CN115994305B - 一种确定继电保护设备运行状态的方法及系统 - Google Patents

Abstract

本发明公开了一种基于自检告警信息确定继电保护设备运行状态的方法及系统，确定继电保护设备的运行状态的两个评价指标；获取具有多个评价指标的样本数据集，划分故障样和非故障样本子集，确定非线性分界线；对样本数据集中每个样本点进行线积分处理，将每个样本点映射至一维坐标系，从而确定一维坐标系中与每个样本点相对应的坐标点；对与每个样本点相对应的坐标点进行聚类，将样本数据集划分为多个样本分组；基于每个样本分组确定线性分界线，获得多个线性分界线，建立状态检测模型；获取待检测的继电保护设备的自检告警信息，从自检告警信息中获取两个评价指标中每个评价指标的参数值，通过状态检测模型确定待检测的继电保护设备的运行状态。

Description

一种确定继电保护设备运行状态的方法及系统

技术领域

本发明涉及继电保护状态评价技术领域，更具体地，涉及一种确定继电保护设备运行状态的方法及系统。

背景技术

目前主流的继电保护状态评价方法是由检测型状态量、可靠性状态量、失效风险状态量、改进型状态量4类35项指标构成的状态评价体系，对于继电保护状态评价的理论研究、工程应用发挥重要作用。

目前主流的继电保护状态评价方法中，自检告警对于设备运行状态而言具有“一票否决制”，严重的自检告警可以直接将设备运行状态置为故障状态。

继电保护设备自检告警自行或人工复归后，部分情况下仍能够继续运行，如何针对不同的自检告警发生状况判定设备运行状态，亟需提出针对性的方法。

因此，需要一种技术，以实现对继电保护运行状态的评价。

发明内容

本发明技术方案提供一种用于对继电保护状态进行评价的方法及系统，以解决如何对继电保护状态进行评价的问题。

为了解决上述问题，本发明提供了一种确定继电保护设备运行状态的方法，所述方法包括：

选择用于确定继电保护设备的运行状态的两个评价指标；

获取具有多个评价指标的样本数据集，将所述样本数据集划分为故障样本子集和非故障样本子集，并基于故障样本子集和非故障样本子集确定非线性分界线；

以所述非线性分界线为基础，对样本数据集中每个样本点进行线积分处理，从而将样本数据集中的每个样本点映射至一维坐标系，从而确定一维坐标系中与每个样本点相对应的坐标点；

在所述一维坐标系中，对与每个样本点相对应的坐标点进行聚类，从而将所述样本数据集划分为多个样本分组；

基于每个样本分组确定线性分界线，从而获得多个线性分界线，并基于所述多个线性分界线建立基于自检告警信息确定继电保护设备的运行状态的状态检测模型；

获取待检测的继电保护设备的自检告警信息，从所述自检告警信息中获取两个评价指标中每个评价指标的参数值，通过所述状态检测模型对每个评价指标的参数值进行处理，以确定待检测的继电保护设备的运行状态。

优选地，所述评价指标包括告警频度和告警劣化度；继电保护设备的运行状态包括故障状态与非故障状态。

优选地，基于自检告警的发生次数N_a确定所述告警频度：

其中，告警频度x^a的值域为[0,1]。

优选地，确定所述告警劣化度，包括：

基于自检告警自行消失时间确定所述告警劣化度：

其中x^b为告警劣化度，t₁为告警自行消失后再次出现历经时间；或者

基于自检告警未自行消失，按复归键后消失确定所述告警劣化度：

其中，t₂为自检告警按复归键消失后再次出现历经时间；或者

基于自检告警未自行消失，按复归键后未消失，按重启键后消失确定所述告警劣化度：

其中，t₃为自检告警按重启键消失后再次出现历经时间；或者

自检告警按复归键、重启键后均未消失，自检告警的设备处于故障状态确定所述告警劣化度，此时x^b＝1；

告警劣化度x^b的值域为[0,1]。

优选地，所述获取具有多个评价指标的样本数据集，将所述样本数据集划分为故障样本子集和非故障样本子集，并基于故障样本子集和非故障样本子集确定非线性分界线，包括：

径向基函数的表达式：

其中，x为输入向量，输入向量包括告警频度和告警劣化度；x_i为第i个核向量；σ为径向基函数的标准差参数；选取径向基函数的线性组合作为非线性分界线：

式中，sgn(ξ)为阶跃函数，当ξ>0时sgn(ξ)＝1，当ξ＝0时sgn(ξ)＝0，当ξ<0时sgn(ξ)＝-1，n为样本数目，α_i为第i个径向基核函数的权系数，b为常数项，y_i为与x_i对应的运行状态，若故障取1，否则取-1；

通过下述优化函数求取α_i：

0≤α_i≤C,i＝1,…,n

其中，α_i为第i个径向基核函数的权系数，y_i为与x_i对应的运行状态，y_j为与x_j对应的运行状态，若故障取1，否则取-1，C为预设的常数；

通过下式求取b：

非线性分界线的表达式为：

优选地，在所述一维坐标系中，对与每个样本点相对应的坐标点进行聚类，从而将所述样本数据集划分为多个样本分组，包括：

选取非线性分界线上的特征点x₀，以告警频度x^a增长的方向为正方向，通过非线性分界线h(x)＝0上任意一个输入向量x与x₀的线积分作为该输入向量x的坐标值，将坐标值构建为一维坐标系，坐标x^c的表达式为：

