本發(fā)明涉及電力系統(tǒng)故障診斷技術(shù)領(lǐng)域，具體而言涉及一種基于變點(diǎn)探測技術(shù)的電網(wǎng)故障檢測方法。

背景技術(shù)：

隨著大煤電、大核電、大型可再生能源基地集約化開發(fā)進(jìn)度的加快，以及大規(guī)模、遠(yuǎn)距離、高壓直流輸電技術(shù)的快速發(fā)展，我國特高壓電網(wǎng)將形成“五縱六橫”的結(jié)構(gòu)，電網(wǎng)聯(lián)系更加緊密。電網(wǎng)運(yùn)行方式和動態(tài)行為復(fù)雜多變，各區(qū)域電網(wǎng)間相互依賴和耦合程度也越來越強(qiáng)，電網(wǎng)特性將由區(qū)域主導(dǎo)模式轉(zhuǎn)向總體模式，電網(wǎng)的運(yùn)行特性和調(diào)度控制將變得非常復(fù)雜。

雖然，各區(qū)域電網(wǎng)互聯(lián)使電力系統(tǒng)更加穩(wěn)定，較大范圍的故障大大減少，但是故障是無法避免的。電力系統(tǒng)中的某些設(shè)備，隨時(shí)都有因絕緣材料的老化、制造中的缺陷、自然災(zāi)害等原因出現(xiàn)故障而退出運(yùn)行，其對電網(wǎng)、設(shè)備及社會造成的破壞和經(jīng)濟(jì)損失是我們不愿看到的。調(diào)度員應(yīng)該快速分析故障特征，判斷故障設(shè)備并盡快恢復(fù)用戶供電。這時(shí)，故障數(shù)據(jù)的分析和處理就顯得尤為重要了。

隨著計(jì)算機(jī)和通信技術(shù)的不斷發(fā)展，數(shù)字式保護(hù)和故障錄波器等智能電子裝置在電網(wǎng)中的應(yīng)用已越來越普遍。在電網(wǎng)發(fā)生故障或受到擾動時(shí)，這些設(shè)備都會記錄大量的數(shù)據(jù)。為了實(shí)現(xiàn)這些數(shù)據(jù)的采集和利用，近年來開展了電網(wǎng)故障信息系統(tǒng)的建設(shè)，取得了一定成效，但目前故障信息的綜合利用和故障診斷的準(zhǔn)確性仍不理想。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于充分利用電網(wǎng)數(shù)據(jù)，提供一種新的電網(wǎng)故障檢測方法，可以探知故障后電網(wǎng)狀態(tài)量的時(shí)空變化特性，判別故障類型，以滿足工程應(yīng)用的要求。

為達(dá)成上述目的，本發(fā)明提出一種基于變點(diǎn)探測技術(shù)的電網(wǎng)故障檢測方法，包括以下步驟：

(1)使用相量測量單元(PMU)、SCADA系統(tǒng)和故障錄波等多數(shù)據(jù)源采集電網(wǎng)各狀態(tài)量實(shí)時(shí)數(shù)據(jù)，將收集回來的數(shù)據(jù)進(jìn)行預(yù)處理，過濾掉噪聲數(shù)據(jù)及不符合要求的異常數(shù)據(jù)，輸出滿足變點(diǎn)探測過程的高質(zhì)量的數(shù)據(jù)集，并得其變化軌跡；選擇各節(jié)點(diǎn)狀態(tài)量的實(shí)測數(shù)據(jù)建立時(shí)間序列；

(2)利用相關(guān)無約束最小二乘重要性擬合估計(jì)(RuLSIF)的變點(diǎn)探測技術(shù)對各時(shí)間序列進(jìn)行分析，對預(yù)處理過后的數(shù)據(jù)計(jì)算基于密度比值的孤立值，獲得電網(wǎng)各節(jié)點(diǎn)相關(guān)狀態(tài)量變化的變點(diǎn)探測值；

(3)根據(jù)設(shè)定的評判指標(biāo)，比較各變點(diǎn)探測值的大小，評估故障的位置或方位，其中：根據(jù)設(shè)定的評判指標(biāo)，對各節(jié)點(diǎn)的變點(diǎn)探測值進(jìn)行歸類，評估故障影響范圍；判定最大值所對應(yīng)的節(jié)點(diǎn)為故障節(jié)點(diǎn)，數(shù)值在某一設(shè)定范圍內(nèi)的為受影響節(jié)點(diǎn)，數(shù)值較小的為無影響節(jié)點(diǎn)；

(4)采集各節(jié)點(diǎn)的三相電流和電壓，利用對稱分量法得到故障時(shí)的正序、負(fù)序、零序故障分量，通過序分量選相法即各分量相位關(guān)系來判別故障類型。

