CN116032003A - 一种基于电力专网数据处理的电网巡检方法及系统 - Google Patents

Abstract

本发明公开了一种基于电力专网数据处理的电网巡检方法及系统，属于电网检测技术领域，包括建立故障分类器，设置多个故障数据库，将历史故障信号存储至对应的故障数据库，在电力专网线路上安装电力传感器，实时采集电力专网在稳定运行状况下的电力信号数据，当电力传感器发送异常电力信号数据时，对异常电力信号数据进行计算，计算异常电力信号数据的电力数据特征的原始数据，计算电力信号数据特征数据与每个故障数据库特征的相似度，判定该异常电力信号数据故障所属类，工作人员根据异常电力信号数据故障识别结果采取对应的修复手段，本发明能降低工作人员的巡检强度，让工作人员及时携带对应的修复工具进行故障修复。

Description

一种基于电力专网数据处理的电网巡检方法及系统

技术领域

本发明属于电网检测技术领域，具体地说，涉及一种基于电力专网数据处理的电网巡检方法及系统。

背景技术

电力系统是现代社会的重要基础设施，电力系统的安全可靠运行是人们社会生活和经济生活正常进行的重要保障，电力从生产到使用需要经历发电、输变电、配电等环节。在输变电环节，输电线路相当于电力的“大动脉”，输送电能。

随着极端天气的出现日益频繁，由极端天气引起的电力系统大规模停电事故越来越多，对人们的生产生活造成了严重的影响，当极端天气引起配电系统中的多重故障后，通过所配置的故障指示器，可以初步确定故障的发生区域，但为了进一步确定故障的具体发生位置，以实施负荷恢复等操作，需要派遣巡检人员对故障区域进行巡检，由于负荷恢复的快慢很大程度上受到巡检人员巡检效率的影响，并且在极端天气下，系统中往往存在多个故障区域，因此，考虑巡检人员的优化调度，以得到所有线路巡检用时最短的巡检人员调度方案至关重要。

因此，为保障电网的安全运行，巡检是不可或缺的一项工作，目前，对电网的巡检主要依靠巡检人员定期、定时地进行人工巡检，存在以下问题：由于受气候条件、环境因素、人员素质和责任心等多方面因素的制约，巡检质量无法保证；对反映运行状态和设备缺陷等信息得不到及时的反馈，同时当电网出现故障时，需要对故障进行修复，但电网故障多种多样，不同的故障需要的修复手段和工具，巡检的工作人员前往修复时，很难确定是哪一种故障，也就需要携带大量的修复工具，或是前往故障现场确定故障后再通知其他工作人员携带对应的修复工具，就会延长电网故障的修复时间，甚至时会造成严重的经济损失。

发明内容

要解决的问题

针对现有电网故障多种多样，不同的故障需要的修复手段和工具，巡检的工作人员前往修复时，很难确定是哪一种故障，也就需要携带大量的修复工具，或是前往故障现场确定故障后再通知其他工作人员携带对应的修复工具，就会延长电网故障的修复时间，甚至时会造成严重的经济损失的问题，本发明提供一种基于电力专网数据处理的电网巡检方法及系统。

技术方案

为解决上述问题，本发明采用如下的技术方案。

一种基于电力专网数据处理的电网巡检方法，采用以下步骤：

步骤1：建立故障分类器，故障分类器内设置多个故障数据库，一个故障数据库对应一个故障信号所属类；

步骤2：获取电力专网的历史运行数据，对历史数据进行筛选，从历史数据中提取故障评估指标，将历史故障数据按照故障评估指标判断故障信号所属类，将历史故障信号存储至对应的故障数据库；