其中，ds为分界曲线上的微元；

选取非线性分界线外的样本输入向量x_ρ，代入h(x)，h(x_ρ)≠0，假设h(x_ρ)+Δh＝0，记为：

h_ρ(x)＝h(x)+Δh

其中，Δh为常数项；

通过以下方程从h_ρ(x)＝0中选择特征点x_ρ0：

式中，符号表示函数的梯度；样本输入向量x_ρ在一维坐标系上的坐标为：

对一维坐标系上的坐标点进行聚类，从而将所述样本数据集划分为多个样本分组。

优选地，所述基于每个样本分组确定线性分界线，从而获得多个线性分界线，包括：

在所述告警频度和所述告警劣化度构成的平面上，线性判别函数为：

ζ(x)＝w₁x^a+w₂x^b–w₀＝w^Tx-w₀

其中，w＝[w₁,w₂]为权矢量或系数矢量，w₀为分割阈值，T为向量的转置；x^a为告警频度，x^b为告警劣化度；

不同运行状态采用的决策规则为：

其中，Φ₁为故障状态，Φ₂为非故障状态。

优选地，确定某一分组的线性分界线，其中权矢量w和分割阈值w₀的计算方法是：

计算故障样本子集和非故障样本子集中的样本均值向量m_k，Φ_k是第k类的样本集合，N_k是第k类的样本个数，k＝1或2，k＝1对应故障状态，k＝2对应非故障状态；

计算样本类内离散度矩阵S_k和总类内离散度矩阵S_w：

S_w＝S₁+S₂

其中，S₁为故障样本的离散度矩阵，S₂为非故障样本的离散度矩阵；计算样本类间离散度矩阵S_b：

S_b＝(m₁-m₂)(m₁-m₂)^T

通过定义Fisher准则函数J(w)求权矢量w：

当J(w)取得最大值时的w为：

将所有样本进行投影，确定投影空间：

W＝(w)^Tx

计算在投影空间上的分割阈值w₀：

其中，为各类样本投影后的均值：

确定线性分界线为：

(w)^Tx＝w₀。

优选地，所述基于每个样本分组确定线性分界线，从而获得多个线性分界线，并基于所述多个线性分界线建立基于自检告警信息确定继电保护设备的运行状态的状态检测模型，包括：

Sigmoid状态检测模型的值域为[0,1]，所以对样本中的运行状态输出y进行变换得到z，使得故障样本z＝1，否则z＝0：

z＝(y+1)/2

Sigmoid状态检测模型表达式为：

其中，接近1表示故障状态，接近0表示非故障状态；λ为反映设备故障状态的概率随距离线性分界线远近的变化速率参数。

优选地，λ初值为1，计算Sigmoid状态检测模型中变化速率参数λ包括：

计算输出误差函数E：

其中，Θ_q为第q个分组的样本集合；1≤q≤总分组数目；

根据误差函数E，调整变化速率参数λ：

其中，η为调整步长；

基于本发明的另一方面，本发明提供一种确定继电保护设备运行状态的系统，所述系统包括：

初始单元，用于选择用于确定继电保护设备的运行状态的两个评价指标；

第一确定单元，用于获取具有多个评价指标的样本数据集，将所述样本数据集划分为故障样本子集和非故障样本子集，并基于故障样本子集和非故障样本子集确定非线性分界线；

第二确定单元，用于以所述非线性分界线为基础，对样本数据集中每个样本点进行线积分处理，从而将样本数据集中的每个样本点映射至一维坐标系，从而确定一维坐标系中与每个样本点相对应的坐标点；

分组单元，用于在所述一维坐标系中，对与每个样本点相对应的坐标点进行聚类，从而将所述样本数据集划分为多个样本分组；

第三确定单元，用于基于每个样本分组确定线性分界线，从而获得多个线性分界线，并基于所述多个线性分界线建立基于自检告警信息确定继电保护设备的运行状态的状态检测模型；

结果单元，用于获取待检测的继电保护设备的自检告警信息，从所述自检告警信息中获取两个评价指标中每个评价指标的参数值，通过所述状态检测模型对每个评价指标的参数值进行处理，以确定待检测的继电保护设备的运行状态。

本发明技术方案提供了一种确定继电保护设备运行状态的方法及系统，其中方法包括：选择用于确定继电保护设备的运行状态的两个评价指标；获取具有多个评价指标的样本数据集，将样本数据集划分为故障样本子集和非故障样本子集，并基于故障样本子集和非故障样本子集确定非线性分界线；以非线性分界线为基础，对样本数据集中每个样本点进行线积分处理，从而将样本数据集中的每个样本点映射至一维坐标系，从而确定一维坐标系中与每个样本点相对应的坐标点；在一维坐标系中，对与每个样本点相对应的坐标点进行聚类，从而将样本数据集划分为多个样本分组；基于每个样本分组确定线性分界线，从而获得多个线性分界线，并基于多个线性分界线建立基于自检告警信息确定继电保护设备的运行状态的状态检测模型；获取待检测的继电保护设备的自检告警信息，从自检告警信息中获取两个评价指标中每个评价指标的参数值，通过状态检测模型对每个评价指标的参数值进行处理，以确定待检测的继电保护设备的运行状态。本发明技术方案采用概率形式表现设备故障状况，客观分析了采用告警信息分析设备故障的不确定性，分析方法与结果符合实际，容易为现场运行人员接受。

