CN117196413A - 配电网电缆接地故障预警特征指标模型构建和优化方法 - Google Patents
配电网电缆接地故障预警特征指标模型构建和优化方法 Download PDFInfo
- Publication number
- CN117196413A CN117196413A CN202311461000.7A CN202311461000A CN117196413A CN 117196413 A CN117196413 A CN 117196413A CN 202311461000 A CN202311461000 A CN 202311461000A CN 117196413 A CN117196413 A CN 117196413A
- Authority
- CN
- China
- Prior art keywords
- index
- distribution network
- early warning
- power distribution
- data
- 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.)
- Pending
Links
- 238000009826 distribution Methods 0.000 title claims abstract description 82
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000005457 optimization Methods 0.000 title claims abstract description 45
- 238000010276 construction Methods 0.000 title claims abstract description 25
- 238000009413 insulation Methods 0.000 claims abstract description 23
- 238000012544 monitoring process Methods 0.000 claims abstract description 15
- 238000011156 evaluation Methods 0.000 claims abstract description 8
- 230000015556 catabolic process Effects 0.000 claims abstract description 7
- 238000006731 degradation reaction Methods 0.000 claims abstract description 7
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000009422 external insulation Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 10
- 238000012098 association analyses Methods 0.000 claims description 8
- 230000007613 environmental effect Effects 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 6
- ATJFFYVFTNAWJD-UHFFFAOYSA-N Tin Chemical compound [Sn] ATJFFYVFTNAWJD-UHFFFAOYSA-N 0.000 claims description 5
- 238000012512 characterization method Methods 0.000 claims description 5
- 238000002759 z-score normalization Methods 0.000 claims description 4
- 230000036541 health Effects 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 230000001502 supplementing effect Effects 0.000 claims description 3
