CN107611940A - 一种基于历史数据分析的配电网异常监测方法与系统 - Google Patents

一种基于历史数据分析的配电网异常监测方法与系统 Download PDF

Info

Publication number
CN107611940A
CN107611940A CN201710718397.1A CN201710718397A CN107611940A CN 107611940 A CN107611940 A CN 107611940A CN 201710718397 A CN201710718397 A CN 201710718397A CN 107611940 A CN107611940 A CN 107611940A
Authority
CN
China
Prior art keywords
mrow
msub
data
current
historical
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.)
Granted
Application number
CN201710718397.1A
Other languages
English (en)
Other versions
CN107611940B (zh
Inventor
林祺蓉
施冬明
王俏俏
贾玉健
尹茂林
臧宏伟
尚力
刘勇
王悦
孙雯
霍健
刘红霞
杨福
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
Jinan Power Supply Co of State Grid Shandong Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Jinan Power Supply Co of State Grid Shandong Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, Jinan Power Supply Co of State Grid Shandong Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201710718397.1A priority Critical patent/CN107611940B/zh
Publication of CN107611940A publication Critical patent/CN107611940A/zh
Application granted granted Critical
Publication of CN107611940B publication Critical patent/CN107611940B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/20—Systems supporting electrical power generation, transmission or distribution using protection elements, arrangements or systems

Landscapes

  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)

Abstract

本发明提供一种基于历史数据分析的配电网异常监测方法与系统，所述方法包括获取配电线路所在的10KV主线的历史电流数据，以线路限流数为基准，对所述历史电流数据进行标准化，根据线路负荷模式对所述历史电流数据进行聚类，对当前负荷数据进行负荷模式匹配，计算失配度，并根据失配度判定线路是否发生异常，进而确定线路异常类型并推送显示。其数据准确率高、可靠性强、易于读取和处理，从而摆脱了现有配电网设备不能够支撑故障监测的束缚，且数据量小、计算速度快，对计算设备要求低，可以充分兼容供电企业已有的设备和数据，改造成本低廉，易于推广实现。