步骤3：在电力专网线路上安装电力传感器，对电力传感器按照安装区域和线路进行编号，电力传感器实时采集电力专网在稳定运行状况下的电力信号数据；

步骤4：当电力传感器发送异常电力信号数据时，对异常电力信号数据进行计算，计算异常电力信号数据的电力数据特征的原始数据；

步骤5：对计算提取出的电力数据特征的原始数据进行尺度归一化处理，将电力数据特征的原始数据归一化为均值为0、方差为1的数据；

步骤6：使用特征算法对尺度归一化处理后的电力特征数据进行计算，获取异常电力信号数据特征数据；

步骤7：计算电力信号数据特征数据与每个故障数据库特征的相似度，根据计算的出的相似度结果，判定该异常电力信号数据故障所属类，完成异常电力信号数据故障识别；

步骤8：工作人员根据发送异常数据的电力传感器编号判断故障所属区域，根据异常电力信号数据故障识别结果采取对应的修复手段。

优选地，从历史数据中提取计量故障评估指标采用正交量子粒子群的最近邻原型的分类算法，其中采用多次塌陷-正交交叉量子的粒子群算法进行迭代优化选出最好的粒子和其中有效的原型，计算测试数据到选出原型的距离对测试数据进行分类，继续对训练数据进行学习，得到每个粒子的适应度值直到满足终止条件，统计种群的分类正确率，得到最终结果，进一步地，所述粒子群算法公式如下：

Vi＝Vi+C1×rand()×(pbesti-Xi)+C2×rand()×(gbesti-Xi)

Xi＝Xi+Vi

其中i＝1，2，3...N，N为粒子的总数，Vi是粒子的速度，rand()为介于(0，1)之间的随机数，Xi上粒子当前的位置，C1和C2是学习因子，一般情况下，C1＝C2＝2，Vi的最大值为Vmax，若Vi大于Vmax，则Vi＝Vmax。

优选地，所述尺度归一化处理的尺度归一化公式如下：

其中，z为尺度归一化后的数据，x为原始数据，

为原始数据的均值，δ为原始数据的方差。

进一步地，使用特征算法对尺度归一化处理后的电力特征征数据进行计算是设异常电力信号数据矩阵为X_m×n，m为数据信号量，n为特征数量，先对矩阵X均值中心化，确定投影方差最大的主方向w，公式如下：

||w||²＝1

提取前k个主方向构成载荷矩阵，W＝(w₁,...w_k)，异常电力信号数据特征提取后的结果为X_new＝XW。

优选地，所述异常电力信号数据与故障数据库内的历史故障信号的相似度计算采用相关系数相似度进行计算，计算公式如下：

其中X为异常电力信号数据，Y为历史故障信号。

优选地，所述故障数据库内还包括诊断修复数据库，诊断修复数据库内存储有该故障信号所属类对应的原因、路径和解决方法，异常电力信号数据故障识别后，会将对应的的原因、路径和解决方法展示给工作人员，诊断修复数据库会定期对旧的数据进行修改和删除，重新对诊断修复数据库内的数据进行更新整理。

优选地，当异常电力信号数据无法在故障分类器内识别到对应的故障信号所属类和故障数据库时，由专业人员进行评估诊断，同时根据评估诊断结果在故障分类器内建立新的故障信号所属类和故障数据库，并将评估诊断结果保存至该故障数据库中。

进一步地，所述异常电力信号数据故障识别完成后，将其按照故障信号所属类储存至对应的故障数据库内，对故障数据库内历史故障信号进行更新，专业人员不仅会进行评估诊断，寻找新的故障原因、路径和解决方法，也会定期对故障数据库内旧的数据进行修改和删除，重新对故障数据库内的数据进行整理。