- 238000004891 communication Methods 0.000 abstract 1
- 230000000875 corresponding effect Effects 0.000 description 20
- 230000032683 aging Effects 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000014759 maintenance of location Effects 0.000 description 2
- 206010036086 Polymenorrhoea Diseases 0.000 description 1
- 240000005572 Syzygium cordatum Species 0.000 description 1
- 235000006650 Syzygium cordatum Nutrition 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Abstract
本申请涉及电网通讯技术领域,提供了配电网电缆接地故障预警特征指标模型构建和优化方法,具体包括如下步骤:基于配电网电缆绝缘劣化的影响因素设计分级指标,分别计算配电网电缆各影响因素对应的特征数据;获取配电网数据,选取特征数据;通过可在线监测性、特征数据相关性、故障贡献度对特征数据进行综合加权优化;以综合优化系数作为评价标准,确定最佳特征,形成配电网电缆接地故障预警特征优化指标模型。本申请构建了一种考虑多元因素和多维数据预警指标模型,通过对指标特征的优化,提升了预警模型的准确性和有效性。
Description
技术领域
本申请涉及电力系统自动化技术领域,特别涉及配电网电缆接地故障预警特征指标模型构建和优化方法。
背景技术
本部分的陈述仅仅是提供了与本申请相关的背景技术信息,不必然构成在先技术。
随着能源互联网的业务变革,智能电网建设的高速发展,配电业务的增加给电网运维检修业务带来新的挑战。运检业务是保障电网设备安全和大电网安全运行的核心环节,传统的运检模式难以适应时代发展及电网发展要求。加快信息化建设、提高各系统的工作效率已经成为提高电缆运行水平的战略抉择,建设设备状态在线监控系统已迫在眉睫。作为一种智能化运检方式,在线故障预警实现电网更安全、服务更优质、运检效率更高的目标,其市场前景十分广阔。配电网连接输电网与电能用户,承担着分配电能的关键职能,是电力系统的重要组成环节,在新的能源背景下改进配电网故障预警方法,尤其是配电网接地故障预警方法,对保证配电网安全运行及减少系统停电损失具有重要的意义。
配电网发生接地故障次数约占总故障次数的 80%以上。而配电网中电缆是城市电网的主力军,面临的故障诊断难题也愈加严峻。首先,电缆主要敷设于隧道、地底甚至海底等环境,敷设的环境复杂隐蔽,导致电缆故障点的查找、修复困难。其次,我国首批城市电缆大致在九十年代开始使用,已逾 20 多年,不少的电缆线路开始进入老年期。参照故障发展的一般规律,电缆故障出现的概率应该符合浴盆曲线,即在整个使用寿命的初期和晚期的故障率较高,在中期的故障率较低。可以预见随着电缆使用年限的进一步增加,我国的电缆线路故障会迈入频发期。因此对电缆设备来说,及时发现潜在缺陷并对设备运行状态进行评估,做到故障的及时预警,对电力系统的稳定运行具有重大意义。
众所周知,配电网中电缆故障造成的突发性停电事件会给用户的生命、财产安全带来严重的威胁,甚至会造成恶劣的社会影响。避免配电网电缆故障带来的损失是众望所归。因此,做好故障预警是科技界必须担当的职责,客观形式给我国电力科技人员提出了更高的要求。研究配电网电缆接地故障在线预警技术,分析接地故障特征,及时发现接地故障,预防接地故障的形成,提升主动预测预警能力,有效的提升电网运检效率和电网安全生产运行水平,减少因故障和停电检修导致的大量经济损失,有着重要的学术意义和实际应用价值。
目前国内外对配电网电缆接地故障分析能力不足,接地故障特征不明确,接地故障预警指标缺乏,接地故障预警特征提取能力不足,针对这种情况,提出了一种考虑多元因素和多维数据的基于加权计算法的电缆接地故障预警特征指标体系构建和优化方法,重点关注预警指标的合理性,对处理大规模数据集的计算效率进一步提升。因此,发明一种适用于电网数据采集系统中海量数据的多元结合的综合加权指标体系的新方法成为亟需解决的问题。
