CN114167217A - 一种铁路配电网的多重故障诊断方法 - Google Patents
一种铁路配电网的多重故障诊断方法 Download PDFInfo
- Publication number
- CN114167217A CN114167217A CN202111496744.3A CN202111496744A CN114167217A CN 114167217 A CN114167217 A CN 114167217A CN 202111496744 A CN202111496744 A CN 202111496744A CN 114167217 A CN114167217 A CN 114167217A
- Authority
- CN
- China
- Prior art keywords
- fault
- power distribution
- inherited
- distribution control
- control node
- 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
Images
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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
- Y04S10/52—Outage or fault management, e.g. fault detection or location
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种铁路配电网的多重故障诊断方法,将配电控制节点以配电网中心控制层级顺次建立配电调控树状图;建立每个配电控制节点的故障评估模型,利用故障评估模型对故障发生进行聚类训练得到对应不同故障反应类型的故障预判矩阵;以每个故障预判矩阵的发生次数和故障发生时间来确定每个配电控制节点中具有继承关系的继承故障,划分每个配电控制节点中的继承故障和新生故障;将具有映射关系的继承故障单元二次拆分,将继承故障划分为独立继承故障和继承新生双向故障;基于所有配电控制节点的继承故障生成所有配电控制节点的有序多元决策图,判断当前的多重故障。本发明确定每个配电控制节点的独立继承故障、继承新生双向故障或新生故障。
Description
技术领域
本发明涉及配电网故障技术领域,具体涉及一种铁路配电网的多重故障诊断方法。
背景技术
铁路配电网作为铁路电力系统运行的重要环节,专门负责为铁路信号系统和车站辅助系统、特别是列车运营信号供电,直接关系着铁路行车的安全,对整个铁路系统起着至关重要的作用。铁路配电网一旦发生故障就会影响铁路的正常营运,严重时还会造成重大的生命财产损失,因此当铁路配电网发生故障时,快速可靠的判别故障具有重要的意义。
长期以来,对铁路配电网的故障检测缺少行之有效的方法,主要依靠人工巡线查找配合分段送电法,导致故障排除时间长,严重影响行车安全。目前,电力远动技术在铁路配电网中得到推广应用,但其仍以配电网监控为主要目的,大量反映故障的特征信息未能得到提取和利用,调度端缺少能够分析故障的高级应用软件,铁路配电自动化功能未能得到充分体现。
发明内容
本发明的目的在于提供一种铁路配电网的多重故障诊断方法,以解决现有技术中调度端缺少能够分析故障的高级应用软件,铁路配电自动化功能未能得到充分体现的技术问题。
为解决上述技术问题,本发明具体提供下述技术方案:
一种铁路配电网的多重故障诊断方法,包括以下步骤:
步骤100、以开关为边界对配电网进行分区,将所述配电网按照拓扑网络调控关系建立配电控制节点,并将所述配电控制节点以配电网中心控制层级顺次建立配电调控树状图;
步骤200、将配电网的每个所述配电控制节点的历史故障数据以及与历史故障数据所对应的配电网运行状态进行训练,得到每个配电控制节点的故障评估模型,利用所述故障评估模型对故障发生进行聚类训练得到对应不同故障反应类型的故障预判矩阵;
步骤300、将所述配电调控树状图的所述配电控制节点按照从上到下的顺序进行遍历,以每个所述故障预判矩阵的发生次数和故障发生时间,来确定每个所述配电控制节点中具有继承关系的继承故障,划分每个所述配电控制节点中的继承故障和新生故障;