由以上本發(fā)明的技術(shù)方案可知，本發(fā)明的電網(wǎng)故障檢測方法的優(yōu)點(diǎn)在于：本發(fā)明優(yōu)化了原有電網(wǎng)故障數(shù)據(jù)只能被較初步的分析和處理，解決原有方法不能深層次地理解并有效地使用這些數(shù)據(jù)的問題，創(chuàng)造性地運(yùn)用相關(guān)無約束最小二乘重要性擬合估計(jì)(RuLSIF)的變點(diǎn)探測技術(shù)探知故障后電網(wǎng)狀態(tài)量的時(shí)空變化特性。這樣，不僅可以評估故障位置或方位，也可以推測出故障影響范圍。

應(yīng)當(dāng)理解，前述構(gòu)思以及在下面更加詳細(xì)地描述的額外構(gòu)思的所有組合只要在這樣的構(gòu)思不相互矛盾的情況下都可以被視為本公開的發(fā)明主題的一部分。另外，所要求保護(hù)的主題的所有組合都被視為本公開的發(fā)明主題的一部分。

結(jié)合附圖從下面的描述中可以更加全面地理解本發(fā)明教導(dǎo)的前述和其他方面、實(shí)施例和特征。本發(fā)明的其他附加方面例如示例性實(shí)施方式的特征和/或有益效果將在下面的描述中顯見，或通過根據(jù)本發(fā)明教導(dǎo)的具體實(shí)施方式的實(shí)踐中得知。

附圖說明

附圖不意在按比例繪制。在附圖中，在各個(gè)圖中示出的每個(gè)相同或近似相同的組成部分可以用相同的標(biāo)號表示。為了清晰起見，在每個(gè)圖中，并非每個(gè)組成部分均被標(biāo)記?，F(xiàn)在，將通過例子并參考附圖來描述本發(fā)明的各個(gè)方面的實(shí)施例，其中：

圖1是根據(jù)本發(fā)明某些實(shí)施例的故障數(shù)據(jù)采集、分析、判斷、應(yīng)用的流程示意圖。

圖2是根據(jù)本發(fā)明某些實(shí)施例的基于變點(diǎn)探測技術(shù)的電網(wǎng)故障檢測方法的實(shí)現(xiàn)流程圖。

圖3是根據(jù)本發(fā)明某些實(shí)施例的故障時(shí)刻各節(jié)點(diǎn)基于相關(guān)無約束最小二乘重要性擬合估計(jì)(RuLSIF)的變點(diǎn)探測技術(shù)的變點(diǎn)探測值圖。

圖4是本發(fā)明某些實(shí)施例的故障范圍評估圖。

圖5是本發(fā)明某些實(shí)施例的故障錄波波形圖。

圖6是本發(fā)明某些實(shí)施例的矢量分析圖。

圖7是本發(fā)明某些實(shí)施例的序分量分析圖。

具體實(shí)施方式

為了更了解本發(fā)明的技術(shù)內(nèi)容，特舉具體實(shí)施例并配合所附圖式說明如下。

在本公開中參照附圖來描述本發(fā)明的各方面，附圖中示出了許多說明的實(shí)施例。本公開的實(shí)施例不必定意在包括本發(fā)明的所有方面。應(yīng)當(dāng)理解，上面介紹的多種構(gòu)思和實(shí)施例，以及下面更加詳細(xì)地描述的那些構(gòu)思和實(shí)施方式可以以很多方式中任意一種來實(shí)施，這是因?yàn)楸景l(fā)明所公開的構(gòu)思和實(shí)施例并不限于任何實(shí)施方式。另外，本發(fā)明公開的一些方面可以單獨(dú)使用，或者與本發(fā)明公開的其他方面的任何適當(dāng)組合來使用。

結(jié)合圖1、圖2所示，根據(jù)本發(fā)明的實(shí)施例，一種基于變點(diǎn)探測技術(shù)的電網(wǎng)故障檢測方法，包括以下步驟：

步驟(1)使用相量測量單元(PMU)、SCADA系統(tǒng)和故障錄波等多個(gè)數(shù)據(jù)源采集電網(wǎng)各狀態(tài)量實(shí)時(shí)數(shù)據(jù)，將收集回來的數(shù)據(jù)進(jìn)行預(yù)處理，過濾掉噪聲數(shù)據(jù)及不符合要求的異常數(shù)據(jù)，輸出滿足變點(diǎn)探測過程的高質(zhì)量的數(shù)據(jù)集，并得其變化軌跡；選擇各節(jié)點(diǎn)狀態(tài)量的實(shí)測數(shù)據(jù)建立時(shí)間序列；