Description

一种基于历史数据分析的配电网异常监测方法与系统
技术领域
本发明涉及配电自动化领域，特别是一种基于历史数据分析的配电网异常监测方法。
背景技术
配电自动化系统(DAS)是一种可以使供电企业在远方以实时方式监视、协调和操作配电设备的自动化系统，其作为供电企业配电网调控业务的主要技术支持手段，有效改善供电质量和服务质量。由于接入系统的配电设备种类繁杂、数量众多，加上各个地区的经济发展水平不同，配电自动化系统普遍存在以下问题：
1.配电网中仍然具有相当数量的非自动化配电设备不具备改造条件，其配电信息无法接入自动化系统，造成大量分支线路处于无法监视的状态。
2.现有自动化配电设备通信方式不统一，具有多种方式，如EPON(EthernetPassive Optical Network，以太网无源光网络)、电力线载波、无线专网、无线公网等，不同的通信方式，其可靠性、安全性不同，数据的准确性、可用性不足。
3.部分配电设备存在缺陷或故障，导致其遥信、遥测数据不可用。
由于以上原因导致相当数量的配电网支线在工作异常时，系统无法及时监测与判定并迅速处置。
现有技术中，中国专利(ZL201510734587.3)公开了一种智能配电网大数据融合分析与运行状态监测方法，其利用智能配电网大数据中的状态监测数据，构建了一个高维时空状态监测矩阵，降维处理后进行基于局部异常因子(LOF，Local Outlier Factor)分析原理的离群点检测，实现电网故障监测。首先由于该方法的前提是配电网中安装有足够数量的具有高可靠性、实时性的遥信、遥测功能的自动化设备，但现有的国内配电网领域，仅有大中城市核心城区的部分配电线路能配备完善的配电自动化设备，因此其应用范围有限；其次，其方法数据量巨大，计算量更是如此，对技术支持系统要求高，难以在供电企业中推广应用；再次，其数据可读性差，不论是高维时空监测矩阵还是降维后的矩阵，无法人为理解其海量数据蕴含的信息。因此，急需一种适用性强，且易于实现的配电自动化异常监测方法。
发明内容
本发明的目的是提供一种基于历史数据分析的配电网异常监测方法与系统，以在现有配电设备的基础上，提高配电自动化异常监测的适用性以及易用性。
为达到上述技术目的，本发明提供了一种基于历史数据分析的配电网异常监测方法，包括以下步骤：
S101、历史数据获取，获取配电线路所在的10KV主线的历史电流数据；
S102、数据预处理，以线路限流数为基准，对所述历史电流数据进行标准化；
S103、聚类计算，根据线路负荷模式对所述历史电流数据进行聚类；
S104、负荷模式匹配，对当前负荷数据进行负荷模式匹配；
S105、失配判定，根据失配度判定线路是否发生异常；
S106、异常类型研判，确定线路异常类型；
S107、推送显示，将异常线路及异常类型推送至工作站。
优选地，所述步骤S101的具体过程为：对于任意一条配电线路L，读取其所在的10KV主线电流遥测数据：
A＝{X1，X2，...，Xn}
其中，Xi为线路L在第i日的电流数据，
Xi＝(xi1，xi2，...，xim)
其中xij为i日第j个采样点的电流值，m为线路上的采样点个数。
优选地，所述步骤S102的具体过程为：选取线路限流数作为基准，将历史电流数据采用下式进行标准化处理：
式中，xij为i日第j个采样点的电流值，d为线路L的限流数。
优选地，所述步骤S103的具体过程为将所述线路负荷模式按照工作日、节假日进行聚类为工作日类A1和非工作日类A2，
工作日类A1的聚类中心为：
Z1＝(z11，z12，...，z1m)；
非工作日类A2的聚类中心为：
Z2＝(z21，z22，...，z2m)；
其中，m为线路上的采样点个数。
优选地，所述步骤S104包括以下步骤：
获取子序列，读取该线路截止到当前时刻的t当日负荷数据
X0＝(x01，x02，...，x0n)
n为t时刻前采样点个数，n小于等于m，Z1和Z2的子序列分别为：
Z1s＝(z11，z12，...，z1n)
Z2s＝(z21，z22，...，z2n)
计算隶属度，所述隶属度的计算公式为：
其中，d0i为样本X0到第i类中心子序列的欧式距离，d0i的计算公式为：
若u01＜u02，则X0∈A2；若u01＜u02，则X0∈A1。
优选地，所述步骤S105包括以下步骤：
数据预测，计算下一个数据点的预测值x′0(n+1)：
计算失配度，所述失配度计算公式为：
其中，u0＝max(u01，u02)；
根据失配度进行异常判定。
优选地，所述步骤S106中线路异常类型包括以下几种：
①分支线分闸：电流显著降低但不为零；
②分支线合闸：电流显著增加；
③主线分闸：电流降低为零；
④主线合闸：从零增加至某一数值；
⑤联络线路合环：两条线路分别发生分支线分闸和合闸事件，并且电流变化幅值相等、方向相反。
本发明还提供了一种基于历史数据分析的配电网异常监测系统，包括：
历史数据获取模块，用于获取配电线路所在的10KV主线的历史电流数据；
数据预处理模块，用于以线路限流数为基准，对所述历史电流数据进行标准化；
聚类计算模块，用于根据线路负荷模式对所述历史电流数据进行聚类；
