CN105974273A - 配电网故障定位系统 - Google Patents

Abstract

本发明公开了配电网故障定位系统，包括监测数据采集模块、故障检测定位模块和监控中心；所述监测数据采集模块用于采集配电网各主要设备运行的状态监测数据，其通过通信网络与故障检测定位模块相通信；所述故障检测定位模块用于对所述状态监测数据进行处理、分析，以实现对配电网各主要设备健康状态的远程实时监测、健康评估和故障定位；所述监控中心用于实现监测数据采集模块的高级应用、故障检测定位模块的智能化能化监控。优选的，所述主要设备包括配电变压器、隔离开关、无功补偿器。本发明实现对配电网主要设备的健康状况进行实时、客观的智能化监控、评估和故障定位，自动化程度高、效率高。

Description

配电网故障定位系统

技术领域

本发明涉及配电网领域，具体涉及配电网故障定位系统。

背景技术

在配电网中，故障的快速、准确定位是一个非常重要的环节，以保证配电网的正常运行进。当一个故障发生时，例如短路故障，必须要作出快速的响应以缩小该短路故障影响的范围。因此，需要设计自动化程度高，且效率高的配电网故障定位系统。

发明内容

针对上述问题，本发明提供配电网故障定位系统。

本发明的目的采用以下技术方案来实现：

配电网故障定位系统，包括监测数据采集模块、故障检测定位模块和监控中心；所述监测数据采集模块用于采集配电网各主要设备运行的状态监测数据，其通过通信网络与故障检测定位模块相通信；所述故障检测定位模块用于对所述状态监测数据进行处理、分析，以实现对配电网各主要设备健康状态的远程实时监测、健康评估和故障定位；所述监控中心用于实现监测数据采集模块的高级应用、故障检测定位模块的智能化能化监控。

本发明的有益效果为：通过设置监测数据采集模块、故障检测定位模块和监控中心，实现对配电网主要设备的健康状况进行实时、客观的智能化监控、评估和故障定位，自动化程度高、效率高，从而解决了上述的技术问题。

附图说明

利用附图对本发明作进一步说明，但附图中的应用场景不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。

图1是本发明的结构示意图。

图2是本发明故障检测定位模块的结构示意图。

附图标记：

监测数据采集模块1、故障检测定位模块2、监控中心3、用户移动终端4、指标设定单元21、数据归一化单元22、主要构件评估单元23、主要构件健康状态判定单元24、主要设备综合评估单元25、主要设备状态显示单元31、故障位置显示单元32。

具体实施方式

结合以下应用场景对本发明作进一步描述。

应用场景1

参见图1、图2，本应用场景的一个实施例中的配电网故障定位系统，包括监测数据采集模块1、故障检测定位模块2和监控中心3；所述监测数据采集模块1用于采集配电网各主要设备运行的状态监测数据，其通过通信网络与故障检测定位模块2相通信；所述故障检测定位模块2用于对所述状态监测数据进行处理、分析，以实现对配电网各主要设备健康状态的远程实时监测、健康评估和故障定位；所述监控中心3用于实现监测数据采集模块1的高级应用、故障检测定位模块2的智能化能化监控。优选的，所述主要设备包括配电变压器、隔离开关、无功补偿器。

本实施例通过设置监测数据采集模块1、故障检测定位模块2和监控中心3，实现对配电网主要设备的健康状况进行实时、客观的智能化监控、评估和故障定位，自动化程度高、效率高，从而解决了上述的技术问题。

优选的，所述监控中心3包括主要设备状态显示单元31和故障位置显示单元32，所述主要设备状态显示单元31用于对所述主要设备的健康状态进行实时显示；所述故障位置显示单元32用于显示处于故障状态的主要设备的具体位置。

本优选实施例增加了系统的设备健康状态显示功能和故障位置显示功能，提高了系统的安全性。

优选的，所述故障检测定位模块2包括指标设定单元21、数据归一化单元22、主要构件评估单元23、主要构件健康状态判定单元24和主要设备综合评估单元25；所述指标设定单元21用于确定监测数据采集模块1的采集指标，所述采集指标包括配电网的各主要设备相对应的主要构件、主要构件的监测项目以及各监测项目在重要程度上的权重因子；所述数据归一化单元22用于对所述状态监测数据进行归一化处理；所述主要构件评估单元23用于评估所述主要构件的健康状态，所述主要构件健康状态判定单元24用于所述各主要构件是否处于健康状态；所述主要设备综合评估单元25用于评估各主要设备的健康状态，并将处于异常状态的主要设备定义为故障设备。

本优选实施例构建了故障检测定位模块2的整体架构，完善了系统的健康状态分析功能。

优选的，设主要构件x共有m_x个监测项目，采用监测仪器α对第i个监测项目进行监测时，i＝1,...m_x，由于温度和湿度的影响可能会产生监测量误差，引入温度修正因子ψ_α和湿度修正因子Φ_α，其中T为监测仪器α对监测项目进行监测时的环境温度，T₀和为监测仪器α监测时适用的标准温度，其中H为监测仪器α对监测项目进行监测时的环境湿度，H₀为监测仪器α监测时适用的标准湿度，所述数据归一化单元22采用的归一化处理公式为：

$G_i=1-e^{-\frac{1}{2}\·|\frac{J_i\·{\mathrm{\ψ}}_{\mathrm{\α}}\·{\mathrm{\Φ}}_{\mathrm{\α}}-{\mathrm{\δ}}_{bi}}{{\mathrm{\δ}}_{bi}-{\mathrm{\δ}}_{ci}}{|}^2}$

