CN106019084B - 基于配用电数据关联的中压配电网断线故障诊断方法 - Google Patents

Abstract

本发明提供的一种本发明基于配用电数据关联的中压配电网断线故障诊断方法，包括如下步骤：步骤1，将配用电信息系统的数据信息输入数据库，构建断线故障电气量层次化数据体系；步骤2，对数据库中的输出数据信息进行处理，获得中压配电网断线故障时的时空分布特性；步骤3，通过故障电气量层次化数据体系及强关联规则，建立中压配电网断线故障诊断模型及参数寻优，确定故障发生时中压配电网的特征量之间的关联情况，得到关联规则集；步骤4，对中压配用电信息系统导入的实时信息和关。本发明能够根据无接地故障特征的断线故障历史数据，运用改进型关联规则算法自动生成诊断关联规则集和辅助规则集，为在线故障诊断决策提供有用的信息。

Description

基于配用电数据关联的中压配电网断线故障诊断方法

技术领域

本发明涉及电网故障诊断领域中一种对分支线断线不接地故障的诊断方法。

背景技术

电力系统花费了大量的人力、物力对电力系统横向故障——各类短路故障进行大量的研究，利用完备的继电保护装置来快速切除、隔离故障，而电力系统纵向故障——断线故障因不产生故障大电流，对输变电设备危害小，在电网运行与维护中受重视的程度远不如短路故障，但断线故障也是电网运行常见发生的故障类型之一，直接造成用户停电，同时，长时间缺相运行产生的负序电流会对旋转电机和变压器造成损害，因此对其产生原因及诊断方法的研究也同样重要。目前对于断线接地故障和馈线断线故障有较好的故障检测手段，调度部门能很快收到接地信号和断线故障信号并且现代新型故障选线装置可以很快做出故障选线准确率可达95％以上，但是针对分支线断线不接地故障由于故障发生后电流变化幅度较小一直没有较好的诊断方法，运检部门有一个电能质量在线监测系统可以记录分支线上两相及三相高压熔丝管熔断故障，这个系统是非实时系统，它并不能在故障发生的时刻做出反应，往往要用户停电报修后电力公司才能发觉。

另外，目前针对这类故障基于故障抢修管理系统的高级应用，诊断的准确率很低，还不能有效的大范围推广，具有很大的局限性。

发明内容

针对现有技术中的缺陷，本发明的目的是提供一种拥有较高的热力学效率，减少换热过程中的

损失的基于配用电数据关联的中压配电网断线故障诊断方法。

为解决上述技术问题，本发明基于配用电数据关联的中压配电网断线故障诊断方法，包括如下步骤：

步骤1，将配用电信息系统的数据信息输入数据库，构建断线故障电气量层次化数据体系；

步骤2，对数据库中的输出数据信息进行处理，获得中压配电网断线故障时的时空分布特性；

步骤3，通过故障电气量层次化数据体系及强关联规则，建立中压配电网断线故障诊断模型及参数寻优，确定故障发生时中压配电网的特征量之间的关联情况，得到关联规则集；

步骤4，对中压配用电信息系统导入的实时信息和关联规则集进行匹配，判断中压配电网的状态。

优选地，步骤1中，数据信息包括中压配电网断线故障信息和正常运行信息。

优选地，步骤1包括：

步骤1.1，通过人工输入或经接口实时互联来获取中压配电网断线故障信息和正常运行信息；

步骤1.2，根据中压配电网断线故障信息的类型和含义，对中压配电网断线故障信息进行分层，并根据每种中压配电网断线故障信息的层级和类型构建断线故障电气量层次化数据体系。

