本發(fā)明屬于電網(wǎng)故障預(yù)警，具體涉及一種基于拓?fù)渥兓瘓鼍暗碾娋W(wǎng)故障預(yù)警系統(tǒng)。

背景技術(shù)：

1、電力系統(tǒng)作為現(xiàn)代社會(huì)運(yùn)轉(zhuǎn)的基石，其穩(wěn)定性和安全性直接關(guān)系到經(jīng)濟(jì)發(fā)展和社會(huì)穩(wěn)定；然而，電網(wǎng)故障的發(fā)生難以避免，一旦發(fā)生，不僅會(huì)導(dǎo)致巨大的經(jīng)濟(jì)損失，還可能引發(fā)嚴(yán)重的社會(huì)影響。因此，電網(wǎng)故障的預(yù)警顯得尤為重要。

2、發(fā)明專利公告號(hào)為cn113376479b提出的一種配電網(wǎng)故障檢測系統(tǒng)，包括故障指示器、主站和移動(dòng)終端；每產(chǎn)生一次新的故障時(shí)，故障記錄模塊查找對(duì)比之前設(shè)定時(shí)間段a內(nèi)的故障記錄，查找相同區(qū)域內(nèi)是否還發(fā)生過故障，若同一區(qū)域內(nèi)之前的時(shí)間段a內(nèi)還發(fā)生過故障，則在顯示模塊上顯示一條警示信息從而能夠快速定位電網(wǎng)的故障區(qū)域，但是該方法在面對(duì)電網(wǎng)拓?fù)浣Y(jié)構(gòu)發(fā)生變化時(shí)無法有效應(yīng)對(duì)，該方法主要依賴于靜態(tài)監(jiān)測數(shù)據(jù)，這種方法只能在電網(wǎng)拓?fù)浣Y(jié)構(gòu)穩(wěn)定時(shí)發(fā)揮較好的作用。但目前電網(wǎng)的拓?fù)浣Y(jié)構(gòu)變得越來越復(fù)雜，且時(shí)常發(fā)生變化，這使得基于靜態(tài)數(shù)據(jù)的故障檢測方法難以應(yīng)對(duì)不斷變化的電網(wǎng)環(huán)境，導(dǎo)致故障預(yù)警系統(tǒng)的效率和可靠性低下。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的就在于解決傳統(tǒng)的基于靜態(tài)數(shù)據(jù)的故障檢測方法難以應(yīng)對(duì)不斷變化的電網(wǎng)環(huán)境，導(dǎo)致故障預(yù)警系統(tǒng)的效率和可靠性低下的問題，而提出一種基于拓?fù)渥兓瘓鼍暗碾娋W(wǎng)故障預(yù)警系統(tǒng)。

2、在本發(fā)明實(shí)施提出一種基于拓?fù)渥兓瘓鼍暗碾娋W(wǎng)故障預(yù)警系統(tǒng)，所述系統(tǒng)包括:

3、拓?fù)鋱D構(gòu)建模塊，用于根據(jù)目標(biāo)電網(wǎng)區(qū)域的電網(wǎng)結(jié)構(gòu)構(gòu)建網(wǎng)絡(luò)拓?fù)鋱D，根據(jù)所述網(wǎng)絡(luò)拓?fù)鋱D得到鄰接矩陣；

4、異常定位模塊，用于針對(duì)所述網(wǎng)絡(luò)拓?fù)鋱D中每一元素，實(shí)時(shí)獲取該元素對(duì)應(yīng)的環(huán)境數(shù)據(jù)，將所有環(huán)境數(shù)據(jù)代入預(yù)設(shè)模型得到每一元素對(duì)應(yīng)的對(duì)照參數(shù)，針對(duì)每一元素根據(jù)對(duì)照參數(shù)和實(shí)際參數(shù)確定該元素是否異常；所述網(wǎng)絡(luò)拓?fù)鋱D中每一元素為所述網(wǎng)絡(luò)拓?fù)鋱D中的任意節(jié)點(diǎn)或任意邊；所述環(huán)境數(shù)據(jù)為所述網(wǎng)絡(luò)拓?fù)鋱D中每個(gè)節(jié)點(diǎn)的電壓幅度、電壓相位、電流、相角和每條線路的電阻和電抗；實(shí)際參數(shù)為該元素的環(huán)境數(shù)據(jù)；

5、拓?fù)渲貥?gòu)模塊，用于去除所述網(wǎng)絡(luò)拓?fù)鋱D中異常元素，得到整定拓?fù)鋱D，將所述整定拓?fù)鋱D代入貝葉斯壓縮感知模型對(duì)進(jìn)行網(wǎng)絡(luò)拓?fù)渲貥?gòu)得到目標(biāo)網(wǎng)絡(luò)拓?fù)鋱D；