附图说明

通过参考下面的附图，可以更为完整地理解本发明的示例性实施方式：

图1为根据本发明优选实施方式的一种确定继电保护设备运行状态的方法流程图；

图2为根据本发明优选实施方式的以分界线线积分为基础的一维坐标系示意图；

图3为根据本发明优选实施方式的某自检告警对应设备故障的点簇示意图；

图4为根据本发明优选实施方式的样本点的聚类效果示意图；

图5为根据本发明优选实施方式的分段线性拟合的效果示意图；

图6为根据本发明优选实施方式的分段线性分类结果示意图；

图7为根据本发明优选实施方式的分段线性故障概率计算示意图；

图8为根据本发明优选实施方式的测试案例量化指标与分段线性分界线的相对位置示意图；

图9为根据本发明优选实施方式的3组测试案例的故障概率计算结果示意图；

图10为根据本发明优选实施方式的一种确定继电保护设备运行状态的系统结构图。

具体实施方式

现在参考附图介绍本发明的示例性实施方式，然而，本发明可以用许多不同的形式来实施，并且不局限于此处描述的实施例，提供这些实施例是为了详尽地且完全地公开本发明，并且向所属技术领域的技术人员充分传达本发明的范围。对于表示在附图中的示例性实施方式中的术语并不是对本发明的限定。在附图中，相同的单元/元件使用相同的附图标记。

除非另有说明，此处使用的术语(包括科技术语)对所属技术领域的技术人员具有通常的理解含义。另外，可以理解的是，以通常使用的词典限定的术语，应当被理解为与其相关领域的语境具有一致的含义，而不应该被理解为理想化的或过于正式的意义。

图1为根据本发明优选实施方式的一种确定继电保护设备运行状态的方法流程图。及时、准确地掌握继电保护设备的健康运行状态，检测设备的健康运行水平，对应电力安全可靠供应、保障电网安全网稳定运行具有重要意义。本发明针对目前主流继电保护状态评价方法中设备运行状态难以依据设备自检告警信息有效判定的问题，提出了自检告警频度、劣化度2项特征指标，由相关告警历史案例提取样本，采用非线性分界线的多阶段线性分段与Sigmoid函数拟合方法，构建以特征指标为输入、以概率形式的故障状态为输出的运行状态检测函数，实现运行状态有效刻画。

如图1所示，本发明提供一种确定继电保护设备运行状态的方法，方法包括：

步骤101：选择用于确定继电保护设备的运行状态的两个评价指标；优选地，评价指标包括告警频度和告警劣化度。

优选地，基于自检告警的发生次数N_a确定告警频度；继电保护设备的运行状态包括故障状态与非故障状态：

其中，告警频度x^a的值域为[0,1]。

优选地，确定告警劣化度，包括：

基于自检告警自行消失时间确定告警劣化度：

其中x^b为告警劣化度，t₁为告警自行消失后再次出现历经时间；或者

基于自检告警未自行消失，按复归键后消失确定所述告警劣化度：

其中，t₂为自检告警按复归键消失后再次出现历经时间；或者

基于自检告警未自行消失，按复归键后未消失，按重启键后消失确定所述告警劣化度：

其中，t₃为自检告警按重启键消失后再次出现历经时间；或者

自检告警按复归键、重启键后均未消失，自检告警的设备处于故障状态确定所述告警劣化度，此时x^b＝1；

告警劣化度x^b的值域为[0,1]。

继电保护设备自检告警类型众多，不同自检告警发生状况与继电保护设备故障状态的映射规律均存在差异，对不同的自检告警需要分别进行建模分析。本发明提到的自检告警均对应某项具体的自检告警而言。

步骤102：获取具有多个评价指标的样本数据集，将样本数据集划分为故障样本子集和非故障样本子集，并基于故障样本子集和非故障样本子集确定非线性分界线；

优选地，获取具有多个评价指标的样本数据集，将样本数据集划分为故障样本子集和非故障样本子集，并基于故障样本子集和非故障样本子集确定非线性分界线，包括：

径向基函数的表达式：

其中，x为输入向量，输入向量包括告警频度和告警劣化度；x_i为第i个核向量；σ为径向基函数的标准差参数；选取径向基函数的线性组合作为非线性分界线：

式中，sgn(ξ)为阶跃函数，当ξ>0时sgn(ξ)＝1，当ξ＝0时sgn(ξ)＝0，当ξ<0时sgn(ξ)＝-1，n为样本数目，α_i为第i个径向基核函数的权系数，b为常数项，y_i为与x_i对应的运行状态，若故障取1，否则取-1；

通过下述优化函数求取α_i：

0≤α_i≤C,i＝1,…,n

其中，α_i为第i个径向基核函数的权系数，y_i为与x_i对应的运行状态，y_j为与x_j对应的运行状态，若故障取1，否则取-1，C为预设的常数；

通过下式求取b：

非线性分界线的表达式为：

步骤103：以非线性分界线为基础，对样本数据集中每个样本点进行线积分处理，从而将样本数据集中的每个样本点映射至一维坐标系，从而确定一维坐标系中与每个样本点相对应的坐标点；

步骤104：在一维坐标系中，对与每个样本点相对应的坐标点进行聚类，从而将样本数据集划分为多个样本分组；

优选地，在一维坐标系中，对与每个样本点相对应的坐标点进行聚类，从而将样本数据集划分为多个样本分组，包括：

选取非线性分界线上的特征点x₀，以告警频度x^a增长的方向为正方向，通过非线性分界线h(x)＝0上任意一个输入向量x与x₀的线积分作为该输入向量x的坐标值，将坐标值构建为一维坐标系，坐标x^c的表达式为：

