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

背景技術：

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

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)中的某些設備，隨時都有因絕緣材料的老化、制造中的缺陷、自然災害等原因出現(xiàn)故障而退出運行，其對電網(wǎng)、設備及社會造成的破壞和經濟損失是我們不愿看到的。調度員應該快速分析故障特征，判斷故障設備并盡快恢復用戶供電。這時，故障數(shù)據(jù)的分析和處理就顯得尤為重要了。

隨著計算機和通信技術的不斷發(fā)展，數(shù)字式保護和故障錄波器等智能電子裝置在電網(wǎng)中的應用已越來越普遍。在電網(wǎng)發(fā)生故障或受到擾動時，這些設備都會記錄大量的數(shù)據(jù)。為了實現(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，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確性仍不理想。

技術實現(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)量的時空變化特性，判別故障類型，以滿足工程應用的要求。

為達成上述目的，本發(fā)明提出一種基于變點探測技術的電網(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)量實時數(shù)據(jù)，將收集回來的數(shù)據(jù)進行預處理，過濾掉噪聲數(shù)據(jù)及不符合要求的異常數(shù)據(jù)，輸出滿足變點探測過程的高質量的數(shù)據(jù)集，并得其變化軌跡；選擇各節(jié)點狀態(tài)量的實測數(shù)據(jù)建立時間序列；

(2)利用相關無約束最小二乘重要性擬合估計(RuLSIF)的變點探測技術對各時間序列進行分析，對預處理過后的數(shù)據(jù)計算基于密度比值的孤立值，獲得電網(wǎng)各節(jié)點相關狀態(tài)量變化的變點探測值；

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

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

由以上本發(fā)明的技術方案可知，本發(fā)明的電網(wǎng)故障檢測方法的優(yōu)點在于：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)造性地運用相關無約束最小二乘重要性擬合估計(RuLSIF)的變點探測技術探知故障后電網(wǎng)狀態(tài)量的時空變化特性。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。

應當理解，前述構思以及在下面更加詳細地描述的額外構思的所有組合只要在這樣的構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)明教導的前述和其他方面、實施例和特征。本發(fā)明的其他附加方面例如示例性實施方式的特征和/或有益效果將在下面的描述中顯見，或通過根據(jù)本發(fā)明教導的具體實施方式的實踐中得知。

附圖說明

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

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

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

圖3是根據(jù)本發(fā)明某些實施例的故障時刻各節(jié)點基于相關無約束最小二乘重要性擬合估計(RuLSIF)的變點探測技術的變點探測值圖。

圖4是本發(fā)明某些實施例的故障范圍評估圖。

圖5是本發(fā)明某些實施例的故障錄波波形圖。

圖6是本發(fā)明某些實施例的矢量分析圖。

圖7是本發(fā)明某些實施例的序分量分析圖。

具體實施方式

為了更了解本發(fā)明的技術內容，特舉具體實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施例。本公開的實施例不必定意在包括本發(fā)明的所有方面。應當理解，上面介紹的多種構思和實施例，以及下面更加詳細地描述的那些構思和實施方式可以以很多方式中任意一種來實施，這是因為本發(fā)明所公開的構思和實施例并不限于任何實施方式。另外，本發(fā)明公開的一些方面可以單獨使用，或者與本發(fā)明公開的其他方面的任何適當組合來使用。

結合圖1、圖2所示，根據(jù)本發(fā)明的實施例，一種基于變點探測技術的電網(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)和故障錄波等多個數(shù)據(jù)源采集電網(wǎng)各狀態(tài)量實時數(shù)據(jù)，將收集回來的數(shù)據(jù)進行預處理，過濾掉噪聲數(shù)據(jù)及不符合要求的異常數(shù)據(jù)，輸出滿足變點探測過程的高質量的數(shù)據(jù)集，并得其變化軌跡；選擇各節(jié)點狀態(tài)量的實測數(shù)據(jù)建立時間序列；

(2)利用相關無約束最小二乘重要性擬合估計(RuLSIF)的變點探測技術對各時間序列進行分析，對預處理過后的數(shù)據(jù)計算基于密度比值的孤立值，獲得電網(wǎng)各節(jié)點相關狀態(tài)量變化的變點探測值；

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

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

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

在得到這些實時采集的原始數(shù)據(jù)后，需要進行預處理，若對同一節(jié)點同一時刻，各數(shù)據(jù)采集機反饋回來的數(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)的處理方法得出準確的數(shù)據(jù)，輸出滿足變點探測過程的高質量數(shù)據(jù)集，得其變化軌跡。選擇各節(jié)點狀態(tài)量的實測數(shù)據(jù)建立時間序列。

設y(t)∈R^d是一個在時間軸上的d維的時間序列采樣值，構造子序列Y(t)

Y(t)＝[y(t),y(t+1),…y(t+K-1)] (1)

則t時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：

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

前述步驟(2)中，所述相關無約束最小二乘重要性擬合估計(RuLSIF)的變點探測算法對時間序列進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，計算得出變點探測值。根據(jù)已求出的探測值，再經過程序編譯繪出變點探測曲線，圖中第一個出現(xiàn)極大值的那一點所對應的時刻即為發(fā)生故障的時刻。

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

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)。

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

對概率密度比建立核心模型：

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

則實際概率密度比與核心模型的誤差為

其中，

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

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個元素為

據(jù)此，式(6)中θ的估計值為

則概率密度比的估計值為：

由于式(4)表示的泊松分歧PE_α(P||P')可表示為

根據(jù)求取的概率比估計值可求得

進一步，即可求得t時刻的變點探測值。的極大值點對應電壓故障數(shù)據(jù)集的突變點，反映在時域上為最大變化率的點。

圖3為故障時刻各節(jié)點基于相關無約束最小二乘重要性擬合估計(RuLSIF)的變點探測技術的變點探測值。

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

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

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，利用序分量選項法判斷故障類型，具體實現(xiàn)如下：

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

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和負序電流I_A2的相位關系進行選相：

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，通過前述基于變點探測技術的電網(wǎng)故障檢測分析方法可得到系統(tǒng)中哪些節(jié)點發(fā)生了故障。

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