负荷模式匹配模块，用于对当前负荷数据进行负荷模式匹配；
失配判定模块，用于根据失配度判定线路是否发生异常；
异常类型研判模块，用于确定线路异常类型；
推送显示模块，用于将异常线路及异常类型推送至工作站。
优选地，所述聚类计算模块对所述历史电流数据进行聚类的具体过程为将所述线路负荷模式按照工作日、节假日进行聚类为工作日类A1和非工作日类A2，
工作日类A1的聚类中心为：
Z1＝(z11，z12，...，z1m)；
非工作日类A2的聚类中心为：
Z2＝(z21，z22，...，z2m)；
其中，m为线路上的采样点个数。
优选地，所述负荷模式匹配模块包括子序列获取单元和子序列隶属度计算单元；
所述子序列获取单元用于获取当日负荷数据的子序列；
所述子序列隶属度计算单元用于计算当日负荷数据对子序列的隶属度，隶属度计算公式为：
其中，d0i为样本X0到第i类中心子序列的欧式距离，d0i的计算公式为：
若u01＜u02，则X0∈A2；若u01＞u02，则X0∈A1。
优选地，所述失配判定模块包括数据预测单元、失配度计算单元和异常判定单元；
所述数据预测单元用于计算下一个数据点的预测值x′0(n+1)：
所述失配度计算单元用于计算失配度，其公式为：
其中u0＝max(u01，u02)；
所述异常判定单元用于判定线路是否发生异常。
优选地，所述异常类型研判模块中所述线路异常类型包括以下几种：
①分支线分闸：电流显著降低但不为零；
②分支线合闸：电流显著增加；
③主线分闸：电流降低为零；
④主线合闸：从零增加至某一数值；
⑤联络线路合环：两条线路分别发生分支线分闸和合闸事件，并且电流变化幅值相等、方向相反。
与现有技术相比，本发明通过采集变电站内10KV主线历史电流数据，通过负荷聚类以及负荷匹配，对电流数据进行预测，并计算失配度指标。由于对于历史电流数据进行了聚类，其历史负荷模式可以清晰指示当前负荷波动是否属于线路异常，从而达到故障监测的目的。由于本发明数据来源是变电站内10KV主线历史电流数据，数据准确率高、可靠性强、易于读取和处理，从而摆脱了现有配电网设备不能够支撑故障监测的束缚，且数据量小、计算速度快，对计算设备要求低，可以充分兼容供电企业已有的设备和数据，改造成本低廉，易于推广实现。
附图说明
图1为本发明实施例中所提供的一种基于历史数据分析的配电网异常监测方法流程图；
图2为本发明实施例中所提供的一种基于历史数据分析的配电网异常监测系统结构图。
具体实施方式
为了使本领域技术人员更好的理解本申请中的技术方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
下面结合附图对本发明实施例所提供的一种基于历史数据分析的配电网异常监测方法与系统进行详细说明，虽然本发明提供了如下述实施例或流程图所述的方法操作步骤，但基于常规或者无需创造性的劳动在所述方法中可以包括更多或者更少的操作步骤。如图1所示，本发明实施例所提供的一种基于历史数据分析的配电网异常监测方法，包括如下步骤：
S101、数据获取：
对于任意一条配电线路L，读取其所在的10KV主线电流遥测数据：
A＝{X1,X2,...,Xn}
其中Xi为线路L在第i日的电流数据，
Xi＝(xi1，xi2，...，xim)
其中xij为i日第j个采样点的电流值，数据平台的采样间隔为5min，故m＝288。
对于变电站内10KV主线来说，目前实时监控条件相对成熟，遥信、遥测等实时采集准确率已经达到99.9％以上，因此利用10KV主线历史电流数据准确率、可靠性高且易于读取的特点，可以有效解决部分现有配电设备不支持实时监测的问题。
S102、数据预处理：
为使数据具有相近的数量级和合适的幅值，将数据进行标准化，本发明选取线路限流数作为基准，将历史电流数据进行标准化，标准化公式为：
式中d为线路L的限流数。
S103、聚类计算：
对于一条确定的线路，在不发生大规模改造的前提下，其日常负荷曲线在工作日和节假日呈现出不同的负荷模式，具体的差别取决于所接入的负荷类型及比例。采用C均值聚类算法对样本A进行处理，聚类数c取值2，将线路负荷模式按照工作日、节假日进行聚类，得到聚类结果：
工作日类A1，聚类中心为：
Z1＝(z11，z12，...，z1m)；
节假日类A2，聚类中心为：
Z2＝(z21，z22，...，z2m)。
利用聚类算法可以有效提取线路历史数据中的有效信息，而且处理后的数据易于理解，有效解决现有技术中数据可读性差的问题。
S104、负荷模式匹配：
读取该线路截止到当前时刻的t当日负荷数据
X0＝(x01，x02，...，x0n)
n为t时刻前采样点个数，n小于等于m，故采用子序列匹配，Z1、Z2的子序列Z1s、Z2s。
Z1s＝(z11，z12，...，z1n)
Z2s＝(z21，z22，...，z2n)
分别计算X0对Z1s、Z2s的隶属度u01、u02。
其中，d0i为样本X0到第i类中心子序列的欧式距离，计算公式为：
若u01＜u02，则X0∈A2；若u01＞u02，则X0∈A1。
S105、失配判定：
根据聚类和匹配结果，计算下一个数据点的预测值x′0(n+1)：