其中，ds为分界曲线上的微元；

选取非线性分界线外的样本输入向量x_ρ，代入h(x)，h(x_ρ)≠0，假设h(x_ρ)+Δh＝0，记为：

h_ρ(x)＝h(x)+Δh

其中，Δh为常数项；

通过以下方程从h_ρ(x)＝0中选择特征点x_ρ0：

式中，符号表示函数的梯度；样本输入向量x_ρ在一维坐标系上的坐标为：

对一维坐标系上的坐标点进行聚类，从而将所述样本数据集划分为多个样本分组。

步骤105：基于每个样本分组确定线性分界线，从而获得多个线性分界线，并基于多个线性分界线建立基于自检告警信息确定继电保护设备的运行状态的状态检测模型；

优选地，基于每个样本分组确定线性分界线，从而获得多个线性分界线，包括：

在所述告警频度和所述告警劣化度构成的平面上，线性判别函数为：

ζ(x)＝w₁x^a+w₂x^b–w₀＝w^Tx-w₀

其中，w＝[w₁,w₂]为权矢量或系数矢量，w₀为分割阈值，T为向量的转置；x^a为告警频度，x^b为告警劣化度；

不同运行状态采用的决策规则为：

其中，Φ₁为故障状态，Φ₂为非故障状态。

优选地，确定某一分组的线性分界线，其中权矢量w和分割阈值w₀的计算方法是：

计算故障样本子集和非故障样本子集中的样本均值向量m_k，Φ_k是第k类的样本集合，N_k是第k类的样本个数，k＝1或2，k＝1对应故障状态，k＝2对应非故障状态；

计算样本类内离散度矩阵S_k和总类内离散度矩阵S_w：

S_w＝S₁+S₂

其中，S₁为故障样本的离散度矩阵，S₂为非故障样本的离散度矩阵；计算样本类间离散度矩阵S_b：

S_b＝(m₁-m₂)(m₁-m₂)^T

通过定义Fisher准则函数J(w)求权矢量w：

当J(w)取得最大值时的w为：

将所有样本进行投影，确定投影空间：

W＝(w)^Tx

计算在投影空间上的分割阈值w₀：

其中，为各类样本投影后的均值：

确定线性分界线为：

(w)^Tx＝w₀。

优选地，基于每个样本分组确定线性分界线，从而获得多个线性分界线，并基于多个线性分界线建立基于自检告警信息确定继电保护设备的运行状态的状态检测模型，包括：

Sigmoid状态检测模型的值域为[0,1]，所以对样本中的运行状态输出y进行变换得到z，使得故障样本z＝1，否则z＝0：

z＝(y+1)/2

Sigmoid状态检测模型表达式为：

其中，接近1表示故障状态，接近0表示非故障状态；λ为反映设备故障状态的概率随距离线性分界线远近的变化速率参数。

优选地，λ初值为1，计算Sigmoid状态检测模型中变化速率参数λ包括：

计算输出误差函数E：

其中，Θ_q为第q个分组的样本集合；1≤q≤总分组数目；

根据误差函数E，调整变化速率参数λ：

其中，η为调整步长；

步骤106：获取待检测的继电保护设备的自检告警信息，从自检告警信息中获取两个评价指标中每个评价指标的参数值，通过状态检测模型对每个评价指标的参数值进行处理，以确定待检测的继电保护设备的运行状态。

本发明建立分段线性分类函数与运行状态检测模型。

本发明以自检告警频度x^a及劣化度x^b为输入，建立运行状态检测模型。

本发明以发生自检告警的样本是否故障作为分类条件，采用支持向量机可以得到非线性分类函数。

在此基础上，对分类函数的不同区间，经线性化、Sigmoid函数拟合后，可以得到不同区域的状态检测模型，其优势在于，在由频度x^a及劣化度x^b构成的平面的不同区域，错分的可能性不同，可以对不同的区域采用不同的参数确定Sigmoid状态检测模型。

本步骤的组织方式是：(1)本发明以是否故障为条件，在x^a-x^b平面上求解非线性分界曲线，划分故障与非故障样本；(2)由分界曲线构造一维坐标系，将样本点投影到该坐标系上，在该坐标系上完成一维聚类；(3)对不同聚类的样本，分别提取线性分界线；(4)以线性分界线为中心构造运行状态检测的Sigmoid函数。

(1)采用支持向量机获取分界曲线(核函数为径向基函数)

构造由告警频数x^a-告警劣化度x^b为坐标的平面(输入向量x有2个元素x^a、x^b)，对于故障设备，输出y取1，否则取-1。支持向量机方法的目标为构建最优分界线，使故障样本、非故障样本中离分界线最近的样本与分界线的距离最大且错分样本数量最小(优化目标)。

1)确定分界曲线的表达式

由于分界线具有非线性特性，选取径向基函数作为核函数。径向基函数的表达式为：

式中，x为输入向量，x_i为第i个核向量，为第i个样本的输入向量，σ为径向基函数的标准差参数。分类方程为：

式中，sgn(ξ)为阶跃函数，当ξ>0时sgn(ξ)＝1，当ξ＝0时sgn(ξ)＝0，当ξ<0时sgn(ξ)＝-1，n为样本数目，α_i为第i个径向基核函数(对应第i个样本)的权系数。

2)确定分界曲线表达式中的参数

α是下列优化问题的解：

/>

0≤α_i≤C,i＝1,…,n

式中，Q(α)为将优化目标进行拉格朗日变换后形成的目标函数；C是一个需要人为选择的参数。

b通过支持向量求得，即0<α_j≤C对应的样本(输入向量x_j、输出y_j)代入下式求得：

求得α与b后，分界曲线的表达式为：

(2)由分界曲线构造一维坐标系，将样本点在该坐标系上进行聚类

1)以x^a增长的方向为正方向，由分界曲线的线积分构造一维坐标系。

在x^a-x^b平面上，选取分界曲线l上的特征点x₀，以x^a增长的方向为正方向，曲线h(x)＝0上任意一点x与x₀的线积分作为该点的坐标值，构建一维坐标系，如图2所示，其坐标x^c的表达式为：