其中，G_i表示第i个监测项目被归一化处理后的状态监测量，G_i∈[0,1]，当G_i靠近0时表示状态良好，G_i靠近1时表示状态较差；J_i为第i个监测项目的原状态监测量，δ_bi为第i个监测项目处于正常状态范围且对应于最佳状态时的边界值，δ_ci为第i个监测项目处于正常状态范围但不属于最佳状态时的边界值。

本优选实施例设计了数据归一化单元22的归一化处理公式，将不同的监测量都变换到0到1之间并具有相同的正常与异常的边界，方便状态监测数据的后续处理，并在归一化处理公式中引入温度修正因子和湿度修正因子，简化了归一化处理的过程，提高了归一化处理的精度。

优选的，设影响主要构件x状态的所有归一化后的状态监测量集合为{G_i,i＝1,...,m_x}，主要构件评估单元23采取的主要构件x的健康状态指标Z_x的计算公式设定为：

若所有G_i≤1-e^-0.5时，

$Z_x=\underset{i=1}{\overset{m_x}{\Σ}}(1-e^{-\frac{1}{2}\·|\frac{J_i\·{\mathrm{\ψ}}_{\mathrm{\α}}-{\mathrm{\δ}}_{bi}}{{\mathrm{\δ}}_{bi}-{\mathrm{\δ}}_{ci}}{|}^2})Q_i,\underset{i=1}{\overset{m_x}{\Σ}}{Q}_i=1$

若至少有一个G_i>1-e^-0.5时，

$Z_x=\underset{i=1}{\overset{m_c}{\Σ}}(1-e^{-\frac{1}{2}\·|\frac{J_i\·{\mathrm{\ψ}}_{\mathrm{\α}}-{\mathrm{\δ}}_{bi}}{{\mathrm{\δ}}_{bi}-{\mathrm{\δ}}_{ci}}{|}^2})Q_i,\underset{i=1}{\overset{m_c}{\Σ}}{Q}_i=1$

其中，Z_x表示主要构件x的健康状态评估指标，Z_i∈[0,1],1-e^-0.5为归一化后的状态监测量对应于正常的临界值，m_c为归一化后的状态监测量小于临界值1-e^-0.5时的数目，Q_i为第i个监测项目在主要构件x中的重要程度上的权重因子，m_c＜m_x时，权重因子Q_i随m_c的个数不同按比例调整。

本优选实施例提出了主要构件健康状态的评估指标的计算公式，将不同的归一化后的监测量都变换到0到1之间并具有相同的正常与异常的边界，从而可以简单全面地得到主要构件的健康状态，简化了主要构件的健康状态的评估，在保证准确度的同时提高了健康状态评估的速度。

优选的，所述主要构件健康状态判定单元24的判定原则为：若主要构件x状态异常的概率P_x大于设定的阈值P_Y,判定所述主要构件x为异常，若主要构件x状态异常的概率P_x不大于设定的阈值P_Y,P_Y的取值范围是[0.1,0.2],判定所述主要构件x为健康，设有n个样本的主要构件的综合状态指标Z_x1,...,Z_xn取自连续分布H(Z_x)，所述主要构件x处于状态异常的概率P_x的计算公式为：

$P_x=1-\frac{{\∫}_{e^{-1}}^1{\hat{H}}_n\left(Z_x\right){\mathrm{dZ}}_x}{{\∫}_0^1{\hat{H}}_n\left(Z_x\right){\mathrm{dZ}}_x}$

此处

${\hat{H}}_n\left(Z_x\right)=\frac{1}{n}\·\frac{n^{1/5}}{1.6\mathrm{\φ}}\·\underset{k=1}{\overset{n}{\Σ}}\frac{1}{\sqrt{2\mathrm{\π}}}{e}^{-\frac{1}{2}\·(Z_x-Z_k)\·\frac{n^{1/5}}{1.6\mathrm{\φ}}}$

其中，为任意点Z_x处的核密度，b为样本标准差，J为四分位数间距。

本优选实施例通过对主要构件的异常概率计算结果来判定主要构件的健康状态，分析精度高，且加快了主要构件的健康状态分析的速度。

优选的，设主要设备共有N个主要构件，主要构件x处于状态异常的概率为P_x，其中x＝1,2,…,N，所述主要设备综合评估单元25采用的综合状态健康指标B的计算公式如下：

$B=1-{\mathrm{\Σ}}_{x=1}^N\left(P_x{W}_x\right),{\mathrm{\Σ}}_{x=1}^N{W}_x=1$

式中，W_x为第x个主要构件在配电网中的重要程度的权重因子，设定阈值E，若B>E，则配电网属于健康状态，E的取值范围是[0.9,0.99]。

本优选实施例利用权重因子计算主要设备的健康状态，计算精度高，进一步提高了系统监测精度。

在此应用场景中，上述实施例取P_Y＝0.1，E＝0.9，系统的监测分析速度相对提高了10％，监测分析精度相对提高了12％。

应用场景2

参见图1、图2，本应用场景的一个实施例中的配电网故障定位系统，包括监测数据采集模块1、故障检测定位模块2和监控中心3；所述监测数据采集模块1用于采集配电网各主要设备运行的状态监测数据，其通过通信网络与故障检测定位模块2相通信；所述故障检测定位模块2用于对所述状态监测数据进行处理、分析，以实现对配电网各主要设备健康状态的远程实时监测、健康评估和故障定位；所述监控中心3用于实现监测数据采集模块1的高级应用、故障检测定位模块2的智能化能化监控。优选的，所述主要设备包括配电变压器、隔离开关、无功补偿器。

