CN109490711A - 基于保护启动录波数据的扰动路径分析方法 - Google Patents
基于保护启动录波数据的扰动路径分析方法 Download PDFInfo
- Publication number
- CN109490711A CN109490711A CN201811428102.8A CN201811428102A CN109490711A CN 109490711 A CN109490711 A CN 109490711A CN 201811428102 A CN201811428102 A CN 201811428102A CN 109490711 A CN109490711 A CN 109490711A
- Authority
- CN
- China
- Prior art keywords
- node
- disturbance
- sequence
- perturbation
- degree
- 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
Links
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
- G01R31/088—Aspects of digital computing
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开涉及一种基于保护启动录波数据的扰动路径分析方法。该方法包括:对电网系统中的录波数据频谱分解,获得多个录波数据向量;根据扰动幅度阈值,从多个录波数据向量中提取出多个扰动向量;根据预设的频率区间、时间窗宽度及步长,对多个扰动向量聚类分析,获得多个扰动节点序列;对多个扰动节点序列搜索分析,识别出多个频繁扰动节点子序列;根据多个频繁扰动节点子序列以及厂站与供电线路之间的连接关系,确定显性和隐性扰动序列;根据显性和隐性扰动序列,确定电网系统的扰动分析结果。本公开的实施例能够对电网中扰动路径进行定位,实现对电网隐患的提前发现和预警。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及一种基于保护启动录波数据的扰动路径分析方法。
背景技术
电网中存在着并非故障的扰动冲击,而这些扰动会造成保护设备的启动,但是并不会产生保护动作,只会产生所谓保护启动的录波,这种录波在站端大量存在,在以往的处理中因为这些录波不是故障数据而不进行处理,但是这些录波对于分析电网中隐患薄弱点及预警是有价值的。
发明内容
有鉴于此,本公开提出了一种基于保护启动录波数据的扰动路径分析方法,以便对电网中扰动路径进行定位,实现对电网隐患的提前发现和预警。
根据本公开的一方面,提供了一种基于保护启动录波数据的扰动路径分析方法,所述方法包括:
根据预设的频率分辨率和时间分辨率,对电网系统中保护设备启动的录波数据进行频谱分解,获得多个录波数据向量,其中,每个录波数据向量包括录波数据的标识、时间、频率及幅度;
根据预设的扰动幅度阈值,从所述多个录波数据向量中提取出多个扰动向量;
根据预设的频率区间、时间窗宽度及时间步长,对所述多个扰动向量进行聚类分析,获得多个扰动节点序列;
对多个扰动节点序列分别进行搜索分析,识别出多个频繁扰动节点子序列;
根据所述多个频繁扰动节点子序列以及所述电网系统中厂站与供电线路之间的连接关系,确定显性扰动序列和隐性扰动序列;
根据所述显性扰动序列和所述隐性扰动序列,确定所述电网系统的扰动分析结果,
其中,所述扰动分析结果包括扰动源、扰动路径以及易受扰动节点中的至少一种。
在一种可能的实现方式中,根据预设的扰动幅度阈值,从所述多个录波数据向量中提取出多个扰动向量,包括:
将所述多个录波数据向量中的幅度大于或等于所述扰动幅度阈值的录波数据向量确定为扰动向量。
在一种可能的实现方式中,根据预设的频率区间、时间窗宽度及时间步长,对所述多个扰动向量进行聚类分析,获得多个扰动节点序列,包括:
根据预设的频率区间,将所述多个扰动向量划分到与每个频率区间对应的扰动向量集中;
根据所述时间窗宽度及时间步长,分别对每个扰动向量集中的扰动向量进行窗口滑动分析,构建每个频率区间的多个扰动节点序列,
其中,每个扰动节点序列中的各个节点的标识为对应的扰动向量的标识。
在一种可能的实现方式中,对多个扰动节点序列分别进行搜索分析,识别出多个频繁扰动节点子序列,包括:
构造每个频率区间的多个扰动节点序列的各个节点之间的连接关系;
根据所述连接关系,确定频繁扰动节点子序列以及频繁扰动节点子序列中各个节点的出度、入度及连接权重。