式中，h(x)为分界曲线，ds表示分界曲线上的微元。

2)分界曲线外其他样本在一维坐标系上坐标x^c的计算

选取非线性分界线外的样本输入向量x_ρ，代入h(x)，h(x_ρ)≠0，假设h(x_ρ)+Δh＝0，记为：

h_ρ(x)＝h(x)+Δh

其中，Δh为常数项；

通过以下方程从h_ρ(x)＝0中选择特征点x_ρ0：

式中，符号表示函数的梯度；样本输入向量x_ρ在一维坐标系上的坐标为：

对一维坐标系上的坐标点进行聚类，从而将所述样本数据集划分为多个样本分组。

3)采用k-means聚类，对一维坐标系上的点x^c进行聚类

据此可在一维坐标系上对样本点进行k-means聚类，得到若干个样本点簇(即样本分组)。

本发明对各个聚类的样本，采用局部线性模型求解分界线。

本发明根据自检告警信息的频度及劣化度事实上不能够绝对地判定继电保护设备是否故障，仅能够给出是否故障的概率判定结果，而非绝对的结论。所以前述的分界线应转化为以x^a-x^b平面上坐标为输入、以故障概率为输出的概率计算函数。

本发明依据上一步得到的多个样本点簇，计算线性分界线，以便将线性分界线与Sigmoid函数结合，得出状态检测模型(故障概率函数)。由于告警频度和劣化度2项指标对设备故障状态的概率均具有正相关性，所以一般能够将非线性分界曲线线性化为多个线性分界线。

在x^a-x^b平面上，线性判别函数的形式为：

ζ(x)＝w₁x^a+w₂x^b–w₀＝w^Tx-w₀

其中，w＝[w₁,w₂]为权矢量或系数矢量，w₀为分割阈值。

对于两类问题的线性分类器可以采用以下决策规则：

ζ(x)中的权矢量w和分割阈值w₀的计算方法是：

1)计算故障样本子集和非故障样本子集中的样本均值向量m_k，Φ_k是第k类的样本集合，N_k是第k类的样本个数，k＝1或2，k＝1对应故障状态，k＝2对应非故障状态；

2)计算样本类内离散度矩阵S_k和总类内离散度矩阵S_w：

S_w＝S₁+S₂

其中，S₁为故障样本的离散度矩阵，S₂为非故障样本的离散度矩阵；

3)计算样本类间离散度矩阵S_b：

S_b＝(m₁-m₂)(m₁-m₂)^T

4)通过定义Fisher准则函数J(w)求权矢量w：

当J(w)取得最大值时的w为：

5)将所有样本进行投影。

W＝(w)^Tx

6)计算在投影空间上的分割阈值w₀：

其中，为各类样本投影后的均值：/>据此可以得到线性分界线为：

(w)^Tx＝w₀。

(4)以线性分界线为中心构造状态检测的Sigmoid函数。

本发明对于每个聚类，以线性分界线为中心，以该聚类的故障样本和非故障样本为参照，确定Sigmoid状态检测模型中的变化率λ参数，掌握该聚类相邻范围内设备运行状态随告警频度与告警劣化度的变化规律。

由于Sigmoid函数的值域为[0,1]，所以对样本中的输出y进行变换得到z，使得故障样本z＝1，否则z＝0：

z＝(y+1)/2

Sigmoid函数的表达式是：

式中，λ为反映设备故障状态的概率随距离分界线段远近的变化速率参数。λ初值为1。

迭代计算的步骤是：

1)计算输出误差函数E：

式中，Θ_q为第q个聚类(或分组)的样本集合。

2)根据误差E，对λ进行调整，公式为：

式中，η为调整步长：：

3)判断是否满足终止条件为|λ^(m+1)-λ^(m)|<ε，上角标m指迭代的步数，ε指收敛条件。若满足则迭代终止，否则回到1)迭代计算。

本发明实现基于自检告警的继电保护设备运行状态检测。

本发明依据事先训练好的继电保护设备运行状态检测模型，对待评价的继电保护设备输入自检告警信息，判断该自检告警的类别，计算频度和劣化度指标，在x^a-x^b平面上按照预先计算好的非线性分界曲线计算一维坐标系下的坐标x^c，并按照事先计算好的聚类结果，判断该坐标点所在的聚类，选用该聚类簇对应的Sigmoid函数，计算继电保护设备处于故障状态的概率。

以下对本发明实施方式进行举例说明。

基于自检告警的继电保护设备运行状态量化评价指标为：指标1：告警频度x^a；

指标2：告警劣化度x^b。具体计算方法参见技术方案。

本发明建立分段线性分类函数与运行状态检测模型

当自检告警信息发生的频数较低时，通过继电保护设备自行复归、手动复归、手动重启等操作，能够使该设备告警复归、继续正常运行；然而，当告警信息发生频度较高，或者经常需要采用重启等操作完成自检告警的消除时，设备处于故障状态的可能性增加。本发明以继电保护电流采集相关自检告警为对象，分析自检告警发生频度、劣化度特征与继电保护设备运行状态间的关联规律。本发明采用相同类型告警的大量历史案例挖掘告警与设备运行状态间的变化规律，本质为统计分析方法。