优选地，步骤2包括：

步骤2.1，将中压配电网断线故障信息分为故障级别、区域类型、故障时间和故障原因；

步骤2.2，确定最小置信度阈值，获得强关联规则，并生成关联规则集；

步骤2.3，对关联规则集的物理涵义进行分析，合并涵义重复的规则。

优选地，步骤2.2，运用Apriori算法对中压配电网断线故障信息进行关联规则挖掘，确定最小置信度阈值。

优选地，步骤3包括：

步骤3.1，对中压配电网断线故障诊断模型内的特征量进行预处理；

步骤3.2，提取稳态特征量；

步骤3.3，提取关键特征量；

步骤3.4，确定故障情况并建立原始事务集；

步骤3.5，确定多最小项支持度阈值、最小置信度阈值和原始规则集；

步骤3.6，对原始规则集进行处理得到关联规则集。

优选地，步骤3.1，对中压配电网断线故障诊断模型内的特征量进行预处理包括对数值型特征量进行归一化处理以及采用K-Means聚类方法对连续型特征量进行离散化处理。

优选地，步骤3.5，通过修改阈值进行交互式挖掘，得到多最小项支持度阈值、最小置信度阈值和原始规则集。

优选地，步骤3.6，利用置信度处理准则和不平衡因子结合的方法删除冗余规则对原始规则集进行处理得到关联规则集；其中

置信度处理准则处理方法：对规则A—>B的置信度和规则B—>A的置信度做一个平均处理：

kulc(A，B)＝(confidence(A—>B)+confidence(B—>A))/2

其中，confidence(A—>B)为规则A—>B的置信度；confidence(B—>A)为规则 B—>A的置信度；kulc(A，B)是规则A—>B的kulc系数；

如果某两条规则的kulc系数相等，就需要进一步运用不平衡因子的方法来处理；

不平衡因子处理方法：

不平衡因子IR(A，B)＝|sup(A)-sup(B)|/(sup(A)+sup(B)-sup(A∩B))

其中，其中，A为规则前项，即条件属性；B为规则后项，即决策属性；IR(A， B)为规则A—>B的不平衡因子；sup(A)为规则前项A的支持度；sup(B)为规则后项B 的支持度；sup(A∩B)为规则前项A和规则后项B交集的支持度；|sup(A)-sup(B)|为规则前项A、规则后项B支持度之差的绝对值。

优选地，步骤4包括：

步骤4.1，读入实时信息，其中，实时信息包括实时故障数据；

步骤4.2，提取实时故障数据的稳态特征量与关联规则集进行匹配；如果匹配成功，则得到断线故障诊断结果；如果匹配未成功则进行下一步；

步骤4.3，判断实时故障数据的稳态特征量是否包含错误信息；

如果包含错误信息且错误信息不属于关联规则集中涉及的数据，则进行诊断，如果包含错误信息且错误信息属于关联规则集中涉及的数据，则放弃该实时故障数据；

如果不包含错误信息，则认定为稀有故障，并将实时故障数据的稳态特征量输入数据库，以对数据库进行更新。

与现有技术相比，本发明所述的基于配用电数据关联的中压配电网断线故障诊断方法，其优点在于：本发明能够根据无接地故障特征的断线故障历史数据，运用改进型关联规则算法自动生成诊断关联规则集和辅助规则集，为在线故障诊断决策提供有用的信息：具体分析城市中压配电网中间或分支线断线以及无接地故障特征断线故障表现机理和诊断这类故障方面存在的实际问题及其主要原因，针对这些问题在研究中压配电网断线故障时空规律生成辅助规则集的基础上，利用配用电信息系统记录的中压配电网分支线断线故障电气量数据，结合已有研究提取稳态特征量，在关键特征识别的基础上结合电网实际运行情况，考虑只能采集大用户实时运行参数因此采用多最小支持度规则的挖掘算法进行关联规则挖掘，发现故障发生时中压配电网运行参数变化之间的关联情况，删除冗余规则阐释物理涵义得到最终关联规则集，最后根据关联规则集利用在线实际运行数据诊断这类断线故障是否发生。本发明挖掘的规则集受冗余信息的影响较小，说明数据挖掘能够把握重要关联规则，滤除干扰，在实际数据部分有错误或缺失时对基于规则推理的故障诊断影响很小，同时既可以在线挖掘实际运行数据，也可以在离线状态挖掘历史故障和仿真的预想故障数据来检测实时故障，为断线故障诊断处理提供更为简洁、实用和有效的处理手段。

附图说明

通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明 的其它特征目的和优点将会变得更明显。

图1为本发明基于配用电数据关联的中压配电网断线故障诊断方法中压配电网断线故障时空规律的流程图；

图2为本发明基于配用电数据关联的中压配电网断线故障诊断方法建立基于配用电信息系统数据关联的中压配电网断线故障诊断模型过程图；

图3为本发明基于配用电数据关联的中压配电网断线故障诊断方法在线断线故障诊断流程图。

具体实施方式

下面采用具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。

发明基于配用电数据关联的中压配电网断线故障诊断方法，针对城市中压配电网中间或分支线断线以及无接地故障特征断线故障表现机理和诊断存在问题，在研究中压配电网断线故障时空规律生成辅助规则集的基础上，利用配用电信息系统记录的中压配电网分支线断线故障电气量数据，结合已有研究提取稳态特征量，在关键特征识别的基础上结合电网实际运行情况，考虑只能采集大用户实时运行参数的实际，采用MSapriori算法。其中，关于MSapriori算法，本领域技术人员可以参照现有技术实现，例如可以参照公开文献《多最小支持度规则的挖掘算法》(作者：杨炳儒，陈泓婕.计算机工程，2003，29(6):40-41)，MSapriori算法在该期刊文献中被称为“多最小支持度规则的挖掘算法”。

