CN107846016A - 一种基于贝叶斯和复杂事件处理的配网故障定位方法及设备 - Google Patents

Abstract

本发明公开了一种基于贝叶斯和复杂事件处理的配网故障定位方法，包括如下步骤：S101：获取电网拓扑信息，划分配网故障定位计算节点；S102：根据划分的计算节点，获取各节点历史故障数据及监测信息，计算贝叶斯公式先验概率；S103：构建配网故障定位复杂事件的处理模型；S104：获取输入信息，并通过处理模型运算后输出故障定位信息。本发明提供的技术方案，采用贝叶斯方法来计算故障节点的概率，本发明先利用拓扑信息和历史故障信息获得故障概率，再根据实时故障反馈信息和电网设备运行信息进行概率计算，最后得到故障发生可能性最大的节点，从而实现故障定位。

Description

一种基于贝叶斯和复杂事件处理的配网故障定位方法及设备

技术领域

本发明涉及一种配网故障定位方法与系统，尤其涉及一种基于贝叶斯和复杂事件处理的配网故障定位的方法与设备。

背景技术

随着用户负荷的增长，配电网规模快速增长，供电可靠性要求持续增加，配电网故障的诊断和定位的重要性日益提高。据资料统计，在用户发生的所有停电中，由配电系统故障引起的超过80％，及时准确地判断设备故障地点和故障影响区域，快速准确地隔离设备故障地点，迅速恢复故障影响区域内的非故障段的供电，有利于减少停电时间和停电面积，提升经济效益。

随着社会对电力的需求越来越大，供电质量和供电可靠性的需求也与日俱增，对此，一种有效的提高供电质量的方式便是减少停电带来的负面影响。所以，有效的故障定位系统将会是减少停电时间和影响的利器。当配电网中出现故障，可以根据多种故障信息对故障做出反应，综合多信息源对故障准确定位、并采取有效措施隔离故障区域并恢复区域供电将会是未来配电网系统的关键技术之一。研究配电网区域故障检测方法，加强配电网的建设，提高配电网的管理水平，充分利用电力资源，提高劳动生产率和经济效益，增强电力部门的整体实力，提高电力企业的竞争力，全面实现配电自动化成为一项迫切的任务。

以往的配网故障定位方法中，因配网拓扑结构繁杂，配套设备自动化程度低，只能采用开关试投等的办法来确定故障区域，从而导致众多开关反复动作，给配电网重复带来了冷负荷的冲击，有可能超过馈线的负荷极限，并且对用户的供电质量带来很大影响。随着配网自动化要求的不断提高，提出新的配网故障方法迫在眉睫。

在配网定位问题中的研究关键主要在于四个方面：其一是需要结合GIS系统对配网结构进行故障定位，并系统分析故障信息和实际故障的拓扑关系，为故障定位打下基础；另一个方面则是需要综合利用多种故障信息源，在实际配网运转中，随着各种自动化反馈元件的铺设，对于配网故障的报障信息将会是多元化的，如何将多种报障信息综合结合起来，最大化地提高配网故障定位的准确率，将会是配网故障定位的关键因素；其三是配网故障定位涉及到多个节点的监测装置的信息，且这些监测装置的数据频率并不一致，即便对于同一装置，由于网络传输等原因，其时间分布也存在着较大差异，在实际处理过程中，如何解决故障信息广泛且随机分布的问题，也是配网故障定位中需要研究的关键；其四是配网故障定位涉及到多个系统，如SCADA系统、业务系统、在线监测系统、计量系统等，且实时性要求高，各类报警事件关系复杂，如何构建有效的方法和系统，对上述信息进行高效地处理，及时反馈故障定位结果，也是配网故障定位中面临的问题。

发明内容

为了克服现有技术的不足，本发明的目的在于提供一种基于贝叶斯和复杂事件处理的配网故障定位的方法与系统，以实现配网故障定位，且提高配网故障定位的效率和准确性。

为解决上述问题，本发明所采用的技术方案如下：

一种基于贝叶斯和复杂事件处理的配网故障定位方法，包括如下步骤：S101：获取电网拓扑信息，划分配网故障定位计算节点；S102：根据划分的计算节点，获取各节点历史故障数据及监测信息，计算贝叶斯公式先验概率；S103：构建配网故障定位复杂事件的处理模型；S104：获取输入信息，并通过处理模型运算后输出故障定位信息。

进一步的技术方案为，所述步骤S101具体为：S101-1：从GIS平台获取对应供电单位10kV馈线的拓扑模型；S101-2：获取拓扑模型对应的XML文件，分别对每一条馈线对应的设备信息进行解析；S101-3：获取每一条路径的元件清单，确认可能存在的故障节点；S101-4：通过链表的形式存储所有路径以及各路径中包含的节点。