在一种可能的实现方式中,根据所述多个频繁扰动节点子序列以及所述电网系统中厂站与供电线路之间的连接关系,确定显性扰动序列和隐性扰动序列,包括:
根据所述电网系统中厂站与供电线路之间的连接关系,确定所述电网系统中的各个节点以及用于表征各个节点之间的连接关系的静态拓扑数据结构;
根据多个频繁扰动节点子序列以及所述静态拓扑数据结构,确定显性扰动序列和隐性扰动序列,
其中,所述显性扰动序列包括与静态拓扑数据结构中的节点匹配的频繁扰动节点子序列,所述隐性扰动序列包括与静态拓扑数据结构中的节点部分匹配的频繁扰动节点子序列。
在一种可能的实现方式中,根据多个频繁扰动节点子序列以及所述静态拓扑数据结构,确定显性扰动序列和隐性扰动序列,包括:
在频繁扰动节点子序列的首个节点是所述静态拓扑数据结构中存在的节点时,确定所述频繁扰动节点子序列与静态拓扑数据结构中的节点匹配。
在一种可能的实现方式中,根据所述显性扰动序列和所述隐性扰动序列,确定所述电网系统的扰动分析结果,包括:
对所述显性扰动序列与所述隐性扰动序列进行合并处理,获得扰动分析集合并叠加确定所述扰动分析集合中各个节点的出度、入度及连接权重;
根据各个节点的出度、入度及连接权重中的至少一种,确定所述电网系统的扰动分析结果。
在一种可能的实现方式中,根据各个节点的出度、入度及连接权重中的至少一种,确定所述电网系统的扰动分析结果,包括以下至少一项:
将各个节点中的出度大于或等于出度阈值的节点确定为扰动源;
将各个节点中的入度大于或等于入度阈值的节点确定为易受扰动节点;
将各个节点中的连接权重大于或等于权重阈值的节点所组成的连接路径确定为扰动路径。
根据本公开实施例的一种基于保护启动录波数据的扰动路径分析方法,该方法包括:根据预设的频率分辨率和时间分辨率,对电网系统中保护设备启动的录波数据进行频谱分解,获得多个录波数据向量,其中,每个录波数据向量包括录波数据的标识、时间、频率及幅度;根据预设的扰动幅度阈值,从多个录波数据向量中提取出多个扰动向量;根据预设的频率区间、时间窗宽度及时间步长,对多个扰动向量进行聚类分析,获得多个扰动节点序列;对多个扰动节点序列分别进行搜索分析,识别出多个频繁扰动节点子序列;根据多个频繁扰动节点子序列以及电网系统中厂站与供电线路之间的连接关系,确定显性扰动序列和隐性扰动序列;根据显性扰动序列和所述隐性扰动序列,确定电网系统的扰动分析结果,其中,扰动分析结果包括扰动源、扰动路径以及易受扰动节点中的至少一种。本公开的实施例能够对电网中的扰动源和扰动路径进行定位,以实现对电网隐患的提前发现和预警,实现方法简单、易操作且结果准确性高,具有较强的参考价值。
根据下面参考附图对示例性实施例的详细说明,本公开的其它特征及方面将变得清楚。
附图说明
包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本公开的示例性实施例、特征和方面,并且用于解释本公开的原理。
图1示出根据本公开一实施例的一种基于保护启动录波数据的扰动路径分析方法的流程图;
图2示出根据本公开一实施例的构建扰动节点子序列的示意图;
图3示出根据本公开一实施例的厂站与线路组成的静态拓扑数据结构示意图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面,但是除非特别指出,不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
另外,为了更好的说明本公开,在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解,没有某些具体细节,本公开同样可以实施。在一些实例中,对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述,以便于凸显本公开的主旨。
图1示出根据本公开一实施例的一种基于保护启动录波数据的扰动路径分析方法的流程图,方法包括步骤S11至S16。
在步骤S11中,根据预设的频率分辨率和时间分辨率,对电网系统中保护设备启动的录波数据进行频谱分解,获得多个录波数据向量,其中,每个录波数据向量包括录波数据的标识、时间、频率及幅度;
在步骤S12中,根据预设的扰动幅度阈值,从多个录波数据向量中提取出多个扰动向量;
在步骤S13中,根据预设的频率区间、时间窗宽度及时间步长,对多个扰动向量进行聚类分析,获得多个扰动节点序列;
在步骤S14中,对多个扰动节点序列分别进行搜索分析,识别出多个频繁扰动节点子序列;
在步骤S15中,根据多个频繁扰动节点子序列以及电网系统中厂站与供电线路之间的连接关系,确定显性扰动序列和隐性扰动序列;