本实施例通过设置监测数据采集模块1、故障检测定位模块2和监控中心3，实现对配电网主要设备的健康状况进行实时、客观的智能化监控、评估和故障定位，自动化程度高、效率高，从而解决了上述的技术问题。

优选的，所述监控中心3包括主要设备状态显示单元31和故障位置显示单元32，所述主要设备状态显示单元31用于对所述主要设备的健康状态进行实时显示；所述故障位置显示单元32用于显示处于故障状态的主要设备的具体位置。

本优选实施例增加了系统的设备健康状态显示功能和故障位置显示功能，提高了系统的安全性。

优选的，所述故障检测定位模块2包括指标设定单元21、数据归一化单元22、主要构件评估单元23、主要构件健康状态判定单元24和主要设备综合评估单元25；所述指标设定单元21用于确定监测数据采集模块1的采集指标，所述采集指标包括配电网的各主要设备相对应的主要构件、主要构件的监测项目以及各监测项目在重要程度上的权重因子；所述数据归一化单元22用于对所述状态监测数据进行归一化处理；所述主要构件评估单元23用于评估所述主要构件的健康状态，所述主要构件健康状态判定单元24用于所述各主要构件是否处于健康状态；所述主要设备综合评估单元25用于评估各主要设备的健康状态，并将处于异常状态的主要设备定义为故障设备。

本优选实施例构建了故障检测定位模块2的整体架构，完善了系统的健康状态分析功能。

优选的，设主要构件x共有m_x个监测项目，采用监测仪器α对第i个监测项目进行监测时，i＝1,...m_x，由于温度和湿度的影响可能会产生监测量误差，引入温度修正因子ψ_α和湿度修正因子Φ_α，其中T为监测仪器α对监测项目进行监测时的环境温度，T₀和为监测仪器α监测时适用的标准温度，其中H为监测仪器α对监测项目进行监测时的环境湿度，H₀为监测仪器α监测时适用的标准湿度，所述数据归一化单元22采用的归一化处理公式为：

$G_i=1-e^{-\frac{1}{2}\·|\frac{J_i\·{\mathrm{\ψ}}_{\mathrm{\α}}\·{\mathrm{\Φ}}_{\mathrm{\α}}-{\mathrm{\δ}}_{bi}}{{\mathrm{\δ}}_{bi}-{\mathrm{\δ}}_{ci}}{|}^2}$

其中，G_i表示第i个监测项目被归一化处理后的状态监测量，G_i∈[0,1]，当G_i靠近0时表示状态良好，G_i靠近1时表示状态较差；J_i为第i个监测项目的原状态监测量，δ_bi为第i个监测项目处于正常状态范围且对应于最佳状态时的边界值，δ_ci为第i个监测项目处于正常状态范围但不属于最佳状态时的边界值。

本优选实施例设计了数据归一化单元22的归一化处理公式，将不同的监测量都变换到0到1之间并具有相同的正常与异常的边界，方便状态监测数据的后续处理，并在归一化处理公式中引入温度修正因子和湿度修正因子，简化了归一化处理的过程，提高了归一化处理的精度。

优选的，设影响主要构件x状态的所有归一化后的状态监测量集合为{G_i,i＝1,...,m_x}，主要构件评估单元23采取的主要构件x的健康状态指标Z_x的计算公式设定为：

若所有G_i≤1-e^-0.5时，

$Z_x=\underset{i=1}{\overset{m_x}{\Σ}}(1-e^{-\frac{1}{2}\·|\frac{J_i\·{\mathrm{\ψ}}_{\mathrm{\α}}-{\mathrm{\δ}}_{bi}}{{\mathrm{\δ}}_{bi}-{\mathrm{\δ}}_{ci}}{|}^2})Q_i,\underset{i=1}{\overset{m_x}{\Σ}}{Q}_i=1$

若至少有一个G_i>1-e^-0.5时，

$Z_x=\underset{i=1}{\overset{m_c}{\Σ}}(1-e^{-\frac{1}{2}\·|\frac{J_i\·{\mathrm{\ψ}}_{\mathrm{\α}}-{\mathrm{\δ}}_{bi}}{{\mathrm{\δ}}_{bi}-{\mathrm{\δ}}_{ci}}{|}^2})Q_i,\underset{i=1}{\overset{m_c}{\Σ}}{Q}_i=1$

其中，Z_x表示主要构件x的健康状态评估指标，Z_i∈[0,1],1-e^-0.5为归一化后的状态监测量对应于正常的临界值，m_c为归一化后的状态监测量小于临界值1-e^-0.5时的数目，Q_i为第i个监测项目在主要构件x中的重要程度上的权重因子，m_c＜m_x时，权重因子Q_i随m_c的个数不同按比例调整。

本优选实施例提出了主要构件健康状态的评估指标的计算公式，将不同的归一化后的监测量都变换到0到1之间并具有相同的正常与异常的边界，从而可以简单全面地得到主要构件的健康状态，简化了主要构件的健康状态的评估，在保证准确度的同时提高了健康状态评估的速度。