挖掘故障发生时中压配电网运行参数变化之间的关联情况，删除冗余规则阐释物理涵义得到最终关联规则集，该故障诊断方法速度快，符合电网实际运行情况要求，实用性较高。

本发明所述评估方法中，设步骤a，即将现有配用电信息系统的输出数据导入数据库，以配用电信息系统中所记录的中压配电网断线故障信息和正常运行信息为数据源，构建断线故障电气量层次化数据体系。

所述外部数据的导入，需要通过预留的接口，实现与配电自动化系统、SCADA系统等配用电信息系统的数据互联，并接收其给出的电气量及运行状态量。之后分析不同数据源中所包含故障信息的具体信息类型及含义，确定多源故障信息的信息层级，并根据每种故障信息的信息层级和信息类型等构建断线故障电气量层次化数据体系。

设步骤b，即以配用电信息系统中所记录的中压配电网故障信息为数据源，在对中压配电网故障大量时空数据进行处理进行统计分析的基础上，研究中压配电网断线故障的时空分布特性，当电网系统中发生无接地特征的分支线断线故障时，就能以时空分布特性作为辅助判据进行故障诊断。

中压配电网运行过程中产生的大量故障处理数据是配电监测系统数据的粗略表达，同样包含故障发生时间、故障地点、故障级别、故障原因等信息。因此，分析这些时空数据，并发掘其内在关联关系，对中压配电网的安全运行及管理具有重要的实际意义。

参见图2所示，时空分布特性辅助判据生成流程如下：

步骤b1、中压配电网故障时空信息处理步骤如下，将故障信息按照以下四个方面来统计：

故障级别：对于比较严重的电网故障事件，按照故障具体的严重程度，将故障分为五级电网事件、六级电网事件、七级电网事件、八级电网事件和八级设备事件。

区域类型：按照《中压配电网规划设计技术导则》中规定的区域划分方法对区域类型进行划分。该方法按行政级别、供电可靠性、需求和负荷重要程度，辅以负荷密度，将供电区域划分为A+、A、B、C、D、E六类；

故障时间：按照故障发生时间所在月份划分，分为12个月份；

故障原因：线路故障原因主要有雷击、外力破坏、污闪、杆塔质量、自然灾害等；设备故障原因有产品质量不良、设计缺陷、设备老化、外力破坏、过负荷运行等。

步骤b2、确定最小支持度阀值，运用Apriori算法对中压配电网故障数据进行关联规则挖掘，确定最小置信度阀值，获得所有的强关联规则，生成关联规则集。

步骤b3、对生成关联规则集进行进一步处理，对其进行物理涵义进行解释，合并涵义重复的规则，了解中压配电网断线故障的时空分布特性。

设步骤c，即根据断线故障层次化电气量数据体系及断线故障强关联因素，结合已有研究提取稳态特征量，在关键特征识别的基础上建立基于配用电信息系统数据关联的中压配电网断线故障诊断模型及参数寻优，结合电网实际运行情况考虑只能采集大用户实时运行参数的实际，采用MSapriori算法挖掘故障发生时中压配电网运行参数变化之间的关联情况，删除冗余规则阐释物理涵义得到最终关联规则集。

参见图3所示，步骤c中，具体实施步骤如下：

步骤c1、对故障诊断模型的输入数据预处理步骤如下：

现将所有数值型特征量进行归一化处理，系统量测量如三相电压、电流、有功、无功等连续型特征量，需要离散化处理，采取K-Means聚类技术实现对历史数据的离散化处理，每一类数据分为三组，再进行归一化处理以便进行知识归纳；

步骤c2、根据断线故障层次化电气量数据体系，综合已有研究，常用稳态量特征包括：

其中，U为电压、I为电流、P为有功、Q为无功；

为电压随时间的变化率、

为电流随时间的变化率、

为有功随时间的变化率、

为无功随时间的变化率。

综合这些数据的层次：10kV馈线层级，10kV开关站，10kV配变、箱变、杆变层级和低压大用户或中高压用户层级，形成总共32个电气特征量。

步骤c3、关键特征选择：由上可见，已有文献所采用的特征判据无论在数量还是种类上都差别很大，理论分析与实践表明，如果训练样本中包含不相关或弱相关的特征，会造成特征冲突以及关键特征被低估等问题，因此需要有一种系统化方法定量评价各特征的重要度，选出关键特征，消除不相关或弱相关的特征，如果某个特征为关键特征，那么在同类样本中，该特征的值应相同；而在异类样本中，该特征的值应不同，本专利采用RELIEF算法进行特征选择。

