CN107340454B - 一种基于RuLSIF变点探测技术的电力系统故障定位分析方法 - Google Patents
一种基于RuLSIF变点探测技术的电力系统故障定位分析方法 Download PDFInfo
- Publication number
- CN107340454B CN107340454B CN201610282486.1A CN201610282486A CN107340454B CN 107340454 B CN107340454 B CN 107340454B CN 201610282486 A CN201610282486 A CN 201610282486A CN 107340454 B CN107340454 B CN 107340454B
- Authority
- CN
- China
- Prior art keywords
- fault
- data set
- target data
- variable point
- point detection
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 30
- 238000004458 analytical method Methods 0.000 title claims abstract description 23
- 238000005516 engineering process Methods 0.000 title claims abstract description 11
- 238000000034 method Methods 0.000 claims abstract description 31
- 239000011159 matrix material Substances 0.000 claims description 19
- 230000008569 process Effects 0.000 claims description 15
- 238000005070 sampling Methods 0.000 claims description 6
- 230000035772 mutation Effects 0.000 claims description 5
- 230000011664 signaling Effects 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 239000011541 reaction mixture Substances 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 abstract description 2
- 230000008859 change Effects 0.000 description 6
- 238000007418 data mining Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/08—Locating faults in cables, transmission lines, or networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2216/00—Indexing scheme relating to additional aspects of information retrieval not explicitly covered by G06F16/00 and subgroups
- G06F2216/03—Data mining
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及一种基于RuLSIF变点探测技术的电力系统故障定位分析方法,包括:根据电网运行数据,定义目标数据集;基于RuLSIF算法,获取相异偏差向量函数和皮尔森偏差最大值;绘制变点探测拟合曲线,判断故障区域;结合系统拓扑结构,确定故障位置及其影响范围。通过该方法实现了在线分析故障影响范围与快速定位,为在线快速分析电力系统故障提供了精确且有效的评价依据,进而保证电力系统的稳定运行。
Description
技术领域
本发明属于电力系统及其自动化领域,具体涉及一种基于RuLSIF变点探测技术的电力系统故障定位分析方法。
背景技术
数据挖掘是知识发现的过程,它可以从海量数据中挖掘出潜在的、有意义的信息。实际应用领域中经常包含一些与数据集的一般行为或者一般模型不相一致的数据对象,即突变点或偏差。现国内外变点探测的研究通常被认为是聚类算法的衍生,变点是嵌入类中的背景噪声。随着数据挖掘技术的发展,变点孤立程度概念的提出,变点或偏差的集合不再仅仅是数据集合中的噪声,而是作为被赋予权值的模糊集合成为特殊研究对象。