在步骤S16中,根据显性扰动序列和所述隐性扰动序列,确定电网系统的扰动分析结果,其中,扰动分析结果包括扰动源、扰动路径以及易受扰动节点中的至少一种。
根据本公开的实施例,根据预设的频率分辨率和时间分辨率,对电网系统中保护设备启动的录波数据进行频谱分解,获得多个录波数据向量;根据预设的扰动幅度阈值,从多个录波数据向量中提取出多个扰动向量;根据预设的频率区间、时间窗宽度及时间步长,对多个扰动向量进行聚类分析,获得多个扰动节点序列;对多个扰动节点序列分别进行搜索分析,识别出多个频繁扰动节点子序列;根据多个频繁扰动节点子序列以及电网系统中厂站与供电线路之间的连接关系,确定显性扰动序列和隐性扰动序列;根据显性扰动序列和隐性扰动序列,确定电网系统的扰动分析结果。本公开的实施例能够对电网中的扰动源和扰动路径进行定位,以实现对电网隐患的提前发现和预警,实现方法简单易操作且准确定高,具有较强的参考价值。
在一种可能的实现方式中,根据预设的频率分辨率和时间分辨率,对电网系统中保护设备启动的录波数据进行频谱分解,获得多个录波数据向量,其中,每个录波数据向量包括录波数据的标识、时间、频率及幅度。
在该实现方式中,对电网系统中保护设备启动的录波数据进行频谱分解,获得多个录波数据向量wav_disposed=<sid,t,freq,amp>,其中sid为录波数据向量的标识,是厂站id与相别的组合;t为录波数据向量的时间,是进行频谱分解后录波内的相对时间与录波文件产生的时刻结合形成的绝对时间;freq为录波数据向量的频率;amp为录波数据的频率freq在时间t时的幅值。
通过这种方式,可以获得录波数据向量,为扰动定位提供数据来源。
在一种可能的实现方式中,根据预设的扰动幅度阈值,从多个录波数据向量中提取出多个扰动向量,包括:
将多个录波数据向量中的幅度大于或等于扰动幅度阈值的录波数据向量确定为扰动向量。
在该实现方式中,预先设定扰动幅度阈值(thresh_amp),将多个录波数据向量中幅度(amp)大于或等于扰动幅度阈值,即amp≥thresh_amp的录波数据向量提取出来,作为扰动向量。可根据实际录波数据向量的参数特征确定扰动幅度阈值,本公开对此不作限制。
通过这种方式,可以得到扰动向量,为寻找扰动源和定位扰动路径提供方向来源。
图2示出根据本公开一实施例的构建扰动节点子序列的示意图。
在一种可能的实现方式中,根据预设的频率区间、时间窗宽度及时间步长,对多个扰动向量进行聚类分析,获得多个扰动节点序列,包括:
根据预设的频率区间,将多个扰动向量划分到与每个频率区间对应的扰动向量集中;
根据时间窗宽度及时间步长,分别对每个扰动向量集中的扰动向量进行窗口滑动分析,构建每个频率区间的多个扰动节点序列,
其中,每个扰动节点序列中的各个节点的标识为对应的扰动向量的标识。
在该实现方式中,可将扰动向量中的扰动频率参数提取出来,采用一维聚类的方法对扰动频率进行聚类。举例来说,将扰动向量中的扰动频率参数提取出来并进行聚类得到K个类(K为大于1的整数),第k类的中心为频率Ck(1≤k<K),该类的扰动频率区间为(Lk,Rk](Lk<Ck<Rk)。可根据实际需要选择数据处理方法对频率进行分类,本公开对此不作限制。
在一种可能的实现方式中,根据扰动频率所属的频率区间,将扰动向量划分到扰动频率区间对应的扰动向量集。举例来说,扰动频率区间为(Lk,Rk],那么将扰动向量wave_disposed划分到扰动频率区间对应的扰动向量集Set_disturbk中,其中Set_disturbk={<sid,t>},频率freq∈(Lk,Rk]。
在一种可能的实现方式中,如图2所示,对于每个频率区间的扰动向量集Set_disturbk按照时间t对扰动向量wave_disposed进行排序。令时间tleft等于每个扰动向量集中的第一个扰动向量的时间t,按照设定的时间窗宽度thresh_win以及时间步长,采用变步长滑动窗口方法进行窗口滑动,将扰动向量集Set_disturbk中满足tleft<t<tleft+thresh_win的扰动向量取出,形成扰动节点子序列<sid1,sid2…sidn>,并加入第k个频率区间的扰动节点子序列集中Seqk中。其中,每个扰动节点序列Seqk中的各个节点的标识sid为对应扰动向量的标识sid。
在一种可能的实现方式中,令时间tleft等于每个扰动向量集中的下一个扰动向量的时间t,k=k+1,进行循环处理,直到k>K为止结束循环。可根据实际时间的长度对时间窗宽度和时间步长进行设置,本公开对此不作限制。
通过这种方式,可以获得扰动节点子序列,为分析扰动路径提供扰动来源。
在一种可能的实现方式中,对多个扰动节点序列分别进行搜索分析,识别出多个频繁扰动节点子序列,包括:
构造每个频率区间的多个扰动节点序列的各个节点之间的连接关系;
根据连接关系,确定频繁扰动节点子序列以及频繁扰动节点子序列中各个节点的出度、入度及连接权重。
在该实现方式中,对多个扰动节点序列分别进行搜索分析,构造每个频率区间的多个扰动节点序列的各个节点之间的连接关系。例如,可以采用构造频繁树的方法。当k=1时,取出Seq1,构造频繁树的根节点rootNode,树中所有节点node都有四个属性:标识(sid)、出度(outdegree),入度(indegree),该节点发出的链接(nextlinks)。标识(sid)与扰动节点子序列中的定义相同,表示厂站的id与相别之间的组合,出度(outdegree)表示从本节点发出的连接数,入度(indegree)表示发向本节点的连接数,该节点发出的链接(nextlinks)表示该节点所指向子节点指针列表,含有两个属性:子节点node*(代表指向的子节点)和权重weight(表示连接的权重)。根节点(rootNode)作为虚的根节点,其入度indegree=0。可根据实际需要选择其他搜索分析方法,本公开对此不作限制。
在一种可能的实现方式中,在构建频繁树时,对于频繁树中待处理的节点(curNode),如果待处理节点(curNode)发出的链接(nextlinks)为空,则生成新节点(newnode),newnode={id:Seqk[j].sid,indegree=1},其中id表示新节点的标识,将扰动节点子序列第j个节点的标识Seqk[j].sid作为新节点(newnode)的标识sid,该新节点的入度为1。将扰动节点子序列Seqk中剩余的节点进行同样的处理,依次生成从前往后的连接,即Seqk[j]指向Seqk[j+1],Seqk[j+1]指向Seqk[j+2]…,直到Seqk[len_Seqk]为止,len_Seqk表示Seqk序列的长度。Seqk[len_Seqk]的连接指向一个空对象,作为结束标记。
在一种可能的实现方式中,将频繁树中待处理的节点curNode设置为频繁树结构中rootNode的nextlinks所指向的第一个子节点,将扰动节点子序列第j个节点的标识Seqk[j].sid与第一个子节点curNode的标识sid进行比较。如果相等则将第一个子节点curNode的属性出度outdegree加1,将待处理节点curNode切换为该节点所指向的子节点,j=j+1;如果不相等则将待处理curNode切换为下一个同级节点即节点curNode父节点所发出的链接(nextlinks)中的下一个节点;如果已没有同级节点,即待处理节点curNode的父节点发出的链接(nextlinks)已遍历完毕,那么生成一个子节点,子节点的标识sid值为Seqk[j].sid,num=1,并生成一个指向该子节点的连接nextlink,该nextlink由curNode,指向这个新生成的子节点。将Seqk中剩余的元素进行同样的处理后,依次生成从前往后的连接,即Seqk[j]指向Seqk[j+1],Seqk[j+1]指向Seqk[j+2],直到Seqk[len_Seqk]为止。Seqk[len_Seqk]的连接指向一个空对象,作为结束标记。直到遍历完Seqk中的每一项,那么生成了扰动节点序列Seqk树对应的树rootk。
在一种可能的实现方式中,对于每一个频率区间k所对应的生成树rootk,采用深度遍历的方法,从根节点rootnode的开始遍历树,将树的每个分支中的节点node都取出来(rootnode除外),形成一个每个节点都至多有一个子节点的频繁扰动节点子序列link_disturbk,其数据结构与树rootk中的节点相同。对于频率区间k,将所有从频繁树rootk分解得到的频繁扰动节点子序列link_disturbk,形成频繁扰动节点子序列集linksetk={link_disturbk}。
图3示出根据本公开一实施例的静态拓扑数据结构图。
在一种可能的实现方式中,根据多个频繁扰动节点子序列以及电网系统中厂站与供电线路之间的连接关系,确定显性扰动序列和隐性扰动序列,包括:
根据电网系统中厂站与供电线路之间的连接关系,确定电网系统中的各个节点以及用于表征各个节点之间的连接关系的静态拓扑数据结构;
根据多个频繁扰动节点子序列以及静态拓扑数据结构,确定显性扰动序列和隐性扰动序列,
其中,显性扰动序列包括与静态拓扑数据结构中的节点匹配的频繁扰动节点子序列,隐性扰动序列包括与静态拓扑数据结构中的节点部分匹配的频繁扰动节点子序列。
在该实现方式中,根据电网系统中已有厂站与供电线路之间的连接关系,构建静态拓扑数据结构,该结构表示电网系统中的各个节点以及用于表征各个节点之间的连接关系。举例来说,静态拓扑数据结构G={<snode,slinks>},其中静态拓扑节点snode=<sid,sname>,在静态拓扑数据结构中sid表示厂站的标识(id),sname表示厂站的名字,slink表示厂站指向其他站的指针,直接指向其他子站的对象,slink={snode*}。根据已有的线路与厂站的连接数据,可以构建静态拓扑数据结构图,如图3所示。
依次读入表1中的每一行数据,如果两段的厂站id不存在,则新建节点,并增加节点的属性id和如表2的厂站名字列,同时分别增加线路两端厂站节点的指针。
表1静态拓扑数据结构表
线路id | 线路名称 | 一端厂站id | 另一端厂站id |
L1 | 线路1 | S1 | S2 |
L2 | 线路2 | S2 | S3 |
L3 | 线路3 | S3 | S4 |
L4 | 线路4 | S2 | S4 |
… | … | … | … |
表2厂站名字列
厂站id | 厂站名字 |
S1 | 厂站A |
S2 | 厂站B |
S3 | 厂站C |
S4 | 厂站D |
… | … |
在一种可能的实现方式中,可根据表1、表2中部分数据形成的静态拓扑数据结构为:G={<{sid:S1,name:厂站A},{S2,S3}>,<{sid:S2,name:厂站B},{S1,S3,S4}>,<{sid:S3,name:厂站C},{S2,S4}>,<{sid:S4,name:厂站D},{S2,S3}>…},形成如图3所示的静态拓扑数据结构图。
在一种可能的实现方式中,根据多个频繁扰动节点子序列以及静态拓扑数据结构,确定显性扰动序列和隐性扰动序列,包括:
在频繁扰动节点子序列的首个节点是静态拓扑数据结构中存在的节点时,确定频繁扰动节点子序列与静态拓扑数据结构中的节点匹配。
在该实现方式中,取出频率区间k下的频繁扰动节点子序列集合linksetk,取出待处理的序列link_disturbk,并将第一个节点(node)标记为当前待处理的节点cur_node;将当前cur_node标记为扰动序列的头部节点(head_node),在静态拓扑结构图staticG中搜索与节点cur_node匹配的节点,所谓匹配就是找到staticG中静态拓扑节点snode的sid值包含在cur_node的属性sid中。
在一种可能的实现方式中,取出频繁扰动节点子序列link_disturbk的下一个节点,搜索其是否在静态拓扑结构图staticG中匹配节点的直接邻居节点。重复此步骤的匹配,直到link_disturbk的节点遍历匹配完毕,或者直到link_disturbk中的节点发生不匹配的情况,此时将频繁扰动节点子序列link_disturbk的最后一个节点直至头部节点(head_node)的序列,加入显性扰序列surface_turb集合中。
在一种可能的实现方式中,对于不匹配的情况,则需要将从不匹配节点开始往后直到发生匹配的序列截取出来,放入隐性扰动序列latent_turb,并更新截取出来部分的参数。
在一种可能的实现方式中,根据显性扰动序列和隐性扰动序列,确定电网系统的扰动分析结果,包括:
对显性扰动序列与隐性扰动序列进行合并处理,获得扰动分析集合并叠加确定扰动分析集合中各个节点的出度、入度及连接权重;
根据各个节点的出度、入度及连接权重中的至少一种,确定所述电网系统的扰动分析结果。
在该实现方式中,根据显性扰动序列surface_turb和隐性扰动序列latent_turb进行合并,获得扰动分析集合,在合并时遵循一个原则,只合并一个序列为另一个序列的子集或者两个序列相同的情况。合并时将节点的出度、入度、连接的权重进行叠加。具体叠加过程可以是,将频繁扰动节点子序列link_disturbk的头部节点(head_node)之前节点的出度减去其连接权重,将头部节点(head_node)的入度减去连接权重,并将下一个节点(next_node)的出度减去它的连接权重,并将下一个节点的入度权重减去连接权重,本公开对叠加的方式不作限制。按照上述方法处理完所有的频繁扰动节点子序列。
在一种可能的实现方式中,根据各个节点的出度、入度及连接权重中的至少一种,确定电网系统的扰动分析结果,包括以下至少一项:
将各个节点中的出度大于或等于出度阈值的节点确定为扰动源;
将各个节点中的入度大于或等于入度阈值的节点确定为易受扰动节点;
将各个节点中的连接权重大于或等于权重阈值的节点所组成的连接路径确定为扰动路径。
在该实现方式中,遍历所有节点的出度值,如果超过出度阈值,则标记此节点为扰动源,出度阈值可例如为10。遍历所有节点的出度值,如果超过入度阈值,则标记此节点为易受扰动节点,入度阈值可例如为10。遍历显性扰序列surface_turb和隐性扰动序列latent_turb,将所有连接权重大于连接阈值的频繁扰动节点子序列标记为扰动路径,连接权重阈值可例如是5。可根据频繁扰动节点子序列的实际数据结构确定入度阈值、出度阈值及连接权重,本公开对此不作限制。
通过这种方式,可以准确定位扰动源、扰动路径和易受扰动节点,实现了对电网隐患的提前发现和预警。
本公开实施例所提供的基于保护启动录波数据的扰动路径分析方法,根据预设的频率分辨率和时间分辨率,对电网系统中保护设备启动的录波数据进行频谱分解,获得多个录波数据向量;根据预设的扰动幅度阈值,从多个录波数据向量中提取出多个扰动向量;根据预设的频率区间、时间窗宽度及时间步长,对多个扰动向量进行聚类分析,获得多个扰动节点序列;对多个扰动节点序列分别进行搜索分析,识别出多个频繁扰动节点子序列;根据多个频繁扰动节点子序列以及电网系统中厂站与供电线路之间的连接关系,确定显性扰动序列和隐性扰动序列;根据显性扰动序列和隐性扰动序列,确定电网系统的扰动分析结果。
根据本公开实施例,提供了一种基于保护启动录波数据的扰动路径分析方法,能够对电网中的扰动源、易受扰动节点及扰动路径进行定位,以实现对电网隐患的提前发现和预警,实现方法简单易操作且准确定高,具有较强的参考价值。
需要说明的是,尽管以上述实施例作为示例介绍了基于保护启动录波数据的扰动路径分析方法,但本领域技术人员能够理解,本公开应不限于此。事实上,用户完全可根据个人喜好和/或实际应用场景灵活设定各步骤,只要符合本公开的技术方案即可。
以上已经描述了本公开的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术的技术改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (8)
1.一种基于保护启动录波数据的扰动路径分析方法,其特征在于,所述方法包括:
根据预设的频率分辨率和时间分辨率,对电网系统中保护设备启动的录波数据进行频谱分解,获得多个录波数据向量,其中,每个录波数据向量包括录波数据的标识、时间、频率及幅度;
根据预设的扰动幅度阈值,从所述多个录波数据向量中提取出多个扰动向量;
根据预设的频率区间、时间窗宽度及时间步长,对所述多个扰动向量进行聚类分析,获得多个扰动节点序列;
对多个扰动节点序列分别进行搜索分析,识别出多个频繁扰动节点子序列;
根据所述多个频繁扰动节点子序列以及所述电网系统中厂站与供电线路之间的连接关系,确定显性扰动序列和隐性扰动序列;
根据所述显性扰动序列和所述隐性扰动序列,确定所述电网系统的扰动分析结果,
其中,所述扰动分析结果包括扰动源、扰动路径以及易受扰动节点中的至少一种。
2.根据权利要求1所述的方法,其特征在于,根据预设的扰动幅度阈值,从所述多个录波数据向量中提取出多个扰动向量,包括:
将所述多个录波数据向量中的幅度大于或等于所述扰动幅度阈值的录波数据向量确定为扰动向量。
3.根据权利要求1所述的方法,其特征在于,根据预设的频率区间、时间窗宽度及时间步长,对所述多个扰动向量进行聚类分析,获得多个扰动节点序列,包括:
根据预设的频率区间,将所述多个扰动向量划分到与每个频率区间对应的扰动向量集中;
根据所述时间窗宽度及时间步长,分别对每个扰动向量集中的扰动向量进行窗口滑动分析,构建每个频率区间的多个扰动节点序列,
其中,每个扰动节点序列中的各个节点的标识为对应的扰动向量的标识。
4.根据权利要求3所述的方法,其特征在于,对多个扰动节点序列分别进行搜索分析,识别出多个频繁扰动节点子序列,包括:
构造每个频率区间的多个扰动节点序列的各个节点之间的连接关系;
根据所述连接关系,确定频繁扰动节点子序列以及频繁扰动节点子序列中各个节点的出度、入度及连接权重。
5.根据权利要求1所述的方法,其特征在于,根据所述多个频繁扰动节点子序列以及所述电网系统中厂站与供电线路之间的连接关系,确定显性扰动序列和隐性扰动序列,包括:
根据所述电网系统中厂站与供电线路之间的连接关系,确定所述电网系统中的各个节点以及用于表征各个节点之间的连接关系的静态拓扑数据结构;
根据多个频繁扰动节点子序列以及所述静态拓扑数据结构,确定显性扰动序列和隐性扰动序列,
其中,所述显性扰动序列包括与静态拓扑数据结构中的节点匹配的频繁扰动节点子序列,所述隐性扰动序列包括与静态拓扑数据结构中的节点部分匹配的频繁扰动节点子序列。
6.根据权利要求5所述的方法,其特征在于,根据多个频繁扰动节点子序列以及所述静态拓扑数据结构,确定显性扰动序列和隐性扰动序列,包括:
在频繁扰动节点子序列的首个节点是所述静态拓扑数据结构中存在的节点时,确定所述频繁扰动节点子序列与静态拓扑数据结构中的节点匹配。
7.根据权利要求1所述的方法,其特征在于,根据所述显性扰动序列和所述隐性扰动序列,确定所述电网系统的扰动分析结果,包括:
对所述显性扰动序列与所述隐性扰动序列进行合并处理,获得扰动分析集合并叠加确定所述扰动分析集合中各个节点的出度、入度及连接权重;
根据各个节点的出度、入度及连接权重中的至少一种,确定所述电网系统的扰动分析结果。
8.根据权利要求7所述的方法,其特征在于,根据各个节点的出度、入度及连接权重中的至少一种,确定所述电网系统的扰动分析结果,包括以下至少一项:
将各个节点中的出度大于或等于出度阈值的节点确定为扰动源;
将各个节点中的入度大于或等于入度阈值的节点确定为易受扰动节点;
将各个节点中的连接权重大于或等于权重阈值的节点所组成的连接路径确定为扰动路径。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811428102.8A CN109490711B (zh) | 2018-11-27 | 2018-11-27 | 基于保护启动录波数据的扰动路径分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811428102.8A CN109490711B (zh) | 2018-11-27 | 2018-11-27 | 基于保护启动录波数据的扰动路径分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109490711A true CN109490711A (zh) | 2019-03-19 |
CN109490711B CN109490711B (zh) | 2020-12-01 |
Family
ID=65697972
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811428102.8A Active CN109490711B (zh) | 2018-11-27 | 2018-11-27 | 基于保护启动录波数据的扰动路径分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109490711B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101588086A (zh) * | 2009-07-07 | 2009-11-25 | 北京四方继保自动化股份有限公司 | 多插件嵌入式故障信息系统子站对录波文件的处理方法 |
JP2013033441A (ja) * | 2011-07-05 | 2013-02-14 | Murakumo Corp | データベースの管理方法 |
CN103795144A (zh) * | 2013-11-22 | 2014-05-14 | 深圳供电局有限公司 | 基于故障录波数据的电力系统扰动发生时刻的辨识方法 |
CN103996077A (zh) * | 2014-05-22 | 2014-08-20 | 中国南方电网有限责任公司电网技术研究中心 | 一种基于多维时间序列的电气设备故障预测方法 |
CN104538938A (zh) * | 2014-12-02 | 2015-04-22 | 上海交通大学 | 基于录波数据的保护安全裕度评估方法 |
CN104635114A (zh) * | 2015-03-04 | 2015-05-20 | 江苏省电力公司常州供电公司 | 一种电能质量扰动源定位系统及定位方法 |
CN104820164A (zh) * | 2015-04-14 | 2015-08-05 | 华南理工大学 | 一种电力系统低频振荡扰动源定位方法 |
CN104966161A (zh) * | 2015-06-16 | 2015-10-07 | 北京四方继保自动化股份有限公司 | 一种基于高斯混合模型的电能质量录波数据计算分析方法 |
-
2018
- 2018-11-27 CN CN201811428102.8A patent/CN109490711B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101588086A (zh) * | 2009-07-07 | 2009-11-25 | 北京四方继保自动化股份有限公司 | 多插件嵌入式故障信息系统子站对录波文件的处理方法 |
JP2013033441A (ja) * | 2011-07-05 | 2013-02-14 | Murakumo Corp | データベースの管理方法 |
CN103795144A (zh) * | 2013-11-22 | 2014-05-14 | 深圳供电局有限公司 | 基于故障录波数据的电力系统扰动发生时刻的辨识方法 |
CN103996077A (zh) * | 2014-05-22 | 2014-08-20 | 中国南方电网有限责任公司电网技术研究中心 | 一种基于多维时间序列的电气设备故障预测方法 |
CN104538938A (zh) * | 2014-12-02 | 2015-04-22 | 上海交通大学 | 基于录波数据的保护安全裕度评估方法 |
CN104635114A (zh) * | 2015-03-04 | 2015-05-20 | 江苏省电力公司常州供电公司 | 一种电能质量扰动源定位系统及定位方法 |
CN104820164A (zh) * | 2015-04-14 | 2015-08-05 | 华南理工大学 | 一种电力系统低频振荡扰动源定位方法 |
CN104966161A (zh) * | 2015-06-16 | 2015-10-07 | 北京四方继保自动化股份有限公司 | 一种基于高斯混合模型的电能质量录波数据计算分析方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109490711B (zh) | 2020-12-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20190331484A1 (en) | Movement line information generation system, movement line information generation method and movement line information generation program | |
CN105303469B (zh) | 线损异常原因数据挖掘分析的方法与系统 | |
CN110020433B (zh) | 一种基于企业关联关系的工商高管人名消歧方法 | |
CN111340063B (zh) | 一种磨煤机数据异常检测方法 | |
CN103729580A (zh) | 一种检测软件抄袭的方法和装置 | |
CN103425727B (zh) | 上下文语音查询扩大方法和系统 | |
JP2017512344A (ja) | 迅速なデータ解析のためのシステム及び方法 | |
CN103778262B (zh) | 基于叙词表的信息检索方法及装置 | |
CN105117771B (zh) | 一种基于关联规则有向无环图的农机故障识别方法 | |
CN104268275B (zh) | 一种对数据做业务抽象和路径查找分析的方法 | |
CN110108992A (zh) | 基于改进随机森林算法的电缆局放故障识别方法、系统及介质 | |
CN104317886B (zh) | 断层约束下网格节点插值时近邻条件数据点的搜索选取方法 | |
CN108287816A (zh) | 兴趣点在线检测、机器学习分类器训练方法和装置 | |
CN109492081A (zh) | 文本信息搜索和信息交互方法、装置、设备及存储介质 | |
CN108694175A (zh) | 一种基于数据挖掘算法分析电能检测大数据的方法 | |
JPH10240765A (ja) | 類似オブジェクト検索方法および装置 | |
CN106844482A (zh) | 一种基于搜索引擎的检索信息匹配方法及装置 | |
Tian et al. | Finding skyline paths in road networks | |
CN109490711A (zh) | 基于保护启动录波数据的扰动路径分析方法 | |
KR20120049505A (ko) | 상위 k개의 중요 패턴들을 마이닝 하는 방법 | |
KR20170062308A (ko) | 상위 k 중요 패턴 마이닝 방법, 이를 수행하는 장치 및 이를 저장하는 기록매체 | |
JP5958453B2 (ja) | 無線局識別装置、無線局識別方法および無線局識別プログラム | |
Peel et al. | Detectability of hierarchical communities in networks | |
CN104750822B (zh) | 提供搜索建议的方法和装置 | |
CN103870520B (zh) | 用于搜索信息的设备和方法 |
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 |