步骤c4、以稳态电气关键特征量作为条件属性，断线故障作为决策属性，考察各种故障情况并建立原始事务集；

步骤c5、由于并不是每条故障线路上都会带有低压大用户或中高压用户负荷，鉴于这两层层级特征项集是非频繁出现的项集，采用MSApriori算法得到原始规则集，通过修改阈值进行交互式挖掘，得到最终的多最小项支持度阈值、最小置信度阈值和原始关联规则集。

步骤c6、有时置信度和支持度并不能度量规则的实际意义和业务关注的兴趣点，所以还需要对原始关联规则集进行进一步处理，利用置信度处理准则和不平衡因子结合的方法删除冗余规则对原始规则集进行处理得到关联规则集；其中

置信度处理准则处理方法：对规则A—>B的置信度和规则B—>A的置信度做一个平均处理：

kulc(A，B)＝(confidence(A—>B)+confidence(B—>A))/2

其中，confidence(A—>B)为规则A—>B的置信度；confidence(B—>A)为规则 B—>A的置信度；kulc(A，B)是规则A—>B的kulc系数；

如果某两条规则的kulc系数相等，就需要进一步运用不平衡因子的方法来处理；

不平衡因子处理方法：

不平衡因子IR(A，B)＝|sup(A)-sup(B)|/(sup(A)+sup(B)-sup(A∩B))

其中，A为规则前项，即条件属性；B为规则后项，即决策属性；IR(A，B)为规则A—>B的不平衡因子；sup(A)为规则前项A的支持度；sup(B)为规则后项B的支持度；sup(A∩B)为规则前项A和规则后项B交集的支持度；|sup(A)-sup(B)|为规则前项A、规则后项B支持度之差的绝对值。

筛选kulc系数高于0.5的规则，如果某两条规则的kulc系数相同，选择不平衡因子IR高的规则，以得到最终关联规则集。

设步骤d，即根据配用电信息进系统通过接口导入实时采集的电气量信息、时间信息、空间信息，提取特征量以后与关联规则进行匹配，对于未找到匹配特征和匹配规则的故障，视为稀有故障，如果不包含错误信息，就新增规则来适应稀有故障。

参见图3所示，在线诊断的步骤d具体包含：

步骤d1、读入实时故障数据，系统量测量如三相电压、电流、有功、无功等连续型特征量，需要进行归一化处理；

步骤d2、基于步骤d1数据提取稳态特征量，与关联规则集的特征量进行匹配，如果规则匹配成功与关联规则进行匹配，如果规则匹配成功，则得到带有某置信度的断线故障诊断结果，如果其中某一步未成功则进行下一步；

步骤d3、对于未找到匹配特征和匹配规则的故障，视为稀有故障，如果不包含错误信息，就利用在线实时数据重复步骤c进行关联规则挖掘得到新的规则，更新关联规则集和规则的可信度。

综上所述，本发明通过数据挖掘的方法建立一个“动态”的在线断线故障诊断方法，本发明能够根据无接地故障特征的断线故障历史数据，运用改进型关联规则算法自动生成诊断关联规则集和辅助规则集，为在线故障诊断决策提供有用的信息。研究中压配电网断线故障时空规律生成辅助规则集，利用配用电信息系统记录的中压配电网分支线断线故障电气量数据，结合已有研究提取稳态特征量，在关键特征识别的基础上结合电网实际运行情况，考虑只能采集大用户实时运行参数因此采用多最小支持度MSapriori算法进行关联规则挖掘，发现故障发生时中压配电网运行参数变化之间的关联情况，对关联规则集进一步处理得到最终关联规则集，最后根据关联规则集利用在线实际运行数据诊断断线故障是否发生。

以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。

Claims (8)