发明内容
为了解决上述问题,本申请提出了配电网电缆接地故障预警特征指标模型构建和优化方法,构建了一种考虑多元因素和多维数据预警指标模型,通过对指标特征的优化,提升了预警模型的准确性和有效性。
本申请提供了配电网电缆接地故障预警特征指标模型构建和优化方法,具体包括如下步骤:
基于配电网电缆绝缘劣化的影响因素设计分级指标,分别计算配电网电缆各影响因素对应的特征数据;
获取配电网数据,选取特征数据;
通过可在线监测性、特征数据相关性、故障贡献度对特征数据进行综合加权优化;
以综合优化系数作为评价标准,确定最佳特征,形成配电网电缆接地故障预警特征优化指标模型。
优选地,所述分级指标包括目标层、要素层、指标层的三层电缆预警指标;
所述目标层表示指标体系表征的总目标,包括电缆预警等级CW ;
所述要素层表示总目标涉及的中间环节,包括绝缘因素 IF、评估因素LF、环境因素EF三项,居于目标层之下;
所述指标层包括表征电缆健康程度的基础指标,在预警指标体系中位于底层。
优选地,所述基础指标至少包括介质损耗角tanδ、外部绝缘Re 、泄漏电流Iout 、接地电容电流Ic 、线芯温度Tin、电缆电流I0 、环境湿度Hu 、环境温度Tout ;
所述特征数据至少包括影响介质损耗角正切、外部绝缘、泄漏电流、接地电容电流、局部放电、线芯温度、电缆电流、环境温度和环境湿度的配电网数据。
优选地,对特征数据进行优化前,对特征数据进行预处理:对于数据缺失的部分,利用三次样条插值法补全缺失数据;对于统计错误出现的负值以相邻正常数据的平均值代替;对所有特征数据进行 Z-score 标准化。
优选地,对所有特征数据进行 Z-score 标准化的具体算法为:
;
;
;
;
式中,是由n条馈线的m个特征数据构成,经过标准化得到的nxm矩阵,
是第i条馈线第j个未处理的特征数据,/>是矩阵/>中第i条馈线第j 个经过处理的特征数据,n 表示馈线的数量,/>为所有馈线第 j 个未处理的特征数据的均值,/>为所有馈线第 j 个未处理的特征数据的标准差。
优选地,通过可在线监测性、特征数据相关性、故障贡献度对特征数据进行综合加权优化的具体方法为:
步骤S1:评价分级指标对应特征数据的易获取性,将易获取性达不到预设条件的特征数据剔除,所述预设条件包括是否符合预设精度、是否可以进行数字化采集、数据采集是否在;
步骤S2:计算各个指标之间的相关性,若两个指标间的相关系数大于预设值,则在指标模型中只需存在一个指标即可满足故障预警需求,只需采集相应指标对应的特征数据;
步骤S3:采用灰色关联分析算法计算配电网电缆故障与各个指标间的关联度,通过关联度体现指标对故障预警的贡献度,将贡献度排序,将排序低于预设比例的指标及对应的特征数据剔除。
优选地,所述步骤S2中,相关性计算公式如下:
,
其中,、/>与/>分别为指标/>、/>及/>的期望,/>、/>为指标/>、/>的方差,/>为指标/>与/>之间的的相关系数,/>时,判定两个指标间存在相关性。
优选地,所述步骤S3中,采用灰色关联分析算法计算配电网电缆故障与各个指标间的关联度的计算方法为:
确定参考序列和比较序列;对参考序列和比较序列进行无量纲化处理;计算参考序列与比较序列的关联系数;计算关联度;对关联度排序;根据关联度排序对指标进行选取。
优选地,所述步骤S3中,除根据对故障预警的贡献度对指标进行筛选外,还通过如下规则对指标进行筛选:
该指标是否属于10kV 中压配电网的基本属性,该指标是否能体现 10kV 中压配电网的正常运行状态,而非特殊工作情况下产生的运行数据,该指标对应的特征数据经数据处理后能否满足统计学要求,即数据分布偏态程度不超过预设值,满足上述规则的指标保留,不满足则剔除。
优选地,所述步骤S3中,采用灰色关联分析算法计算配电网电缆故障与各个指标间的关联度的计算方法为:
确定参考序列和比较序列/>;
对参考序列和比较序列/>进行无量纲化处理;
计算参考序列与比较序列的关联系数;
,
,
其中,为分辨系数,k为指标类型,取值为1,2,3...n,n为指标类型数量,q为比较序列的编号,取值为1,2,3...Q,Q为比较序列的数量;
计算关联度;
;
对关联度排序;
根据关联度排序对指标进行选取。
优选地,根据步骤S3,根据指标对应的预警贡献度作为指标对应的综合优化系数;
将剩余指标及对应综合优化系数导入步骤一中的分级指标体系,生成配电网电缆接地故障预警特征优化指标模型。
与现有技术相比,本申请的有益效果为:
本申请提出了配电网电缆接地故障预警特征指标模型构建和优化方法,构建了一种考虑多元因素和多维数据预警指标模型,完善了配电网电缆故障预警体系,通过对指标特征的优化,提升了预警模型的准确性和有效性,利用加权计算法考虑多个因素,权重可调整,可重复性高。
本申请提高了在线检测的全面性,进而提升配电数据的处理能力,提高了处理大规模配电网电缆接地故障数据集的特征提取能力和效率。
附图说明
构成本申请的一部分的说明书附图用来提供对本申请的进一步理解,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。
图1为本申请的方法流程示意图,
图2为本申请的特征数据处理流程图一;
图3为本申请的特征数据处理流程图二;
图4为本申请的系统组成示意图。
具体实施方式
下面结合附图与实施例对本申请作进一步说明。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本公开的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
在本公开中,术语如“上”、“下”、“左”、“右”、“前”、“后”、“竖直”、“水平”、“侧”、“底”等指示的方位或位置关系为基于附图所示的方位或位置关系,只是为了便于叙述本公开各部件或元件结构关系而确定的关系词,并非特指本公开中任一部件或元件,不能理解为对本公开的限制。
实施例1
如图1至图4所示,本申请提供了本申请提供了配电网电缆接地故障预警特征指标模型构建和优化方法,具体步骤如下:
步骤一:基于配电网电缆绝缘劣化的影响因素设计分级指标,分别计算配电网电缆各影响因素对应的特征数据;
步骤二:获取配电网数据,选取特征数据;
步骤三:通过可在线监测性、特征数据相关性、故障贡献度对特征数据进行综合加权优化;
步骤四:以综合优化系数作为评价标准,确定最佳特征,形成配电网电缆接地故障预警特征优化指标模型。
具体地,所述分级指标包括目标层、要素层、指标层的三层电缆预警指标;
所述目标层表示指标体系表征的总目标,包括电缆预警等级CW ,所述要素层表示总目标涉及的中间环节,包括绝缘因素 IF、评估因素LF、环境因素EF三项,居于目标层之下,所述指标层包括表征电缆健康程度的基础指标,在预警指标体系中位于底层。
所述基础指标至少包括介质损耗角tanδ、外部绝缘Re 、泄漏电流Iout 、接地电容电流Ic 、线芯温度Tin、电缆电流I0 、环境湿度Hu 、环境温度Tout ;
所述特征数据至少包括影响介质损耗角正切、外部绝缘、泄漏电流、接地电容电流、局部放电、线芯温度、电缆电流、环境温度和环境湿度的配电网数据。
上述指标从不同方面反映了电缆的运行状态,大致可以分为绝缘指标集、负载指标集和环境指标集三类。绝缘指标集最主要有 4 个指标:介质损耗角tanδ、外部绝缘Re 、泄漏电流Iout 、接地电容电流Ic ;负载指标集体现电缆负载对电缆状态的影响,主要包括线芯温度Tin、电缆电流I0 ;环境指标集体现电缆工作环境对电缆状态的影响,主要包括环境湿度Hu 、环境温度Tout。
介质损耗角tanδ可以反映电缆整体的绝缘性能,随着电缆发生绝缘老化程度的加深,介质损耗角数值会增大,介质损耗角数值大小与电缆电压等级、电缆长度无关,但对电缆的局部绝缘劣化不敏感。
外部绝缘 Re 是反映电缆绝缘状况的最直观因素,直接反映电缆绝缘的有功损耗。电缆老化的初期,外部绝缘性能指标下降不明显,只有当电缆绝缘层发生水树枝贯穿后,外部绝缘性能才会快速下降。由于外部绝缘与电缆将发生近期故障事故的关联不大,因此参考价值不如介质损耗角。
泄漏电流Iout是电缆产生水树枝劣化的一个重要表征参数,业内认为泄漏电流是监测电缆绝缘状态的最有效的手段,不过现有监测泄漏电流的技术手段有限,很不完善,特别是故障前泄漏电流很小,早起几乎为分布接地电容电流,易受外界嗓音的干扰。
接地电容电流Ic对电缆局部绝缘老化比较灵敏,也是电缆绝缘老化的一个重要表征因素,可以作为对电缆绝缘进行评价的补充,但是同样容易受到外界噪音的干扰。
线芯温度Tin 和电缆电流I0 可以反映电缆的工作状态,正常工作时,电缆线芯温度和电流保持稳定,但是当电缆处于超载甚至发生短路故障时,电缆电流会增加,线芯温度也会升高,在电缆超载的情况下,发生故障的概率会升高。
环境湿度Hu是影响电缆老化的重要因素之一,在高湿度的环境下,电缆劣化将会加速;此外,环境温度Tout也是影响电缆状态的重要因素,当温度过高或过低的情况下,电缆绝缘老化会加快,故障几率会升高。