经典的故障诊断方法主要采用系统开关状态量作为故障分析的主要信息,而包含大量暂态过程信息的电气量却少有涉及。引入故障录波等信息的电网故障分析方法,虽然信息较丰富,但是分析过程较长,不能满足在线快速定位的需求。
发明内容
为了弥补上述不足,提出一种基于RuLSIF变点探测技术的电力系统故障定位分析方法;将数据挖掘中突变点探测技术引入电力系统的故障分析中,建立相关无约束最小二乘重要性拟合估计(RuLSIF)变点探测模型,基于该方法分析电力系统故障发生后电气量的变化,锁定故障点区域,并结合电网运行数据综合分析系统故障影响范围,具有较强的时效性。
本发明是采用下述技术方案实现的:
一种基于RuLSIF变点探测技术的电力系统故障定位分析方法,所述方法包括下述步骤:
1)根据电网运行数据,定义目标数据集;
2)基于RuLSIF算法,获取相异偏差向量函数和皮尔森偏差最大值;
3)绘制变点探测拟合曲线,判断故障区域;
4)结合系统拓扑结构,确定故障位置及其影响范围。
优选的,所述步骤1)中获取电网运行数据,包括:实时监测电网运行数据,包括系统物理模型、拓扑连接关系、设备参数、遥信信息和遥测信息;
建立由电网运行数据构成的时间序列数据集,其表达式为:
At=[a(t),a(t+1),...,a(t+n)]
式中,At表示系统采集的电气量,包括电压V、电流I、有功功率P和无功功率Q;t为采样时间,t+n为基准时间段,a为数据断面。
进一步地,述步骤1)定义目标数据集包括:
设t=t0时刻系统发生故障,则选取自故障时刻t0起的n个数据断面,定义目标数据集:
A=[a(t0),a(t0+1),...,a(t0+n)];
其中,A为系统故障时刻的电气量,t0+n为基准时间段。
优选的,述步骤2)基于RuLSIF算法,获取相异偏差向量函数具体包括:
2-1根据目标数据集密度比估计值,计算目标数据的密度比估计值函数;
2-2完成相异偏差向量函数的获取。
进一步地,述步骤2-1中,目标数据集密度比估计值的获取过程包括:
定义目标数据集A在故障时刻t=t0+i的故障概率分布为P,以其对应的同分布样本集A’的故障概率分布p′,其中i∈[1,n];则,
目标数据集密度比估计值如下式所示:
式(1)中,pA和p'A分别为P和P’的密度函数,且pA≥0,p'A>0。
进一步地,述步骤2-1中,通过所述式(1)计算目标数据集密度比估计值函数:
式(2)中,为高斯核计算函数,AC是从Au中选取的高斯核函数中心值,Au为关于目标数据集A的第u维矩阵,u∈[1,n]表示矩阵维度,σ>0表示内核宽度,数据采样参数其中,λ≥0表示正规化参数;为n×n维矩阵,In为n维单位矩阵;则,
式(3)和式(4)中,为中第u行、第v列元素,u和v∈[1,n]表示矩阵维度;表示u维向量,Av为目标数据集A的v维矩阵,Ai为目标数据集A的第i个数据断面,A'j为A'中的第j个数据样本;参数α∈[1,n]。
进一步地,所述步骤2-2中,相异偏差向量函数通过下式计算:
优选的,述步骤2)中,皮尔森偏差最大值max(Xα),即目标数据集各目标探测位置的相异偏差向量函数的最大值,其对应变点即为输入目标数据集的突变点。
优选的,述步骤3)判断故障区域包括:结合相异偏差向量函数和皮尔森偏差最大值绘制电气量变点曲线,通过比较同一系统中目标探测位置的电气量变点探测曲线,获取其中峰值起伏明显的位置,并拟定该位置所处区域为故障区域。
优选的,所述步骤4)具体包括:将变点探测拟合曲线与系统拓扑关系相结合,确定故障具体位置及其影响范围,包括故障位置、受影响区域以及与故障位置无电气连接关系的区域。
与现有技术相比,本发明的有益效果为:
本发明涉及一种基于RuLSIF(relative unconstrained least-squaresimportance fitting)变点检测的电网故障定位分析方法,引入数据挖掘技术,提出应用相关无约束最小二乘重要性拟合估计方案,并实现电力系统在线故障快速定位,有效避免了电力系统传统故障分析汇集多源数据(如开关遥信变位与故障录波等)的低时效性问题。为在线快速分析电力系统故障,电力系统维护和故障报修提供了精确且有效的评价依据,进而保证电力系统的稳定运行。
同时,该方法不仅考虑系统遥信量(状态量)信息,还将遥测信息(电气量)的变化过程作为判别系统故障重要参考,根据故障发生后电气量数据集的突变点拟合曲线,划定故障发生范围,提升了分析结果的全面性,具很强灵活性与实用性。
附图说明
图1为基于RuLSIF变点检测的电网故障定位分析方法流程图。
具体实施方式:
以下结合附图和实施例,对本发明进行进一步详细说明。