一种基于电力专网数据处理的电网巡检系统，包括：

故障分类模块，用于建立多个故障数据库，将历史故障数据按照故障信号所属类存储至对应的故障数据库中；

故障评估模块，用于对电力专网历史数据进行筛选，从历史数据中提取故障评估指标，将历史故障数据按照故障评估指标判断故障信号所属类；

数据采集模块，用于在电力专网线路上安装电力传感器，实时采集电力专网在稳定运行状况下的电力信号数据；

数据计算模块，用于对异常电力信号数据进行计算，计算异常电力信号数据的电力数据特征的原始数据；

尺度归一模块，用于对计算提取出的电力数据特征的原始数据进行尺度归一化处理；

特征计算模块，用于对尺度归一化处理后的电力特征数据进行计算，获取异常电力信号数据特征数据；

故障判断模块，用于计算电力信号数据特征数据与每个故障数据库特征的相似度，判定该异常电力信号数据故障所属类；

结果显示模块，用于根据异常电力信号数据故障所属类将对应的故障所属区域和修复手段进行显示。

一种基于电力专网数据处理的电网巡检方法及系统，通过建立故障分类器，故障分类器内设置多个故障数据库，一个故障数据库对应一个故障信号所属类，获取电力专网的历史运行数据，对历史数据进行筛选，从历史数据中提取故障评估指标，将历史故障数据按照故障评估指标判断故障信号所属类，将历史故障信号存储至对应的故障数据库，在电力专网线路上安装电力传感器，对电力传感器按照安装区域和线路进行编号，电力传感器实时采集电力专网在稳定运行状况下的电力信号数据，当电力传感器发送异常电力信号数据时，对异常电力信号数据进行计算，计算异常电力信号数据的电力数据特征的原始数据，对计算提取出的电力数据特征的原始数据进行尺度归一化处理，将电力数据特征的原始数据归一化为均值为0、方差为1的数据，使用特征算法对尺度归一化处理后的电力特征数据进行计算，获取异常电力信号数据特征数据，计算电力信号数据特征数据与每个故障数据库特征的相似度，根据计算的出的相似度结果，判定该异常电力信号数据故障所属类，完成异常电力信号数据故障识别，工作人员根据发送异常数据的电力传感器编号判断故障所属区域，根据异常电力信号数据故障识别结果采取对应的修复手段，对异常电力数据进行准确的故障判断，降低工作人员的巡检强度，让工作人员可以及时携带对应的修复工具进行故障修复，提高故障修复的效率。

有益效果

相比于现有技术，本发明的有益效果为：

(1)本发明在对异常电力信号数据原始数据进行计算之前，进行尺度归一化处理，消除异常电力信号数据原始数据各个特征指标之间的量纲影响，对异常电力信号数据原始数据经过数据标准化处理后，各指标处于同一数量级，适合进行综合对比评价；

(2)本发明采用正交量子粒子群的最近邻原型的分类算法从历史数据中提取计量故障评估指标，该分类算法可以准确的获取故障评估指标，使得故障识别信号和后续的计算结果更加准确，得到更优异的评估诊断结果；

(3)本发明将完成故障识别的异常电力信号数据按照故障所属类储存至对应的故障数据库内，之后该异常电力信号数据可作为历史故障信号参与下一次异常电力数据的计算和故障识别，随着使用次数的增加，故障分类器内的标准故障库和故障数据库内历史故障数据逐渐增多，对异常电力数据进行故障分类结果也越来越准确。

附图说明

为了更清楚地说明本申请实施例或示例性中的技术方案，下面将对实施例或示例性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本申请的一些实施例，因此不应被看作是对范围的限定，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，还可以按照这些附图示出的获得其他的附图。

图1为本发明的步骤示意图；

图2为本发明的流程示意图；

图3为本发明的系统结构示意图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例，通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。

因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例，基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

实施例1

如图1和图2所示，一种基于电力专网数据处理的电网巡检方法，主要流程如下：

建立故障分类器，故障分类器内设置多个故障数据库，一个故障数据库对应一个故障信号所属类，获取电力专网的历史运行数据，对历史数据进行筛选，从历史数据中提取故障评估指标，将历史故障数据按照故障评估指标判断故障信号所属类，将历史故障信号存储至对应的故障数据库。

故障数据库内还包括诊断修复数据库，诊断修复数据库内存储有该故障信号所属类对应的原因、路径和解决方法，异常电力信号数据故障识别后，会将对应的的原因、路径和解决方法展示给工作人员，诊断修复数据库会定期对旧的数据进行修改和删除，重新对诊断修复数据库内的数据进行更新整理。