步骤400、基于所有配电控制节点的继承故障建立所有配电控制节点的故障预判矩阵之间的映射关系,将具有映射关系的继承故障单元进行二次拆分,将继承故障划分为独立继承故障和继承新生双向故障;
步骤500、基于所有配电控制节点的继承故障生成所有所述配电控制节点的有序多元决策图,将采集的当前配电网的电网运行参量与所述有序多元决策图进行匹配,确定当前的故障为新生故障、独立继承故障和/或继承新生双向故障。
作为本发明的一种优选方案,在步骤200中,所述历史故障数据包括电网运行参量和故障发生时间,向所述故障评估模型输入每个所述配电控制节点在故障发生时的多个电网运行参量以及该故障发生时的配电网运行状态,对同一种故障反应类型进行聚类训练,以得到多种故障反应类型以及每种故障反应类型的电网运行参量,将故障反应类型、电网运行参量和故障发生时间分类整理到故障预判矩阵。
作为本发明的一种优选方案,聚类训练的实现方式为:
统计同一种故障反应类型对应的所述电网运行参量,且计算该故障反应类型发生时出现相同的电网运行参量的发生概率;
依据该故障反应类型发生时出现相同的电网运行参量的发生概率,将所述电网运行参量划分为单个电网运行参量引起的故障以及多个电网运行参量引起的故障;
收集每种故障反应类型对应的单个电网运行参量的监控数据和多个电网运行参量的监控数据,确定引起该故障反应类型的单个电网运行参量的运行数据范围,以及引起该故障反应类型的多个电网运行参量的运行数据范围。
作为本发明的一种优选方案,将每个配电控制节点的一种故障反应类型、电网运行参量和故障发生时间集成到一个所述故障预判矩阵,将引起故障反应类型的单个电网运行参量和多个电网运行参量分为定义为不同的故障原因,统计所述故障预判矩阵内每种故障原因的子发生次数以及多种故障原因引起的所述故障反应类型的总发生次数;将多种所述故障反应类型的所述故障预判矩阵按照层叠式分布方式形成三维空间坐标。
作为本发明的一种优选方案,在所述步骤300中,将所述配电调控树状图的所述配电控制节点按照从上到下的顺序进行遍历,根据两个相邻的所述配电控制节点的故障发生时间和子发生次数,来确定每个所述配电控制节点中具有继承关系的继承故障,划分每个所述配电控制节点中的继承故障和新生故障,具体的实现步骤为:
步骤301、以上一个所述配电控制节点中对应一种故障反应类型的故障预判矩阵为基准,将该所述故障预判矩阵中不同故障原因对应的故障发生时间为检索条件,对下一个所述配电控制节点的所有故障预判矩阵进行检索;
步骤302、依次统计下一个所述配电控制节点的所有故障预判矩阵中与单个所述故障原因的故障发生时间相同的故障数据行;
步骤303、计算对应单个所述故障原因的所述故障数据行的配对数量,对比子发生次数和配对数量,来确定上一个所述配电控制节点中的故障反应类型的该故障原因对下一个所述配电控制节点中的故障发生是否具有继承关系。
作为本发明的一种优选方案,在步骤303中,当配对数量少于子发生次数时,则上一个所述配电控制节点中的故障反应类型的该故障原因对下一个所述配电控制节点中的故障发生不具有继承关系;
当配对数量高于子发生次数,但下一个所述配电控制节点的故障发生时间与作为检索条件的故障发生时间不对应,则上一个所述配电控制节点中的故障反应类型的该故障原因对下一个所述配电控制节点中的故障发生不具有继承关系。
作为本发明的一种优选方案,在步骤400中,除去最上层的所述配电控制节点,在剩下的每个所述配电控制节点的所述故障预判矩阵内划分继承故障和新生故障,并建立所有配电控制节点的故障预判矩阵之间的映射关系,创建映射关系的实现方式为:
将配电控制节点的每个故障预判矩阵中的故障反应类型和电网运行参量重新构建行列矩阵(Qni,Mnj,Pnr),其中,Qni为第n个配电控制节点的第i个故障发生时间,Mnj为第n个配电控制节点的第j个故障原因,Pnr为第n个配电控制节点的第r个故障反应类型。
根据继承关系判断将相邻两个所述配电控制节点的行列矩阵(Qni,Mnj,Pnr)之间的映射关系,并按照等式推导方式确定所有配电控制节点的映射关系。
作为本发明的一种优选方案,拆分具有映射关系的继承故障的故障原因,以进一步区分继承故障为独立继承故障和继承新生双向故障,具体的拆分步骤为:
根据所有配电控制节点的调控关系对继承故障进行溯源,确定最先发生故障的所述配网控制节点;