再进一步的技术方案为，所述步骤S103的配网故障定位的贝叶斯公式为：

其中n为可能故障的节点数量，A_i(i＝1,2,…,n)为具体的故障节点，m为关联监测装置的数量，B_k(k＝1,2,…,m)为监测装置的状态，P(B_k|A_i)为对应故障节点的先验概率，max表示概率取得最大值时，A_i的取值。

更进一步的技术方案为，所述步骤S102具体为：S102-1：在此拓扑信息的基础上，根据经验数据获得报障信息概率P(B_k|A_i)，其中B_k为故障反馈信息，A_i为实际可能的故障；S102-2：从计量自动化系统中获得历史故障信息，并直接统计报障信息概率P(B_k|A_i)，其中B_k为故障反馈信息，A_i为实际可能的故障；S102-3：根据历史信息进行推断概率P(B_k|A_i)；若历史信息缺失，则以经验数据进行。

更进一步的技术方案为，所述步骤S103具体为：S103-1：定义配网故障定位事件模式，描述事件模式中的规则以及约束；S103-2：创建配网故障定位复杂事件，构建配网故障定位的概念层次结构；S103-3：构建配网故障定位事件处理网络，并构建复杂事件处理网络架构。

另一方案，本发明还提供一种基于贝叶斯和复杂事件处理的配网故障定位设备，包括一个或多个处理器，用于执行上述任意一种方法。

相比现有技术，本发明的有益效果在于：

本发明提供的技术方案，采用贝叶斯方法来计算故障节点的概率，本发明先利用拓扑信息和历史故障信息获得故障概率，再根据实时故障反馈信息和电网设备运行信息进行概率计算，最后得到故障发生可能性最大的节点，从而实现故障定位。使用这种故障定位方法可以综合多源故障信息源，并且对故障误报有一定的鲁棒性，准确度较高，且对信息的综合利用率高。同时，本发明采用复杂事件处理方法，复杂事件处理对于检测由广泛、随机分布在时间和位置上的事件组成的复杂事件模式具有较好的适用性，解决了故障广泛且时间频率不一致的问题。复杂事件通过事件规则的预定义，主动检测发生的事件，当关注事件发生时，才触发下一事件，大大缩短了处理事件，使得配网故障定位计算具有了实时性。同时，复杂事件处理可通过事件模式、事件层次结构、事件模式之间的关联和抽象，将不同的事件进行封装分别处理，更适用于分布式架构，有利于将大数据的分布式计算技术、流计算技术进一步应用于配网故障定位，缩短计算时间，提高配网故障定位的效率和准确性。

附图说明

图1为本发明基于贝叶斯和复杂事件处理的配网故障定位方法的流程图；

图2为本发明提供的基于贝叶斯和复杂事件处理的配网故障定位系统的结构图。

具体实施方式

为更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明的具体实施方式、结构、特征及其功效，详细说明如下：

图1为本发明实施例中提供的基于贝叶斯和复杂事件处理的配网故障定位方法的流程图。本实施例的方法可以由基于贝叶斯和复杂事件处理的配网故障定位方法系统来执行，该系统可以通过软件的方式来实现，且可以加载于终端设备中。参考图1，本实施例提供的基于贝叶斯和复杂事件处理的配网故障定位方法可以包括如下步骤：

S101、获取电网拓扑信息，划分配网故障定位计算节点。

具体的，解析CIM拓扑模型中各馈线的描述信息，得到电网拓扑关系，具体的，针对每条馈线，得到该馈线对应的所有路径以及各路径中包含的开关以及故障指示器信息。

示例性地，步骤S101可以包括：

S102-1、从GIS平台获取对应供电单位10kV馈线的拓扑模型；

S101-2、获取拓扑模型对应的XML文件，分别对每一条馈线对应的设备信息进行解析，即获取在步骤S101中获得的拓扑模型对应的XML文件，分别对每一条馈线对应的设备信息进行解析；

S101-3、获取每一条路径的元件清单，确认可能存在的故障节点，即从出线开关开始，对每一条路径进行遍历，在遍历过程中，考虑可能出现故障的节点(变压器、馈线、用电负荷等)，以及FTU,DTU,故障指示器等可能反馈故障信息的元件；

S101-4、通过链表的形式存储所有路径以及各路径中包含的节点，即在遍历的过程中，通过链表的形式存储所有路径以及各路径中包含的节点，节省空间。

S102、根据划分的计算节点，获取各节点历史故障数据及监测信息，计算贝叶斯公式先验概率。

具体的，配网故障定位的贝叶斯公式为：

其中n为可能故障的节点数量，A_i(i＝1,2,…,n)为具体的故障节点，m为关联监测装置的数量，B_k(k＝1,2,…,m)为监测装置的状态，P(B_k|A_i)为对应故障节点的先验概率，max表示概率取得最大值时，A_i的取值。