优选地,对特征数据进行优化前,对特征数据进行预处理:对于数据缺失的部分,利用三次样条插值法补全缺失数据;对于统计错误出现的负值以相邻正常数据的平均值代替;对所有特征数据进行 Z-score 标准化。
优选地,对所有特征数据进行 Z-score 标准化的具体算法为:
;
;
;
;
式中,是由n条馈线的m个特征数据构成,经过标准化得到的nxm矩阵,
是第i条馈线第j个未处理的特征数据,/>是矩阵/>中第i条馈线第j 个经过处理的特征数据,n 表示馈线的数量,/>为所有馈线第 j 个未处理的特征数据的均值,/>为所有馈线第 j 个未处理的特征数据的标准差。
具体地,通过可在线监测性、特征数据相关性、故障贡献度对特征数据进行综合加权优化的具体方法为:
步骤S1:步骤S1:评价分级指标对应特征数据的易获取性,将易获取性达不到预设条件的特征数据剔除,所述预设条件包括是否符合预设精度、是否可以进行数字化采集、数据采集是否在线;
步骤S2:计算各个指标之间的相关性,若两个指标间的相关系数大于预设值,则在指标模型中只需存在一个指标即可满足故障预警需求,只需采集相应指标对应的特征数据;
步骤S3:采用灰色关联分析算法计算配电网电缆故障与各个指标间的关联度,通过关联度体现指标对故障预警的贡献度,将贡献度排序,将排序低于预设比例的指标及对应的特征数据剔除。
综合加权优化优化的目标为减少电气指标体系的冗余信息,使各电气特征指标更有效的反映配电网电缆实际状态,减少电气特征指标数目,降低收集配电网电缆指标数据时的工作量和工作难度,为配电网电缆接地故障预警模型的建立打下基础。
具体地,所述步骤S2中, 由于指标的数量较多,但某些指标虽然表示的含义、采集的方式、数据的单位等不相同,但是这些指标之间存在着较高的关联性,导致其对配电网故障的影响角度相同。因此,为了降低指标间的重复信息,降低数据采集难度和存储空间,减小数据处理及算法计算的复杂性,使用相关系数计算特征指标之间的相关性,相关性计算公式如下:
,
其中,、/>与/>分别为指标/>、/>及/>的期望,/>、/>为指标/>、/>的方差,/>为指标/>与/>之间的的相关系数,/>时,判定两个指标间存在相关性。
具体地,所述步骤S3中,采用灰色关联分析算法计算配电网电缆故障与各个指标间的关联度的计算方法为:
确定参考序列和比较序列/>;
对参考序列和比较序列/>进行无量纲化处理;
计算参考序列与比较序列的关联系数;
,
,
其中,为分辨系数,k为指标类型,取值为1,2,3...n,n为指标类型数量,q为比较序列的编号,取值为1,2,3...Q,Q为比较序列的数量;
计算关联度;
;
对关联度排序;
根据关联度排序对指标进行选取。
优选地,还可用选用加权关联度指标来评估算法的配电网电缆故障预警方法的诊断效果。
优选地,所述步骤S3中,除根据对故障预警的贡献度对指标进行筛选外,还通过如下规则对指标进行筛选:
该指标是否属于10kV 中压配电网的基本属性,该指标是否能体现 10kV 中压配电网的正常运行状态,而非特殊工作情况下产生的运行数据,该指标对应的特征数据经数据处理后能否满足统计学要求,即数据分布偏态程度不超过预设值,满足上述规则的指标保留,不满足则剔除。
具体地,根据步骤S3,根据指标对应的预警贡献度作为指标对应的综合优化系数;
将剩余指标及对应综合优化系数导入步骤一中的分级指标体系,生成配电网电缆接地故障预警特征优化指标模型。
优选地,在电缆接地故障预警特征优化指标模型中,对各指标对应的特征数据进行归一化处理,将特征数据规划至0-1的范围内,通过综合表达式
来进行故障判定,当时,可以判定故障将要发生,需要及时处理,当时,可以判定需要加强监视,/>,表示设备健康运行。
本申请还提供配电网电缆接地故障预警特征指标模型构建和优化系统,所述系统能实现上述方法,具体包括特征数据模块、加权计算模块、综合优化模块和预警判断模块。
其中,特征数据模块,用于基于导致绝缘异常的影响因素获取多个配电网数据,分别计算各配电网各影响因素对应的特征数据;
加权计算模块,通过三个优化系数作为评价标准,确定指标体系;
综合优化模块, 基于所述指标体系,对所述特征数据采用权重综合优化算法进行调节;
预警判断模块,从最终优化体系进行故障预警判别,对电缆绝缘故障提前预警。
其中,加权计算模块包括:可在线监测单元、相关系数单元和贡献度单元;
可在线监测单元,用于从指标的易获取性出发对现有配电网在线监测数据特征指标进行筛选,剔除难以采集获取数据的指标;