1.一种基于配用电数据关联的中压配电网断线故障诊断方法，其特征在于，包括如下步骤：

步骤1，将配用电信息系统的数据信息输入数据库，构建断线故障电气量层次化数据体系；

步骤2，对数据库中的输出数据信息进行处理，获得中压配电网断线故障时的时空分布特性；

步骤3，通过故障电气量层次化数据体系及强关联规则，建立中压配电网断线故障诊断模型及参数寻优，确定故障发生时中压配电网的特征量之间的关联情况，得到关联规则集；

步骤4，对中压配用电信息系统导入的实时信息和关联规则集进行匹配，判断中压配电网的状态；

所述步骤3包括：

步骤3.1，对中压配电网断线故障诊断模型内的特征量进行预处理；

步骤3.2，提取稳态特征量；

步骤3.3，提取关键特征量；

步骤3.4，确定故障情况并建立原始事务集；

步骤3.5，确定多最小项支持度阈值、最小置信度阈值和原始规则集；

步骤3.6，对原始规则集进行处理得到关联规则集；

所述步骤3.6，利用置信度处理准则和不平衡因子结合的方法删除冗余规则对原始规则集进行处理得到关联规则集；其中

置信度处理准则处理方法：对规则A—>B的置信度和规则B—>A的置信度做一个平均处理：

kulc(A，B)＝(confidence(A—>B)+confidence(B—>A))/2

其中，confidence(A—>B)为规则A—>B的置信度；confidence(B—>A)为规则B—>A的置信度；kulc(A，B)是规则A—>B的kulc系数；

如果某两条规则的kulc系数相等，就需要进一步运用不平衡因子的方法来处理；

不平衡因子处理方法：

不平衡因子IR(A，B)＝|sup(A)-sup(B)|/(sup(A)+sup(B)-sup(A B))

其中，A为规则前项，即条件属性；B为规则后项，即决策属性；IR(A，B)为规则A—>B的不平衡因子；sup(A)为规则前项A的支持度；sup(B)为规则后项B的支持度；sup(A B)为规则前项A和规则后项B交集的支持度；|sup(A)-sup(B)|为规则前项A、规则后项B支持度之差的绝对值。

2.根据权利要求1所述的基于配用电数据关联的中压配电网断线故障诊断方法，其特征在于，步骤1中，数据信息包括中压配电网断线故障信息和正常运行信息。

3.根据权利要求2所述的基于配用电数据关联的中压配电网断线故障诊断方法，其特征在于，步骤1包括：

步骤1.1，通过人工输入或经接口实时互联来获取中压配电网断线故障信息和正常运行信息；

步骤1.2，根据中压配电网断线故障信息的类型和含义，对中压配电网断线故障信息进行分层，并根据每种中压配电网断线故障信息的层级和类型构建断线故障电气量层次化数据体系。

4.根据权利要求1所述的基于配用电数据关联的中压配电网断线故障诊断方法，其特征在于，步骤2包括：

步骤2.1，将中压配电网断线故障信息分为故障级别、区域类型、故障时间和故障原因；

步骤2.2，确定最小置信度阈值，获得强关联规则，并生成关联规则集；

步骤2.3，对关联规则集的物理涵义进行分析，合并涵义重复的规则。

5.根据权利要求4所述的基于配用电数据关联的中压配电网断线故障诊断方法，其特征在于，步骤2.2，运用Apriori算法对中压配电网断线故障信息进行关联规则挖掘，确定最小置信度阈值。

6.根据权利要求1所述的基于配用电数据关联的中压配电网断线故障诊断方法，其特征在于，步骤3.1，对中压配电网断线故障诊断模型内的特征量进行预处理包括对数值型特征量进行归一化处理以及采用K-Means聚类方法对连续型特征量进行离散化处理。

7.根据权利要求1所述的基于配用电数据关联的中压配电网断线故障诊断方法，其特征在于，步骤3.5，通过修改阈值进行交互式挖掘，得到多最小项支持度阈值、最小置信度阈值和原始规则集。

8.根据权利要求1所述的基于配用电数据关联的中压配电网断线故障诊断方法，其特征在于，步骤4包括：

步骤4.1，读入实时信息，其中，实时信息包括实时故障数据；

步骤4.2，提取实时故障数据的稳态特征量与关联规则集进行匹配；如果匹配成功，则得到断线故障诊断结果；如果匹配未成功则进行下一步；

步骤4.3，判断实时故障数据的稳态特征量是否包含错误信息；

如果包含错误信息且错误信息不属于关联规则集中涉及的数据，则进行诊断，如果包含错误信息且错误信息属于关联规则集中涉及的数据，则放弃该实时故障数据；

如果不包含错误信息，则认定为稀有故障，并将实时故障数据的稳态特征量输入数据库，以对数据库进行更新。

Images