优选的，所述主要构件健康状态判定单元24的判定原则为：若主要构件x状态异常的概率P_x大于设定的阈值P_Y,判定所述主要构件x为异常，若主要构件x状态异常的概率P_x不大于设定的阈值P_Y,P_Y的取值范围是[0.1,0.2],判定所述主要构件x为健康，设有n个样本的主要构件的综合状态指标Z_x1,...,Z_xn取自连续分布H(Z_x)，所述主要构件x处于状态异常的概率P_x的计算公式为：

$P_x=1-\frac{{\∫}_{e^{-1}}^1{\hat{H}}_n\left(Z_x\right){\mathrm{dZ}}_x}{{\∫}_0^1{\hat{H}}_n\left(Z_x\right){\mathrm{dZ}}_x}$

此处

${\hat{H}}_n\left(Z_x\right)=\frac{1}{n}\·\frac{n^{1/5}}{1.6\mathrm{\φ}}\·\underset{k=1}{\overset{n}{\Σ}}\frac{1}{\sqrt{2\mathrm{\π}}}{e}^{-\frac{1}{2}\·(Z_x-Z_k)\·\frac{n^{1/5}}{1.6\mathrm{\φ}}}$

其中，为任意点Z_x处的核密度，b为样本标准差，J为四分位数间距。

本优选实施例通过对主要构件的异常概率计算结果来判定主要构件的健康状态，分析精度高，且加快了主要构件的健康状态分析的速度。

优选的，设主要设备共有N个主要构件，主要构件x处于状态异常的概率为P_x，其中x＝1,2,…,N，所述主要设备综合评估单元25采用的综合状态健康指标B的计算公式如下：

$B=1-{\mathrm{\Σ}}_{x=1}^N\left(P_x{W}_x\right),{\mathrm{\Σ}}_{x=1}^N{W}_x=1$

式中，W_x为第x个主要构件在配电网中的重要程度的权重因子，设定阈值E，若B>E，则配电网属于健康状态，E的取值范围是[0.9,0.99]。

本优选实施例利用权重因子计算主要设备的健康状态，计算精度高，进一步提高了系统监测精度。

在此应用场景中，上述实施例取P_Y＝0.12，E＝0.92，系统的监测分析速度相对提高了9％，监测分析精度相对提高了13％。

应用场景3

参见图1、图2，本应用场景的一个实施例中的配电网故障定位系统，包括监测数据采集模块1、故障检测定位模块2和监控中心3；所述监测数据采集模块1用于采集配电网各主要设备运行的状态监测数据，其通过通信网络与故障检测定位模块2相通信；所述故障检测定位模块2用于对所述状态监测数据进行处理、分析，以实现对配电网各主要设备健康状态的远程实时监测、健康评估和故障定位；所述监控中心3用于实现监测数据采集模块1的高级应用、故障检测定位模块2的智能化能化监控。优选的，所述主要设备包括配电变压器、隔离开关、无功补偿器。

本实施例通过设置监测数据采集模块1、故障检测定位模块2和监控中心3，实现对配电网主要设备的健康状况进行实时、客观的智能化监控、评估和故障定位，自动化程度高、效率高，从而解决了上述的技术问题。

优选的，所述监控中心3包括主要设备状态显示单元31和故障位置显示单元32，所述主要设备状态显示单元31用于对所述主要设备的健康状态进行实时显示；所述故障位置显示单元32用于显示处于故障状态的主要设备的具体位置。

本优选实施例增加了系统的设备健康状态显示功能和故障位置显示功能，提高了系统的安全性。

优选的，所述故障检测定位模块2包括指标设定单元21、数据归一化单元22、主要构件评估单元23、主要构件健康状态判定单元24和主要设备综合评估单元25；所述指标设定单元21用于确定监测数据采集模块1的采集指标，所述采集指标包括配电网的各主要设备相对应的主要构件、主要构件的监测项目以及各监测项目在重要程度上的权重因子；所述数据归一化单元22用于对所述状态监测数据进行归一化处理；所述主要构件评估单元23用于评估所述主要构件的健康状态，所述主要构件健康状态判定单元24用于所述各主要构件是否处于健康状态；所述主要设备综合评估单元25用于评估各主要设备的健康状态，并将处于异常状态的主要设备定义为故障设备。

本优选实施例构建了故障检测定位模块2的整体架构，完善了系统的健康状态分析功能。

优选的，设主要构件x共有m_x个监测项目，采用监测仪器α对第i个监测项目进行监测时，i＝1,...m_x，由于温度和湿度的影响可能会产生监测量误差，引入温度修正因子ψ_α和湿度修正因子Φ_α，其中T为监测仪器α对监测项目进行监测时的环境温度，T₀和为监测仪器α监测时适用的标准温度，其中H为监测仪器α对监测项目进行监测时的环境湿度，H₀为监测仪器α监测时适用的标准湿度，所述数据归一化单元22采用的归一化处理公式为：

$G_i=1-e^{-\frac{1}{2}\·|\frac{J_i\·{\mathrm{\ψ}}_{\mathrm{\α}}\·{\mathrm{\Φ}}_{\mathrm{\α}}-{\mathrm{\δ}}_{bi}}{{\mathrm{\δ}}_{bi}-{\mathrm{\δ}}_{ci}}{|}^2}$