从历史数据中提取计量故障评估指标采用正交量子粒子群的最近邻原型的分类算法，其中采用多次塌陷-正交交叉量子的粒子群算法进行迭代优化选出最好的粒子和其中有效的原型，计算测试数据到选出原型的距离对测试数据进行分类，继续对训练数据进行学习，得到每个粒子的适应度值直到满足终止条件，统计种群的分类正确率，得到最终结果，粒子群算法公式如下：

Vi＝Vi+C1×rand()×(pbesti-Xi)+C2×rand()×(gbesti-Xi)

Xi＝Xi+Vi

其中i＝1，2，3...N，N为粒子的总数，Vi是粒子的速度，rand()为介于(0，1)之间的随机数，Xi上粒子当前的位置，C1和C2是学习因子，一般情况下，C1＝C2＝2，Vi的最大值为Vmax，若Vi大于Vmax，则Vi＝Vmax。

在电力专网线路上安装电力传感器，对电力传感器按照安装区域和线路进行编号，电力传感器实时采集电力专网在稳定运行状况下的电力信号数据，当电力传感器发送异常电力信号数据时，对异常电力信号数据进行计算，计算异常电力信号数据的电力数据特征的原始数据。

对计算提取出的电力数据特征的原始数据进行尺度归一化处理，将电力数据特征的原始数据归一化为均值为0、方差为1的数据，所述尺度归一化处理的尺度归一化公式如下：

其中，z为尺度归一化后的数据，x为原始数据，

为原始数据的均值，δ为原始数据的方差。

使用特征算法对尺度归一化处理后的电力特征数据进行计算，获取异常电力信号数据特征数据，使用特征算法对尺度归一化处理后的电力特征征数据进行计算是设异常电力信号数据矩阵为X_m×n，m为数据信号量，n为特征数量，先对矩阵X均值中心化，确定投影方差最大的主方向w，公式如下：

||w||²＝1

提取前k个主方向构成载荷矩阵，W＝(w₁,...w_k)，异常电力信号数据特征提取后的结果为X_new＝XW。

计算电力信号数据特征数据与每个故障数据库特征的相似度，根据计算的出的相似度结果，判定该异常电力信号数据故障所属类，完成异常电力信号数据故障识别，异常电力信号数据与故障数据库内的历史故障信号的相似度计算采用相关系数相似度进行计算，计算公式如下：

其中X为异常电力信号数据，Y为历史故障信号。

工作人员根据发送异常数据的电力传感器编号判断故障所属区域，根据异常电力信号数据故障识别结果采取对应的修复手段。

当异常电力信号数据无法在故障分类器内识别到对应的故障信号所属类和故障数据库时，由专业人员进行评估诊断，同时根据评估诊断结果在故障分类器内建立新的故障信号所属类和故障数据库，并将评估诊断结果保存至该故障数据库中，所述异常电力信号数据故障识别完成后，将其按照故障信号所属类储存至对应的故障数据库内，对故障数据库内历史故障信号进行更新，专业人员不仅会进行评估诊断，寻找新的故障原因、路径和解决方法，也会定期对故障数据库内旧的数据进行修改和删除，重新对故障数据库内的数据进行整理。

通过上述描述可知，在本实例中，通过建立故障分类器，故障分类器内设置多个故障数据库，一个故障数据库对应一个故障信号所属类，获取电力专网的历史运行数据，对历史数据进行筛选，从历史数据中提取故障评估指标，将历史故障数据按照故障评估指标判断故障信号所属类，将历史故障信号存储至对应的故障数据库，在电力专网线路上安装电力传感器，对电力传感器按照安装区域和线路进行编号，电力传感器实时采集电力专网在稳定运行状况下的电力信号数据，当电力传感器发送异常电力信号数据时，对异常电力信号数据进行计算，计算异常电力信号数据的电力数据特征的原始数据，对计算提取出的电力数据特征的原始数据进行尺度归一化处理，将电力数据特征的原始数据归一化为均值为0、方差为1的数据，使用特征算法对尺度归一化处理后的电力特征数据进行计算，获取异常电力信号数据特征数据，计算电力信号数据特征数据与每个故障数据库特征的相似度，根据计算的出的相似度结果，判定该异常电力信号数据故障所属类，完成异常电力信号数据故障识别，工作人员根据发送异常数据的电力传感器编号判断故障所属区域，根据异常电力信号数据故障识别结果采取对应的修复手段。