读取线路t时刻的经标准化的采样值x0(t)。定义失配度指标：
其中，u0＝max(u01，u02)。
失配度指标综合考虑理论计算和实践经验等因素，包括实时值与预测值的偏差，以及子序列的隶属度。线路历史负荷模式越清晰，隶属度越高，失配度指标对负荷波动越敏感；反之，即使负荷波动相对较大，表现在失配度上也并不明显。因此该指标能够有效识别线路异常状态。
设置失配度阈值ε，如Ke(t)≥ε，即判定该线路发生异常。
S106、异常类型研判：
对于判定为异常的线路，进一步对电流遥测数据进行逻辑分析，确定发生的异常类型。
①分支线分闸：电流显著降低但不为零；
②分支线合闸：电流显著增加；
③主线分闸：电流降低为零；
④主线合闸：从零增加至某一数值；
⑤联络线路合环：两条线路分别发生分支线分闸和合闸事件，并且电流变化幅值相等、方向相反。
S107、推送显示：
将监测到的异常线路和自动研判出的故障类型推送至调控工作站，由调控人员进行确认和处理。
通过上述步骤可以看出，本发明可以在基于现有配电设备的情况下，进行故障监测，由于本发明数据来源是变电站内10KV主线历史电流数据，数据准确率高、可靠性强、易于读取和处理，从而摆脱了现有配电网设备不能够支撑故障监测的束缚，且数据量小、计算速度快，对计算设备要求低，可以充分兼容供电企业已有的设备和数据，改造成本低廉，易于推广实现。
本发明实施例还提供了一种基于历史数据分析的配电网异常监测系统，如图2所示。该系统包括：
数据获取模块201，用于获取任意一条配电线路L所在的10KV主线电流遥测数据：
A＝{X1，X2，...，Xn}
其中Xk为线路L在第k日的电流数据，
Xk＝(xk1，xk2，...，xkm)
其中Xki为k日第i个采样点的电流值，数据平台的采样间隔为5min，故m＝288。
数据预处理模块202，用于将历史电流数据进行标准化，标准化公式为：
式中d为线路L的限流数。
聚类计算模块203，用于对线路负荷模式进行聚类。采用C均值聚类算法对样本A进行处理，聚类数c取值2，将线路负荷模式按照工作日、节假日进行聚类，得到聚类结果：
工作日类A1，聚类中心为：
Z1＝(z11，z12，...，z1m)；
非工作日类A2,聚类中心为：
Z2＝(z21，z22，…，z2m)。
负荷模式匹配模块204，用于对当前负荷数据进行负荷模式匹配，所述负荷模式匹配模块包括子序列获取单元301和子序列隶属度计算单元302。
所述子序列获取单元用于获取当日负荷数据的子序列：
读取该线路截止到当前时刻的t当日负荷数据
X0＝(x01，x02，…，x0n)
n为t时刻前采样点个数，n小于等于m，故采用子序列匹配，Z1、Z2的子序列Z1s、Z2s。
Z1s＝(z11，z12，...，z1n)
Z2s＝(z21，z22，...，z2n)
所述子序列隶属度计算单元用于计算当日负荷数据对两个子序列的隶属度：
其中，d0i为样本X0到第i类中心子序列的欧式距离，计算公式为：
若u01＞u02，则X0∈A2；若u01＞u02，则X0∈A1。
失配判定模块205，用于计算失配度，根据失配度指标判定线路是否发生异常。所述失配判定模块包括数据预测单元401、失配度计算单元402和异常判定单元403。
所述数据预测单元用于计算下一个数据点的预测值：
根据聚类和匹配结果，计算下一个数据点的预测值x′0(n+1)：
所述失配度计算单元用于计算失配度：
读取线路t时刻的经标准化的采样值x0(t)。定义失配度指标：
其中，u0＝max(u01，u02)；
所述异常判定单元用于判定线路是否发生异常：设置失配度阈值ε，如Ke(t)≥ε，即判定该线路发生异常。
异常类型研判模块206，用于异常类型的确定：
对于判定为异常的线路，进一步对电流遥测数据进行逻辑分析，确定发生的异常类型。
①分支线分闸：电流显著降低但不为零；
②分支线合闸：电流显著增加；
③主线分闸：电流降低为零；
④主线合闸：从零增加至某一数值；
⑤联络线路合环：两条线路分别发生分支线分闸和合闸事件，并且电流变化幅值相等、方向相反。
推送显示模块207，用于将监测到的异常线路和自动研判出的故障类型推送至调控工作站，以供调控人员进行确认和处理。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于历史数据分析的配电网异常监测方法，其特征在于：包括以下步骤：
S101、历史数据获取，获取配电线路所在的10KV主线的历史电流数据；
S102、数据预处理，以线路限流数为基准，对所述历史电流数据进行标准化；
S103、聚类计算，根据线路负荷模式对所述历史电流数据进行聚类；
S104、负荷模式匹配，对当前负荷数据进行负荷模式匹配；
S105、失配判定，根据失配度判定线路是否发生异常；
S106、异常类型研判，确定线路异常类型；
S107、推送显示，将异常线路及异常类型推送至工作站。
2.根据权利要求1所述的基于历史数据分析的配电网异常监测方法，其特征在于：所述步骤S101的具体过程为：对于任意一条配电线路L，读取其所在的10KV主线电流遥测数据：