其中，G_i表示第i个监测项目被归一化处理后的状态监测量，G_i∈[0,1]，当G_i靠近0时表示状态良好，G_i靠近1时表示状态较差；J_i为第i个监测项目的原状态监测量，δ_bi为第i个监测项目处于正常状态范围且对应于最佳状态时的边界值，δ_ci为第i个监测项目处于正常状态范围但不属于最佳状态时的边界值。

本优选实施例设计了数据归一化单元22的归一化处理公式，将不同的监测量都变换到0到1之间并具有相同的正常与异常的边界，方便状态监测数据的后续处理，并在归一化处理公式中引入温度修正因子和湿度修正因子，简化了归一化处理的过程，提高了归一化处理的精度。

优选的，设影响主要构件x状态的所有归一化后的状态监测量集合为{G_i,i＝1,...,m_x}，主要构件评估单元23采取的主要构件x的健康状态指标Z_x的计算公式设定为：

若所有G_i≤1-e^-0.5时，

$Z_x=\underset{i=1}{\overset{m_x}{\Σ}}(1-e^{-\frac{1}{2}\·|\frac{J_i\·{\mathrm{\ψ}}_{\mathrm{\α}}-{\mathrm{\δ}}_{bi}}{{\mathrm{\δ}}_{bi}-{\mathrm{\δ}}_{ci}}{|}^2})Q_i,\underset{i=1}{\overset{m_x}{\Σ}}{Q}_i=1$

若至少有一个G_i>1-e^-0.5时，

$Z_x=\underset{i=1}{\overset{m_c}{\Σ}}(1-e^{-\frac{1}{2}\·|\frac{J_i\·{\mathrm{\ψ}}_{\mathrm{\α}}-{\mathrm{\δ}}_{bi}}{{\mathrm{\δ}}_{bi}-{\mathrm{\δ}}_{ci}}{|}^2})Q_i,\underset{i=1}{\overset{m_c}{\Σ}}{Q}_i=1$

其中，Z_x表示主要构件x的健康状态评估指标，Z_i∈[0,1],1-e^-0.5为归一化后的状态监测量对应于正常的临界值，m_c为归一化后的状态监测量小于临界值1-e^-0.5时的数目，Q_i为第i个监测项目在主要构件x中的重要程度上的权重因子，m_c＜m_x时，权重因子Q_i随m_c的个数不同按比例调整。

本优选实施例提出了主要构件健康状态的评估指标的计算公式，将不同的归一化后的监测量都变换到0到1之间并具有相同的正常与异常的边界，从而可以简单全面地得到主要构件的健康状态，简化了主要构件的健康状态的评估，在保证准确度的同时提高了健康状态评估的速度。

优选的，所述主要构件健康状态判定单元24的判定原则为：若主要构件x状态异常的概率P_x大于设定的阈值P_Y,判定所述主要构件x为异常，若主要构件x状态异常的概率P_x不大于设定的阈值P_Y,P_Y的取值范围是[0.1,0.2],判定所述主要构件x为健康，设有n个样本的主要构件的综合状态指标Z_x1,...,Z_xn取自连续分布H(Z_x)，所述主要构件x处于状态异常的概率P_x的计算公式为：

$P_x=1-\frac{{\∫}_{e^{-1}}^1{\hat{H}}_n\left(Z_x\right){\mathrm{dZ}}_x}{{\∫}_0^1{\hat{H}}_n\left(Z_x\right){\mathrm{dZ}}_x}$

此处

${\hat{H}}_n\left(Z_x\right)=\frac{1}{n}\·\frac{n^{1/5}}{1.6\mathrm{\φ}}\·\underset{k=1}{\overset{n}{\Σ}}\frac{1}{\sqrt{2\mathrm{\π}}}{e}^{-\frac{1}{2}\·(Z_x-Z_k)\·\frac{n^{1/5}}{1.6\mathrm{\φ}}}$

其中，为任意点Z_x处的核密度，b为样本标准差，J为四分位数间距。

本优选实施例通过对主要构件的异常概率计算结果来判定主要构件的健康状态，分析精度高，且加快了主要构件的健康状态分析的速度。

优选的，设主要设备共有N个主要构件，主要构件x处于状态异常的概率为P_x，其中x＝1,2,…,N，所述主要设备综合评估单元25采用的综合状态健康指标B的计算公式如下：

$B=1-{\mathrm{\Σ}}_{x=1}^N\left(P_x{W}_x\right),{\mathrm{\Σ}}_{x=1}^N{W}_x=1$

式中，W_x为第x个主要构件在配电网中的重要程度的权重因子，设定阈值E，若B>E，则配电网属于健康状态，E的取值范围是[0.9,0.99]。

本优选实施例利用权重因子计算主要设备的健康状态，计算精度高，进一步提高了系统监测精度。

在此应用场景中，上述实施例取T＝0.15，E＝0.94，系统的监测分析速度相对提高了8％，监测分析精度相对提高了10％。。

应用场景4

参见图1、图2，本应用场景的一个实施例中的配电网故障定位系统，包括监测数据采集模块1、故障检测定位模块2和监控中心3；所述监测数据采集模块1用于采集配电网各主要设备运行的状态监测数据，其通过通信网络与故障检测定位模块2相通信；所述故障检测定位模块2用于对所述状态监测数据进行处理、分析，以实现对配电网各主要设备健康状态的远程实时监测、健康评估和故障定位；所述监控中心3用于实现监测数据采集模块1的高级应用、故障检测定位模块2的智能化能化监控。优选的，所述主要设备包括配电变压器、隔离开关、无功补偿器。