(1)采用支持向量机方法，选取径向基函数作为核函数，对由该自检告警的频度特征x^a和劣化程度特征x^b构成的样本点(每个样本点均对应一台发生了该自检告警的继电保护设备)进行非线性分类。原始样本及分界曲线所示图3所示。图中灰点表示发生自检告警但设备仍能继续运行未发生故障的样本点，图中黑点表示发生自检告警且实际运行表明设备故障，必须通过更换插件解决的样本点。

求解得到支持向量及其系数如表1所示。

表1支持向量及其系数

图3中实线为分界曲线，虚线支持向量所在的曲线。支持向量机方程为：

(2)由分界曲线构造一维坐标系，将样本点在该坐标系上进行聚类

构建一维坐标系，定义分界曲线上坐标(0.31,0.34)对应一维坐标系的原点。坐标(0.31,0.34)在分界曲线上的切向量的斜率是-0.577。

为每个样本点匹配该样本点通过的且与分界曲线方程仅有常数项差异的方程，并在该方程中搜索切向量的斜率为-0.577的点作为参照点。若该曲线上有不止一个点的斜率为-0.577，则选取与(0.31,0.34)的欧氏距离最近的点作为参照点。在该方程上进行线积分运算，得到样本点在一维坐标系上的坐标x^c。

将样本点转换为一维坐标后，对样本点进行聚类。本节选取聚类数目为3，样本点的聚类效果如图4所示。图中3个聚类的样本分别使用星型、圆型、三角型进行标识。

(3)对不同聚类的样本点，分别进行线性分类

获得不同聚类的样本点后，依据样本点是否故障的结果，进行线性分类。对3个聚类的样本点分别进行线性分类的效果如图5所示。

自检告警在高度劣化，即重启后难以正常运行的条件下，表明设备发生故障。随着劣化程度的降低，设备故障的可能性较快地下降，对应图4中x^a<0.3区域(聚类中心1对应的区域)，设备故障概率随劣化度降低而快速降低；线性分界线如图5(a)所示，表达式24.9x^a+26.4x^b＝16.9。

随着劣化程度的降低，设备可自动复归或手动复归后，能够继续运行时，此时设备自检告警频数对设备运行状态的影响更突出，对应图4中0.3<x^a<0.7区域(聚类中心2对应的区域)，设备故障可能性随自检告警频数快速变化；线性分界线如图5(b)所示，表达式5.09x^a+21.08x^b＝8.75。

当劣化程度较轻时，对设备自检告警的容忍度较高，此时，通过数值规律挖掘，自检告警的劣化度在继电保护运行状态检测中具有相对高的重要度，对应图4中x^a>0.7(聚类中心3对应的区域)，告警频数对设备运行状态的影响极低，表现为主要随告警劣化度变化。线性分界线如图5(c)所示，表达式51.76x^a+67.69x^b＝55.39。

多个分段线性分界线相连后，得到分段线性分类结果，如图6所示。

(4)得到概率计算曲面

本发明以分段线性分界线为基础，在3个聚类对应的相邻区域内，采用Sigmoid函数计算得到继电保护故障概率随自检告警频度x^a、劣化度x^b的变化曲面。3个聚类对应的Sigmoid函数中λ参数的取值如表2所示。

表2λ取值表

	聚类1	聚类2	聚类3
				λ	0.468	0.731	0.512

对照图6、图7可以发现，在第1个聚类附近(x^a<0.3)和第3个聚类附近(x^a>0.7)，样本错分的比率较高，λ数值较低，其含义为，随着样本点远离分界线段，设备故障状态的概率判定结果变化略缓慢，其不确定性较高，而在第2个聚类附近(0.3<x^a<0.7)，样本错分的比率较低，随着样本点远离分界线段，设备故障状态的概率判定结果变化较快，其不确定性较低。λ值的合理选择，体现出在自检告警频度x^a-劣化度x^b不同区域，Sigmoid函数合理表达设备运行状态随自检告警特征的变化规律。

基于状态检测模型，实现基于自检告警的继电保护设备运行状态检测。

对于待检测运行状态的继电保护设备，通过提取该设备发生同类自检告警的频度和劣化度指标，将二维指标映射到一维坐标系中，选取相应聚类，匹配相应的Sigmoid函数曲面。确定曲面中与x^a-x^b指标值对应的纵坐标，确定继电保护设备的运行状态。

选取3组发生电流采集异常自检告警的案例，情况是：

案例1：本案例为非故障案例，源自华东某省220kV保护设备。保护设备“CT异常”动作复归，“电流互感器断线告警”动作复归频繁出现。告警发生次数N_a＝40，平均告警时间间隔t₁＝100s，计算得到量化指标x^a＝0.8、x^b＝0.167。

现场检查发现，由于系统负荷太小，而系统的二次变比很大，容性电流的波动很容易造成大差越限而告警，这是正常现象，处置措施为运行人员加强监视，在系统负荷增大时，注意查看差流情况。

案例2：本案例为故障案例，与案例1来自相同省份的500kV保护设备。保护设备频繁报“CT断线或装置异常”告警信号，现场手动复归后过段时间又告警。告警发生次数N_a＝13，平均告警时间间隔t₂＝420s，计算得到量化指标x^a＝0.26、x^b＝0.531。

现场检查发现，保护设备通信板损坏，经更换后恢复正常。

案例3：本案例为非故障案例，源自华北某省220kV保护设备。保护设备发“告警及异常”“CT断线”信号，信号手动复归。告警发生次数N_a＝1，计算得到量化指标x^a＝0.02、x^b＝0.5。