优选地，获取的故障信息可包括：

示例性地，步骤S102可以包括：

S102-1在此拓扑信息的基础上，根据经验数据和专家意见综合获得报障信息概率P(B_k|A_i)，其中B_k为故障反馈信息，A_i为实际可能的故障；

S102-2从计量自动化系统中获得历史故障信息，并直接统计报障信息概率 P(B_k|A_i)，其中B_k为故障反馈信息，A_i为实际可能的故障；

S102-3在推断概率P(B_k|A_i)时，以历史信息为主要依据，在历史信息缺失的情况下结合相似情况的经验数据和专家意见得到概率信息。

S103、构建配网故障定位复杂事件的处理模型，即构建配网故障定位复杂事件处理引擎。

示例性地，步骤S103可以包括：

S103-1、定义配网故障定位事件模式，描述事件模式中的规则以及约束；

优选地，主要配网故障定位事件可包括：

故障信息数据丢失监控事件：包括故障指示器信息、超时时间、时间戳数据域；

故障发生监控事件：包括故障指示器信息、故障指示器状态数据、时间戳数据域；

故障概率计算事件：包括故障指示器信息、节点信息、先验概率信息、故障信息、节点故障概率信息、时间戳数据域；

故障节点定位事件：包括节点故障概率信息、时间戳数据域。

具体地，对于事件模型规则的描述必须包括事件的变量、事件类型、模型、上下文检查以及具体的行为。

例如，本发明实例采用一种STRAW-EPL来描述故障指示器数据丢失事件模式的规则语言，各类事件的规则如表1-4所示：

例如，本发明实例采用一种STRAW-EPL来描述故障指示器数据丢失事件、 开关状态数据丢失事件、节点故障概率计算事件、故障节点定位事件模式的规 则语言，各类事件的规则如表1-5所示：

表1故障信息数据丢失监控事件规则描述格式如下所示：

其中Id为设备ID，Sting表示字符型，T为时间戳，Time表示时间类型， T1为超时时长，Time表示时间类型，Timeout(String ID,Time T1Time T)表示故障指示器信息获取超时事件，Warning_Loss(ID,T)表示数据丢失告警事件。

表2故障发生监控事件规则描述格式如下所示：

其中Id为设备ID，Sting表示字符型，flag为故障指示器状态，Bool表示布尔型，T为时间戳，Time表示时间类型，Receive(String ID,Bool flag,Time T)表示获取故障指示器状态事件，(String ID,Time T1Time T)表示故障指示器信息获取超时事件，WarningAccident(ID,T)表示故障发生告警事件。

表3节点故障概率计算事件规则描述格式如下所示：

其中ID为设备ID，String表示字符型，Node为节点，Sting表示字符型， Message M为该节点的故障信息，Probability P为该节点故障信息对应的先验概率，Probability P_Node为该节点故障概率信息，T为时间戳，Time表示时间类型，WarningAccident(StringID,Time T)表示故障发生告警事件, Recevive(Message M,Time T)表示获取故障信息事件，Bayes(String Node, Message M,Probability P,Probability P_Node,Time T)表示计算对应节点的贝叶斯故障概率，Send(String Node,Probability P_Node,Time T)表示对应将计算结果进行推送；Node_Probability(String Node,Probability P_Node,TimeT)表示节点故障概率计算事件。

表4故障定位事件规则描述格式如下所示：

其中Node为节点，Sting表示字符型，Message Pr为所有节点的故障概率信息，Probability P_Node为具体节点故障概率信息，T为时间戳，Time表示时间类型，Receive(String ID,Time T)表示故障发生告警事件, Receive(Message Pr,Time T)表示关联节点的故障概率信息，Max(String Node,Probability P_Node,Time T)表示计算最大故障概率的节点， Publish(String Node,Probability P_Node,Time T)表示对应将计算结果进行发布；Fault_Location(Node,P_Node,T)表示配网故障定位事件；