以最先发生故障的所述配网控制节点为起点,根据上一层所述配网控制节点与下一层所述配网控制节点之间具有继承关系的所述电网运行参量的调控关系确定下一个所述配网控制节点的预计反馈数据;
将预计反馈数据与电网运行参量的实际监控数据进行对比,将预计反馈数据与实际监控数据相同且具有继承关系的故障反应类型作为独立继承故障,将预计反馈数据小于实际监控数据且具有继承关系的故障反应类型作为继承新生双向故障。
作为本发明的一种优选方案,在步骤500中,根据映射关系建立有序多元决策图,具体生成有序多元决策图的实现步骤为:将每个所述配电控制节点中具备该映射关系的故障反应类型和故障原因定义为继承故障,将每个所述配电控制节点中不具备该映射关系的故障反应类型和故障原因定义为新生故障;
将所有所述配电控制节点的继承故障和新生故障按照树状图的方式生成有序多元决策图。
作为本发明的一种优选方案,当前配电网发生故障时,根据采集的电网运行参量和配电网运行反应确定故障反应类型和故障原因,根据所述有序多元决策图确定该故障为继承故障或新发故障;
将继承故障进行溯源确定最先发生故障的所述配网控制节点,以及该继承故障的继承链上每个所述配网控制节点的预计反馈数据;
将采集的故障原因对应所述电网运行参量的实际监控数据与预计反馈数据进行对比,确定每个所述配电控制节点的新生故障、独立继承故障和/或继承新生双向故障。
本发明与现有技术相比较具有如下有益效果:
(1)本发明基于铁路配电网的配网控制节点的控制关系树状图,以及对历史故障数据的训练分析方式,得到多个配网控制节点之间具有继承关系的继承故障,因此根据继承故障可以进行故障溯源,诊断最先发生故障的配网控制节点,此时恢复最先发生故障的配网控制节点即可进行故障修复,如果是新生故障,则仅需要修复该配网控制节点所在线路的故障,则可以实现故障修复。
(2)本发明针对故障发生时的电网运行数据,来拆分继承故障是否还与新生故障混合,确定每个所述配电控制节点的独立继承故障和继承新生双向故障,进行溯源修复和线路修复双工作,从而达到多重故障诊断的目的。。
附图说明
为了更清楚地说明本发明的实施方式或现有技术中的技术方案,下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍。显而易见地,下面描述中的附图仅仅是示例性的,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图引伸获得其它的实施附图。
图1为本发明实施例提供的多重故障诊断方法的流程示意图;
图2为本发明实施例提供的配电调控树状图的结构示意图;
图3为本发明实施例提供的行列矩阵的结构示意图;
图4为本发明实施例的行列矩阵映射关系的结构示意图;
图5为本发明实施例提供的有序多元决策图的继承故障的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,本发明提供了一种铁路配电网的多重故障诊断方法,包括以下步骤:
步骤100、以开关为边界对配电网进行分区,将配电网按照拓扑网络调控关系建立配电控制节点,并将配电控制节点以配电网中心控制层级顺次建立配电调控树状图。
具体的树状图划分方式如图2所示,由于在同一条配电反馈线上的故障大多同时发生,但是由于每个配电控制节点的配电方式不同,因此同一条配电反馈线由于同一种故障原因导致的故障反应类型不同,因此需要确定不同的配电控制节点中,哪些故障反应类型是由于处于同一条配电反馈线致使的继承故障,哪些是由于该配电控制节点中独立发生不具备故障传递的新生故障。其中故障反应类型具体为电路跳闸、电路升温、空气电流等。
步骤200、将配电网的每个配电控制节点的历史故障数据以及与历史故障数据所对应的配电网运行状态进行训练,得到每个配电控制节点的故障评估模型,利用故障评估模型对故障发生进行聚类训练得到对应不同故障反应类型的故障预判矩阵。
在步骤200中,历史故障数据包括电网运行参量和故障发生时间,向故障评估模型输入每个配电控制节点在故障发生时的多个电网运行参量以及该故障发生时的配电网运行状态,对同一种故障反应类型进行聚类训练,以得到多种故障反应类型以及每种故障反应类型的电网运行参量,将故障反应类型、电网运行参量和故障发生时间分类整理到故障预判矩阵。
其中,电网运行参量具体为配电网的电压、电流或者电阻。
聚类训练的实现方式为:
(1)统计同一种故障反应类型对应的电网运行参量,且计算该故障反应类型发生时出现相同的电网运行参量的发生概率.