A＝{X1，X2，...，Xn}
其中，Xi为线路L在第i日的电流数据，
Xi＝(xi1，xi2，...，xim)
其中xij为i日第j个采样点的电流值，m为线路上的采样点个数。
3.根据权利要求2所述的基于历史数据分析的配电网异常监测方法，其特征在于：所述步骤S102的具体过程为：选取线路限流数作为基准，将历史电流数据采用下式进行标准化处理：
<mrow> <msubsup> <mi>x</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> <mo>&amp;prime;</mo> </msubsup> <mo>=</mo> <mfrac> <msub> <mi>x</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mi>d</mi> </mfrac> </mrow>
式中，xij为i日第j个采样点的电流值，d为线路L的限流数。
4.根据权利要求3所述的基于历史数据分析的配电网异常监测方法，其特征在于：所述步骤S103的具体过程为将所述线路负荷模式按照工作日、节假日进行聚类为工作日类A1和非工作日类A2，
工作日类A1的聚类中心为：
Z1＝(z11，z12，...，z1m)；
非工作日类A2的聚类中心为：
Z2＝(z21，z22，...，z2m)；
其中，m为线路上的采样点个数。
5.根据权利要求4所述的基于历史数据分析的配电网异常监测方法，其特征在于：所述步骤S104包括以下步骤：
获取子序列，读取该线路截止到当前时刻的t当日负荷数据
X0＝(x01，x02，...，x0n)
n为t时刻前采样点个数，n小于等于m，Z1和Z2的子序列分别为：
Z1s＝(z11，z12，...，z1n)
Z2s＝(z21，z22，...，z2n)
计算隶属度，所述隶属度的计算公式为：
<mrow> <msub> <mi>u</mi> <mrow> <mn>0</mn> <mi>i</mi> </mrow> </msub> <mo>=</mo> <mn>1</mn> <mo>/</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>c</mi> </munderover> <msup> <mrow> <mo>(</mo> <mfrac> <msub> <mi>d</mi> <mrow> <mn>0</mn> <mi>i</mi> </mrow> </msub> <msub> <mi>d</mi> <mrow> <mn>0</mn> <mi>j</mi> </mrow> </msub> </mfrac> <mo>)</mo> </mrow> <mn>2</mn> </msup> <mo>,</mo> <mi>i</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mn>2</mn> </mrow>
其中，d0i为样本X0到第i类中心子序列的欧式距离，d0i的计算公式为：
<mrow> <msub> <mi>d</mi> <mrow> <mn>0</mn> <mi>i</mi> </mrow> </msub> <mo>=</mo> <msqrt> <mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </munderover> <msup> <mrow> <mo>(</mo> <msub> <mi>x</mi> <mrow> <mn>0</mn> <mi>j</mi> </mrow> </msub> <mo>-</mo> <msub> <mi>z</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mrow> </msqrt> <mo>,</mo> <mi>i</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mn>2</mn> </mrow>
若u01＜u02，则X0∈A2；若u01＞u02，则X0∈A1。
6.根据权利要求5所述的基于历史数据分析的配电网异常监测方法，其特征在于：所述步骤S105包括以下步骤：
数据预测，计算下一个数据点的预测值x′0(n+1)：