实施例2

如图3所示，一种基于电力专网数据处理的电网巡检系统，包括：

故障分类模块，用于建立多个故障数据库，将历史故障数据按照故障信号所属类存储至对应的故障数据库中；

故障评估模块，用于对电力专网历史数据进行筛选，从历史数据中提取故障评估指标，将历史故障数据按照故障评估指标判断故障信号所属类；

数据采集模块，用于在电力专网线路上安装电力传感器，实时采集电力专网在稳定运行状况下的电力信号数据；

数据计算模块，用于对异常电力信号数据进行计算，计算异常电力信号数据的电力数据特征的原始数据；

尺度归一模块，用于对计算提取出的电力数据特征的原始数据进行尺度归一化处理；

特征计算模块，用于对尺度归一化处理后的电力特征数据进行计算，获取异常电力信号数据特征数据；

故障判断模块，用于计算电力信号数据特征数据与每个故障数据库特征的相似度，判定该异常电力信号数据故障所属类；

结果显示模块，用于根据异常电力信号数据故障所属类将对应的故障所属区域和修复手段进行显示。

通过上述描述可知，在本实例中，通过故障分类模块建立多个故障数据库，将历史故障数据按照故障信号所属类存储至对应的故障数据库中，故障评估模块对电力专网历史数据进行筛选，将历史故障数据按照故障评估指标判断故障信号所属类，数据采集模块实时采集电力专网在稳定运行状况下的电力信号数据，数据计算模块计算异常电力信号数据的电力数据特征的原始数据，尺度归一模块进行尺度归一化处理，特征计算模块电力特征数据进行计算，获取异常电力信号数据特征数据，故障判断模块计算电力信号数据特征数据与每个故障数据库特征的相似度，判定该异常电力信号数据故障所属类，结果显示模块根据异常电力信号数据故障所属类将对应的故障所属区域和修复手段进行显示。

以上所述实施例仅表达了本发明的优选实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形、改进及替代，这些都属于本发明的保护范围。

Claims (10)

1.一种基于电力专网数据处理的电网巡检方法，其特征在于，采用以下步骤：

步骤1：建立故障分类器，故障分类器内设置多个故障数据库，一个故障数据库对应一个故障信号所属类；

步骤2：获取电力专网的历史运行数据，对历史数据进行筛选，从历史数据中提取故障评估指标，将历史故障数据按照故障评估指标判断故障信号所属类，将历史故障信号存储至对应的故障数据库；

步骤3：在电力专网线路上安装电力传感器，对电力传感器按照安装区域和线路进行编号，电力传感器实时采集电力专网在稳定运行状况下的电力信号数据；

步骤4：当电力传感器发送异常电力信号数据时，对异常电力信号数据进行计算，计算异常电力信号数据的电力数据特征的原始数据；

步骤5：对计算提取出的电力数据特征的原始数据进行尺度归一化处理，将电力数据特征的原始数据归一化为均值为0、方差为1的数据；

步骤6：使用特征算法对尺度归一化处理后的电力特征数据进行计算，获取异常电力信号数据特征数据；

步骤7：计算电力信号数据特征数据与每个故障数据库特征的相似度，根据计算的出的相似度结果，判定该异常电力信号数据故障所属类，完成异常电力信号数据故障识别；

步骤8：工作人员根据发送异常数据的电力传感器编号判断故障所属区域，根据异常电力信号数据故障识别结果采取对应的修复手段。

2.根据权利要求1所述的一种基于电力专网数据处理的电网巡检方法，其特征在于：从历史数据中提取计量故障评估指标采用正交量子粒子群的最近邻原型的分类算法，其中采用多次塌陷-正交交叉量子的粒子群算法进行迭代优化选出最好的粒子和其中有效的原型，计算测试数据到选出原型的距离对测试数据进行分类，继续对训练数据进行学习，得到每个粒子的适应度值直到满足终止条件，统计种群的分类正确率，得到最终结果。

