CN114910737A - 一种基于电力大数据节点故障诊断方法 - Google Patents

Abstract

本发明公开了一种基于电力大数据节点故障诊断方法，包括以下步骤：S1：电力大数据中每个电力节点含有多个参数，参数的变化对应的是每个电力节点故障造成的连锁反应，故根据参数变化的一系列参数值测定实现故障定位，其中通过模拟每个节点建立相应的特性计算公式，在实际测量值和计算值相同时，则说明电路无故障，处于正常工作状态。本发明采用模糊推理方式，其基于电力故障点概率的不确定性推理方法,针对电力系统故障诊断中存在的信息不完备和不确定性问题，在实地进行故障排查时前，依据保护装置动作原理分别建立了完备和不完备信息下的分布式特性测量置计算模型，用该模型进行故障诊断验证了该方法的正确性和有效性。

Description

一种基于电力大数据节点故障诊断方法

技术领域

本发明涉及电力故障排查技术领域，尤其涉及一种基于电力大数据节点故障诊断方法。

背景技术

电力是国家的支柱能源和经济命脉。随着现代社会生产力水平的不断提高，电能用户对于供电可靠，性特别是连续性的要求越来越高，优质、可靠、稳定的电力供应已成为电力用户的普遍需求。电网的扩大、运行条件日趋复杂、电网用电设备种类和数量的大量增加、自然灾害和误操作等因素使得电网故障频繁发生。电力系统的大事故对于国家经济会造成巨大影响，甚至威胁到国家安全。但是，电力系统的事故，尤其是由于各种偶然因素造成的事故从客观上讲是不可能完全避免的。如果局部故障未能得到及时有效的处理，还可能导致全网的大规模停电事故。

如公开号为CN108469565B的一种电力故障诊断系统与诊断方法，属于电力系统技术领域；该电力故障诊断系统，包括与电力线路同平面设置的环形回路，回路上串联设置电流表A，并联电阻阵列，电阻阵列控制器，以及评价系统。

以上的诊断方法其适用的只是在现有的每个电网的节点处进行回路检测方式，但是在现有的多用户的大数据量下，故障排除只能通过人工上报，不能快速排除故障点的位置和方式，使电力维护的成本和时长均不能达到最佳，在现有电网中多挂用户的使用下，需要一种基于电力大数据节点故障诊断方法。

发明内容

基于背景技术存在的技术问题，本发明提出了一种基于电力大数据节点故障诊断方法，包括以下步骤：

S1：电力大数据中每个电力节点含有多个参数，参数的变化对应的是每个电力节点故障造成的连锁反应，故根据参数变化的一系列参数值测定实现故障定位，其中通过模拟每个节点建立相应的特性计算公式，在实际测量值和计算值相同时，则说明电路无故障，处于正常工作状态，如果有故障点，则测量值和计算值会超出误差范围；

S2：根据特性计算公式，在故障诊断过程中，采用以下步骤进行：

S2-1：先进行测试，从可及节点得到多个特性测量值；

S2-2：根据公式求得结合参数的灵敏度因子I，即式中的si的最小值，作为故障诊断的判据；

S2-3：在多个参数的灵敏度因子都求得之后，其中最小的灵敏度因子所对应的参数是最有可能发生了故障的参数，然后实际再对对应的电力节点实现排查；

S3：实地进行故障排除，其故障排除的具体项目如下：

S3-1：检查变压器、各个分电箱和分电箱中的电能表；

S3-2：检查排除输电线路故障；

S3-3：核对实地的合法接线线路；

S3-4：查出原因，排除故障、按变压器连接用户规格配新熔体；

S3-5：调节分电箱整定值与变压器配合；

S4：通过对实地的检测反馈，储存至数据库中，配合上实地的故障类型和故障点数量参数等，可完善公式的容差范围，提高故障点的预判准确度。

作为本发明中进一步方案为，所述特性计算公式在存在一个故障时，其参数为xi，其余各元件的参数都为额定值，那么任意一个点的测试值都可以表示为xi的函数具体如下，Yj＝fj(Xi)＝fj(x1₀， x2₀，…，xi₀，…xn₀)，j＝1，2，3…m。

作为本发明中进一步方案为，所述灵敏度因子I对每一个参数都引入一个物理量s，且s为特性偏差的平方和，则灵敏度因子I＝1，2， 3…，n。

作为本发明中进一步方案为，所述电路中发生的单故障是偏离其额定值不大的软故障，特性值Yi的计算值可以展开成泰勒级数，且式中额定参数矢量X₀＝[x1₀，x2₀…，xn₀]’，则Ixi＝xi₀(i＝1，2，3… n)，为特性j对特性I的灵敏度。