本实施例通过设置监测数据采集模块1、故障检测定位模块2和监控中心3，实现对配电网主要设备的健康状况进行实时、客观的智能化监控、评估和故障定位，自动化程度高、效率高，从而解决了上述的技术问题。

优选的，所述监控中心3包括主要设备状态显示单元31和故障位置显示单元32，所述主要设备状态显示单元31用于对所述主要设备的健康状态进行实时显示；所述故障位置显示单元32用于显示处于故障状态的主要设备的具体位置。

本优选实施例增加了系统的设备健康状态显示功能和故障位置显示功能，提高了系统的安全性。

优选的，所述故障检测定位模块2包括指标设定单元21、数据归一化单元22、主要构件评估单元23、主要构件健康状态判定单元24和主要设备综合评估单元25；所述指标设定单元21用于确定监测数据采集模块1的采集指标，所述采集指标包括配电网的各主要设备相对应的主要构件、主要构件的监测项目以及各监测项目在重要程度上的权重因子；所述数据归一化单元22用于对所述状态监测数据进行归一化处理；所述主要构件评估单元23用于评估所述主要构件的健康状态，所述主要构件健康状态判定单元24用于所述各主要构件是否处于健康状态；所述主要设备综合评估单元25用于评估各主要设备的健康状态，并将处于异常状态的主要设备定义为故障设备。

本优选实施例构建了故障检测定位模块2的整体架构，完善了系统的健康状态分析功能。

优选的，设主要构件x共有m_x个监测项目，采用监测仪器α对第i个监测项目进行监测时，i＝1,...m_x，由于温度和湿度的影响可能会产生监测量误差，引入温度修正因子ψ_α和湿度修正因子Φ_α，其中T为监测仪器α对监测项目进行监测时的环境温度，T₀和为监测仪器α监测时适用的标准温度，其中H为监测仪器α对监测项目进行监测时的环境湿度，H₀为监测仪器α监测时适用的标准湿度，所述数据归一化单元22采用的归一化处理公式为：

$G_i=1-e^{-\frac{1}{2}\·|\frac{J_i\·{\mathrm{\ψ}}_{\mathrm{\α}}\·{\mathrm{\Φ}}_{\mathrm{\α}}-{\mathrm{\δ}}_{bi}}{{\mathrm{\δ}}_{bi}-{\mathrm{\δ}}_{ci}}{|}^2}$

其中，G_i表示第i个监测项目被归一化处理后的状态监测量，G_i∈[0,1]，当G_i靠近0时表示状态良好，G_i靠近1时表示状态较差；J_i为第i个监测项目的原状态监测量，δ_bi为第i个监测项目处于正常状态范围且对应于最佳状态时的边界值，δ_ci为第i个监测项目处于正常状态范围但不属于最佳状态时的边界值。

本优选实施例设计了数据归一化单元22的归一化处理公式，将不同的监测量都变换到0到1之间并具有相同的正常与异常的边界，方便状态监测数据的后续处理，并在归一化处理公式中引入温度修正因子和湿度修正因子，简化了归一化处理的过程，提高了归一化处理的精度。

优选的，设影响主要构件x状态的所有归一化后的状态监测量集合为{G_i,i＝1,...,m_x}，主要构件评估单元23采取的主要构件x的健康状态指标Z_x的计算公式设定为：

若所有G_i≤1-e^-0.5时，

$Z_x=\underset{i=1}{\overset{m_x}{\Σ}}(1-e^{-\frac{1}{2}\·|\frac{J_i\·{\mathrm{\ψ}}_{\mathrm{\α}}-{\mathrm{\δ}}_{bi}}{{\mathrm{\δ}}_{bi}-{\mathrm{\δ}}_{ci}}{|}^2})Q_i,\underset{i=1}{\overset{m_x}{\Σ}}{Q}_i=1$

若至少有一个G_i>1-e^-0.5时，

$Z_x=\underset{i=1}{\overset{m_c}{\Σ}}(1-e^{-\frac{1}{2}\·|\frac{J_i\·{\mathrm{\ψ}}_{\mathrm{\α}}-{\mathrm{\δ}}_{bi}}{{\mathrm{\δ}}_{bi}-{\mathrm{\δ}}_{ci}}{|}^2})Q_i,\underset{i=1}{\overset{m_c}{\Σ}}{Q}_i=1$

其中，Z_x表示主要构件x的健康状态评估指标，Z_i∈[0,1],1-e^-0.5为归一化后的状态监测量对应于正常的临界值，m_c为归一化后的状态监测量小于临界值1-e^-0.5时的数目，Q_i为第i个监测项目在主要构件x中的重要程度上的权重因子，m_c＜m_x时，权重因子Q_i随m_c的个数不同按比例调整。

本优选实施例提出了主要构件健康状态的评估指标的计算公式，将不同的归一化后的监测量都变换到0到1之间并具有相同的正常与异常的边界，从而可以简单全面地得到主要构件的健康状态，简化了主要构件的健康状态的评估，在保证准确度的同时提高了健康状态评估的速度。

优选的，所述主要构件健康状态判定单元24的判定原则为：若主要构件x状态异常的概率P_x大于设定的阈值P_Y,判定所述主要构件x为异常，若主要构件x状态异常的概率P_x不大于设定的阈值P_Y,P_Y的取值范围是[0.1,0.2],判定所述主要构件x为健康，设有n个样本的主要构件的综合状态指标Z_x1,...,Z_xn取自连续分布H(Z_x)，所述主要构件x处于状态异常的概率P_x的计算公式为：