<mrow> <msubsup> <mi>x</mi> <mrow> <mn>0</mn> <mrow> <mo>(</mo> <mi>n</mi> <mo>+</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow> <mo>&amp;prime;</mo> </msubsup> <mo>=</mo> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <msub> <mi>z</mi> <mrow> <mn>1</mn> <mrow> <mo>(</mo> <mi>n</mi> <mo>+</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow> </msub> <mo>,</mo> <msub> <mi>X</mi> <mn>0</mn> </msub> <mo>&amp;Element;</mo> <msub> <mi>A</mi> <mn>1</mn> </msub> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>z</mi> <mrow> <mn>2</mn> <mrow> <mo>(</mo> <mi>n</mi> <mo>+</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow> </msub> <mo>,</mo> <msub> <mi>X</mi> <mn>0</mn> </msub> <mo>&amp;Element;</mo> <msub> <mi>A</mi> <mn>2</mn> </msub> </mrow> </mtd> </mtr> </mtable> </mfenced> </mrow>
计算失配度，所述失配度计算公式为：
<mrow> <msub> <mi>K</mi> <mi>e</mi> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>=</mo> <msubsup> <mi>u</mi> <mn>0</mn> <mn>2</mn> </msubsup> <mo>&amp;CenterDot;</mo> <mo>|</mo> <msubsup> <mi>x</mi> <mrow> <mn>0</mn> <mrow> <mo>(</mo> <mi>n</mi> <mo>+</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow> <mo>&amp;prime;</mo> </msubsup> <mo>-</mo> <msub> <mi>x</mi> <mn>0</mn> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>|</mo> </mrow>
其中，u0＝max(u01，u02)；
根据失配度进行异常判定。
7.根据权利要求6所述的基于历史数据分析的配电网异常监测方法，其特征在于：所述步骤S106中线路异常类型包括以下几种：
①分支线分闸：电流显著降低但不为零；
②分支线合闸：电流显著增加；
③主线分闸：电流降低为零；
④主线合闸：从零增加至某一数值；
⑤联络线路合环：两条线路分别发生分支线分闸和合闸事件，并且电流变化幅值相等、方向相反。
8.一种基于历史数据分析的配电网异常监测系统，其特征在于：包括以下模块：
历史数据获取模块，用于获取配电线路所在的10KV主线的历史电流数据；
数据预处理模块，用于以线路限流数为基准，对所述历史电流数据进行标准化；
聚类计算模块，用于根据线路负荷模式对所述历史电流数据进行聚类；
负荷模式匹配模块，用于对当前负荷数据进行负荷模式匹配；
失配判定模块，用于根据失配度判定线路是否发生异常；
异常类型研判模块，用于确定线路异常类型；
推送显示模块，用于将异常线路及异常类型推送至工作站。
9.根据权利要求8所述的基于历史数据分析的配电网异常监测系统，其特征在于：所述负荷模式匹配模块包括子序列获取单元和子序列隶属度计算单元；
所述子序列获取单元用于获取当日负荷数据的子序列；
所述子序列隶属度计算单元用于计算当日负荷数据对子序列的隶属度，隶属度计算公式为：
<mrow> <msub> <mi>u</mi> <mrow> <mn>0</mn> <mi>i</mi> </mrow> </msub> <mo>=</mo> <mn>1</mn> <mo>/</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>c</mi> </munderover> <msup> <mrow> <mo>(</mo> <mfrac> <msub> <mi>d</mi> <mrow> <mn>0</mn> <mi>i</mi> </mrow> </msub> <msub> <mi>d</mi> <mrow> <mn>0</mn> <mi>j</mi> </mrow> </msub> </mfrac> <mo>)</mo> </mrow> <mn>2</mn> </msup> <mo>,</mo> <mi>i</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mn>2</mn> </mrow>
其中，d0i为样本X0到第i类中心子序列的欧式距离，d0i的计算公式为：