作为本发明中进一步方案为，所述故障点的判断根据电路的额定参数计算出各灵敏度aji及各特性值的计算值Yj₀，测试后可以得到各特性的测量值gj，由上式可以直接求出灵敏度因子，从而确定故障发生点。

本发明中的有益效果为：

本基于电力大数据节点故障诊断方法采用模糊推理方式，其基于电力故障点概率的不确定性推理方法，也是处理不确定性信息的主要工具,针对电力系统故障诊断中存在的信息不完备和不确定性问题，在实地进行故障排查时前，依据保护装置动作原理分别建立了完备和不完备信息下的分布式特性测量置计算模型，用该模型进行故障诊断验证了该方法的正确性和有效性，并通过故障排查数据拓展建立蕴含时序性的计算模型特性网，便于后续在不同节点发现同种特性波动时，快速结论，配合上实地排障，可提高整体的排障效率，减少物力和人力的投入，保证了电力的高效疏通。

附图说明

图1为本发明提出的一种基于电力大数据节点故障诊断方法的流程图。

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。

实施例1

参照图1，一种基于电力大数据节点故障诊断方法，包括以下步骤：

S1：电力大数据中每个电力节点含有多个参数，参数的变化对应的是每个电力节点故障造成的连锁反应，故根据参数变化的一系列参数值测定实现故障定位，其中通过模拟每个节点建立相应的特性计算公式，在实际测量值和计算值相同时，则说明电路无故障，处于正常工作状态，如果有故障点，则测量值和计算值会超出误差范围；

S2：根据特性计算公式，在故障诊断过程中，采用以下步骤进行：

S2-1：先进行测试，从可及节点得到多个特性测量值；

S2-2：根据公式求得结合参数的灵敏度因子I，即式中的si的最小值，作为故障诊断的判据；

S2-3：在多个参数的灵敏度因子都求得之后，其中最小的灵敏度因子所对应的参数是最有可能发生了故障的参数，然后实际再对对应的电力节点实现排查；

S3：实地进行故障排除，其故障排除的具体项目如下：

S3-1：检查变压器、各个分电箱和分电箱中的电能表；

S3-2：检查排除输电线路故障；

S3-3：核对实地的合法接线线路；

S3-4：查出原因，排除故障、按变压器连接用户规格配新熔体；

S3-5：调节分电箱整定值与变压器配合；

S4：通过对实地的检测反馈，储存至数据库中，配合上实地的故障类型和故障点数量参数等，可完善公式的容差范围，提高故障点的预判准确度。

其中根据特性计算公式排查的步骤如下：设模拟电网含有m个不同的参数，对电路进行测量，得到m个不同的特性测量值，且m<n。令xi(i＝1，2，3，4……n)表示参数值，Yj(j＝1，2，3…，m)表示特性计算值，因为如果电路的拓扑结构已知，则参数和特性之间存在一个确定的解析关系，所以Yj＝fj(x1，x2，…，xn)。特性参数的测量值用gj(j＝1，2，3…，m)；如果实际所用的各参数值为实际值，同时测量不存在误差，则gj＝Yj，即特性偏差为零，其中Yj是在参数为额定值x1₀，x2₀，…，xn₀时计算出来的。如果特性的测量值与计算值相等，说明电路没有发生故障，处于正常工作状态；

如果电路中第I个元件发生故障，其参数为xi，其余各元件的参数都为额定值，那么任意一个点的测试值都可以表示为xi的函数：

Yj＝fj(Xi)＝fj(x1₀，x2₀，…，xi₀，…xn₀)

j＝1，2，3…m

其中，Xi为参数矢量，其中除第i个分量为xi外其余各分量为参数的额定值；

于是有：j＝1，2，3，…，m

对每一个参数都引入一个物理量s，s为特性偏差的平方和，于是对于参数I有：

I＝1，2，3…，n

当xi变动时，s也随之而改变；

如果电路中只存在单故障，那么当xi等于故障参数的实际值时，特性值的测量值与计算值十分接近，特性偏差接近与零。此时表征特性偏差平方和的物理量si将最小；

因此我们可以将si作为故障诊断的一种判据，我们将si的最小值定义为结合参数I的灵敏度因子；

如果电路中发生的单故障是偏离其额定值不大的软故障，特性值 Yi的计算值可以展开成泰勒级数：式中额定参数矢量X₀＝[x1₀，x2₀…， xn₀]’；参数增量矢量，为泰勒级数中大于一阶的高阶项，若电路中发生的是软故障，此项可以忽略不计；

Ixi＝xi₀(i＝1，2，3…n)，为特性j对特性I的灵敏度。发生单故障时，只有不等于零，所以代入式可得，令求得，于是可以求出结合参数I的灵敏度因子，测试前可先根据电路的额定参数计算出各灵敏度aji及各特性值的计算值Yj₀，测试后可以得到各特性的测量值gj，由上式可以直接求出灵敏度因子，从而确定故障发生点；