相关系数单元,用于从指标间相互关系出发对现有配电网在线监测数据特征指标进行筛选,对于相互关联度较高的指标不应同时保留在指标体系内;
贡献度单元,用于在基于灰色关联分析算法上计算各个指标与绝缘故障的关联度,即指标的故障预警贡献度,通过贡献度排序对指标进行筛选。
所述系统还包括进行数据处理的预处理模块, 数据预处理模块包括:数据补全单元、数据插补单元和数据标准化单元;
数据补全单元,用于对数据缺失的部分,利用三次样条插值法补全缺失数据;
数据插补单元,用于对统计错误出现的负值以相邻正常数据的平均值代替;
数据标准化单元,用于对所有特征数据进行 Z-score 标准化。
以上仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
上述虽然结合附图对本申请的具体实施方式进行了描述,但并非对本申请保护范围的限制,所属领域技术人员应该明白,在本申请的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本申请的保护范围以内。
Claims (10)
1.配电网电缆接地故障预警特征指标模型构建和优化方法,其特征在于,包括如下步骤:
基于配电网电缆绝缘劣化的影响因素设计分级指标,分别计算配电网电缆各影响因素对应的特征数据;
获取配电网数据,选取特征数据;
通过可在线监测性、特征数据相关性、故障贡献度对特征数据进行综合加权优化;
以综合优化系数作为评价标准,确定最佳特征,形成配电网电缆接地故障预警特征优化指标模型。
2.根据权利要求1所述的配电网电缆接地故障预警特征指标模型构建和优化方法,其特征在于:
所述分级指标包括目标层、要素层、指标层的三层电缆预警指标;
所述目标层表示指标体系表征的总目标,包括电缆预警等级CW ;
所述要素层表示总目标涉及的中间环节,包括绝缘因素 IF、评估因素LF、环境因素EF三项,居于目标层之下;
所述指标层包括表征电缆健康程度的基础指标,在预警指标体系中位于底层。
3.根据权利要求2所述的配电网电缆接地故障预警特征指标模型构建和优化方法,其特征在于,包括如下步骤:
所述基础指标至少包括介质损耗角tanδ、外部绝缘Re 、泄漏电流Iout 、接地电容电流Ic 、线芯温度Tin、电缆电流I0 、环境湿度Hu 、环境温度Tout ;
所述特征数据至少包括影响介质损耗角正切、外部绝缘、泄漏电流、接地电容电流、局部放电、线芯温度、电缆电流、环境温度和环境湿度的配电网数据。
4.根据权利要求1所述的配电网电缆接地故障预警特征指标模型构建和优化方法,其特征在于:
对特征数据进行优化前,对特征数据进行预处理:
对于数据缺失的部分,利用三次样条插值法补全缺失数据;
对于统计错误出现的负值以相邻正常数据的平均值代替;
对所有特征数据进行 Z-score 标准化。
5.根据权利要求4所述的配电网电缆接地故障预警特征指标模型构建和优化方法,其特征在于:
对所有特征数据进行 Z-score 标准化的具体算法为:
;
;
;
;
式中,是由n条馈线的m个特征数据构成,经过标准化得到的nxm矩阵,
是第i条馈线第j个未处理的特征数据, />是矩阵/>中第i条馈线第j 个经过处理的特征数据,n 表示馈线的数量,/>为所有馈线第 j 个未处理的特征数据的均值,为所有馈线第 j 个未处理的特征数据的标准差。
6.根据权利要求1或4任一权利要求所述的配电网电缆接地故障预警特征指标模型构建和优化方法,其特征在于:
通过可在线监测性、特征数据相关性、故障贡献度对特征数据进行综合加权优化的具体方法为:
步骤S1:评价分级指标对应特征数据的易获取性,将易获取性达不到预设条件的特征数据剔除,所述预设条件包括是否符合预设精度、是否可以进行数字化采集、数据采集是否在线;
步骤S2:计算各个指标之间的相关性,若两个指标间的相关系数大于预设值,则在指标模型中只需存在一个指标即可满足故障预警需求,只需采集相应指标对应的特征数据;
步骤S3:采用灰色关联分析算法计算配电网电缆故障与各个指标间的关联度,通过关联度体现指标对故障预警的贡献度,将贡献度排序,将排序低于预设比例的指标及对应的特征数据剔除。
7.根据权利要求6所述的配电网电缆接地故障预警特征指标模型构建和优化方法,其特征在于:
所述步骤S2中,相关性计算公式如下:
,
其中,、/>与/>分别为指标/>、/>及/>的期望,/>、/>为指标/>、/>的方差,/>为指标/>与/>之间的的相关系数,/>时,判定两个指标间存在相关性。