<mrow> <msub> <mi>d</mi> <mrow> <mn>0</mn> <mi>i</mi> </mrow> </msub> <mo>=</mo> <msqrt> <mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </munderover> <msup> <mrow> <mo>(</mo> <msub> <mi>x</mi> <mrow> <mn>0</mn> <mi>j</mi> </mrow> </msub> <mo>-</mo> <msub> <mi>z</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mrow> </msqrt> <mo>,</mo> <mi>i</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mn>2</mn> </mrow>
若u01＜u02，则X0∈A2；若u01＞u02，则X0∈A1。
10.根据权利要求9所述的基于历史数据分析的配电网异常监测系统，其特征在于：所述失配判定模块包括数据预测单元、失配度计算单元和异常判定单元；
所述数据预测单元用于计算下一个数据点的预测值x′0(n+1)：
<mrow> <msubsup> <mi>x</mi> <mrow> <mn>0</mn> <mrow> <mo>(</mo> <mi>n</mi> <mo>+</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow> <mo>&amp;prime;</mo> </msubsup> <mo>=</mo> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <msub> <mi>z</mi> <mrow> <mn>1</mn> <mrow> <mo>(</mo> <mi>n</mi> <mo>+</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow> </msub> <mo>,</mo> <msub> <mi>X</mi> <mn>0</mn> </msub> <mo>&amp;Element;</mo> <msub> <mi>A</mi> <mn>1</mn> </msub> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>z</mi> <mrow> <mn>2</mn> <mrow> <mo>(</mo> <mi>n</mi> <mo>+</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow> </msub> <mo>,</mo> <msub> <mi>X</mi> <mn>0</mn> </msub> <mo>&amp;Element;</mo> <msub> <mi>A</mi> <mn>2</mn> </msub> </mrow> </mtd> </mtr> </mtable> </mfenced> </mrow>
所述失配度计算单元用于计算失配度，其公式为：
<mrow> <msub> <mi>K</mi> <mi>e</mi> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>=</mo> <msubsup> <mi>u</mi> <mn>0</mn> <mn>2</mn> </msubsup> <mo>&amp;CenterDot;</mo> <mo>|</mo> <msubsup> <mi>x</mi> <mrow> <mn>0</mn> <mrow> <mo>(</mo> <mi>n</mi> <mo>+</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow> <mo>&amp;prime;</mo> </msubsup> <mo>-</mo> <msub> <mi>x</mi> <mn>0</mn> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>|</mo> </mrow>
其中，u0＝max(u01，u02)；
所述异常判定单元用于判定线路是否发生异常。
CN201710718397.1A 2017-08-21 2017-08-21 一种基于历史数据分析的配电网异常监测方法与系统 Active CN107611940B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710718397.1A CN107611940B (zh) 2017-08-21 2017-08-21 一种基于历史数据分析的配电网异常监测方法与系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710718397.1A CN107611940B (zh) 2017-08-21 2017-08-21 一种基于历史数据分析的配电网异常监测方法与系统