3.根据权利要求2所述的一种基于电力专网数据处理的电网巡检方法，其特征在于：所述粒子群算法公式如下：

Vi＝Vi+C1×rand()×(pbesti-Xi)+C2×rand()×(gbesti-Xi)

Xi＝Xi+Vi

其中i＝1，2，3...N，N为粒子的总数，Vi是粒子的速度，rand()为介于(0，1)之间的随机数，Xi上粒子当前的位置，C1和C2是学习因子，一般情况下，C1＝C2＝2，Vi的最大值为Vmax，若Vi大于Vmax，则Vi＝Vmax。

4.根据权利要求1所述的一种基于电力专网数据处理的电网巡检方法，其特征在于：所述尺度归一化处理的尺度归一化公式如下：

其中，z为尺度归一化后的数据，x为原始数据，为原始数据的均值，δ为原始数据的方差。

5.根据权利要求4所述的一种基于电力专网数据处理的电网巡检方法，其特征在于：使用特征算法对尺度归一化处理后的电力特征征数据进行计算是设异常电力信号数据矩阵为X_m×n，m为数据信号量，n为特征数量，先对矩阵X均值中心化，确定投影方差最大的主方向w，公式如下：

||w||²＝1

提取前k个主方向构成载荷矩阵，W＝(w₁,...w_k)，异常电力信号数据特征提取后的结果为X_new＝XW。

6.根据权利要求1所述的一种基于电力专网数据处理的电网巡检方法，其特征在于：所述异常电力信号数据与故障数据库内的历史故障信号的相似度计算采用相关系数相似度进行计算，计算公式如下：

其中X为异常电力信号数据，Y为历史故障信号。

7.根据权利要求1所述的一种基于电力专网数据处理的电网巡检方法，其特征在于：所述故障数据库内还包括诊断修复数据库，诊断修复数据库内存储有该故障信号所属类对应的原因、路径和解决方法，异常电力信号数据故障识别后，会将对应的的原因、路径和解决方法展示给工作人员，诊断修复数据库会定期对旧的数据进行修改和删除，重新对诊断修复数据库内的数据进行更新整理。

8.根据权利要求1所述的一种基于电力专网数据处理的电网巡检方法，其特征在于：当异常电力信号数据无法在故障分类器内识别到对应的故障信号所属类和故障数据库时，由专业人员进行评估诊断，同时根据评估诊断结果在故障分类器内建立新的故障信号所属类和故障数据库，并将评估诊断结果保存至该故障数据库中。

9.根据权利要求8所述的一种基于电力专网数据处理的电网巡检方法，其特征在于：所述异常电力信号数据故障识别完成后，将其按照故障信号所属类储存至对应的故障数据库内，对故障数据库内历史故障信号进行更新，专业人员不仅会进行评估诊断，寻找新的故障原因、路径和解决方法，也会定期对故障数据库内旧的数据进行修改和删除，重新对故障数据库内的数据进行整理。

10.一种基于电力专网数据处理的电网巡检系统，其特征在于，包括：

故障分类模块，用于建立多个故障数据库，将历史故障数据按照故障信号所属类存储至对应的故障数据库中；

故障评估模块，用于对电力专网历史数据进行筛选，从历史数据中提取故障评估指标，将历史故障数据按照故障评估指标判断故障信号所属类；

数据采集模块，用于在电力专网线路上安装电力传感器，实时采集电力专网在稳定运行状况下的电力信号数据；

数据计算模块，用于对异常电力信号数据进行计算，计算异常电力信号数据的电力数据特征的原始数据；

尺度归一模块，用于对计算提取出的电力数据特征的原始数据进行尺度归一化处理；

特征计算模块，用于对尺度归一化处理后的电力特征数据进行计算，获取异常电力信号数据特征数据；

故障判断模块，用于计算电力信号数据特征数据与每个故障数据库特征的相似度，判定该异常电力信号数据故障所属类；

结果显示模块，用于根据异常电力信号数据故障所属类将对应的故障所属区域和修复手段进行显示。

Images