8.根据权利要求6所述的配电网电缆接地故障预警特征指标模型构建和优化方法,其特征在于:
所述步骤S3中,采用灰色关联分析算法计算配电网电缆故障与各个指标间的关联度的计算方法为:
确定参考序列和比较序列/>;
对参考序列和比较序列/>进行无量纲化处理;
计算参考序列与比较序列的关联系数;
,
,
其中,为分辨系数,k为指标类型,取值为1,2,3...n,n为指标类型数量,q为比较序列的编号,取值为1,2,3...Q,Q为比较序列的数量;
计算关联度;
;
对关联度排序;
根据关联度排序对指标进行选取。
9.根据权利要求8所述的配电网电缆接地故障预警特征指标模型构建和优化方法,其特征在于:
所述步骤S3中,除根据对故障预警的贡献度对指标进行筛选外,还通过如下规则对指标进行筛选:
该指标是否属于10kV 中压配电网的基本属性;
该指标是否能体现 10kV 中压配电网的正常运行状态,而非特殊工作情况下产生的运行数据;
该指标对应的特征数据经数据处理后能否满足统计学要求,即数据分布偏态程度不超过预设值;
满足上述规则的指标保留,不满足则剔除。
10.根据权利要求6所述的配电网电缆接地故障预警特征指标模型构建和优化方法,其特征在于:
根据步骤S3,根据指标对应的预警贡献度作为指标对应的综合优化系数;
将剩余指标及对应综合优化系数导入步骤一中的分级指标体系,生成配电网电缆接地故障预警特征优化指标模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311461000.7A CN117196413A (zh) | 2023-11-06 | 2023-11-06 | 配电网电缆接地故障预警特征指标模型构建和优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311461000.7A CN117196413A (zh) | 2023-11-06 | 2023-11-06 | 配电网电缆接地故障预警特征指标模型构建和优化方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117196413A true CN117196413A (zh) | 2023-12-08 |
Family
ID=88989037
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311461000.7A Pending CN117196413A (zh) | 2023-11-06 | 2023-11-06 | 配电网电缆接地故障预警特征指标模型构建和优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117196413A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102496069A (zh) * | 2011-12-07 | 2012-06-13 | 山东电力集团公司青岛供电公司 | 基于模糊层次分析法的电缆多状态安全运行评估方法 |
CN109784668A (zh) * | 2018-12-21 | 2019-05-21 | 国网江苏省电力有限公司南京供电分公司 | 一种用于电力监控系统异常行为检测的样本特征降维处理方法 |
CN113988709A (zh) * | 2021-11-18 | 2022-01-28 | 广东电网有限责任公司 | 中压配电线路故障率分析方法、装置、终端设备及介质 |
CN115423271A (zh) * | 2022-08-16 | 2022-12-02 | 贵州电网有限责任公司 | 一种配电网综合评价指标选取方法 |
-
2023
- 2023-11-06 CN CN202311461000.7A patent/CN117196413A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102496069A (zh) * | 2011-12-07 | 2012-06-13 | 山东电力集团公司青岛供电公司 | 基于模糊层次分析法的电缆多状态安全运行评估方法 |
CN109784668A (zh) * | 2018-12-21 | 2019-05-21 | 国网江苏省电力有限公司南京供电分公司 | 一种用于电力监控系统异常行为检测的样本特征降维处理方法 |