6、故障概率計(jì)算模塊，用于計(jì)算所述目標(biāo)網(wǎng)絡(luò)圖中每個(gè)節(jié)點(diǎn)的故障概率；

7、整定值確定模塊，用于根據(jù)每個(gè)節(jié)點(diǎn)的故障概率確定所述目標(biāo)網(wǎng)絡(luò)圖中每個(gè)節(jié)點(diǎn)的整定值。

8、可選的，所述異常定位模塊包括：

9、數(shù)據(jù)預(yù)處理模塊，用于實(shí)時(shí)檢測每一元素的環(huán)境數(shù)據(jù)，對(duì)所有環(huán)境數(shù)據(jù)進(jìn)行預(yù)處理得到目標(biāo)數(shù)據(jù)集；

10、導(dǎo)納計(jì)算模塊，用于根據(jù)每條線路的電阻和電抗計(jì)算每條線路的導(dǎo)納，根據(jù)每條線路的導(dǎo)納得到電導(dǎo)率矩陣和電納率矩陣；

11、方程建立模塊，用于根據(jù)所述目標(biāo)數(shù)據(jù)集、所述電導(dǎo)率矩陣和所述電納率矩陣建立有功功率方程、無功功率方程、電流方程和相角方程；

12、預(yù)設(shè)模型生成模塊，用于根據(jù)所述有功功率方程、無功功率方程、電流方程和相角方程替換潮流計(jì)算模型中對(duì)應(yīng)公式得到所述預(yù)設(shè)模型。

13、可選的，所述方程建立模塊包括：

14、有功功率方程建立模塊，用于通過公式

15、得到有功功率；

16、其中，為節(jié)點(diǎn)i在相鄰節(jié)點(diǎn)j之間的有功功率，gij為節(jié)點(diǎn)i和節(jié)點(diǎn)j之間的電導(dǎo)率，bij為節(jié)點(diǎn)i和節(jié)點(diǎn)j之間的電納率，υi和vj分別為節(jié)點(diǎn)i和節(jié)點(diǎn)j的電壓幅度，θi和θj分別為節(jié)點(diǎn)i和節(jié)點(diǎn)j的電壓相位角。

17、可選的，所述方程建立模塊還包括：

18、無功功率方程建立模塊，用于通過公式

19、得到無功功率；

20、其中，為節(jié)點(diǎn)i在相鄰節(jié)點(diǎn)j之間的無功功率，gij為節(jié)點(diǎn)i和節(jié)點(diǎn)j之間的電導(dǎo)率，bij為節(jié)點(diǎn)i和節(jié)點(diǎn)j之間的電納率，vi和vj分別為節(jié)點(diǎn)i和節(jié)點(diǎn)j的電壓幅度，θi和θj分別為節(jié)點(diǎn)i和節(jié)點(diǎn)j的電壓相位角。

21、可選的，所述方程建立模塊還包括：

22、電流方程建立模塊，用于通過公式得到電流；

23、其中，為節(jié)點(diǎn)i在相鄰節(jié)點(diǎn)j之間的電流，vi和vj分別為節(jié)點(diǎn)i和節(jié)點(diǎn)j的電壓幅度，zij為節(jié)點(diǎn)i和節(jié)點(diǎn)j之間的電阻。

24、可選的，所述方程建立模塊還包括：

25、相角方程模塊，用于通過公式σi＝θi-θ0得到相角；

26、其中，σi為節(jié)點(diǎn)i的相角，θi和θ0分別為節(jié)點(diǎn)i的相位角和節(jié)點(diǎn)i參考波形的相位角。

27、可選的，所述異常定位模塊還包括：

28、判斷差值計(jì)算模塊，用于針對(duì)每一元素對(duì)應(yīng)的環(huán)境參數(shù)類型，計(jì)算該環(huán)境參數(shù)類型對(duì)應(yīng)實(shí)際參數(shù)和對(duì)照參數(shù)的差值得到判斷差值；

29、異常元素確定模塊，用于若所有環(huán)境參數(shù)類型對(duì)應(yīng)的判斷差值都大于預(yù)設(shè)閾值，則將該元素記為異常；每一元素對(duì)應(yīng)的環(huán)境參數(shù)類型的預(yù)設(shè)閾值不同。

30、可選的，所述拓?fù)渲貥?gòu)模塊包括：

31、初始化模塊，用于生成整定拓?fù)鋱D的鄰接矩陣記為整定鄰接矩陣，將所述整定鄰接矩陣和所述整定拓?fù)鋱D中所有元素對(duì)應(yīng)的環(huán)境數(shù)據(jù)代入貝葉斯壓縮感知模型進(jìn)行初始化得到初始化參數(shù)；

32、稀疏信號(hào)確定模塊，用于根據(jù)所述初始化參數(shù)和所述整定拓?fù)鋱D構(gòu)建觀測模型，并通過馬爾可夫鏈蒙特卡羅方法進(jìn)行參數(shù)估計(jì)和信號(hào)重構(gòu)得到稀疏信號(hào)；

