基于录波数据的配电网故障自动诊断方法及系统
技术领域
本公开涉及配电网故障诊断相关技术领域,具体的说,是涉及基于录波数据的配电网故障自动诊断方法及系统。
背景技术
本部分的陈述仅仅是提供了与本公开相关的背景技术信息,并不必然构成在先技术。
现有的配电网故障诊断,在配电系统发生复杂故障或开关、保护装置存在较多误动、拒动,以及因信道干扰而发生信息丢失等诸多不确定因素的影响下,现有的基于开关和保护信息的诊断方法已经不能取得满意的结果,发明人发现,目前的故障诊断方法大多利用故障时的电气量信息进行分析判断,但实际在一些在配电系统中,故障相的电流在故障过程中减少而不是增加,这并不符合大多数的判断规则。因此,仅利用故障期间的电流可能并不总是能够准确地判断故障。而且,许多故障由于系统原因或在没有得到及时处理的情况下会发生故障类型的演变。
发明内容
本公开为了解决上述问题,提出了一种基于录波数据的配电网故障自动诊断方法及系统,根据故障开始时间和故障结束时间截取录波数据中故障发生的有效数据段,结合历史数据进行故障类型判断,设定故障分类规则进行故障选相,提高了故障判断的准确性,基于实时监测录波数据,及时准确捕捉数据异常特征进行故障自动分析,实现对电力系统配电网的诊断和状态评估,对保障电力系统安全稳定运行有着重要的理论意义和实践价值。
为了实现上述目的,本公开采用如下技术方案:
一个或多个实施例提供了一种基于录波数据的配电网故障自动诊断方法,包括如下步骤:
实时获取电网的电压和电流录波数据,截取包括设定时间内故障段的录波数据;
根据截取的录波数据,提取电参数的变化趋势特征数据;
求取提取后的电参数的变化趋势特征数据与历史故障趋势特征数据集相关性,根据相关性最大对故障进行分类,获得故障类型;
根据提取的电参数变化趋势特征数据以及分类获得的故障类型,以及设定的故障分类规则,获得精确的故障相别,得故障诊断结果。
一个或多个实施例提供了一种基于录波数据的配电网故障自动诊断系统,包括:
录波数据截取模块:被配置为用于实时获取电网的电压和电流录波数据,截取包括设定时间内故障段的录波数据;
特征提取模块:被配置为用于根据截取的录波数据,提取电参数的变化趋势特征数据;
故障类型判断模块:被配置为用于求取提取后的电参数的变化趋势特征数据与历史故障趋势特征数据集相关性,根据相关性最大对故障进行分类,获得故障类型;
故障选相模块:被配置为用于根据提取的电参数变化趋势特征数据以及分类获得的故障类型,以及设定的故障分类规则,获得精确的故障相别,得故障诊断结果。
一种电子设备,包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令,所述计算机指令被处理器运行时,完成上述方法所述的步骤。
一种计算机可读存储介质,其特征是,用于存储计算机指令,所述计算机指令被处理器执行时,完成上述方法所述的步骤。
与现有技术相比,本公开的有益效果为:
本公开采用电网的录波数据对电网故障进行判断,同时考虑电流和电压两个因素,提取电流和电压故障前后的变化特征数据,减小了处理数据的冗繁性,提高故障诊断判断的准确性。基于历史故障集的相关性判断故障类型,然后基于故障分类规则获得故障诊断结果,输出故障类型及故障相别,提高了诊断结果的精确度和有效性,辅助电网调度人员快速准确的对故障做出反应。
附图说明
构成本公开的一部分的说明书附图用来提供对本公开的进一步理解,本公开的示意性实施例及其说明用于解释本公开,并不构成对本公开的限定。
图1是根据本公开实施例1的方法流程图;
图2是本公开实施例1的示例的故障录波数据;
图3是本公开实施例2的系统框图。
具体实施方式:
下面结合附图与实施例对本公开作进一步说明。
应该指出,以下详细说明都是示例性的,旨在对本公开提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本公开的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。需要说明的是,在不冲突的情况下,本公开中的各个实施例及实施例中的特征可以相互组合。下面将结合附图对实施例进行详细描述。
在一个或多个实施方式中公开的技术方案中,如图1所示,一种基于录波数据的配电网故障自动诊断方法,包括如下步骤:
步骤1、实时获取电网的电压和电流录波数据,截取包括设定时间内故障段的录波数据;
步骤2、根据截取的录波数据,提取电参数的变化趋势特征数据;
步骤3、求取提取后的电参数的变化趋势特征数据与历史故障趋势特征数据集相关性,根据相关性最大对故障进行分类,获得故障类型;
步骤4、根据步骤2提取的电参数变化趋势特征数据以及步骤3判断得到的故障类型,以及设定的故障分类规则,获得精确的故障相别,得故障诊断结果。
本实施例采用电网的录波数据对电网故障进行判断,同时考虑电流和电压两个因素,提取电流和电压故障前后的变化特征数据,减小了处理数据的冗繁性,提高故障诊断判断的准确性。基于历史故障集的相关性判断故障类型,基于经验设置的故障分类规则获得故障诊断结果,最终输出故障类型及故障相别,并将故障分析结果呈现到人机界面,提高了诊断结果的精确度和有效性,辅助电网调度人员快速准确的对故障做出反应。
步骤1中,可以采用电能质量监测器、故障录波仪的设备采集输电线路或者电网设备的录波数据,可以解决目前配电网测量配置不足、信息孤岛等问题,提升电网可观测能力。
所述录波数据包括电流和电压波形,电压和电流波形中包含的电参数特征包括:相量、相角、相角跳变、故障开始时间、故障结束时间、故障持续时间、故障起始角、信号频率、高频分量、故障类型和电流中断力矩等。
截取包括设定时间内故障段的录波数据,具体为截取故障段及前后一段时间内的波形数据,可选的,通过确定故障起始时间进行截取。
具体的,对电压和电流波形进行分析,故障开始时间和故障结束时间特征的提取可以通过分析查找电压或者电流波形中的突变点。
作为进一步的改进,为提高故障时间点判断的准确性,可采用如下方法:
步骤11、对获取的电压和电流波形进行傅里叶变换;
步骤12、根据变换后的数据计算波形的均方根(rms)值,绘制均方根变化曲线;
步骤13,设置第一均方根阈值,大于第一均方根阈值的数据段对应的时间即为故障时间,从而确定故障开始时间和故障结束时间。
步骤2中,根据截取的录波数据,提取电参数的变化趋势特征数据,求取提取后的电参数的变化趋势特征数据与历史故障趋势特征数据集相关性,根据相关性最大对故障进行分类,获得诊断故障类型的方法,包括如下步骤:
当前获取的录波数据和历史数据的电参数的变化趋势特征数据的提取方法,具体为根据截取的录波数据,基于叠加原理计算叠加向量,获得故障前后的各相电路的电参数变化特征数据的方法,可以具体为:采用叠加原理得到叠加向量,即故障向量和故障前向量之间的差,取叠加向量的绝对值作为电参数变化特征数据。
各相电路的电参数变化特征数据包括电流变化特征数据和电压变化特征数据,变化特征数据可以为计算故障前后的电流电压变化的变化量,下面以电流变化特征数据的提取为例进行说明。
首先,计算故障向量和故障前电流向量之间的差,计算公式如下:
ΔIa=Ia-Ian,ΔIb=Ib-Ibn,ΔIc=Ic-Icn
其中,ΔIa、ΔIb、ΔIc分别代表a,b,c三相的叠加电流,Ian、Ibn、Icn:分别为故障前的a,b,c三相的相电流向量。
电参数变化特征计算公式可以如下:
Fa=|ΔIa|,Fb=|ΔIb|,Fc=|ΔIc|,F0=|ΔI0|
其中,|·|代表取绝对值,Fa,Fb,Fc,F0为各相的电流特征值,I0为故障时零序电流向量。
步骤3中,故障类型可以包括单相接地故障、两相相间短路故障、两相接地短路故障和三相故障等。
步骤3中,为简化数据集,提高系统的计算效率,在计算相关性之前,还可以根据电参数的变化特征数据计算电参数的趋势特征:即为变化趋势特征数据的变化率,在波形上表现为该点的斜率。
其中,a为任意电参数的变化趋势特征数据,可以是电流或者电压变化趋势特征数据,如前述的Fa,Fb,Fc,F0为各相的电流特征值。
可实现的,步骤3具体的步骤可以包括:
步骤31、构建历史故障数据集:获取历史故障数据,采用叠加原理得到叠加向量,即故障向量和故障前向量之间的差,取叠加向量的绝对值作为电参数变化特征数据;根据电参数的变化特征数据计算电参数的趋势特征:即为变化趋势特征数据的变化率;
步骤32、根据截取的录波数据,提取电参数的变化趋势特征数据,求取提取后的电参数的变化趋势特征数据建立变化趋势特征数据集;
步骤33、采用皮尔逊相关系数求历史故障数据集与变化趋势特征数据集的相关性,相关性最大的故障数据集对应的故障类型确定为当前故障类型。
其中,皮尔逊相关系数求两个特征数据段之间的相关性,计算公式为:
其中,X和Y分别为两个数据集合。
利用皮尔逊相关系数求查询故障与历史故障特征库数据序列之间的相似度,相似度满足精确度要求的历史故障数据序列所对应的故障类型判断为诊断故障的故障类型。
步骤4中,根据电参数变化特征数据以及步骤3判断得到的故障类型以及设定的故障分类规则,获得精确的故障相别,得故障诊断结果。包括如下步骤:
步骤41、设定故障分类规则;
步骤42、根据电参数变化特征数据以及步骤2判断得到的故障类型带入设定的故障分类规则,获得故障诊断结果,得到准确的故障相别。
可选的,故障分类规则可以根据经验设置,具体的故障分类规则如下:
设定基于历史故障集的相关性判断所得的故障类型Fp,设定电参数变化幅度阈值μ1、表征两个电参数变化幅度相差大小的第一比值阈值μ2以及表征零序分量变化幅度与其他相变化幅度相差大小的第二比值阈值μ3;
设定特征变化显著的阈值μ1,如可以设定为μ1=0.3|Ian|;判断两个特征之间比值的大小μ2,可以设定μ2=1.42;零序分量的比率阈值μ3,可以设定μ3=0.1。
故障类型Fp,如可以设定为Fp=1代表单相接地故障,Fp=2代表两相相间短路故障,Fp=3代表两相接地短路故障,Fp=4代表三相故障。下面所述规则必须在满足故障类型Fp规则的前提条件下成立。
按照获取的故障类型,判断故障相别,具体的故障分类规则即判断规则,如表1和表2所示,具体可以如下:
1)三相电路比较,电参数变化最大的相为该相电路相对地的故障;如表1中的第2行至第10行,以及表2中的第2行至第4行。
2)比较电参数变化特征数据,其中两相变化超出电参数变化幅度阈值,并且两相电路的电参数的变化幅度的比值小于第一比值阈值μ2,如果零序分量变化小与变化较大的两相变化特征值的比值小于设定第二比值阈值μ3,为两相间的短路故障;否则,零序分量变化小与变化较大的两相变化特征值的比值不小于设定第二比值阈值μ3,为该两相的对地故障;
具体的,表1中的第11行至第13行为相间短路故障,表1中的第14行至第16行分别为对地故障,ABG、BCG、CAG分别表示相AB对地故障、相BC对地故障、相CA对地故障。
3)比较电参数变化特征数据,当三相电路的电参数变化特征数据均大于电参数变化幅度阈值μ1,其中两相电路的电参数的变化幅度的比值大于第一比值阈值μ2,如果零序分量变化数据与该两相中任一相的变化特征值的比值小于设定第二比值阈值μ3,为两相间的短路故障;否则,如果零序分量变化数据与该两相中任一相的变化特征值的比值大于设定第二比值阈值μ3,为该两相的对地故障;
具体的,表2中的第6行、第8行和第10行分别为相间短路故障,表2中的第5行、第7行和第9行分别为对地故障,ABG、BCG、CAG分别表示相AB对地故障、相BC对地故障、相CA对地故障。
4)比较电参数变化特征数据,当三相电路的电参数变化特征数据均大于电参数变化幅度阈值μ1,任意两相电路的电参数的变化幅度的比值均小于第一比值阈值μ2,如果零序分量变化数据与A相的变化特征值的比值小于设定第二比值阈值μ3,为三相不接地故障;否则,如果零序分量变化数据与A相的变化特征值的比值不小于设定第二比值阈值μ3,为三相接地故障。
具体的,表2中ABC为三相不接地,ABCG为三相接地故障。
表1.故障分类规则1(Fa≥μ1,Fb≥μ1,Fc≥μ1不成立时)
表2.故障分类规则1(Fa≥μ1,Fb≥μ1,Fc≥μ1成立时)
表中,AG、BG、CG分别代表A、B、C相对地故障。AB,BC,CA分别代表A-B,B-C,C-A相间短路故障。ABG、BCG、CAG分别表示相AB对地故障、相BC对地故障、相CA对地故障。ABC和ABCG为三相不接地,三相接地故障。
为说明本实施例的方法的效果进行了实际运行试验,具体如下:
某地区10kV配网线路发生单相接地(C相),小电阻投入,但是由于该线路零序保护未动作,10秒后发展为相间短路接地故障(BCG)。图2记录了故障前后电压、电流的演变过程。基于本实施例的故障诊断方法的系统输出的诊断结果如表3所示。
表3分析结果
故障状态 |
状态持续时间 |
状态开始时间 |
'正常' |
1.0027 |
7:46:50 259008 |
'CG' |
11.3088 |
7:46:51 261709 |
'BCG' |
6.6727 |
7:46:62 570510 |
可见,本实施例的故障诊断方法实现了在线的实时诊断,故障判断准确性高。
实施例2
本实施例提供一种基于录波数据的配电网故障自动诊断系统,如图3所示,包括:
录波数据截取模块:被配置为用于实时获取电网的电压和电流录波数据,截取包括设定时间内故障段的录波数据;
特征提取模块:被配置为用于根据截取的录波数据,提取电参数的变化趋势特征数据;
故障类型判断模块:被配置为用于求取提取后的电参数的变化趋势特征数据与历史故障趋势特征数据集相关性,根据相关性最大对故障进行分类,获得故障类型;
故障选相模块:被配置为用于根据提取的电参数变化趋势特征数据以及分类获得的故障类型,以及设定的故障分类规则,获得精确的故障相别,得故障诊断结果。
实施例3
本实施例提供一种电子设备,包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令,所述计算机指令被处理器运行时,完成实施例1的方法所述的步骤。
实施例4
本实施例提供一种计算机可读存储介质,用于存储计算机指令,所述计算机指令被处理器执行时,完成实施例1的方法所述的步骤。
本公开所提出的电子设备可以是移动终端以及非移动终端,非移动终端包括台式计算机,移动终端包括智能手机(Smart Phone,如Android手机、IOS手机等)、智能眼镜、智能手表、智能手环、平板电脑、笔记本电脑、个人数字助理等可以进行无线通信的移动互联网设备。
应理解,在本公开中,该处理器可以是中央处理单元CPU,该处理器还可以是其他通用处理器、数字信号处理器DSP、专用集成电路ASIC,现成可编程门阵列FPGA或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
该存储器可以包括只读存储器和随机存取存储器,并向处理器提供指令和数据、存储器的一部分还可以包括非易失性随机存储器。例如,存储器还可以存储设备类型的信息。
在实现过程中,上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。结合本公开所公开的方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器、闪存、只读存储器、可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。为避免重复,这里不再详细描述。本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元即算法步骤,能够以电子硬件或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本公开的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本公开所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其他的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能的划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另外一点,所显示或讨论的相互之间的耦合或者直接耦合或者通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性、机械或其它的形式。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读存储介质中。基于这样的理解,本公开的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器或者网络设备等)执行本公开各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本公开的优选实施例而已,并不用于限制本公开,对于本领域的技术人员来说,本公开可以有各种更改和变化。凡在本公开的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本公开的保护范围之内。
上述虽然结合附图对本公开的具体实施方式进行了描述,但并非对本公开保护范围的限制,所属领域技术人员应该明白,在本公开的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本公开的保护范围以内。