CN113988709A (zh) * | 2021-11-18 | 2022-01-28 | 广东电网有限责任公司 | 中压配电线路故障率分析方法、装置、终端设备及介质 |
CN115423271A (zh) * | 2022-08-16 | 2022-12-02 | 贵州电网有限责任公司 | 一种配电网综合评价指标选取方法 |
Non-Patent Citations (1)
Title |
---|
罗晨: ""城网电缆绝缘状态在线监测预警系统及应用研究"", 《中国优秀硕士学位论文全文数据库-工程科技Ⅱ辑》, pages 042 - 2759 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105787584B (zh) | 一种基于云平台的风电机群故障预警方法 | |
CN110046182A (zh) | 一种巨型水电厂智能报警阈值设置方法及系统 | |
CN110927581B (zh) | 基于熵权法的储能设备运行状态多层级指标评估方法 | |
CN105512783A (zh) | 用于电磁环网解环方案的综合评价方法 | |
Zhang et al. | Critical node identification in active distribution network using resilience and risk theory | |
CN102590652B (zh) | 基于电气信息的设备性能评价系统及方法 | |
CN103617447A (zh) | 智能变电站的评价系统及评价方法 | |
CN112116276B (zh) | 一种计及电气主设备时变状态的变电站运行风险评估方法 | |
CN111612326A (zh) | 一种配变供电可靠性的综合评估方法 | |
CN114841081A (zh) | 一种电力设备异常事故控制方法及系统 | |
CN112633665A (zh) | 一种基于层次分析法的配电网防雷决策方法 | |
CN117196413A (zh) | 配电网电缆接地故障预警特征指标模型构建和优化方法 | |
CN111628498A (zh) | 一种考虑配电网可靠性的多目标配电网重构方法和装置 | |
CN115575779A (zh) | 基于模糊理论和灰色博弈论的电缆绝缘性能评估方法 | |
CN115409264A (zh) | 基于馈线故障预测的配电网抢修驻点位置优化方法 | |
CN112417442A (zh) | 一种变电站场景下电力物联网感知层防护能力评价方法 | |
CN111415082A (zh) | 一种对电动汽车大量接入的电网安全评估系统 | |
CN111178670A (zh) | 基于反熵权法的短期低压配电网数据质量评价算法 | |
CN113625099B (zh) | 配电网故障区段分层定位方法 | |
Xue et al. | State evaluation method of distribution equipment based on health index in big data environment | |
CN115809761B (zh) | 一种基于低压台区的电压质量分析方法及系统 | |
Zhang et al. | Study on the smart grid vulnerability index based on the moment-generating function and distortion function | |
CN117763440A (zh) | 一种配电网故障智能研判方法及装置 | |
Han et al. | Research on online diagnosis method of transformer winding deformation based on correlation mining of operating voltage and current | |
Wei et al. | Judgment Logic of 10 kV Line Trunk Power Failure Based on Association Rules |
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 |