33、目標(biāo)網(wǎng)絡(luò)拓?fù)鋱D確定模塊，用于根據(jù)所述稀疏信號(hào)中的非零元素確定節(jié)點(diǎn)之間的連接關(guān)系，生成所述目標(biāo)網(wǎng)絡(luò)拓?fù)鋱D。

34、可選的，所述故障概率計(jì)算模塊包括：

35、拓?fù)渥訄D確定模塊，用于根據(jù)所述目標(biāo)網(wǎng)絡(luò)拓?fù)鋱D，通過圖論算法確定每一節(jié)點(diǎn)的斷電區(qū)拓?fù)溥B接子圖數(shù)量；

36、第一特征提取模塊，用于針對(duì)每一節(jié)點(diǎn)，對(duì)該節(jié)點(diǎn)的所有斷電區(qū)拓?fù)溥B接子圖進(jìn)行特征提取得到第一特征；

37、第二特征提取模塊，用于獲取該節(jié)點(diǎn)在歷史故障數(shù)據(jù)中對(duì)應(yīng)的報(bào)警信息特征記為第二特征；

38、故障概率確定模塊，用于將所述第一特征和所述第二特征代入預(yù)設(shè)故障概率模型得到該節(jié)點(diǎn)的故障概率。

39、本發(fā)明的有益效果：

40、本發(fā)明提出了一種基于拓?fù)渥兓瘓鼍暗碾娋W(wǎng)故障預(yù)警系統(tǒng)，拓?fù)鋱D構(gòu)建模塊，用于根據(jù)目標(biāo)電網(wǎng)區(qū)域的電網(wǎng)結(jié)構(gòu)構(gòu)建網(wǎng)絡(luò)拓?fù)鋱D，根據(jù)網(wǎng)絡(luò)拓?fù)鋱D得到鄰接矩陣；異常定位模塊，用于針對(duì)網(wǎng)絡(luò)拓?fù)鋱D中每一元素，實(shí)時(shí)獲取該元素對(duì)應(yīng)的環(huán)境數(shù)據(jù)，將所有環(huán)境數(shù)據(jù)代入預(yù)設(shè)模型得到每一元素對(duì)應(yīng)的對(duì)照參數(shù)，針對(duì)每一元素根據(jù)對(duì)照參數(shù)和實(shí)際參數(shù)確定該元素是否異常；拓?fù)渲貥?gòu)模塊，用于去除網(wǎng)絡(luò)拓?fù)鋱D中元素異常的位置得到整定拓?fù)鋱D，將整定拓?fù)鋱D代入貝葉斯壓縮感知模型對(duì)進(jìn)行網(wǎng)絡(luò)拓?fù)渲貥?gòu)得到目標(biāo)網(wǎng)絡(luò)拓?fù)鋱D；故障概率計(jì)算模塊，用于計(jì)算目標(biāo)網(wǎng)絡(luò)圖中每個(gè)節(jié)點(diǎn)的故障概率；整定值確定模塊，用于根據(jù)每個(gè)節(jié)點(diǎn)的故障概率確定目標(biāo)網(wǎng)絡(luò)圖中每個(gè)節(jié)點(diǎn)的整定值。通過拓?fù)鋱D構(gòu)建模塊和異常定位模塊，系統(tǒng)能夠?qū)崟r(shí)獲取電網(wǎng)各元素的環(huán)境數(shù)據(jù)，并動(dòng)態(tài)更新電網(wǎng)拓?fù)浣Y(jié)構(gòu)，這種實(shí)時(shí)監(jiān)測和動(dòng)態(tài)分析大大提高了故障檢測的準(zhǔn)確性和及時(shí)性，避免了傳統(tǒng)靜態(tài)監(jiān)測方法在應(yīng)對(duì)頻繁變化的電網(wǎng)環(huán)境時(shí)的滯后性和不準(zhǔn)確性，在檢測到電網(wǎng)中的異常元素后，通過貝葉斯壓縮感知模型進(jìn)行網(wǎng)絡(luò)拓?fù)渲貥?gòu)，系統(tǒng)可以有效應(yīng)對(duì)復(fù)雜多變的電網(wǎng)環(huán)境，提高了預(yù)警系統(tǒng)的適應(yīng)性和靈活性，再通過計(jì)算每個(gè)節(jié)點(diǎn)的故障概率，量化電網(wǎng)中各節(jié)點(diǎn)的故障風(fēng)險(xiǎn)，并通過故障概率確定各節(jié)點(diǎn)的整定值使電網(wǎng)能夠根據(jù)實(shí)際運(yùn)行狀態(tài)進(jìn)行自適應(yīng)調(diào)整，提高了電網(wǎng)故障預(yù)警的效率和可靠性，保障了電力系統(tǒng)的安全穩(wěn)定運(yùn)行。