传统的故障诊断方法采用系统开关状态量作为故障分析的主要信息,反应故障变化过程的电气量信息涉及较少,由此引入故障录波等信息的电网故障分析方法,虽然信息较丰富,但是分析过程较长,不能满足在线快速定位的实时性需求。而本发明提出一种基于RuLSIF变点探测技术的电力系统故障定位分析方法,依据数据挖掘变点探测RuLSIF算法,立足于系统实测可采的电气量或遥测数据,并有效结合系统开关量或遥信信息综合分析和判定系统故障发生位置与影响范围,以满足电网在线分析快速、精确与全面的需求。具体实施步骤如图1所示:
1)根据电网运行数据,定义目标数据集;
步骤1)中获取电网运行数据,包括:实时监测电网运行数据,包括系统物理模型、拓扑连接关系、设备参数、遥信信息和遥测信息;
建立由电网运行数据构成的时间序列数据集,其表达式为:
At=[a(t),a(t+1),...,a(t+n)]
式中,At表示系统采集的电气量,包括电压V、电流I、有功功率P和无功功率Q;t为采样时间,t+n为基准时间段,a为数据断面。
定义目标数据集包括:
设t=t0时刻系统发生故障,则选取自故障时刻t0起的n个数据断面,定义目标数据集:
A=[a(t0),a(t0+1),...,a(t0+n)];
其中,A为系统故障时刻的电气量,t0+n为基准时间段。
2)基于RuLSIF算法,获取相异偏差向量函数和皮尔森偏差最大值;
2-1根据目标数据集密度比估计值,计算目标数据的密度比估计值函数;
步骤2-1中,目标数据集密度比值的获取过程包括:定义目标数据集A在故障时刻t=t0+i的故障概率分布为P,以其对应的同分布样本集A’的故障概率分布p′,其中i∈[1,n];则,
目标数据集密度比估计值如下式所示:
式(1)中,pA和p'A分别为P和P’的密度函数,且pA≥0,p'A>0。
通过所述式(1)计算目标数据集密度比估计值函数:
式(2)中,为高斯核计算函数,AC是从Au中选取的高斯核函数中心值,Au为关于目标数据集A的第u维矩阵,u∈[1,n]表示矩阵维度,σ>0表示内核宽度,数据采样参数其中,λ≥0表示正规化参数;为n×n维矩阵,In为n维单位矩阵;则,
式(3)和式(4)中,为中第u行、第v列元素,u和v∈[1,n]表示矩阵维度;表示u维向量,Av为目标数据集A的v维矩阵,Ai为目标数据集A的第i个数据断面,A'j为A'中的第j个数据样本;n维矩阵中的参数α∈[1,n]。
2-2完成相异偏差向量函数的获取:
步骤2-2中,所述相异偏差向量函数通过下式计算:
步骤2)中,皮尔森偏差最大值max(Xα),即目标数据集各目标探测位置的相异偏差向量函数的最大值,其对应变点即为输入目标数据集的突变点。
3)绘制变点探测拟合曲线,判断故障区域。该变点拟合曲线用于分析电网故障变化过程;便于技术人员通过曲线图形更直观地获取故障变化特点。该步骤即对故障区域初步判断并锁定,具体包括:结合相异偏差向量函数和皮尔森偏差最大值绘制电气量变点曲线,通过电气量变化的突变点拟合曲线分析电网故障变化过程;比较同一系统中各个目标探测位置(包括节点、支路等)的电气量变点探测曲线,找出其中峰值起伏明显的位置,并拟定该位置所处区域为故障区域。
4)结合系统拓扑结构,确定故障线路位置及其影响范围。所述步骤4)中,将变点探测拟合曲线系统拓扑关系或系统网架结构等相结合,确定故障具体位置及其影响范围;以此增强了电力系统在线快速故障分析的精确性和可靠性。分析出故障位置、受影响区域以及与故障位置无电气连接关系的区域。
最后应当说明的是:以上实施例仅用以说明本发明的技术策略而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求范围当中。
Claims (6)
1.一种基于RuLSIF变点探测技术的电力系统故障定位分析方法,其特征在于,
所述方法包括下述步骤:
1)根据电网运行数据,定义目标数据集;
2)基于RuLSIF算法,获取相异偏差向量函数和皮尔森偏差最大值;
3)绘制变点探测拟合曲线,判断故障区域;
4)结合系统拓扑结构,确定故障位置及其影响范围;
所述步骤1)中获取电网运行数据,包括:实时监测电网运行数据,包括系统物理模型、拓扑连接关系、设备参数、遥信信息和遥测信息;
建立由电网运行数据构成的时间序列数据集,其表达式为:
At=[a(t),a(t+1),...,a(t+n)]
式中,At表示系统采集的电气量,包括电压V、电流I、有功功率P和无功功率Q;t为采样时间,t+n为基准时间段,a为数据断面;
所述步骤2)基于RuLSIF算法,获取相异偏差向量函数具体包括:
2-1根据目标数据集密度比估计值,计算目标数据的密度比估计值函数;
2-2完成相异偏差向量函数的获取;
所述步骤3)判断故障区域包括:结合相异偏差向量函数和皮尔森偏差最大值绘制电气量变点曲线,通过比较同一系统中目标探测位置的电气量变点探测曲线,获取其中峰值起伏明显的位置,并拟定该位置所处区域为故障区域;
所述步骤4)具体包括:将变点探测拟合曲线与系统拓扑关系相结合,确定故障具体位置及其影响范围,包括故障位置、受影响区域以及与故障位置无电气连接关系的区域。
2.如权利要求1所述方法,其特征在于,所述步骤1)定义目标数据集包括:
设t=t0时刻系统发生故障,则选取自故障时刻t0起的n个数据断面,定义目标数据集:
A=[a(t0),a(t0+1),...,a(t0+n)];
其中,A为系统故障时刻的电气量,t0+n为基准时间段。
6.如权利要求1所述的方法,其特征在于,所述步骤2)中,皮尔森偏差最大值max(Xα),即目标数据集各目标探测位置的相异偏差向量函数的最大值,其对应变点即为输入目标数据集的突变点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610282486.1A CN107340454B (zh) | 2016-04-29 | 2016-04-29 | 一种基于RuLSIF变点探测技术的电力系统故障定位分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610282486.1A CN107340454B (zh) | 2016-04-29 | 2016-04-29 | 一种基于RuLSIF变点探测技术的电力系统故障定位分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107340454A CN107340454A (zh) | 2017-11-10 |
CN107340454B true CN107340454B (zh) | 2020-10-13 |
Family
ID=60221918
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610282486.1A Active CN107340454B (zh) | 2016-04-29 | 2016-04-29 | 一种基于RuLSIF变点探测技术的电力系统故障定位分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107340454B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109884469A (zh) * | 2019-03-06 | 2019-06-14 | 山东理工大学 | 配电网故障区段与故障时刻的判定方法 |
CN115561672A (zh) * | 2022-08-23 | 2023-01-03 | 中如信息科技有限公司 | 一种智慧用电管理电气安全预警方法、系统及电子设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07241037A (ja) * | 1994-02-25 | 1995-09-12 | Sanyo Electric Co Ltd | 単独運転検出方法 |
JP2000322061A (ja) * | 1999-05-06 | 2000-11-24 | Yamaha Corp | リズム音源信号の時間軸圧伸方法及び装置 |
CN101159376A (zh) * | 2007-09-26 | 2008-04-09 | 东北大学 | 一种小电流接地故障检测与定位的装置及方法 |
CN101701985A (zh) * | 2009-11-27 | 2010-05-05 | 河海大学 | 定频变点电网谐波检测方法及其测量仪 |
CN104953583A (zh) * | 2015-07-01 | 2015-09-30 | 河海大学 | 基于变点探测和Prony方法相结合的电力系统低频振荡在线监测方法 |
CN105379186A (zh) * | 2013-01-30 | 2016-03-02 | 惠普发展公司,有限责任合伙企业 | 确定响应类似性邻域 |
-
2016
- 2016-04-29 CN CN201610282486.1A patent/CN107340454B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07241037A (ja) * | 1994-02-25 | 1995-09-12 | Sanyo Electric Co Ltd | 単独運転検出方法 |
JP2000322061A (ja) * | 1999-05-06 | 2000-11-24 | Yamaha Corp | リズム音源信号の時間軸圧伸方法及び装置 |
CN101159376A (zh) * | 2007-09-26 | 2008-04-09 | 东北大学 | 一种小电流接地故障检测与定位的装置及方法 |
CN101701985A (zh) * | 2009-11-27 | 2010-05-05 | 河海大学 | 定频变点电网谐波检测方法及其测量仪 |
CN105379186A (zh) * | 2013-01-30 | 2016-03-02 | 惠普发展公司,有限责任合伙企业 | 确定响应类似性邻域 |
