[发明专利]一种基于数据挖掘的配电网故障精准定位方法

摘要

本发明提出的一种基于数据挖掘的配电网故障精准定位方法。该方法将数据挖掘引入到电网调度领域中，在对历史故障跳闸进行傅里叶分析的前提下，采用聚类算法建立故障跳闸位置的向量簇集合。通过计算新发生故障的故障频域特征向量与各个簇特征向量的相似度判断新发生故障的跳闸开关位置，并以此为依据锁定故障范围。本发明提出的方法仅通过高电压等级出线开关的电气量的变化判断实际故障的范围，有效解决了目前我国调度数据专网覆盖不全面的问题，特别是城市配网与农网的故障定位问题，缩短了配网和农网故障的事故处理时间，减少了停电时间。

主权项

1.一种基于数据挖掘的配电网故障精准定位方法，其特征在于，依次包括以下步骤：/n变电站出线数据的傅里叶分析；/n提取故障分量的频域系数特征向量；/n建立典型故障的频域系数特征向量；/n新发生故障的精准定位；/n所述变电站出线数据的傅里叶分析包括以下步骤：/n步骤一：从SCADA中获取出线开关电气量，目前我国电网调度使用的数据专网已覆盖110kV及以上变电站，变电站内低、中压侧出线开关，即10kV、35kV电压等级的出线开关的电流、有功、无功可以直接从SCADA中获取，且一般数值采集之间的时间间隔为30秒；由此可以获取变电站出线开关的电气量集合可以表示为：S＝{P,Q,I,T},其中：/n /n式中P、Q、I分别为有功、无功、电流的数据集合，p、q、i为具体数值大小，t为时间；/n步骤二：以偏方差和最小作为数值拟合的目标函数对电气变化量进行数值拟合；/n首先，设拟合多项式，假设电流、有功、无功和时间之间的函数为：/n /n式中a、b、c分别为待求系数；/n然后，设定拟合期望，为使得拟合后的函数与原数据尽量接近，本发明以偏差平方和最小作为数值拟合的目标函数，即：/n /n最后，求得电流、有功、无功的时间函数；以上式(3)为目标函数，求对应的系数集合{a_i、b_i、c_i}，以求系数集合{a_i}为例，对式(2)中f_p函数右边式子中的a_i求偏导可以得到：/n /n进行化简后，可以得到如下矩阵[1]：/n /n式(5)中，n为采样数据的样本个数，(p、t)为采样数值，即时间及其当时时刻的开关有功测量值，根据式(5)所示矩阵则可以方便求出系数集合{a_i}，从而得到有功与时间的拟合函数P＝f_P(t)，无功和电流的拟合流程与此相同；/n步骤三：将时域函数转换为频域函数，由于拟合得到的函数f_P、f_Q、f_I为连续的多项式；/n所述提取故障分量的频域系数特征向量包括以下步骤：/n步骤一：从SCADA中获取正常运行和故障情况下的电气变化量，将历史跳闸记录对应的电气量变化做傅里叶分析，搜集历史故障的跳闸时间；/n步骤二：根据傅里叶分析的步骤将其转换为频域函数，将跳闸当天和前一天正常运行时的10千伏或35千伏出线电气量进行函数拟合和傅里叶分析，从而得到正常运行以及发生故障时10千伏或35千伏出线开关的傅里叶函数，分别表示为：/n /n /n步骤三：将正常运行的频域函数与故障的频域函数做差值，对比故障与正常运行情况下的傅里叶函数获得故障分量的傅里叶函数，表示为：/n /n步骤四：保留五阶以内的函数，根据实际经验，将式(8)所示的故障分量傅里叶函数进行截取，只保留五阶以内的级数，既下式(9)所示：/n /n步骤五：建立故障分量的频域系数特征向量，根据步骤四进行截取后，每次故障分量都可以表示为电流、有功、无功的五阶函数，根据其周期函数的系数，任一故障分量的频域特征可以表示为如下的向量形式：/n /n其中有功及无功的频域系数以此类推；/n所述建立典型故障的频域系数特征向量包括一下步骤：/n步骤一：从历史故障记录中抽取K个对应于K个不同故障位置的故障频域系数特征向量，根据历史跳闸记录初步建立不同类型故障的特征向量，变电站10kV或35kV线路从变电站引出，经柱上开关、开闭所、环网柜等设备到达箱变供居民或工业负荷，在这个环节中柱上开关、开闭所、环网柜的跳闸都会造成负荷损失，导致变电站出线开关的电气量出现故障分量，即故障分量频域系数的变化；为锁定具体的跳闸开关位置，根据跳闸位置建立初始的特征向量簇集合，初始簇集合中包含K个簇，K为可能发生跳闸的开关个数，每个簇仅包含一个跳闸开关的故障频域系数特征向量；/n步骤二：将历史故障记录中跳闸的故障频域系数特征向量与簇的平均特征向量做相似度计算并纳入对应的簇中，采用夹角余玄公式计算所有跳闸故障的频域系数向量与初始簇集合中初始簇特征向量的“距离”(即相似度)，夹角余玄公式为：/n /n其中为任意一次故障的频域系数向量、为初始簇集合中初始簇的特征向量，/n步骤三：更新簇的平均特征向量，其计算公式为：/n /n其中a为原簇中故障频域系数向量的个数，为新增故障的频域系数特征向量，为原簇的特征向量平均值，为更新后的簇的特征向量；/n步骤四：评价函数计算新簇的评价结果，计算重新整合后的簇的评价函数，评价函数的计算公式为：/n /n式(13)中，J为评价函数，其大小为任意对象，即故障频域系数向量与各个簇特征向量的均方差之和；γ_n为任意故障对应的特征向量，为第k个簇的特征向量，为任意故障γ_n与第k个簇的相似度；Z_k为第k个簇中含有的元素个数，k为所有簇的个数，其大小为所有可能发生跳闸的开关个数；重复步骤二、步骤三，将新的故障频域特征向量根据相似度加入对应的簇中，而后根据步骤四计算评价函数，循环反复直至评价函数维持不变为止；/n步骤五：确立与故障位置一一对应的典型故障频域系数特征向量，人工干预，对分类完成的簇进行识别；通过查看不同簇中的电气量变化曲线及其对应的跳闸开关；人工校核该簇代表的跳闸开关位置，最终得到代表不同位置跳闸的特征向量簇集合{φ_i}；/n所述新发生故障的精准定位包括以下步骤：/n步骤一：将新发生的电气量做傅里叶变换得到故障分量的频域系数特征向量，从SCADA中采集故障跳闸时段的电器变化量，进行函数拟合，得到拟合函数后对拟合函数进行频域分析，根据得到新发生故障的电气变化量即电流、有功、无功的傅里叶级数，按照同样的方法对故障前一日正常运行时的电气变化量，电流、有功、无功进行处理，获取故障与正常运行情况下的傅里叶级数，在此基础上做差值处理，并截取电流、有功、无功的零至五阶的级数，从而得到一个18维的故障频域系数特征向量φ；/n步骤二：将新发生故障的频域系数特征向量与各个簇进行相似度计算，确定新发生故障所属的簇，将新发生故障的故障频域系数特征向量φ与故障特征向量簇集合{φ_i}中的簇进行相似度计算，根据相似度计算结果将新发生故障归入对应的簇中，由于每个簇代表一个故障跳闸开关的位置，由此判断跳闸开关的位置；/n步骤三：锁定故障的跳闸开关位置，由于开关保护动作跳闸需要故障电流启动，因此跳闸开关向线路末端为可能发生故障的区域；同时，由于不同开关之间的保护存在配合，一般较少情况出现越级跳闸；因此可以认为，在故障跳闸开关与线路末端方向的相邻开闭所或柱上开关、环网柜之间即为故障发生位置。/n