(2)依据该故障反应类型发生时出现相同的电网运行参量的发生概率,将电网运行参量划分为单个电网运行参量引起的故障以及多个电网运行参量引起的故障。
(3)收集每种故障反应类型对应的单个电网运行参量的监控数据和多个电网运行参量的监控数据,确定引起该故障反应类型的单个电网运行参量的运行数据范围,以及引起该故障反应类型的多个电网运行参量的运行数据范围。
将每个配电控制节点的一种故障反应类型、电网运行参量和故障发生时间集成到一个故障预判矩阵,将引起故障反应类型的单个电网运行参量和多个电网运行参量分为定义为不同的故障原因,统计故障预判矩阵内每种故障原因的子发生次数以及多种故障原因引起的故障反应类型的总发生次数;将多种故障反应类型的故障预判矩阵按照层叠式分布方式形成三维空间坐标。
具体的故障预判矩阵如下:
步骤300、将配电调控树状图的配电控制节点按照从上到下的顺序进行遍历,以每个故障预判矩阵的发生次数和故障发生时间,来确定每个配电控制节点中具有继承关系的继承故障,划分每个配电控制节点中的继承故障和新生故障。
步骤300中,将配电调控树状图的配电控制节点按照从上到下的顺序进行遍历,根据两个相邻的配电控制节点的故障发生时间和子发生次数,来确定每个配电控制节点中具有继承关系的继承故障,划分每个配电控制节点中的继承故障和新生故障,具体的实现步骤为:
步骤301、以上一个配电控制节点中对应一种故障反应类型的故障预判矩阵为基准,将该故障预判矩阵中不同故障原因对应的故障发生时间为检索条件,对下一个配电控制节点的所有故障预判矩阵进行检索。
步骤302、依次统计下一个配电控制节点的所有故障预判矩阵中与单个故障原因的故障发生时间相同的故障数据行。
步骤303、计算对应单个故障原因的故障数据行的配对数量,对比子发生次数和配对数量,来确定上一个配电控制节点中的故障反应类型的该故障原因对下一个配电控制节点中的故障发生是否具有继承关系。
在步骤303中,当配对数量少于子发生次数时,则上一个配电控制节点中的故障反应类型的该故障原因对下一个配电控制节点中的故障发生不具有继承关系;
当配对数量高于子发生次数,但下一个配电控制节点的故障发生时间与作为检索条件的故障发生时间不对应,则上一个配电控制节点中的故障反应类型的该故障原因对下一个配电控制节点中的故障发生不具有继承关系。
具有继承关系的故障一定会存在的故障场景为:
上一个配电控制节点中,在T1时刻发生一次由故障原因A引起的故障,则下一个配电控制节点中一定会出现故障,但是故障反应类型和故障原因可能不同,但是故障发生时间一定相同,因此如果上一个配电控制节点中某一个故障反应类型的故障发生时间,并不能与下一个配电控制节点的故障发生时间点一一对应,则认为该故障原因不具备集成关系。
步骤400、基于所有配电控制节点的继承故障建立所有配电控制节点的故障预判矩阵之间的映射关系,将具有映射关系的继承故障单元进行二次拆分,将继承故障划分为独立继承故障和继承新生双向故障。
在步骤400中,除去最上层的配电控制节点,在剩下的每个配电控制节点的故障预判矩阵内划分继承故障和新生故障,并建立所有配电控制节点的故障预判矩阵之间的映射关系,创建映射关系的实现方式为:
如图3所示,将配电控制节点的每个故障预判矩阵中的故障反应类型和电网运行参量重新构建行列矩阵(Qni,Mnj,Pnr),其中,Qni为第n个配电控制节点的第i个故障发生时间,Mnj为第n个配电控制节点的第j个故障原因,Pnr为第n个配电控制节点的第r个故障反应类型。
如图4所示,根据继承关系判断将相邻两个所述配电控制节点的行列矩阵(Qni,Mnj,Pnr)之间的映射关系,并按照等式推导方式确定所有配电控制节点的映射关系。
拆分具有映射关系的继承故障的故障原因,以进一步区分继承故障为独立继承故障和继承新生双向故障,具体的拆分步骤为:
一、根据所有配电控制节点的调控关系对继承故障进行溯源,确定最先发生故障的配网控制节点;
二、以最先发生故障的配网控制节点为起点,根据上一层配网控制节点与下一层配网控制节点之间具有继承关系的电网运行参量的调控关系确定下一个配网控制节点的预计反馈数据;
三、将预计反馈数据与电网运行参量的实际监控数据进行对比,将预计反馈数据与实际监控数据相同且具有继承关系的故障反应类型作为独立继承故障,将预计反馈数据小于实际监控数据且具有继承关系的故障反应类型作为继承新生双向故障。
步骤500、基于所有配电控制节点的继承故障生成所有配电控制节点的有序多元决策图,将采集的当前配电网的电网运行参量与有序多元决策图进行匹配,确定当前的故障为新生故障、独立继承故障和/或继承新生双向故障。
如图5所示,根据映射关系建立有序多元决策图,具体生成有序多元决策图的实现步骤为:将每个配电控制节点中具备该映射关系的故障反应类型和故障原因定义为继承故障,将每个配电控制节点中不具备该映射关系的故障反应类型和故障原因定义为新生故障;
