CN111413587A - 配电网故障监测装置安装位置的确定方法及系统 - Google Patents

Abstract

本发明公开了一种配电网故障监测装置安装位置的确定方法及系统，确定方法包括以下步骤：对故障监测装置的SCADA数据集进行矩阵标准化处理；对标准化数据矩阵进行奇异值分解处理；计算数据集的协方差矩阵；计算复合指标及复合指标阈值；根据复合指标是否在复合指标阈值范围内确定故障监测装置的安装位置。本发明实现配电网对状态变化敏感位置的识别，进而实现了对于配电网故障监测装置安装位置优化确定和有效识别。

Description

配电网故障监测装置安装位置的确定方法及系统

技术领域

本发明涉及一种配电网故障监测装置安装位置的确定方法及系统，属于配电网故障监测技术领域。

背景技术

我国配电网络分支线多，区段线路长度不一致，线路末端所带负载类型种类多而为了监测配电网故障，需要在网络中加装故障监测装置，而由于维护、成本、监测效率等因数影响，无法在全网每个分支节点、负荷接入点等都加装监测装置，而为了实现全网故障可观测，目前故障监测装置一般选择安装在线路和各分支线路末端。这样安装存在的主要问题是：由于配电网结构复杂，当故障发生所产生的暂态高频信号经过线路分支节点的多次折反射以及线路上的能量衰减后，故障信号到达变电站端时强度无法达到故障定位装置启动条件，从而出现线路保护装置动作，故障定位装置不启动；或线路末端监测装置收到末端大量谐波的干扰，进而出现频繁误动等情况。而国内开展的关于配电网故障监测的研究中，几乎没有涉及到监测装置安装位置如何确定的问题。

而目前存在许多其他设备安装位置确定方法，例如PMU优化部署方法，往往是从网络拓扑的角度利用图论理论按最短路径进行确定，或通过优化理论在多种约束下通过最优化理论进行判别。然而这些方法均需经过多次或多重迭代，而且所确定位置是否适合故障监测没有明确的理论证明或实践验证。

配电网络由于运行、故障恢复、负荷种类、设备或线路老化等因数影响，网络中分接点、开关点、杆塔等适合安装监测装置位置上进行监测时，监测点所量测量对于系统运行状态，尤其是故障发生时的敏感度是不同的，即故障发生时敏感度高的位置上监测量无论从反应时间还是初始检测量大小或陡度一般都比低敏感度位置上的监测量要快、大或陡。因此根据这种特性山东理工大学于2017年提出了一种基于主元空间的配置方法，由于故障信息主要包含在数据残差空间中，但该方法却忽略了残差空间中故障量对安装位置识别的影响，从而使得所确定位置不是唯一且具有大量冗余。

发明内容

为了解决上述问题，本发明提出了一种配电网故障监测装置安装位置的确定方法及系统，能够实现配电网故障监测装置安装位置的优化确定和有效识别。

本发明解决其技术问题采取的技术方案是：

一方面，本发明实施例提供的一种配电网故障监测装置安装位置的确定方法，包括以下步骤：

对故障监测装置的SCADA数据集进行矩阵标准化处理；

对标准化数据矩阵进行奇异值分解处理；

计算数据集的协方差矩阵；

计算复合指标及复合指标阈值；

根据复合指标是否在复合指标阈值范围内确定故障监测装置的安装位置。

作为本实施例一种可能的实现方式，对SCADA数据集X’进行标准化处理后，得到标准化数据矩阵：

X∈R^N×m

其中，m为变量数，N为每个变量的采样数。

作为本实施例一种可能的实现方式，对标准化数据矩阵X进行奇异值分解得到：

X＝UDP^T (1)

其中，U＝[u₁,L,u_m]和P＝[p₁,K,p_m]为酉矩阵；

奇异值矩阵表示为

其中，奇异值满足d₁≥L≥d_m>0。

作为本实施例一种可能的实现方式，所述复合指标Φ_α为：

式中，Φ为正定对称矩阵，且：

T²和SPE分别为：

SPE＝x^T(I-PP^T)x

T²和SPE的阈值分别为：

其中，l是隐变量个数，n是采样数；σ是SPE的方差,μ是SPE的均值；P为稀疏主元的负载矢量

I为单位矩阵；

所述复合指标Φ_α阈值ζ为：

ζ＝gχ²(h)

式中，g和h分别为

和

S为量测量x的协方差，即S＝cov(x)；tr()表示为矩阵的迹，即矩阵对角线元素之和。

作为本实施例一种可能的实现方式，所述负载矢量P采用主元稀疏算法求解，求解负载矢量P的过程包括以下步骤：

第一步：t＝0,任选单位阵

第二步：对中心化的数据矩阵X进行奇异值分解，得到；

第三步：根据

计算得到E；

第四步：计算对角线矩阵

和

第五步：计算

第六步：t＝t+1；

第七步：返回第三步，直至收敛；

第八步：

第九步：利用交叉验证方法得到与稀疏主元的负载矢量

则稀疏主元的残差矢量为P_res＝I-P^TP，I为单位矩阵。

作为本实施例一种可能的实现方式，所述单位阵

为：

其中Y＝UD为主元，η≥0。

作为本实施例一种可能的实现方式，所述故障监测装置的SCADA数据集包括历史SCADA数据集和在线SCADA数据集。

另一方面，本发明实施例提供的一种配电网故障监测装置安装位置的确定系统，包括：

数据采集模块，用于获取故障监测装置的SCADA数据集；

标准化模块，用于对故障监测装置的SCADA数据集进行矩阵标准化处理；

奇异值分解模块，用于对标准化数据矩阵进行奇异值分解处理；

协方差模块，用于计算数据集的协方差矩阵；

指标模块，用于计算复合指标及复合指标阈值；

安装位置确定模块，用于根据复合指标是否在复合指标阈值范围内确定故障监测装置的安装位置。

作为本实施例一种可能的实现方式，所述数据采集模块包括：

历史数据模块，用于获取故障监测装置的历史SCADA数据集；

在线数据模块，用于获取故障监测装置的在线SCADA数据集。

本发明实施例的技术方案可以具有的有益效果如下：

本发明实施例的技术方案的配电网故障监测装置安装位置的确定方法，通过稀疏主元分析方法实现配电网对状态变化敏感位置的识别，进而实现了对于配电网故障监测装置安装位置优化确定和有效识别。

本发明考虑到残差空间中故障量对安装位置识别的影响，提供了一种适合配电网故障监测装置位置确定的有效方法，从而使得所确定的安装位置是唯一的。

本发明不仅能够确定配电网故障监测装置的安装位置，而且还适用于PMU、配电网级PMU以及其他类型电力线路检测设备的优化部署、安装位置的确定，也同样适用含分布式电网配电网中各类电力线路监测装置安装位置的确定。

附图说明：

图1是根据一示例性实施例示出的一种配电网故障监测装置安装位置的确定方法的流程图；

图2是根据一示例性实施例示出的一种求解负载矢量P的方法流程图；

图3是根据一示例性实施例示出的一种配电网故障监测装置安装位置的确定系统的结构图。

具体实施方式

下面结合附图与实施例对本发明做进一步说明：

为能清楚说明本方案的技术特点，下面通过具体实施方式，并结合其附图，对本发明进行详细阐述。下文的公开提供了许多不同的实施例或例子用来实现本发明的不同结构。为了简化本发明的公开，下文中对特定例子的部件和设置进行描述。此外，本发明可以在不同例子中重复参考数字和/或字母。这种重复是为了简化和清楚的目的，其本身不指示所讨论各种实施例和/或设置之间的关系。应当注意，在附图中所图示的部件不一定按比例绘制。本发明省略了对公知组件和处理技术及工艺的描述以避免不必要地限制本发明。

图1是根据一示例性实施例示出的一种配电网故障监测装置安装位置的确定方法的流程图。如图1所示，本发明实施例提供的一种配电网故障监测装置安装位置的确定方法，包括以下步骤：

对故障监测装置的SCADA数据集进行矩阵标准化处理；

对标准化数据矩阵进行奇异值分解处理；

计算数据集的协方差矩阵；

计算复合指标及复合指标阈值；

根据复合指标是否在复合指标阈值范围内确定故障监测装置的安装位置。

作为本实施例一种可能的实现方式，对SCADA数据集X’进行标准化处理后，得到标准化数据矩阵：

X∈R^N×m

其中，m为变量数，N为每个变量的采样数。

作为本实施例一种可能的实现方式，对标准化数据矩阵X进行奇异值分解得到：

X＝UDP^T (1)

其中，U＝[u₁,L,u_m]和P＝[p₁,K,p_m]为酉矩阵；

奇异值矩阵表示为

其中，奇异值满足d₁≥L≥d_m>0。

作为本实施例一种可能的实现方式，所述复合指标Φ_α为：

式中，Φ为正定对称矩阵，且：

T²和SPE分别为：

SPE＝x^T(I-PP^T)x

T²和SPE的阈值分别为：

其中，l是隐变量个数，n是采样数；σ是SPE的方差,μ是SPE的均值；P为稀疏主元的负载矢量

I为单位矩阵；

所述复合指标Φ_α的阈值ζ为：

ζ＝gχ²(h)

式中，g和h分别为

和

S为量测量x的协方差，即S＝cov(x)；tr()表示为矩阵的迹，即矩阵对角线元素之和。

作为本实施例一种可能的实现方式，所述负载矢量P采用主元稀疏算法求解，如图2所示，求解负载矢量P的过程包括以下步骤：

第一步：t＝0,任选单位阵

第二步：对中心化的数据矩阵X进行奇异值分解，得到；

第三步：根据

计算得到E；

第四步：计算对角线矩阵

和

第五步：计算

第六步：t＝t+1；

第七步：返回第三步，直至收敛；

第八步：

第九步：利用交叉验证方法得到与稀疏主元的负载矢量

则稀疏主元的残差矢量为P_res＝I-P^TP，I为单位矩阵。

作为本实施例一种可能的实现方式，所述单位阵

为：

其中Y＝UD为主元，η≥0。

作为本实施例一种可能的实现方式，所述故障监测装置的SCADA数据集包括历史SCADA数据集和在线SCADA数据集。

本实施例通过稀疏主元分析方法实现配电网对状态变化敏感位置的识别，进而实现对于配电网故障监测装置安装位置优化确定和有效识别。

图3是根据一示例性实施例示出的一种配电网故障监测装置安装位置的确定系统的结构图。如图3所示，本发明实施例提供的一种配电网故障监测装置安装位置的确定系统，包括：

数据采集模块，用于获取故障监测装置的SCADA数据集；

标准化模块，用于对故障监测装置的SCADA数据集进行矩阵标准化处理；

奇异值分解模块，用于对标准化数据矩阵进行奇异值分解处理；

协方差模块，用于计算数据集的协方差矩阵；

指标模块，用于计算复合指标及复合指标阈值；

安装位置确定模块，用于根据复合指标是否在复合指标阈值范围内确定故障监测装置的安装位置。

作为本实施例一种可能的实现方式，所述数据采集模块包括：

历史数据模块，用于获取故障监测装置的历史SCADA数据集；

在线数据模块，用于获取故障监测装置的在线SCADA数据集。

以具体应用为例，利用本发明对配电网故障监测装置安装位置进行确定的具体过程如下。

获得监测装置系统SCADA数据为X’，例如节点电压、电流，潮流等。首先对SCADA数据矩阵做标准化处理，得到标准化数据矩阵为X∈R^N×m，其中m为量测的变量数，例如三相电压，三相电流等；N为每个变量的采样数。对X进行奇异值分解可以得到

X＝UDP^T (1)

其中U＝[u₁,L,u_m]和P＝[p₁,K,p_m]为酉矩阵；奇异值矩阵可以表示为

其中的奇异值满足d₁≥L≥d_m>0。

根据主元稀疏算法，可以进一步包含系统敏感位置信息的变量

其中Y＝UD为传统主成分分析所获的主元，η≥0。当η足够大时，就可以获得稀疏的

进而获得稀疏主元得分矢量。

那么稀疏主元得分

就可以表示为

有下面的等式成立

D_V和D_E分别是对角线矩阵，

和Eⁱ分别表示

和E的第i行，i＝1,K,m。那么就可得到

式中

下面给出优化问题的迭代算法，每次迭代时，

都是根据这一时刻的E，D_V和D_E计算的，然后E，D_V和D_E的更新根据计算出

进行。整个迭代算法重复直至算法收敛。如图2所示，负荷矢量P求解算法的具体步骤如下

第一步t＝0,任选

本发明选择

为单位阵。

第二步对中心化的数据矩阵X进行奇异值分解，得到Y。

第三步根据

计算得到E。

第四步计算

和

第五步计算

第六步t＝t+1。

第七步返回第三步，直至收敛。

第八步

第九步利用交叉验证方法得到与稀疏主元相对应的负载矢量

则稀疏主元的残差矢量为P_res＝I-P^TP，I为单位矩阵。

为识别安装位置，使用如下的复合指标

式中，Φ为正定对称矩阵，其满足

复合指标Φ_α阈值ζ为

ζ＝gχ²(h)

式中，g和h分别为

和

S为量测量x的协方差，即S＝cov(x)。tr(SΦ)表示为矩阵SΦ的迹，即矩阵对角线元素之和。

式(7)中T²和SPE分别为：

SPE＝x^T(I-PP^T)x

其阈值分别为：

其中l是隐变量个数，n是采样数。σ是SPE的方差,μ是SPE的均值。

本发明不仅能够确定配电网故障监测装置的安装位置，而且还适用于PMU、配电网级PMU以及其他类型电力线路检测设备的优化部署、安装位置的确定，也同样适用含分布式电网配电网中各类电力线路监测装置安装位置的确定。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，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保护范围之内。

Claims (9)

1.一种配电网故障监测装置安装位置的确定方法，其特征是，包括以下步骤：

对故障监测装置的SCADA数据集进行矩阵标准化处理；

对标准化数据矩阵进行奇异值分解处理；

计算数据集的协方差矩阵；

计算复合指标及复合指标阈值；

根据复合指标是否在复合指标阈值范围内确定故障监测装置的安装位置。

2.根据权利要求1所述的配电网故障监测装置安装位置的确定方法，其特征是，对SCADA数据集X’进行标准化处理后，得到标准化数据矩阵：

X∈R^N×m

其中，m为变量数，N为每个变量的采样数。

3.根据权利要求2所述的配电网故障监测装置安装位置的确定方法，其特征是，对标准化数据矩阵X进行奇异值分解得到：

X＝UDP^T (1)

其中，U＝[u₁,L,u_m]和P＝[p₁,K,p_m]为酉矩阵；

奇异值矩阵表示为

其中，奇异值满足d₁≥L≥d_m>0。

4.根据权利要求3所述的配电网故障监测装置安装位置的确定方法，其特征是，所述复合指标Φ_α为：

式中，Φ为正定对称矩阵，且：

T²和SPE分别为：

SPE＝x^T(I-PP^T)x

T²和SPE的阈值分别为：

其中，l是隐变量个数，n是采样数；σ是SPE的方差,μ是SPE的均值；P为稀疏主元的负载矢量

I为单位矩阵；

所述复合指标Φ_α阈值ζ为：

ζ＝gχ²(h)

式中，g和h分别为

和

S为量测量x的协方差，即S＝cov(x)；tr()表示为矩阵的迹，即矩阵对角线元素之和。

5.根据权利要求4所述的配电网故障监测装置安装位置的确定方法，其特征是，所述负载矢量P采用主元稀疏算法求解，求解负载矢量P的过程包括以下步骤：

第一步：t＝0,任选单位阵

第二步：对中心化的数据矩阵X进行奇异值分解，得到；

第三步：根据

计算得到E；

第四步：计算对角线矩阵

和

第五步：计算

第六步：t＝t+1；

第七步：返回第三步，直至收敛；

第八步：

第九步：利用交叉验证方法得到与稀疏主元的负载矢量

则稀疏主元的残差矢量为P_res＝I-P^TP，I为单位矩阵。

6.根据权利要求7所述的配电网故障监测装置安装位置的确定方法，其特征是，所述单位阵

为：

其中Y＝UD为主元，η≥0。

7.根据权利要求1-6任意一项所述的配电网故障监测装置安装位置的确定方法，其特征是，所述故障监测装置的SCADA数据集包括历史SCADA数据集和在线SCADA数据集。

8.一种配电网故障监测装置安装位置的确定系统，其特征是，包括：

数据采集模块，用于获取故障监测装置的SCADA数据集；

标准化模块，用于对故障监测装置的SCADA数据集进行矩阵标准化处理；

奇异值分解模块，用于对标准化数据矩阵进行奇异值分解处理；

协方差模块，用于计算数据集的协方差矩阵；

指标模块，用于计算复合指标及复合指标阈值；

安装位置确定模块，用于根据复合指标是否在复合指标阈值范围内确定故障监测装置的安装位置。

9.根据权利要求8所述的配电网故障监测装置安装位置的确定系统，其特征是，所述数据采集模块包括：

历史数据模块，用于获取故障监测装置的历史SCADA数据集；

在线数据模块，用于获取故障监测装置的在线SCADA数据集。

Images