由前面的讨论我们可以总结出采用结合判据法进行故障诊断的具体步骤如下：

(1)先进行测试，从可及节点得到m个特性测量值。

(2)求得结合参数xi的灵敏度因子，即si的最小值，作为故障诊断的判据。

(3)在n个参数的灵敏度因子都求得之后，其中最小的灵敏度因子所对应的参数是最有可能发生了故障的参数。

本实施例适合于参数变化不大的单、软故障的定位，而不适用于多故障的定位。

实施例2

一种基于电力大数据节点故障诊断方法，在实施例1中的判据法的基础上进一步引申，找一个类似于灵敏度因子的判据，并计算使这个判据达到最小时的各个参数的值，即各个参数的实际值，然后与额定值进行比较，从而确定故障点，这样就可以用于多故障的定位；

其中，为特性测量值gj的方差，将Yj＝fj(X)在X₀处按泰勒级数展开，如果不大，可忽略高次项,当s达到最小值时所对应的X＝X₀+ 即为各参数的估计值，如果某些元件的参数估计值超过其容差范围，则可能为故障元件；

其中：如果要求s的最小值，只需对式求导，并令倒数为零，采用迭代法求解，首先设X的初值为X₀，在X₀处计算P，A，PA，然后再由式计算出s，完成一个迭代过程；

然后令X的新值为，在X1处计算P，A，PA，及s的值，如此循环下去，直到第k次满足时为止，此时对应的Xk就是所要求的参数估计值；

测量值数必须要大于或等于参数的个数，它考虑了测量误差。另外，它能够估计出各个元件的参数值，可以用于多故障诊断，但计算量大，在计算机中进行相应的故障排查，可配套高效找出节点故障。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (5)

1.一种基于电力大数据节点故障诊断方法，其特征在于，包括以下步骤：

S1：电力大数据中每个电力节点含有多个参数，参数的变化对应的是每个电力节点故障造成的连锁反应，故根据参数变化的一系列参数值测定实现故障定位，其中通过模拟每个节点建立相应的特性计算公式，在实际测量值和计算值相同时，则说明电路无故障，处于正常工作状态，如果有故障点，则测量值和计算值会超出误差范围；

S2：根据特性计算公式，在故障诊断过程中，采用以下步骤进行：

S2-1：先进行测试，从可及节点得到多个特性测量值；

S2-2：根据公式求得结合参数的灵敏度因子I，即式中的si的最小值，作为故障诊断的判据；

S2-3：在多个参数的灵敏度因子都求得之后，其中最小的灵敏度因子所对应的参数是最有可能发生了故障的参数，然后实际再对对应的电力节点实现排查；

S3：实地进行故障排除，其故障排除的具体项目如下：

S3-1：检查变压器、各个分电箱和分电箱中的电能表；

S3-2：检查排除输电线路故障；

S3-3：核对实地的合法接线线路；

S3-4：查出原因，排除故障、按变压器连接用户规格配新熔体；

S3-5：调节分电箱整定值与变压器配合；

S4：通过对实地的检测反馈，储存至数据库中，配合上实地的故障类型和故障点数量参数等，可完善公式的容差范围，提高故障点的预判准确度。

2.根据权利要求1所述的一种基于电力大数据节点故障诊断方法，其特征在于，所述特性计算公式在存在一个故障时，其参数为xi，其余各元件的参数都为额定值，那么任意一个点的测试值都可以表示为xi的函数具体如下，Yj=fj(Xi)=fj(x1₀，x2₀，…，xi₀，…xn₀)，j=1，2，3…m。

3.根据权利要求2所述的一种基于电力大数据节点故障诊断方法，其特征在于，所述灵敏度因子I对每一个参数都引入一个物理量s，且s为特性偏差的平方和，则灵敏度因子I=1，2，3…，n。

4.根据权利要求3所述的一种基于电力大数据节点故障诊断方法，其特征在于，所述电路中发生的单故障是偏离其额定值不大的软故障，特性值Yi的计算值可以展开成泰勒级数，且式中额定参数矢量X₀=[x1₀，x2₀…，xn₀]’，则Ixi=xi₀(i=1，2，3…n)，为特性j对特性I的灵敏度。

5.根据权利要求4所述的一种基于电力大数据节点故障诊断方法，其特征在于，所述故障点的判断根据电路的额定参数计算出各灵敏度aji及各特性值的计算值Yj₀，测试后可以得到各特性的测量值gj，由上式可以直接求出灵敏度因子，从而确定故障发生点。

Images