(2)利用相關(guān)無約束最小二乘重要性擬合估計(jì)(RuLSIF)的變點(diǎn)探測技術(shù)對各時(shí)間序列進(jìn)行分析，對預(yù)處理過后的數(shù)據(jù)計(jì)算基于密度比值的孤立值，獲得電網(wǎng)各節(jié)點(diǎn)相關(guān)狀態(tài)量變化的變點(diǎn)探測值；

(3)根據(jù)設(shè)定的評判指標(biāo)，比較各變點(diǎn)探測值的大小，評估故障的位置或方位，其中：根據(jù)設(shè)定的評判指標(biāo)，對各節(jié)點(diǎn)的變點(diǎn)探測值進(jìn)行歸類，評估故障影響范圍；判定最大值所對應(yīng)的節(jié)點(diǎn)為故障節(jié)點(diǎn)，數(shù)值在某一設(shè)定范圍內(nèi)的為受影響節(jié)點(diǎn)，數(shù)值較小的為無影響節(jié)點(diǎn)；

(4)采集各節(jié)點(diǎn)的三相電流和電壓，利用對稱分量法得到故障時(shí)的正序、負(fù)序、零序故障分量，通過序分量選相法即各分量相位關(guān)系來判別故障類型。

在前述步驟(1)中，我們可以根據(jù)選擇的參考機(jī)組，使用多個(gè)數(shù)據(jù)采集機(jī)對同一節(jié)點(diǎn)的狀態(tài)量的進(jìn)行實(shí)時(shí)采集，例如采集各節(jié)點(diǎn)的電壓、電流以及功率等參數(shù)，對收集回來的數(shù)據(jù)進(jìn)行預(yù)處理以利于后續(xù)的分析處理，例如利用相關(guān)無約束最小二乘重要性擬合估計(jì)(RuLSIF)的變點(diǎn)探測技術(shù)對各時(shí)間序列進(jìn)行分析，對預(yù)處理過后的數(shù)據(jù)進(jìn)行計(jì)算基于密度比值的孤立值，獲得電網(wǎng)各節(jié)點(diǎn)相關(guān)狀態(tài)量變化的變點(diǎn)探測值

在得到這些實(shí)時(shí)采集的原始數(shù)據(jù)后，需要進(jìn)行預(yù)處理，若對同一節(jié)點(diǎn)同一時(shí)刻，各數(shù)據(jù)采集機(jī)反饋回來的數(shù)據(jù)有較大差異，則將噪聲數(shù)據(jù)過濾掉，或使用分箱、聚類等噪聲數(shù)據(jù)的處理方法得出準(zhǔn)確的數(shù)據(jù)，輸出滿足變點(diǎn)探測過程的高質(zhì)量數(shù)據(jù)集，得其變化軌跡。選擇各節(jié)點(diǎn)狀態(tài)量的實(shí)測數(shù)據(jù)建立時(shí)間序列。

設(shè)y(t)∈R^d是一個(gè)在時(shí)間軸上的d維的時(shí)間序列采樣值，構(gòu)造子序列Y(t)

Y(t)＝[y(t),y(t+1),…y(t+K-1)] (1)

則t時(shí)刻的樣本序列可以定義為

Y(t)＝[Y(t),Y(t+1),…Y(t+n-1)] (2)

優(yōu)選地，在步驟(2)和(3)之間還包括以下步驟：

基于時(shí)間序列的極大值點(diǎn)可以確定故障后暫態(tài)信號的奇異點(diǎn)的特性，這些奇異點(diǎn)對應(yīng)著故障時(shí)刻、故障切除時(shí)刻、重合閘時(shí)刻、故障恢復(fù)時(shí)刻，選擇奇異時(shí)刻各節(jié)點(diǎn)狀態(tài)量的變點(diǎn)探測值建立空間序列，便于之后的故障評估。

前述步驟(2)中，所述相關(guān)無約束最小二乘重要性擬合估計(jì)(RuLSIF)的變點(diǎn)探測算法對時(shí)間序列進(jìn)行分析的具體過程如下：

處理后的電網(wǎng)數(shù)據(jù)中定義樣本序列，用核心模型來定義密度比值，各樣本序列的參數(shù)通過測試選定，計(jì)算得出變點(diǎn)探測值。根據(jù)已求出的探測值，再經(jīng)過程序編譯繪出變點(diǎn)探測曲線，圖中第一個(gè)出現(xiàn)極大值的那一點(diǎn)所對應(yīng)的時(shí)刻即為發(fā)生故障的時(shí)刻。

在一些具體的實(shí)施方式中，變點(diǎn)探測方法用于尋找時(shí)間序列的變化點(diǎn)，使用相關(guān)無約束最小二乘重要性擬合估計(jì)(RuLSIF)時(shí)，需考慮α相關(guān)系數(shù)的皮爾森偏差，0≤α＜1，則時(shí)間序列t時(shí)刻的變點(diǎn)探測值可定義為