$P_x=1-\frac{{\∫}_{e^{-1}}^1{\hat{H}}_n\left(Z_x\right){\mathrm{dZ}}_x}{{\∫}_0^1{\hat{H}}_n\left(Z_x\right){\mathrm{dZ}}_x}$

此处

${\hat{H}}_n\left(Z_x\right)=\frac{1}{n}\·\frac{n^{1/5}}{1.6\mathrm{\φ}}\·\underset{k=1}{\overset{n}{\Σ}}\frac{1}{\sqrt{2\mathrm{\π}}}{e}^{-\frac{1}{2}\·(Z_x-Z_k)\·\frac{n^{1/5}}{1.6\mathrm{\φ}}}$

其中，为任意点Z_x处的核密度，b为样本标准差，J为四分位数间距。

本优选实施例通过对主要构件的异常概率计算结果来判定主要构件的健康状态，分析精度高，且加快了主要构件的健康状态分析的速度。

优选的，设主要设备共有N个主要构件，主要构件x处于状态异常的概率为P_x，其中x＝1,2,…,N，所述主要设备综合评估单元25采用的综合状态健康指标B的计算公式如下：

$B=1-{\mathrm{\Σ}}_{x=1}^N\left(P_x{W}_x\right),{\mathrm{\Σ}}_{x=1}^N{W}_x=1$

式中，W_x为第x个主要构件在配电网中的重要程度的权重因子，设定阈值E，若B>E，则配电网属于健康状态，E的取值范围是[0.9,0.99]。

本优选实施例利用权重因子计算主要设备的健康状态，计算精度高，进一步提高了系统监测精度。

在此应用场景中，上述实施例取T＝0.18，E＝0.98，系统的监测分析速度相对提高了11％，监测分析精度相对提高了9％。

应用场景5

参见图1、图2，本应用场景的一个实施例中的配电网故障定位系统，包括监测数据采集模块1、故障检测定位模块2和监控中心3；所述监测数据采集模块1用于采集配电网各主要设备运行的状态监测数据，其通过通信网络与故障检测定位模块2相通信；所述故障检测定位模块2用于对所述状态监测数据进行处理、分析，以实现对配电网各主要设备健康状态的远程实时监测、健康评估和故障定位；所述监控中心3用于实现监测数据采集模块1的高级应用、故障检测定位模块2的智能化能化监控。优选的，所述主要设备包括配电变压器、隔离开关、无功补偿器。

本实施例通过设置监测数据采集模块1、故障检测定位模块2和监控中心3，实现对配电网主要设备的健康状况进行实时、客观的智能化监控、评估和故障定位，自动化程度高、效率高，从而解决了上述的技术问题。

优选的，所述监控中心3包括主要设备状态显示单元31和故障位置显示单元32，所述主要设备状态显示单元31用于对所述主要设备的健康状态进行实时显示；所述故障位置显示单元32用于显示处于故障状态的主要设备的具体位置。

本优选实施例增加了系统的设备健康状态显示功能和故障位置显示功能，提高了系统的安全性。

优选的，所述故障检测定位模块2包括指标设定单元21、数据归一化单元22、主要构件评估单元23、主要构件健康状态判定单元24和主要设备综合评估单元25；所述指标设定单元21用于确定监测数据采集模块1的采集指标，所述采集指标包括配电网的各主要设备相对应的主要构件、主要构件的监测项目以及各监测项目在重要程度上的权重因子；所述数据归一化单元22用于对所述状态监测数据进行归一化处理；所述主要构件评估单元23用于评估所述主要构件的健康状态，所述主要构件健康状态判定单元24用于所述各主要构件是否处于健康状态；所述主要设备综合评估单元25用于评估各主要设备的健康状态，并将处于异常状态的主要设备定义为故障设备。

本优选实施例构建了故障检测定位模块2的整体架构，完善了系统的健康状态分析功能。

优选的，设主要构件x共有m_x个监测项目，采用监测仪器α对第i个监测项目进行监测时，i＝1,...m_x，由于温度和湿度的影响可能会产生监测量误差，引入温度修正因子ψ_α和湿度修正因子Φ_α，其中T为监测仪器α对监测项目进行监测时的环境温度，T₀和为监测仪器α监测时适用的标准温度，其中H为监测仪器α对监测项目进行监测时的环境湿度，H₀为监测仪器α监测时适用的标准湿度，所述数据归一化单元22采用的归一化处理公式为：

$G_i=1-e^{-\frac{1}{2}\·|\frac{J_i\·{\mathrm{\ψ}}_{\mathrm{\α}}\·{\mathrm{\Φ}}_{\mathrm{\α}}-{\mathrm{\δ}}_{bi}}{{\mathrm{\δ}}_{bi}-{\mathrm{\δ}}_{ci}}{|}^2}$

其中，G_i表示第i个监测项目被归一化处理后的状态监测量，G_i∈[0,1]，当G_i靠近0时表示状态良好，G_i靠近1时表示状态较差；J_i为第i个监测项目的原状态监测量，δ_bi为第i个监测项目处于正常状态范围且对应于最佳状态时的边界值，δ_ci为第i个监测项目处于正常状态范围但不属于最佳状态时的边界值。

