚类、非电量数据采用基于编辑距离的凝聚层次算法。由于数据类型较多，特征不同，如果采用同一种聚类方式，无法平衡数据差异，因此采用了三种不同的聚类算法，以针对不同的数据类型。

作为优选，所述S3：采用动态规划算法对事件序列的数据缺陷进行分析，对比实时运行数据的事件序列和设备正常运行的事件序列，判断实时运行数据是否出现异常，如是则输出缺陷识别结果，包括：

对事件序列进行相邻去重，对相邻的重复出现的信号只保留首次出现的信号；