将所有配电控制节点的继承故障和新生故障按照树状图的方式生成有序多元决策图。
当前配电网发生故障时,根据采集的电网运行参量和配电网运行反应确定故障反应类型和故障原因,根据有序多元决策图确定该故障为继承故障或新发故障。
将继承故障进行溯源确定最先发生故障的配网控制节点,以及该继承故障的继承链上每个配网控制节点的预计反馈数据。
将采集的故障原因对应电网运行参量的实际监控数据与预计反馈数据进行对比,确定每个配电控制节点的新生故障、独立继承故障和/或继承新生双向故障。
因此本实施方式基于铁路配电网的配网控制节点的控制关系树状图,以及对历史故障数据的训练分析方式,得到多个配网控制节点之间具有继承关系的继承故障,因此根据继承故障可以进行故障溯源,诊断最先发生故障的配网控制节点,此时恢复最先发生故障的配网控制节点即可进行故障修复,如果是新生故障,则仅需要修复该配网控制节点所在线路的故障,则可以实现故障修复。
另外,本实施方式还针对故障发生时的电网运行数据,来拆分继承故障是否还与新生故障混合,确定每个配电控制节点的独立继承故障和继承新生双向故障,进行溯源修复和线路修复双工作,从而达到多重故障诊断的目的。
以上实施例仅为本申请的示例性实施例,不用于限制本申请,本申请的保护范围由权利要求书限定。本领域技术人员可以在本申请的实质和保护范围内,对本申请做出各种修改或等同替换,这种修改或等同替换也应视为落在本申请的保护范围内。
Claims (10)
1.一种铁路配电网的多重故障诊断方法,其特征在于,包括以下步骤:
步骤100、以开关为边界对配电网进行分区,将所述配电网按照拓扑网络调控关系建立配电控制节点,并将所述配电控制节点以配电网中心控制层级顺次建立配电调控树状图;
步骤200、将配电网的每个所述配电控制节点的历史故障数据以及与历史故障数据所对应的配电网运行状态进行训练,得到每个配电控制节点的故障评估模型,利用所述故障评估模型对故障发生进行聚类训练得到对应不同故障反应类型的故障预判矩阵;
步骤300、将所述配电调控树状图的所述配电控制节点按照从上到下的顺序进行遍历,以每个所述故障预判矩阵的发生次数和故障发生时间,来确定每个所述配电控制节点中具有继承关系的继承故障,划分每个所述配电控制节点中的继承故障和新生故障;
步骤400、基于所有配电控制节点的继承故障建立所有配电控制节点的故障预判矩阵之间的映射关系,将具有映射关系的继承故障单元进行二次拆分,将继承故障划分为独立继承故障和继承新生双向故障;
步骤500、基于所有配电控制节点的继承故障生成所有所述配电控制节点的有序多元决策图,将采集的当前配电网的电网运行参量与所述有序多元决策图进行匹配,确定当前的故障为新生故障、独立继承故障和/或继承新生双向故障。
2.根据权利要求1所述的一种铁路配电网的多重故障诊断方法,其特征在于:在步骤200中,所述历史故障数据包括电网运行参量和故障发生时间,向所述故障评估模型输入每个所述配电控制节点在故障发生时的多个电网运行参量以及该故障发生时的配电网运行状态,对同一种故障反应类型进行聚类训练,以得到多种故障反应类型以及每种故障反应类型的电网运行参量,将故障反应类型、电网运行参量和故障发生时间分类整理到故障预判矩阵。
3.根据权利要求2所述的一种铁路配电网的多重故障诊断方法,其特征在于,聚类训练的实现方式为:
统计同一种故障反应类型对应的所述电网运行参量,且计算该故障反应类型发生时出现相同的电网运行参量的发生概率;
依据该故障反应类型发生时出现相同的电网运行参量的发生概率,将所述电网运行参量划分为单个电网运行参量引起的故障以及多个电网运行参量引起的故障;
收集每种故障反应类型对应的单个电网运行参量的监控数据和多个电网运行参量的监控数据,确定引起该故障反应类型的单个电网运行参量的运行数据范围,以及引起该故障反应类型的多个电网运行参量的运行数据范围。
4.根据权利要求2所述的一种铁路配电网的多重故障诊断方法,其特征在于:将每个配电控制节点的一种故障反应类型、电网运行参量和故障发生时间集成到一个所述故障预判矩阵,将引起故障反应类型的单个电网运行参量和多个电网运行参量分为定义为不同的故障原因,统计所述故障预判矩阵内每种故障原因的子发生次数以及多种故障原因引起的所述故障反应类型的总发生次数;将多种所述故障反应类型的所述故障预判矩阵按照层叠式分布方式形成三维空间坐标。
5.根据权利要求4所述的一种铁路配电网的多重故障诊断方法,其特征在于:在所述步骤300中,将所述配电调控树状图的所述配电控制节点按照从上到下的顺序进行遍历,根据两个相邻的所述配电控制节点的故障发生时间和子发生次数,来确定每个所述配电控制节点中具有继承关系的继承故障,划分每个所述配电控制节点中的继承故障和新生故障,具体的实现步骤为:
步骤301、以上一个所述配电控制节点中对应一种故障反应类型的故障预判矩阵为基准,将该所述故障预判矩阵中不同故障原因对应的故障发生时间为检索条件,对下一个所述配电控制节点的所有故障预判矩阵进行检索;
步骤302、依次统计下一个所述配电控制节点的所有故障预判矩阵中与单个所述故障原因的故障发生时间相同的故障数据行;
步骤303、计算对应单个所述故障原因的所述故障数据行的配对数量,对比子发生次数和配对数量,来确定上一个所述配电控制节点中的故障反应类型的该故障原因对下一个所述配电控制节点中的故障发生是否具有继承关系。
6.根据权利要求5所述的一种铁路配电网的多重故障诊断方法,其特征在于:在步骤303中,当配对数量少于子发生次数时,则上一个所述配电控制节点中的故障反应类型的该故障原因对下一个所述配电控制节点中的故障发生不具有继承关系;
当配对数量高于子发生次数,但下一个所述配电控制节点的故障发生时间与作为检索条件的故障发生时间不对应,则上一个所述配电控制节点中的故障反应类型的该故障原因对下一个所述配电控制节点中的故障发生不具有继承关系。
7.根据权利要求5所述的一种铁路配电网的多重故障诊断方法,其特征在于,在步骤400中,除去最上层的所述配电控制节点,在剩下的每个所述配电控制节点的所述故障预判矩阵内划分继承故障和新生故障,并建立所有配电控制节点的故障预判矩阵之间的映射关系,创建映射关系的实现方式为:
将配电控制节点的每个故障预判矩阵中的故障反应类型和电网运行参量重新构建行列矩阵(Qni,Mnj,Pnr),其中,Qni为第n个配电控制节点的第i个故障发生时间,Mnj为第n个配电控制节点的第j个故障原因,Pnr为第n个配电控制节点的第r个故障反应类型;
根据继承关系判断将相邻两个所述配电控制节点的行列矩阵(Qni,Mnj,Pnr)之间的映射关系,并按照等式推导方式确定所有配电控制节点的映射关系。
8.根据权利要求7所述的一种铁路配电网的多重故障诊断方法,其特征在于,拆分具有映射关系的继承故障的故障原因,以进一步区分继承故障为独立继承故障和继承新生双向故障,具体的拆分步骤为:
根据所有配电控制节点的调控关系对继承故障进行溯源,确定最先发生故障的所述配网控制节点;
以最先发生故障的所述配网控制节点为起点,根据上一层所述配网控制节点与下一层所述配网控制节点之间具有继承关系的所述电网运行参量的调控关系确定下一个所述配网控制节点的预计反馈数据;
将预计反馈数据与电网运行参量的实际监控数据进行对比,将预计反馈数据与实际监控数据相同且具有继承关系的故障反应类型作为独立继承故障,将预计反馈数据小于实际监控数据且具有继承关系的故障反应类型作为继承新生双向故障。
9.根据权利要求7所述的一种铁路配电网的多重故障诊断方法,其特征在于,在步骤500中,根据映射关系建立有序多元决策图,具体生成有序多元决策图的实现步骤为:将每个所述配电控制节点中具备该映射关系的故障反应类型和故障原因定义为继承故障,将每个所述配电控制节点中不具备该映射关系的故障反应类型和故障原因定义为新生故障;
将所有所述配电控制节点的继承故障和新生故障按照树状图的方式生成有序多元决策图。
10.根据权利要求9所述的一种铁路配电网的多重故障诊断方法,其特征在于,当前配电网发生故障时,根据采集的电网运行参量和配电网运行反应确定故障反应类型和故障原因,根据所述有序多元决策图确定该故障为继承故障或新发故障;
将继承故障进行溯源确定最先发生故障的所述配网控制节点,以及该继承故障的继承链上每个所述配网控制节点的预计反馈数据;
将采集的故障原因对应所述电网运行参量的实际监控数据与预计反馈数据进行对比,确定每个所述配电控制节点的新生故障、独立继承故障和/或继承新生双向故障。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111496744.3A CN114167217B (zh) | 2021-12-09 | 2021-12-09 | 一种铁路配电网的多重故障诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111496744.3A CN114167217B (zh) | 2021-12-09 | 2021-12-09 | 一种铁路配电网的多重故障诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114167217A true CN114167217A (zh) | 2022-03-11 |
CN114167217B CN114167217B (zh) | 2023-06-23 |
Family
ID=80484954