S103-2、创建配网故障定位复杂事件，构建配网故障定位的概念层次结构。

示例性地，配网故障定位事件概念层次结构如表5所示。

表5配网故障定位事件概念层次结构如下：

具体地，该表描述了配网故障定位事件的层次结构，层次1描述了可获取的活动，除第一层的任何层次的活动都可以看成该层之下各层活动的聚合。

S103-3、构建配网故障定位事件处理网络(event processing network,EPN)，并构建复杂事件处理网络架构。

S104、获取输入信息，并通过处理模型运算后输出故障定位信息，即利用复杂事件处理引擎定位配网故障，并输出故障定位信息。

具体地，当发生故障时，触发各节点故障概率计算事件以及配网故障定位事件，利用复杂事件处理引擎定位故障发生地点，并在GIS单线图上进行展示。

本发明实施例提供的技术方案，采用贝叶斯方法来计算故障节点的概率，并提出了基于复杂事件处理的配网故障定位方法。利用贝叶斯方法使用这种故障定位方法可以综合多源故障信息源，并且对故障误报有一定的鲁棒性，准确度较高，且对信息的综合利用率高。同时，复杂事件处理对于检测由大规模数据、随机分布在时间的事件组成的复杂事件模式具有较好的适用性，解决了故障信息来源广泛且时间频率不一致的问题，并且更适用于大数据架构，有利于提高配网故障定位的效率和准确性，减轻业务人员分析配网故障定位的工作量。另一方面，配网故障快速定位能够辅助抢修人员在故障发生时快速定位故障发生地点，迅速隔离故障区域，恢复非故障区域的供电，提高供电可靠性。同时，配网故障定位进一步提高抢修的效率，减轻抢修人员的工作负担。

此外，本发明还提供一种基于贝叶斯和复杂事件处理的配网故障定位设备，包括一个或多个处理器，用于执行上述实施例中任意一项所述的方法。

本实施例提供的基于贝叶斯和复杂事件处理的配网故障定位装置，与本发明任意实施例所提供的基于贝叶斯和复杂事件处理的配网故障定位方法属于同一发明构思，可执行本发明任意实施例所提供的基于贝叶斯和复杂事件处理的配网故障定位方法，具备执行基于贝叶斯和复杂事件处理的配网故障定位方法相应的有益效果。未在本实施例中详尽描述的技术细节，可参见本发明任意实施例提供的基于贝叶斯和复杂事件处理的配网故障定位方法。

上述实施方式仅为本发明的优选实施方式，不能以此来限定本发明保护的范围，本领域的技术人员在本发明的基础上所做的任何非实质性的变化及替换均属于本发明所要求保护的范围。

Claims (6)

1.一种基于贝叶斯和复杂事件处理的配网故障定位方法，其特征在于，包括如下步骤：

S101：获取电网拓扑信息，划分配网故障定位计算节点；

S102：根据划分的计算节点，获取各节点历史故障数据及监测信息，计算贝叶斯公式先验概率；

S103：构建配网故障定位复杂事件的处理模型；

S104：获取输入信息，并通过处理模型运算后输出故障定位信息。

2.根据权利要求1所述的基于贝叶斯和复杂事件处理的配网故障定位方法，其特征在于，所述步骤S101具体为：

S101-1：从GIS平台获取对应供电单位10kV馈线的拓扑模型；

S101-2：获取拓扑模型对应的XML文件，分别对每一条馈线对应的设备信息进行解析；

S101-3：获取每一条路径的元件清单，确认可能存在的故障节点；

S101-4：通过链表的形式存储所有路径以及各路径中包含的节点。

3.根据权利要求2所述的基于贝叶斯和复杂事件处理的配网故障定位方法，其特征在于，所述步骤S103的配网故障定位的贝叶斯公式为：

其中n为可能故障的节点数量，A_i(i＝1，2，...，n)为具体的故障节点，m为天联监测装置的数量，B_k(k＝1，2，...，m)为监测装置的状态，P(B_k|A_i)为对应故障节点的先验概率，表示概率取得最大值时，A_i的取值。

4.根据权利要求3所述的基于贝叶斯和复杂事件处理的配网故障定位方法，其特征在于，所述步骤S102具体为：

S102-1：在此拓扑信息的基础上，根据经验数据获得报障信息概率P(B_k|A_i)，其中B_k为故障反馈信息，A_i为实际可能的故障；

S102-2：从计量自动化系统中获得历史故障信息，并直接统计报障信息概率P(B_k|A_i)，其中B_k为故障反馈信息，A_i为实际可能的故障；

S102-3：根据历史信息进行推断概率P(B_k|A_i)；若历史信息缺失，则以经验数据进行。

5.根据权利要求4所述的基于贝叶斯和复杂事件处理的配网故障定位方法，其特征在于，所述步骤S103具体为：

S103-1：定义配网故障定位事件模式，描述事件模式中的规则以及约束；

S103-2：创建配网故障定位复杂事件，构建配网故障定位的概念层次结构；

S103-3：构建配网故障定位事件处理网络，并构建复杂事件处理网络架构。

6.一种基于贝叶斯和复杂事件处理的配网故障定位设备，其特征在于，包括一个或多个处理器，用于执行权利要求1-5任意一项所述的方法。