Score(t)＝PE_α(P_t||P_t-n)+PE_α(P_t-n||P_t) (3)

其中，P_t、P_t-n分別為樣本序列的概率分布，PE_α(P||P')表示泊松分歧，定義為：

式中，p'_α(Y)＝αp(Y)+(1-α)p'(Y)，p(Y)、p'(Y)分別為P、P'的概率密度函數(shù)。

事實(shí)上概率密度函數(shù)p(Y)、p'(Y)是未知的，為了求取變點(diǎn)探測值，需要對概率密度比進(jìn)行估計(jì)。

對概率密度比建立核心模型：

其中，θ為需要從時(shí)間序列求解的參數(shù)，K(Y,Y_l)為高斯核函數(shù)

則實(shí)際概率密度比與核心模型的誤差為

其中，

式中，第一項(xiàng)與核心模型無關(guān)，將式(5)代入式(6)，則對概率密度比的估計(jì)可轉(zhuǎn)化為求解下式：

其中，λ為正則化參數(shù)，為n×n維矩陣，其(l,l')元素為：

其中為n維相量，其l個(gè)元素為

據(jù)此，式(6)中θ的估計(jì)值為

則概率密度比的估計(jì)值為：

由于式(4)表示的泊松分歧PE_α(P||P')可表示為

根據(jù)求取的概率比估計(jì)值可求得

進(jìn)一步，即可求得t時(shí)刻的變點(diǎn)探測值。的極大值點(diǎn)對應(yīng)電壓故障數(shù)據(jù)集的突變點(diǎn)，反映在時(shí)域上為最大變化率的點(diǎn)。

圖3為故障時(shí)刻各節(jié)點(diǎn)基于相關(guān)無約束最小二乘重要性擬合估計(jì)(RuLSIF)的變點(diǎn)探測技術(shù)的變點(diǎn)探測值。

前述步驟4中比較各變點(diǎn)探測值，根據(jù)指標(biāo)評估故障位置或方位，對各節(jié)點(diǎn)變點(diǎn)探測值進(jìn)行歸類，評估故障影響范圍。

在一些可選的例子中，設(shè)定的評判指標(biāo)的確定，我們可以就某一區(qū)域電網(wǎng)離線仿真得出一個(gè)極大值C和一個(gè)極小值δ，用于比較各節(jié)點(diǎn)變點(diǎn)探測值的大小，以此對相應(yīng)節(jié)點(diǎn)進(jìn)行劃分和歸類。制定合理的評估指標(biāo)判斷故障影響范圍：

圖4為故障范圍評估的示意圖，圖5為故障錄波波形圖。

前述步驟4中，利用序分量選項(xiàng)法判斷故障類型，具體實(shí)現(xiàn)如下：

采集各節(jié)點(diǎn)的三相電流和電壓，利用對稱分量法得到故障時(shí)的正序、負(fù)序、零序故障分量，通過序分量選相法即各分量相位關(guān)系來判別故障類型。

在不同短路故障條件下，以電流序分量選相元件為例，根據(jù)正序故障分量電流ΔI_A1和負(fù)序電流I_A2的相位關(guān)系進(jìn)行選相：

若ΔI_A1與I_A2的相位差為零，則判斷為A相接地；

若ΔI_A1相位滯后I_A2相位120°，則判斷為B相接地；

若ΔI_A1相位超前I_A2相位120°，則判斷為C相接地；

若ΔI_A1與I_A2的相位差為180°，則判斷為BC兩相短路或短路接地；

圖6為矢量分析圖。由矢量分析圖可以得到故障線路電壓、電流的幅值和相位，以及任意兩個(gè)信號的相位差。

圖7為序分量分析圖。由序分量分析圖可以得到故障線路電壓、電流的正序、負(fù)序和零序分量。由圖可以看出，C相電流增大，電壓降低，出現(xiàn)了零序電流和零序電壓，且零序電流相位與C相電流同向，零序電壓相位與C相電壓反向，C相電壓超前C相電流約80°左右，零序電流超前零序電壓約110°左右，由此可以確定是C相發(fā)生了單相接地短路故障。由此可見，通過前述基于變點(diǎn)探測技術(shù)的電網(wǎng)故障檢測分析方法可得到系統(tǒng)中哪些節(jié)點(diǎn)發(fā)生了故障。

雖然本發(fā)明已以較佳實(shí)施例揭露如上，然其并非用以限定本發(fā)明。本發(fā)明所屬技術(shù)領(lǐng)域中具有通常知識者，在不脫離本發(fā)明的精神和范圍內(nèi)，當(dāng)可作各種的更動與潤飾。因此，本發(fā)明的保護(hù)范圍當(dāng)視權(quán)利要求書所界定者為準(zhǔn)。