现场检查发现，保护设备未发现问题，信号手动复归后保护设备继续运行。

绘制3组测试案例的量化指标与分段线性分界线的相对位置如图8所示。

测试案例1位于聚类3处，使用聚类3的故障概率曲面计算故障概率，测试案例2、3位于聚类1处，使用聚类1的故障概率曲面计算故障概率，3组测试案例的故障概率分别为0.2、0.844、0.183，如图9所示。

保护设备电流采集相关告警手动复归、频繁发生条件下，保护设备是否发生故障存在较大的不确定性。案例1手动复归、案例3频繁告警下保护设备均无故障，本申请计算得到的故障概率为0.2和0.183，较好地反映了电流采集相关告警与设备故障间的关联关系。案例2则为故障案例，本申请提出的方法得出0.844的故障概率，也较好地反映了发生告警设备的运行状况。同时，本申请采用概率形式表现设备故障状况，客观上承认了采用告警信息分析设备故障的不确定性，分析方法与结果符合实际，容易为现场运行人员接受。

本发明提出了继电保护设备运行状态的检测模型，更契合继电保护设备的实际运行状况，辅助继电保护设备运行人员采取科学有效的处置、应对措施，对设备检修、技改具有良好的支撑作用。

图10为根据本发明优选实施方式的一种确定继电保护设备运行状态的系统结构图。如图10所示，本发明提供一种确定继电保护设备运行状态的系统，所述系统包括：

初始单元1001，用于选择用于确定继电保护设备的运行状态的两个评价指标；

第一确定单元1002，用于获取具有多个评价指标的样本数据集，将所述样本数据集划分为故障样本子集和非故障样本子集，并基于故障样本子集和非故障样本子集确定非线性分界线；

第二确定单元1003，用于以所述非线性分界线为基础，对样本数据集中每个样本点进行线积分处理，从而将样本数据集中的每个样本点映射至一维坐标系，从而确定一维坐标系中与每个样本点相对应的坐标点；

分组单元，用于在所述一维坐标系中，对与每个样本点相对应的坐标点进行聚类，1004从而将所述样本数据集划分为多个样本分组；

第三确定单元1005，用于基于每个样本分组确定线性分界线，从而获得多个线性分界线，并基于所述多个线性分界线建立基于自检告警信息确定继电保护设备的运行状态的状态检测模型；

结果单元1006，用于获取待检测的继电保护设备的自检告警信息，从所述自检告警信息中获取两个评价指标中每个评价指标的参数值，通过所述状态检测模型对每个评价指标的参数值进行处理，以确定待检测的继电保护设备的运行状态。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明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，本发明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。本发明实施例中的方案可以采用各种计算机语言实现，例如，面向对象的程序设计语言Java和直译式脚本语言JavaScript等。

本发明是参照根据本发明实施例的方法、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。

尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

已经通过参考少量实施方式描述了本发明。然而，本领域技术人员所公知的，正如附带的专利权利要求所限定的，除了本发明以上公开的其他的实施例等同地落在本发明的范围内。

通常地，在权利要求中使用的所有术语都根据他们在技术领域的通常含义被解释，除非在其中被另外明确地定义。所有的参考“一个//该[装置、组件等]”都被开放地解释为装置、组件等中的至少一个实例，除非另外明确地说明。这里公开的任何方法的步骤都没必要以公开的准确的顺序运行，除非明确地说明。

Claims (11)

1.一种确定继电保护设备运行状态的方法，所述方法包括：

选择用于确定继电保护设备的运行状态的两个评价指标；

获取具有多个评价指标的样本数据集，将所述样本数据集划分为故障样本子集和非故障样本子集，并基于故障样本子集和非故障样本子集确定非线性分界线；

以所述非线性分界线为基础，对样本数据集中每个样本点进行线积分处理，从而将样本数据集中的每个样本点映射至一维坐标系，从而确定一维坐标系中与每个样本点相对应的坐标点；

在所述一维坐标系中，对与每个样本点相对应的坐标点进行聚类，从而将所述样本数据集划分为多个样本分组；

基于每个样本分组确定线性分界线，从而获得多个线性分界线，并基于所述多个线性分界线建立基于自检告警信息确定继电保护设备的运行状态的状态检测模型；

获取待检测的继电保护设备的自检告警信息，从所述自检告警信息中获取两个评价指标中每个评价指标的参数值，通过所述状态检测模型对每个评价指标的参数值进行处理，以确定待检测的继电保护设备的运行状态。

2.根据权利要求1所述的方法，所述评价指标包括告警频度和告警劣化度；

继电保护设备的运行状态包括故障状态与非故障状态。

3.根据权利要求2所述的方法，基于自检告警的发生次数N_a确定所述告警频度：

其中，告警频度x^a的值域为[0,1]。

4.根据权利要求2所述的方法，确定所述告警劣化度，包括：

基于自检告警自行消失时间确定所述告警劣化度：

其中x^b为告警劣化度，t₁为告警自行消失后再次出现历经时间；或者

基于自检告警未自行消失，按复归键后消失确定所述告警劣化度：

其中，t₂为自检告警按复归键消失后再次出现历经时间；或者

基于自检告警未自行消失，按复归键后未消失，按重启键后消失确定所述告警劣化度：

其中，t₃为自检告警按重启键消失后再次出现历经时间；或者

自检告警按复归键、重启键后均未消失，自检告警的设备处于故障状态确定所述告警劣化度，此时x^b＝1；

告警劣化度x^b的值域为[0,1]。

5.根据权利要求1所述的方法，所述获取具有多个评价指标的样本数据集，将所述样本数据集划分为故障样本子集和非故障样本子集，并基于故障样本子集和非故障样本子集确定非线性分界线，包括：