Publications (2)

Publication Number Publication Date
CN107611940A true CN107611940A (zh) 2018-01-19
CN107611940B CN107611940B (zh) 2019-08-13

Family

ID=61065554

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710718397.1A Active CN107611940B (zh) 2017-08-21 2017-08-21 一种基于历史数据分析的配电网异常监测方法与系统

Country Status (1)

Country Link
CN (1) CN107611940B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108572905A (zh) * 2018-04-23 2018-09-25 中国农业银行股份有限公司 一种基于分布式计算的监控方法及系统
CN109634942A (zh) * 2018-11-16 2019-04-16 许继集团有限公司 一种用能数据异常判断方法及装置
CN110108980A (zh) * 2019-04-29 2019-08-09 国网宁夏电力有限公司电力科学研究院 一种电力系统的异常事件的识别方法及装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130159508A1 (en) * 2003-11-24 2013-06-20 Time Warner Cable Inc. Methods and apparatus for hardware registration in a network device
CN103268115A (zh) * 2013-06-14 2013-08-28 鲁电集团有限公司 电力需求侧监控系统及监控方法
CN103617568A (zh) * 2013-12-06 2014-03-05 国家电网公司 稳态电能质量预警机制中的异常数据判定阈值设定方法
US20140163916A1 (en) * 2012-12-10 2014-06-12 International Business Machines Corporation Techniques for Iterative Reduction of Uncertainty in Water Distribution Networks
CN105930424A (zh) * 2016-04-19 2016-09-07 国网重庆市电力公司电力科学研究院 一种实现配电网数据在线异步采集智能挖掘的方法
CN106370981A (zh) * 2016-09-30 2017-02-01 中国石油化工股份有限公司 一种基于模糊聚类分析的配电网故障线路选线方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130159508A1 (en) * 2003-11-24 2013-06-20 Time Warner Cable Inc. Methods and apparatus for hardware registration in a network device
US20140163916A1 (en) * 2012-12-10 2014-06-12 International Business Machines Corporation Techniques for Iterative Reduction of Uncertainty in Water Distribution Networks
CN103268115A (zh) * 2013-06-14 2013-08-28 鲁电集团有限公司 电力需求侧监控系统及监控方法
CN103617568A (zh) * 2013-12-06 2014-03-05 国家电网公司 稳态电能质量预警机制中的异常数据判定阈值设定方法
CN105930424A (zh) * 2016-04-19 2016-09-07 国网重庆市电力公司电力科学研究院 一种实现配电网数据在线异步采集智能挖掘的方法
CN106370981A (zh) * 2016-09-30 2017-02-01 中国石油化工股份有限公司 一种基于模糊聚类分析的配电网故障线路选线方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108572905A (zh) * 2018-04-23 2018-09-25 中国农业银行股份有限公司 一种基于分布式计算的监控方法及系统
CN109634942A (zh) * 2018-11-16 2019-04-16 许继集团有限公司 一种用能数据异常判断方法及装置
CN110108980A (zh) * 2019-04-29 2019-08-09 国网宁夏电力有限公司电力科学研究院 一种电力系统的异常事件的识别方法及装置
CN110108980B (zh) * 2019-04-29 2021-08-17 国网宁夏电力有限公司电力科学研究院 一种电力系统的异常事件的识别方法及装置

Also Published As

Publication number Publication date
CN107611940B (zh) 2019-08-13

Similar Documents

Publication Publication Date Title
CN110674189B (zh) 一种智能变电站二次状态监测与故障定位的方法
CN111525697B (zh) 基于电流监测与线路拓扑分析的中低压配电网防窃电方法和系统
CN109501834A (zh) 一种道岔转辙机故障预测方法及装置
CN108199891B (zh) 一种基于人工神经网络多角度综合决策的cps网络攻击辨识方法
CN109814004A (zh) 配电网故障定位系统及方法
CN109633321A (zh) 一种台区户变关系区分系统、方法及台区高损监测方法
CN104463696A (zh) 电网运行风险识防方法及系统
CN107453354B (zh) 一种配电网的薄弱环节识别方法
CN112307003A (zh) 电网数据多维辅助分析方法、系统、终端及可读存储介质
CN102361351A (zh) 电力系统的远程监测诊断系统
CN107611940A (zh) 一种基于历史数据分析的配电网异常监测方法与系统
CN111884347A (zh) 多源电力信息融合的电力数据集中控制系统
CN107526044A (zh) 一种通信蓄电池遥测数据采集监控方法及系统
CN110690699A (zh) 一种基于泛在电力物联网的变电站智慧检测系统
CN116169778A (zh) 一种基于配电网异常分析的处理方法及系统
CN109581115B (zh) 一种配电网低电压诊断系统和诊断方法
CN105913126A (zh) 一种面向大数据和云环境的变电站智能告警模型方法
CN102707174B (zh) 电阻型超导限流器运行状态检测系统及检测方法
CN114814402A (zh) 基于一体化电量及线损系统大数据的异常用电分析方法
CN105958474A (zh) 一种电网调控系统用输电线路动态增容方法和系统
CN109298228A (zh) 一种基于光伏组串电流异常的智能化诊断方法及系统
CN103545805B (zh) 一种基于模型化的铁路电力供电臂监控方法
CN114399177B (zh) 一种基于Apriori的调度处置规则挖掘与生成方法及系统
CN115689532A (zh) 一种电力系统故障分析方法及其装置
CN115267616A (zh) 基于企业数据中台的变压器运行状态监测系统及方法

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