本优选实施例设计了数据归一化单元22的归一化处理公式，将不同的监测量都变换到0到1之间并具有相同的正常与异常的边界，方便状态监测数据的后续处理，并在归一化处理公式中引入温度修正因子和湿度修正因子，简化了归一化处理的过程，提高了归一化处理的精度。

优选的，设影响主要构件x状态的所有归一化后的状态监测量集合为{G_i,i＝1,...,m_x}，主要构件评估单元23采取的主要构件x的健康状态指标Z_x的计算公式设定为：

若所有G_i≤1-e^-0.5时，

$Z_x=\underset{i=1}{\overset{m_x}{\Σ}}(1-e^{-\frac{1}{2}\·|\frac{J_i\·{\mathrm{\ψ}}_{\mathrm{\α}}-{\mathrm{\δ}}_{bi}}{{\mathrm{\δ}}_{bi}-{\mathrm{\δ}}_{ci}}{|}^2})Q_i,\underset{i=1}{\overset{m_x}{\Σ}}{Q}_i=1$

若至少有一个G_i>1-e^-0.5时，

$Z_x=\underset{i=1}{\overset{m_c}{\Σ}}(1-e^{-\frac{1}{2}\·|\frac{J_i\·{\mathrm{\ψ}}_{\mathrm{\α}}-{\mathrm{\δ}}_{bi}}{{\mathrm{\δ}}_{bi}-{\mathrm{\δ}}_{ci}}{|}^2})Q_i,\underset{i=1}{\overset{m_c}{\Σ}}{Q}_i=1$

其中，Z_x表示主要构件x的健康状态评估指标，Z_i∈[0,1],1-e^-0.5为归一化后的状态监测量对应于正常的临界值，m_c为归一化后的状态监测量小于临界值1-e^-0.5时的数目，Q_i为第i个监测项目在主要构件x中的重要程度上的权重因子，m_c＜m_x时，权重因子Q_i随m_c的个数不同按比例调整。

本优选实施例提出了主要构件健康状态的评估指标的计算公式，将不同的归一化后的监测量都变换到0到1之间并具有相同的正常与异常的边界，从而可以简单全面地得到主要构件的健康状态，简化了主要构件的健康状态的评估，在保证准确度的同时提高了健康状态评估的速度。

优选的，所述主要构件健康状态判定单元24的判定原则为：若主要构件x状态异常的概率P_x大于设定的阈值P_Y,判定所述主要构件x为异常，若主要构件x状态异常的概率P_x不大于设定的阈值P_Y,P_Y的取值范围是[0.1,0.2],判定所述主要构件x为健康，设有n个样本的主要构件的综合状态指标Z_x1,...,Z_xn取自连续分布H(Z_x)，所述主要构件x处于状态异常的概率P_x的计算公式为：

$P_x=1-\frac{{\∫}_{e^{-1}}^1{\hat{H}}_n\left(Z_x\right){\mathrm{dZ}}_x}{{\∫}_0^1{\hat{H}}_n\left(Z_x\right){\mathrm{dZ}}_x}$

此处

${\hat{H}}_n\left(Z_x\right)=\frac{1}{n}\·\frac{n^{1/5}}{1.6\mathrm{\φ}}\·\underset{k=1}{\overset{n}{\Σ}}\frac{1}{\sqrt{2\mathrm{\π}}}{e}^{-\frac{1}{2}\·(Z_x-Z_k)\·\frac{n^{1/5}}{1.6\mathrm{\φ}}}$

其中，为任意点Z_x处的核密度，b为样本标准差，J为四分位数间距。

本优选实施例通过对主要构件的异常概率计算结果来判定主要构件的健康状态，分析精度高，且加快了主要构件的健康状态分析的速度。

优选的，设主要设备共有N个主要构件，主要构件x处于状态异常的概率为P_x，其中x＝1,2,…,N，所述主要设备综合评估单元25采用的综合状态健康指标B的计算公式如下：

$B=1-{\mathrm{\Σ}}_{x=1}^N\left(P_x{W}_x\right),{\mathrm{\Σ}}_{x=1}^N{W}_x=1$

式中，W_x为第x个主要构件在配电网中的重要程度的权重因子，设定阈值E，若B>E，则配电网属于健康状态，E的取值范围是[0.9,0.99]。

本优选实施例利用权重因子计算主要设备的健康状态，计算精度高，进一步提高了系统监测精度。

在此应用场景中，上述实施例取T＝0.2，E＝0.99，系统的监测分析速度相对提高了12％，监测分析精度相对提高了14％。

最后应当说明的是，以上应用场景仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳应用场景对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。

Claims (3)

1.配电网故障定位系统，其特征是，包括监测数据采集模块、故障检测定位模块和监控中心；所述监测数据采集模块用于采集配电网各主要设备运行的状态监测数据，其通过通信网络与故障检测定位模块相通信；所述故障检测定位模块用于对所述状态监测数据进行处理、分析，以实现对配电网各主要设备健康状态的远程实时监测、健康评估和故障定位；所述监控中心用于实现监测数据采集模块的高级应用、故障检测定位模块的智能化能化监控。

2.根据权利要求1所述的配电网故障定位系统，其特征是，所述主要设备包括配电变压器、隔离开关、无功补偿器。

3.根据权利要求2所述的配电网故障定位系统，其特征是，所述监控中心包括主要设备状态显示单元和故障位置显示单元，所述主要设备状态显示单元用于对所述主要设备的健康状态进行实时显示；所述故障位置显示单元用于显示处于故障状态的主要设备的具体位置。