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111496744.3A Active CN114167217B (zh) | 2021-12-09 | 2021-12-09 | 一种铁路配电网的多重故障诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114167217B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114330599A (zh) * | 2022-03-14 | 2022-04-12 | 中汽信息科技(天津)有限公司 | 基于深度学习的发动机故障识别方法、设备和系统 |
CN114897197A (zh) * | 2022-07-14 | 2022-08-12 | 中铁电气化勘测设计研究院有限公司 | 基于缺陷统计和预测的接触网维修策略调整方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010204875A (ja) * | 2009-03-03 | 2010-09-16 | Nec Corp | 分散処理システム及びその制御方法、並びに分散処理システムに用いられる制御プログラム |
US20150033080A1 (en) * | 2013-07-23 | 2015-01-29 | Halliburton Energy Services, Inc. | Cause and Effect Mapping for Failure Mode Effect Analysis Creation and Risk Management |
CN105760279A (zh) * | 2016-03-09 | 2016-07-13 | 北京国电通网络技术有限公司 | 分布式数据库集群故障预警关联树生成方法及系统 |
JP2017208902A (ja) * | 2016-05-17 | 2017-11-24 | 株式会社日立製作所 | 電力系統の設備計画支援装置および電力系統の配電監視制御装置 |
CN109696598A (zh) * | 2018-12-26 | 2019-04-30 | 四川大学 | 一种考虑继发性故障的配电网故障选线方法 |
CN110175707A (zh) * | 2019-05-13 | 2019-08-27 | 东南大学 | 基于数据继承思想的电力系统暂态频率预测模型更新方法 |
CN110674950A (zh) * | 2019-09-25 | 2020-01-10 | 国网山东省电力公司日照供电公司 | 基于多源信息的配电网故障定位方法 |
WO2020042307A1 (zh) * | 2018-08-30 | 2020-03-05 | 山东大学 | 一种交直流大电网连锁故障快速搜索方法及系统 |
AU2020103212A4 (en) * | 2020-11-04 | 2021-01-14 | Azam, Farooque MR | IoT AND MACHINE LEARNING-BASED POWER DISTRIBUTION MANAGEMENT SYSTEM |
-
2021
- 2021-12-09 CN CN202111496744.3A patent/CN114167217B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010204875A (ja) * | 2009-03-03 | 2010-09-16 | Nec Corp | 分散処理システム及びその制御方法、並びに分散処理システムに用いられる制御プログラム |
US20150033080A1 (en) * | 2013-07-23 | 2015-01-29 | Halliburton Energy Services, Inc. | Cause and Effect Mapping for Failure Mode Effect Analysis Creation and Risk Management |
CN105760279A (zh) * | 2016-03-09 | 2016-07-13 | 北京国电通网络技术有限公司 | 分布式数据库集群故障预警关联树生成方法及系统 |
JP2017208902A (ja) * | 2016-05-17 | 2017-11-24 | 株式会社日立製作所 | 電力系統の設備計画支援装置および電力系統の配電監視制御装置 |
WO2020042307A1 (zh) * | 2018-08-30 | 2020-03-05 | 山东大学 | 一种交直流大电网连锁故障快速搜索方法及系统 |
CN109696598A (zh) * | 2018-12-26 | 2019-04-30 | 四川大学 | 一种考虑继发性故障的配电网故障选线方法 |
CN110175707A (zh) * | 2019-05-13 | 2019-08-27 | 东南大学 | 基于数据继承思想的电力系统暂态频率预测模型更新方法 |
CN110674950A (zh) * | 2019-09-25 | 2020-01-10 | 国网山东省电力公司日照供电公司 | 基于多源信息的配电网故障定位方法 |
AU2020103212A4 (en) * | 2020-11-04 | 2021-01-14 | Azam, Farooque MR | IoT AND MACHINE LEARNING-BASED POWER DISTRIBUTION MANAGEMENT SYSTEM |
Non-Patent Citations (2)
Title |
---|
丁明 等: "基于事故链及动态故障树的电网连锁故障风险评估模型" * |
吕小红 等: "基于灰色经验融合的电网故障研判模型" * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114330599A (zh) * | 2022-03-14 | 2022-04-12 | 中汽信息科技(天津)有限公司 | 基于深度学习的发动机故障识别方法、设备和系统 |
CN114897197A (zh) * | 2022-07-14 | 2022-08-12 | 中铁电气化勘测设计研究院有限公司 | 基于缺陷统计和预测的接触网维修策略调整方法 |
CN114897197B (zh) * | 2022-07-14 | 2022-10-04 | 中铁电气化勘测设计研究院有限公司 | 基于缺陷统计和预测的接触网维修策略调整方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114167217B (zh) | 2023-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110221198B (zh) | 基于故障树的煤矿井下组合开关故障诊断方法 | |
CN107358366B (zh) | 一种配电变压器故障风险监测方法及系统 | |
CN108318782B (zh) | 基于网络拓扑与配变停电信息的配电网故障区域辨识方法 | |
CN110674189B (zh) | 一种智能变电站二次状态监测与故障定位的方法 | |
CN114167217A (zh) | 一种铁路配电网的多重故障诊断方法 | |
CN102231521B (zh) | 一种配电网自愈控制中的电网运行状态辨识方法 | |
CN106204330A (zh) | 一种配电网智能诊断系统 | |
CN101833324B (zh) | 胎面挤出过程智能故障诊断系统及其诊断方法 | |
CN109687410B (zh) | 一种基于最大熵增的连锁故障集构建方法 | |
CN110287543B (zh) | 一种继电保护装置寿命预测方法 | |
CN105183952A (zh) | 一种基于分层时间模糊Petri网的输电网故障诊断方法 | |
CN107622360A (zh) | 一种综合考虑主客观因素的关键线路识别方法 | |
CN104506137A (zh) | 一种设备故障诊断方法和装置 | |
CN111555906B (zh) | 配电网信息物理系统的故障恢复策略制定评价方法和系统 | |
CN107453354A (zh) | 一种配电网的薄弱环节识别方法 | |
CN110443481B (zh) | 基于混合k-近邻算法的配电自动化终端状态评价系统及方法 | |
CN103197168A (zh) | 电力系统中基于事件集因果链实现故障诊断控制的方法 | |
CN113740666B (zh) | 一种数据中心电力系统告警风暴根源故障的定位方法 | |
CN112949874B (zh) | 一种配电终端缺陷特征自诊断方法及系统 | |
CN111062569A (zh) | 一种基于bp神经网络的小电流故障判别方法 | |
CN110021933B (zh) | 考虑组件故障的电力信息系统控制功能可靠性评估方法 | |
CN109784629B (zh) | 一种基于神经网络的变电站工控网络故障定位方法 | |
CN114167837B (zh) | 一种铁路信号系统的智能故障诊断方法及系统 | |
CN114693186B (zh) | 一种差异化组合式变电站多故障事件分析处理方法和系统 | |
CN115603459A (zh) | 一种基于数字孪生技术的配电网关键厂站监测方法与系统 |
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 |