[发明专利]一种基于多维信息的电网故障区域定位方法

摘要

本发明公开了一种基于多维信息的电网故障区域定位方法。首先，构建时域、频域和能量域等多维特征向量X，将其归一化处理得到向量空间X′。然后，使用优化聚类分析算法，得到最优隶属度矩阵U，基于U对样本进行分类。最后，基于时域、频域和能量域等多维故障特征量固有特性的类别判据值矩阵，对分类测量点具体归属，将电网区域分为四类：故障区域、故障边界区域、故障过渡区域与非故障区域。该方法融合了复杂电网中时域、频域等多维信息，利用多维信息关联特性对错误数据进行辨识和修正，对故障区域定位快速准确。同时降低了对现场设备采样频率的要求，较现有的全网单一维度故障区域定位方法有更好的鲁棒性及普遍适用性。

主权项

1.一种基于多维信息的电网故障区域定位方法，其特征在于：包括以下步骤：(1)首先将n个测量点的多维特征量表示成矩阵的形式，如下：其中，n代表样本个数，s代表故障特征量维数；则xsn代表第n个样本的第s维度特征量所对应的数值；(2)对初始数据进行归一化处理，归一化的多维故障特征量矩阵X′为：(3)给出优化聚类分析的分类数c，设置迭代停止目标阈值ε，给出初始聚类中心P(t)，设定迭代初始值t＝0；(4)基于优化聚类信息融合故障特征量的模糊隶属度μik(t)的迭代公式；上式中，i表示c＝4中4类分类数其中的某一类，t表示迭代次数，k表示样本数n中的第k个，m表示加权指数，j为一个叠加量参数，表示上式分母是从j＝1一直叠加到j＝c，c表示优化聚类分析的分类数；(5)根据以下的聚类中心Pi(t+1)的迭代公式进行迭代：(6)聚类中心满足迭代停止目标阈值后，即||pi(t)‑pi(t+1)||<ε，其中，ε表示迭代停止目标阈值，算法停止并输出最优隶属度矩阵U和聚类中心矩阵P，否则令t＝t+1，转向步骤(4)；(7)基于输出的最优隶属度矩阵U对样本进行分类，在U的第k列中，如果则将X_k′归为第i类，即将X_k′归为隶属度最大的一类中，最终将样本数据分成c类，其中，c表示聚类优化分析的分类数；(8)基于多维故障特征量固有特性的类别判据：将构建的多维算法空间通过聚类分析算法计算，将对数据进行分类，得到时域矩阵T与能量域矩阵E，时域维度下各分类中测量点特征值矩阵为：其中，nc为第c分类包含的测量点数目，考量时域维度下任一分类下测量点特征值判据值：能量域维度下各分类中测量点特征值矩阵和特征值判据值为：对T矩阵和E矩阵进行排序得到：T′＝[Trank1 Trank2…Trankc]T,E′＝[Erank1 Erank2…Erankc]T上式中，Trank1与Erank1分别表示T＝[T1 T2…Tc]T,E＝[E1 E2…Ec]T中元素T1 ，T2 ，…Tc 与E1 ，E2 …Ec 中最小的，Trank2与Erank2分别表示T＝[T1 T2…Tc]T,E＝[E1 E2…Ec]T中元素T1 ，T2 ，…Tc 与E1 ，E2 ，…Ec 中第二小的，以此类推；1,2，…c表示聚类优化分析的分类数；综合T′和E′结果得到分类测量点的具体归属，其中，同时满足T′中的最大值和E′中的最小值条件的分类样本归为故障区域；仅满足T′中的最大值或E′中的最小值条件的分类样本归为故障边界区域；不满足T′中的最大值、E′中的最小值、E′中的最大值和T′中的最小值条件的分类样本归为故障过渡区域；同时满足E′中的最大值和T′中的最小值条件的分类样本归为非故障区域。