径向基函数的表达式：

其中，x为输入向量，输入向量包括告警频度和告警劣化度；x_i为第i个核向量；σ为径向基函数的标准差参数；选取径向基函数的线性组合作为非线性分界线：

式中，sgn(ξ)为阶跃函数，当ξ>0时sgn(ξ)＝1，当ξ＝0时sgn(ξ)＝0，当ξ<0时sgn(ξ)＝-1，n为样本数目，α_i为第i个径向基核函数的权系数，b为常数项，y_i为与x_i对应的运行状态，若故障取1，否则取-1；

通过下述优化函数求取α_i：

0≤α_i≤C,i＝1,…,n

其中，α_i为第i个径向基核函数的权系数，y_i为与x_i对应的运行状态，y_j为与x_j对应的运行状态，若故障取1，否则取-1，C为预设的常数；

通过下式求取b：

非线性分界线的表达式为：

6.根据权利要求5所述的方法，在所述一维坐标系中，对与每个样本点相对应的坐标点进行聚类，从而将所述样本数据集划分为多个样本分组，包括：

选取非线性分界线上的特征点x₀，以告警频度x^a增长的方向为正方向，通过非线性分界线h(x)＝0上任意一个输入向量x与x₀的线积分作为该输入向量x的坐标值，将坐标值构建为一维坐标系，坐标x^c的表达式为：

其中，ds为分界曲线上的微元；

选取非线性分界线外的样本输入向量x_ρ，代入h(x)，h(x_ρ)≠0，假设h(x_ρ)+Δh＝0，记为：

h_ρ(x)＝h(x)+Δh

其中，Δh为常数项；

通过以下方程从h_ρ(x)＝0中选择特征点x_ρ0：

式中，符号表示函数的梯度；样本输入向量x_ρ在一维坐标系上的坐标为：

对一维坐标系上的坐标点进行聚类，从而将所述样本数据集划分为多个样本分组。

7.根据权利要求6所述的方法，所述基于每个样本分组确定线性分界线，从而获得多个线性分界线，包括：

在所述告警频度和所述告警劣化度构成的平面上，线性判别函数为：

ζ(x)＝w₁x^a+w₂x^b–w₀＝w^Tx-w₀

其中，w＝[w₁,w₂]为权矢量或系数矢量，w₀为分割阈值，T为向量的转置；x^a为告警频度，x^b为告警劣化度；

不同运行状态采用的决策规则为：

其中，Φ₁为故障状态，Φ₂为非故障状态。

8.根据权利要求7所述的方法，确定某一分组的线性分界线，其中权矢量w和分割阈值w₀的计算方法是：

计算故障样本子集和非故障样本子集中的样本均值向量m_k，Φ_k是第k类的样本集合，N_k是第k类的样本个数，k＝1或2，k＝1对应故障状态，k＝2对应非故障状态；

计算样本类内离散度矩阵S_k和总类内离散度矩阵S_w：

S_w＝S₁+S₂

其中，S₁为故障样本的离散度矩阵，S₂为非故障样本的离散度矩阵；

计算样本类间离散度矩阵S_b：

S_b＝(m₁-m₂)(m₁-m₂)^T

通过定义Fisher准则函数J(w)求权矢量w：

当J(w)取得最大值时的w为：

将所有样本进行投影，确定投影空间：

W＝(w)^Tx

计算在投影空间上的分割阈值w₀：

其中，为各类样本投影后的均值：

确定线性分界线为：

(w)^Tx＝w₀。

9.根据权利要求8所述的方法，所述基于每个样本分组确定线性分界线，从而获得多个线性分界线，并基于所述多个线性分界线建立基于自检告警信息确定继电保护设备的运行状态的状态检测模型，包括：

Sigmoid状态检测模型的值域为[0,1]，所以对样本中的运行状态输出y进行变换得到z，使得故障样本z＝1，否则z＝0：

z＝(y+1)/2

Sigmoid状态检测模型表达式为：

其中，接近1表示故障状态，接近0表示非故障状态；λ为反映设备故障状态的概率随距离线性分界线远近的变化速率参数。

10.根据权利要求9所述的方法，λ初值为1，计算Sigmoid状态检测模型中变化速率参数λ包括：

计算输出误差函数E：

其中，Θ_q为第q个分组的样本集合；1≤q≤总分组数目；

根据误差函数E，调整变化速率参数λ：

其中，η为调整步长；

11.一种确定继电保护设备运行状态的系统，所述系统包括：

初始单元，用于选择用于确定继电保护设备的运行状态的两个评价指标；

第一确定单元，用于获取具有多个评价指标的样本数据集，将所述样本数据集划分为故障样本子集和非故障样本子集，并基于故障样本子集和非故障样本子集确定非线性分界线；

第二确定单元，用于以所述非线性分界线为基础，对样本数据集中每个样本点进行线积分处理，从而将样本数据集中的每个样本点映射至一维坐标系，从而确定一维坐标系中与每个样本点相对应的坐标点；

分组单元，用于在所述一维坐标系中，对与每个样本点相对应的坐标点进行聚类，从而将所述样本数据集划分为多个样本分组；

第三确定单元，用于基于每个样本分组确定线性分界线，从而获得多个线性分界线，并基于所述多个线性分界线建立基于自检告警信息确定继电保护设备的运行状态的状态检测模型；

结果单元，用于获取待检测的继电保护设备的自检告警信息，从所述自检告警信息中获取两个评价指标中每个评价指标的参数值，通过所述状态检测模型对每个评价指标的参数值进行处理，以确定待检测的继电保护设备的运行状态。