CN104953583A (zh) * | 2015-07-01 | 2015-09-30 | 河海大学 | 基于变点探测和Prony方法相结合的电力系统低频振荡在线监测方法 |
Non-Patent Citations (1)
Title |
---|
A data-driven approach for detection and estimation of residential PV installations;Xiaochen Zhang 等;《 IEEE Transactions on Smart Grid》;20160421;第7卷(第5期);第2477-2485页 * |
Also Published As
Publication number | Publication date |
---|---|
CN107340454A (zh) | 2017-11-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ardakanian et al. | On identification of distribution grids | |
CN110035090B (zh) | 一种智能电网虚假数据注入攻击检测方法 | |
CN109818349B (zh) | 一种基于多维状态矩阵滑动匹配的电网鲁棒状态预测方法 | |
WO2015176565A1 (zh) | 一种基于多维时间序列的电气设备故障预测方法 | |
CN107016236B (zh) | 基于非线性量测方程的电网假数据注入攻击检测方法 | |
CN103245861A (zh) | 一种基于贝叶斯网络的变压器故障诊断方法 | |
CN104765965A (zh) | 基于模糊Petri的GIS故障诊断与可靠性分析方法 | |
Liu et al. | Remote malfunctional smart meter detection in edge computing environment | |
CN108520267B (zh) | 一种基于时空特征的水文遥测数据异常检测方法 | |
CN103278616B (zh) | 一种土壤腐蚀性快速评价的多因子方法 | |
Liu et al. | A data-driven approach for online dynamic security assessment with spatial-temporal dynamic visualization using random bits forest | |
CN107340454B (zh) | 一种基于RuLSIF变点探测技术的电力系统故障定位分析方法 | |
CN112684295A (zh) | 一种基于相似离度的高渗透率下配电网故障选线方法及系统 | |
CN116796403A (zh) | 一种基于商业建筑综合能耗预测的建筑节能方法 | |
CN103529337B (zh) | 设备故障与电气量信息间非线性相关关系的识别方法 | |
Tajer et al. | Advanced data analytics for power systems | |
CN106019043B (zh) | 一种基于模糊积分多源信息融合理论的电网故障诊断方法 | |
Lin et al. | Remaining useful life prediction for nonlinear two-phase degradation process with measurement errors and imperfect prior information | |
CN106442830A (zh) | 变压器油中气体含量告警值的检测方法和系统 | |
Gómez-Expósito et al. | State Estimation | |
Yuanhai | Robust Estimators in Modern Powe1· System Networks | |
Lin et al. | PSO based distributed generalized state estimation using synchrophasors | |
CN106779265B (zh) | 一种基于电力智能移动终端在线状态安全性检测方法 | |
CN118011223B (zh) | 一种电力储能系统故障诊断方法及系统 | |
Liu et al. | Intelligent Identification Technology of Attributes of Users' Transformers Based on Gray Correlation Analysis. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |