CN112180204A - 一种基于电气量信息的电网线路故障诊断方法 - Google Patents

Abstract

本发明公开了一种基于电气量信息的电网线路故障诊断方法，包括如下步骤：构建基于电气量信息的特征参数提取模型，提取基于电气量信息进行电网线路故障诊断所需的特征参数；构建多特征参数信息融合的电网故障诊断模型，进行多特征参数信息融合处理，并对处理后的信息进行诊断决策；采用模糊均值聚类算法求解电网故障诊断模型。通过构建基于电气量信息的特征参数提取模型及构建多特征参数信息融合的电网故障诊断模型，完成多特征信息的融合处理，解决传统方法难以准确地对电网线路故障进行在线诊断的问题，可实时监测电力系统中线路以及设备的运行状态，预防电网线路故障，当线路发生故障时快速诊断故障类型，缩短停电时间，提升运行安全性。

Description

一种基于电气量信息的电网线路故障诊断方法

技术领域

本发明涉及电力系统检测技术领域，特别涉及一种基于电气量信息的 电网线路故障诊断方法。

背景技术

近年来，电力行业随着中国经济一起快速发展。在电网发展的同时， 受到系统本身和外界因素的影响，电网和电力设备发生故障的几率以及故 障处理不及时对于电力系统稳定运行造成的危害也随之增大。当电网或者 电力设备出现故障时，能够准确快速地诊断出故障元件以及故障性质，甚 至在电力设备故障前，对其运行状态进行预判，就能够缩短停电时间，提 高供电可靠性，对整个电网的安全稳定至关重要。

传统的电网故障诊断方法多为基于电力系统保护装置的信息和专家 历史经验判断电网中发生的故障。但是保护装置和断路器本身在电网故障 发生后也有几率存在动作故障，并且电网相关信息在传输过程中会发生信 息丢失，在此情况下，只用开关量信息来诊断电网故障结果并不准确。随 着中国智能电网的建设逐渐完善，综合调度数据平台在电力系统各个方面 的应用会更加成熟，电力系统中的电气量信息更容易获取。以此为依托，充分合理的利用多源、异构的故障信息，摆脱只依靠开关量的故障诊断， 会使电网故障诊断结果更加准确。因此，将电气量信息引入电网故障诊断 对于提高诊断结果的准确性十分必要。

目前，国内外针对电网线路故障诊断方法的研究已经具有一定基础。 专家系统方法用程序来模拟相关专业技术人员的思维决策过程，同时结合 领域专家多年的经验和专业知识进行推理和评估，但是处理电网的复杂故 障时会出现组合爆炸和慢推理的问题，并且难以进行在线故障诊断；人工 神经网络方法以电网发生过的故障记录作为训练神经网络的样本集，通过 数学处理方法来模拟人类神经系统传输和处理信息的过程，但是其有效性 依赖训练样本，而对于电网故障诊断，充足样本的获取较为困难。

发明内容

本发明实施例的目的是提供一种基于电气量信息的电网线路故障诊 断方法，通过构建基于电气量信息的特征参数提取模型及构建多特征参数 信息融合的电网故障诊断模型，完成多特征信息的融合处理，解决传统方 法难以准确地对电网线路故障进行在线诊断的问题，电力公司能够实时监 测电力系统中线路以及设备的运行状态，预防电网线路故障，当电网线路 发生故障后快速诊断故障类型，缩短电力系统故障停电时间，提升电力系统运行安全性，提升配电网供电可靠性。

为解决上述技术问题，本发明实施例提供了一种基于电气量信息的电 网线路故障诊断方法，包括如下步骤：

构建基于电气量信息的特征参数提取模型，提取基于所述电气量信息 进行电网线路故障诊断所需的特征参数；

构建多特征参数信息融合的电网故障诊断模型，进行多特征参数信息 融合处理，并对处理后的信息进行诊断决策；

采用模糊均值聚类算法求解所述电网故障诊断模型。

进一步地，所述构建基于电气量信息的特征参数提取模型，包括：

获取电网线路故障时间；

依据所述电网线路故障时间，获取相对应的能量可信度、奇异可信度 和/或能量畸变可信度。

进一步地，所述获取电网线路故障时间，包括：

用离散小波变换分析从录波文件中提取电流数据；

获取所述电流数据经离散小波变换后的模极大值，得到与所述模极大 值相对应的所述电网线路故障时间。

进一步地，所述获取所述电流数据经离散小波变换后的模极大值得到 与所述模极大值相对应的所述电网线路故障时间，具体为：

电流函数ψ(t)的离散小波变换W_ψf(x)为：

式中，f(t)为时间信号；

对于电流函数ψ(t)的离散小波变换W_ψf(x)，在某一邻域内，对所 有的x均存在：

|W_ψf(x)|＜|W_ψf(x₀)|

则确定x₀为电流函数在离散小波变换下的模极大值点。

进一步地，所述相对应的获取能量可信度，具体为：

E₁,E₂,...,E_z为信号x(n)在z个尺度上的小波能量分布，小波能量的 定义如下：

式中，j、k为变量，D_j(n)为每次分解下的高频分量，A_z(n)为尺 度z下的低频分量；

信号x(n)的小波总能量E(x)如下：

当电网发生故障时，求取录波器中不同线路的电流信号故障后一 个波形周期的小波总能量，第i条线路三相中的小波总能量最大值作 为所求结果E_i，则能量可信度Eⁱ为：

Eⁱ＝(e₁,e₂,...,e_n)

进一步地，所述获取相对应的奇异可信度，具体为：

Λ_i＝diag(λ₁,λ₁,...,λ_t)为电网中第i个元件的奇异特征矩阵，则奇异特征 值S_i为：

式中，t为元件的奇异特征矩阵元素个数；

奇异可信度Sⁱ为：

Sⁱ＝(s₁,s₂,...,s_n)

进一步地，所述获取相对应的能量畸变可信度，具体为：

计算出各条线路故障发生前后一个波形周期的小波总能量，第i条线 路故障前小波总能量为E_a,i，故障后小波总能量为E_b,i，第i条线路的能量 畸变度D_i为：

能量畸变可信度Dⁱ为：

Dⁱ＝(d₁,d₂,...,d_n)

进一步地，所述进行多特征参数的信息融合处理，包括如下步骤：

获取两条证据；

计算所述两条证据的冲突系数，判断所述冲突系数是否大于冲突系数 阈值；

如所述冲突系数小于或等于冲突系数阈值，则按合成规则对所述两条 证据进行融合，得到最终结果并判定；

如所述冲突系数大于所述冲突系数阈值，则按均值加权法处理冲突证 据，得到最终结果并判定。

进一步地，所述采用模糊均值聚类算法求解所述电网故障诊断模型， 包括如下步骤：

设定数据分类个数和模糊指数；

初始化聚类中心和隶属度矩阵，设定收敛精度和迭代次数；

计算并更新隶属度矩阵；

计算并更新聚类中心；

判断是否满足收敛精度；

如满足收敛精度则输出结果，如不满足收敛精度则重新计算并更新隶 属度矩阵。

本发明实施例的上述技术方案具有如下有益的技术效果：

通过构建基于电气量信息的特征参数提取模型及构建多特征参数信 息融合的电网故障诊断模型，完成多特征信息的融合处理，解决传统方法 难以准确地对电网线路故障进行在线诊断的问题，电力公司能够实时监测 电力系统中线路以及设备的运行状态，预防电网线路故障，当电网线路发 生故障后快速诊断故障类型，缩短电力系统故障停电时间，提升电力系统 运行安全性，提升配电网供电可靠性。

附图说明

图1是本发明实施例提供的电网线路故障诊断方法的流程图；

图2是本发明实施例提供的IEEE39节点系统的原理示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明了，下面结合具体实 施方式并参照附图，对本发明进一步详细说明。应该理解，这些描述只是 示例性的，而并非要限制本发明的范围。此外，在以下说明中，省略了对 公知结构和技术的描述，以避免不必要地混淆本发明的概念。

图1是本发明实施例提供的电网线路故障诊断方法的流程图。

请参照图1，本发明实施例提供一种基于电气量信息的电网线路故障 诊断方法，包括如下步骤：

S100，构建基于电气量信息的特征参数提取模型，提取基于电气量信 息进行电网线路故障诊断所需的特征参数。

S200，构建多特征参数信息融合的电网故障诊断模型，进行多特征参 数信息融合处理，并对处理后的信息进行诊断决策。

S300，采用模糊均值聚类算法求解电网故障诊断模型。

具体的，在步骤S100中，构建基于电气量信息的特征参数提取模型， 具体包括：

S110，获取电网线路故障时间。

S120，依据电网线路故障时间，获取相对应的能量可信度、奇异可信 度和/或能量畸变可信度。

进一步地，步骤S110个，获取电网线路故障时间，具体包括：

S111，用离散小波变换分析从录波文件中提取电流数据；

S112，获取电流数据经离散小波变换后的模极大值，得到与模极大值 相对应的电网线路故障时间。

具体的，在步骤S112总，获取电流数据经离散小波变换后的模极大 值得到与模极大值相对应的电网线路故障时间，具体为：

电流函数ψ(t)的小波函数ψ_a,b(t)为：

式中，a为伸缩因子，b为平移因子；

离散化伸缩因子a和平移因子b：

式中，a₀为离散化的伸缩因子，b₀为离散化的平移因子，m、n 为正整数参数。

电流函数ψ(t)的离散小波变换W_ψf(x)为：

式中，f(t)为时间信号；

对于电流函数ψ(t)的离散小波变换W_ψf(x)，在某一邻域内，对所 有的x均存在：

|W_ψf(x)|＜|W_ψf(x₀)|

则确定x₀为电流函数在离散小波变换下的模极大值点。

在本发明实施例的一个实施方式中，获取相对应的能量可信度可具体 为：

E₁,E₂,...,E_z为信号x(n)在z个尺度上的小波能量分布，小波能量的 定义如下：

式中，j、k为变量，D_j(n)为每次分解下的高频分量，A_z(n)为尺 度z下的低频分量；

信号x(n)的小波总能量E(x)如下：

当电网发生故障时，求取录波器中不同线路的电流信号故障后一 个波形周期的小波总能量，第i条线路三相中的小波总能量最大值作为所 求结果E_i，则能量可信度Eⁱ为：

Eⁱ＝(e₁,e₂,...,e_n)

在本发明实施例的另一个实施方式中，获取相对应的奇异可信度，具 体为：

电网发生故障时，录波器采集的故障电压信号的谐波分量比非故障电 压信号的谐波分量更多，把所得电压信号进行三层小波分解，分别求取三 层重构系数，把这三个重构系数构成矩阵，以此反映电压信号的细节信息， 对此矩阵进行奇异值分解。

Λ_i＝diag(λ₁,λ₁,...,λ_t)为电网中第i个元件的奇异特征矩阵，则奇异特征 值S_i为：

式中，t为元件的奇异特征矩阵元素个数；

奇异可信度Sⁱ为：

Sⁱ＝(s₁,s₂,...,s_n)

在本发明实施例的另一个实施方式中，获取相对应的能量畸变可信 度，具体为：

计算出各条线路故障发生前后一个波形周期的小波总能量，第i条线 路故障前小波总能量为E_a,i，故障后小波总能量为E_b,i，第i条线路的能量 畸变度D_i为：

能量畸变可信度Dⁱ为：

Dⁱ＝(d₁,d₂,...,d_n)

可选的，在步骤S200中，进行多特征参数的信息融合处理，包括如 下步骤：

S210，读入两条证据m₁和m₂。

具体的，对于辨识框架Ω下两组证据的基本信任分配函数m₁和 m₂，焦元分别为A_i和B_j，则合成两组证据的规则如下，包括合取运算：

式中，函数m^*为合成两组证据的信任函数，A为焦元A_i和B_j的交 集，k为冲突系数；

归一化运算：

式中，函数m为合成两组证据经过归一化的信任函数。

S210，计算冲突系数，判断证据间的冲突系数是否大于冲突系数阈值。

S210，如冲突系数小于或等于冲突系数阈值，则按合成规则对证据进 行融合，得到最终结果并判定。

S210，如冲突系数大于冲突系数阈值，则按均值加权法处理冲突证据， 得到最终结果并判定。

在本发明的实施例中，辨识框架为所有的线路故障状态，证据体为能 量可信度、奇异可信度、能量畸变可信度，先分别得到对于辨识框架中假 设的故障支持程度，然后进行证据体的融合，得到综合故障可信度。每条 证据体对假设的故障支持程度用表示，根据证据体的差异，为每条证据加 入一个不确定度，不确定度小的证据体理解为能更加准确的判断线路故障 的情况，本专利对能量可信度、奇异可信度、能量畸变可信度的不确定度 分别取为0.1、0.15和0.2。对数据进行处理，辨识框架Ω中有n个假设， 对于电网故障诊断，n为线路个数，则有：

式中，Ω_i为第i个元件的故障状态，m_j(Ω_i)为第j类证据体对第i个 假设为真的基本可信度分配，x_ij为第i个元件对应的第j类证据体的故障 支持程度，x_j为第j类证据体各元件的故障支持度之和，μ_j为第j类证据 体的不确定度。

可选的，在步骤S300中，采用模糊均值聚类算法求解电网故障诊断 模型，包括如下步骤：

S310，设定数据分类个数和模糊指数。

S320，初始化聚类中心和隶属度矩阵，设定收敛精度和迭代次数。

S330，计算并更新隶属度矩阵。

S340，计算并更新聚类中心。

S350，判断是否满足收敛精度。

S360，如满足收敛精度则输出结果，如不满足收敛精度则重新计算并 更新隶属度矩阵。

对于样本集

N为样本个数，S为样本空间维 数，c为数据分类个数，模糊均值聚类算法的来实现最小化目标函数 J(U,V)为：

约束条件为：

式中，p为模糊指数，模糊隶属度矩阵U＝{u_ki}是一个c×N的矩阵， u_ki表示第i个像素点属于第k类的模糊隶属度，V＝{v₁,v₂,...,v_c}是由c 个聚类中心向量构成的S×c的矩阵，d_ki表示从像素点y_i到聚类中心v_k的距离测度；

根据目标函数为求最小值，采用拉格朗日乘数法能够得到模糊隶 属度u_ki与聚类中心v_k：

式中，l表示第l次迭代，d_li表示从像素点y_i到聚类中心v_l的距离测 度。

图2是本发明实施例提供的IEEE39节点系统的原理示意图。

请参照图2，IEEE39节点系统线路长度均取为100km，其中节点 3、8、10、16、20、23、25、29装有同步相量测量装置，判断线路故 障的隶属度阈值选取为0.5。

模拟线路L_9-39(代表节点9与39节点之间的线路)发生单相接地短路 故障，并选取有代表性的10条线路L_9-39、L_1-39、L_5-8、L_3-18、L_6-11、L_16-17、L_16-19、 L_19-33、L_28-29、L_22-23，对其求取能量可信度、奇异可信度、能量畸变可信度。 把三类所求得的可信度作为证据体，采用本专利所述方法进行信息融合， 得到融合结果T¹。对融合结果采用模糊均值聚类方法进行诊断决策，得到 线路对于故障类的隶属度T²，如表1所示。

表1线路信息融合结果

对融合结果采用模糊均值算法进行诊断决策，迭代停止误差设为10^-5， 迭代次数为100次，第一类中心值为0.0123，第二类中心值为0.8636。 由于对于故障线路，选取的特征参数较故障前都是增大的趋势，因此选定 第二类为故障集。表1中诊断结果为线路对于第二类的隶属度，经隶属度 与阈值比较，能够确定线路L_9-39发生了故障，验证了本专利所述模型与方 法的可行性与实用性。

本发明实施例旨在保护一种基于电气量信息的电网线路故障诊断方 法，包括如下步骤：构建基于电气量信息的特征参数提取模型，提取基于 电气量信息进行电网线路故障诊断所需的特征参数；构建多特征参数信息 融合的电网故障诊断模型，进行多特征参数信息融合处理，并对处理后的 信息进行诊断决策；采用模糊均值聚类算法求解电网故障诊断模型。上述 技术方案具备如下效果：

通过构建基于电气量信息的特征参数提取模型及构建多特征参数信 息融合的电网故障诊断模型，完成多特征信息的融合处理，解决传统方法 难以准确地对电网线路故障进行在线诊断的问题，电力公司能够实时监测 电力系统中线路以及设备的运行状态，预防电网线路故障，当电网线路发 生故障后快速诊断故障类型，缩短电力系统故障停电时间，提升电力系统 运行安全性，提升配电网供电可靠性。

应当理解的是，本发明的上述具体实施方式仅仅用于示例性说明或解 释本发明的原理，而不构成对本发明的限制。因此，在不偏离本发明的精 神和范围的情况下所做的任何修改、等同替换、改进等，均应包含在本发 明的保护范围之内。此外，本发明所附权利要求旨在涵盖落入所附权利要 求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。

Claims (9)

1.一种基于电气量信息的电网线路故障诊断方法，其特征在于，包括如下步骤：

构建基于电气量信息的特征参数提取模型，提取基于所述电气量信息进行电网线路故障诊断所需的特征参数；

构建多特征参数信息融合的电网故障诊断模型，进行多特征参数信息融合处理，并对处理后的信息进行诊断决策；

采用模糊均值聚类算法求解所述电网故障。

2.根据权利要求1所述的电网线路故障诊断方法，其特征在于，所述构建基于电气量信息的特征参数提取模型，包括：

获取电网线路故障时间；

依据所述电网线路故障时间，获取相对应的能量可信度、奇异可信度和/或能量畸变可信度。

3.根据权利要求2所述的电网线路故障诊断方法，其特征在于，所述获取电网线路故障时间，包括：

用离散小波变换分析从录波文件中提取电流数据；

获取所述电流数据经离散小波变换后的模极大值，得到与所述模极大值相对应的所述电网线路故障时间。

4.根据权利要求3所述的电网线路故障诊断方法，其特征在于，所述获取所述电流数据经离散小波变换后的模极大值得到与所述模极大值相对应的所述电网线路故障时间，具体为：

电流函数ψ(t)的离散小波变换W_ψf(x)为：

式中，f(t)为时间信号；

对于电流函数ψ(t)的离散小波变换W_ψf(x)，在某一邻域内，对所有的x均存在：

|W_ψf(x)|＜|W_ψf(x₀)|

则确定x₀为电流函数在离散小波变换下的模极大值点。

5.根据权利要求2所述的电网线路故障诊断方法，其特征在于，所述相对应的获取能量可信度，具体为：

E₁,E₂,...,E_z为信号x(n)在z个尺度上的小波能量分布，小波能量的定义如下：

式中，j、k为变量，D_j(n)为每次分解下的高频分量，A_z(n)为尺度z下的低频分量；

信号x(n)的小波总能量E(x)如下：

当电网发生故障时，求取录波器中不同线路的电流信号故障后一个波形周期的小波总能量，第i条线路三相中的小波总能量最大值作为所求结果E_i，则能量可信度Eⁱ为：

Eⁱ＝(e₁,e₂,...,e_n)

6.根据权利要求2所述的电网线路故障诊断方法，其特征在于，所述获取相对应的奇异可信度，具体为：

Λ_i＝diag(λ₁,λ₁,...,λ_t)为电网中第i个元件的奇异特征矩阵，则奇异特征值S_i为：

式中，t为元件的奇异特征矩阵元素个数；

奇异可信度Sⁱ为：

Sⁱ＝(s₁,s₂,...,s_n)

7.根据权利要求2所述的电网线路故障诊断方法，其特征在于，所述获取相对应的能量畸变可信度，具体为：

计算出各条线路故障发生前后一个波形周期的小波总能量，第i条线路故障前小波总能量为E_a,i，故障后小波总能量为E_b,i，第i条线路的能量畸变度D_i为：

能量畸变可信度Dⁱ为：

Dⁱ＝(d₁,d₂,...,d_n)

8.根据权利要求1所述的电网线路故障诊断方法，其特征在于，所述进行多特征参数的信息融合处理，包括如下步骤：

获取两条证据；

计算所述两条证据的冲突系数，判断所述冲突系数是否大于冲突系数阈值；

如所述冲突系数小于或等于冲突系数阈值，则按合成规则对所述两条证据进行融合，得到最终结果并判定；

如所述冲突系数大于所述冲突系数阈值，则按均值加权法处理冲突证据，得到最终结果并判定。

9.根据权利要求1所述的电网线路故障诊断方法，其特征在于，所述采用模糊均值聚类算法求解所述电网故障诊断模型，包括如下步骤：

设定数据分类个数和模糊指数；

初始化聚类中心和隶属度矩阵，设定收敛精度和迭代次数；

计算并更新隶属度矩阵；

计算并更新聚类中心；

判断是否满足收敛精度；

如满足收敛精度则输出结果，如不满足收敛精度则重新计算并更新隶属度矩阵。

Images