一种配电网物理故障与信息故障辨识方法与流程

本发明涉及智能配电网保护领域，特别是一种配电网物理故障与信息故障辨识方法。

背景技术：

信息物理系统技术的融入是应对配电网结构日趋复杂和电力信息化程度大幅提升的有效途径，但同时也引发了新的问题。智能配电网中信息系统与物理系统耦合度极高，信息系统故障与配电网物理故障都将威胁系统的安全稳定运行。但是，以往的电力通信网络研究基本都是割裂开来的，研究方法和建模手段未充分考虑物理系统与通信系统的交互作用，尤其是交互作用对智能配电网保护控制的影响更是鲜有提及。

若配电网线路等发生故障，传输的数据量急剧上升，有可能导致信息系统负载过大，造成网络拥塞，增加信息传输时延和信息处理的误码率，易导致智能终端误动或者拒动，进而造成故障的扩大化或者不必要的停电，处理不及时有诱发连锁故障的可能性。此外，通信信道故障、信息元件故障和信息传输故障以及来自外部的恶意攻击，都将影响整个智能配电网的正常运行与保护控制性能，严重的将导致系统瘫痪。因此，无论是信息系统还是物理系统发生故障都将对智能配电网的经济可靠运行造成威胁。

然而，由于物理系统与信息系统耦合度高的特点，辨识究竟是电力故障抑或是信息系统故障的难度较大。国内外关于这方面的研究也都不够细致或是割裂开来的，无法对电力故障与信息系统故障进行统一地识别，需要进行更深入和更全面的研究。开发能够快速地统一辨识智能配电网故障，以及定位电力故障区域与故障通信节点的智能配电网故障辨识方法具有一定的实践意义。

鉴于此，本发明提出基于多维尺度分析和局部异常因子的智能配电网故障辨识算法，利用该算法可辨识发生的故障属于配电网物理故障亦或是信息系统中通信节点的故障，并通过广义LOF值判定配电网物理故障区域和故障通信节点。通过MATLAB仿真对配电网物理故障和智能终端通信节点故障的识别和故障区域或通信节点的定位，验证本文提出的故障辨识算法的有效性。

技术实现要素：

本发明所要解决的技术问题是提供一种配电网物理故障与信息故障辨识方法，通过对状态监测矩阵进行数据预处理与融合，再进行多维尺度降维与离群点检测，实现信息系统故障和配电网物理故障的甄别，以及对配电网故障区域和故障通信节点的定位。

本发明解决上述技术问题的技术方案包括以下步骤：

步骤1：分布于配电网中的智能终端周期性向保护控制中心上传

电流和电压等电气特征量，经过数据筛选和预处理，形成初始的单时段单电气特征量状态监测矩阵。

步骤2：将单时段单电气特征量状态监测矩阵，再将该矩阵在电气特征量和时间序列上进一步扩充，最终融合成一个高维时空状态监测矩阵。

步骤3：采用多维尺度分析对高维时空状态监测矩阵进行降维，进一步降低低价值数据量，对数据进一步融合，同时实现数据分析结果的可视化，对降维后的高维时空状态监测矩阵进行离群点检测。

步骤4：对多维尺度分析和离群点检测结果进行分析，实现对故障的检测。

步骤5：将配电网广义节点LOF值与整定值比较以判别故障属于配电网物理故障亦或通信节点故障。

步骤6：在步骤5的基础上，结合多维尺度分析和离群点检测结果实现对配电网物理故障区域或故障通信节点的定位。

进一步的，进行所述步骤1时，对上传至保护控制中心的电气特征量进行筛选，选取有代表性的电流和功率作为分析的电气特征量。本发明的数据预处理包含构建反映各节点对应关系的网络关联矩阵，并将单时段单电气特征量状态监测矩阵进行区域差分处理。

进一步的，进行所述步骤2时，将经过区域差分处理后的包含电流和功率的单时段单电气特征量状态监测矩阵C_i融合成单时段多电气特征量状态监测矩阵W_i，最后在时间序列上将其进一步扩充，形成高维时空状态监测矩阵W。

进一步的，进行所述步骤3时，对高维时空状态监测矩阵W进行多维尺度分析降维。利用欧几里德距离和状态监控矩阵计算各节点的相似度矩阵D，根据相似度矩阵；求出其中心内化积矩阵；求解中心内化积矩阵最大的两个正特征根及其对应的正交化特征向量；正交化特征向量X₁和X₂构成的矩阵X即为高维时空状态监测矩阵在二维空间中的坐标表示。对矩阵X进行离群点检测。求取各节点与距其最近节点的K距离K_dist(p)；计算各节点的K邻域N_dist(p)；确定各节点之间的局部可达距离RD_dist(p,q);计算各节点的局部可达密度Ird_k(p);计算各节点的LOF值。

进一步的，进行所述步骤4时，观察各节点的LOF值，存在LOF值大于整定值K的节点，则表明智能配电网中发生故障。

进一步的，进行所述步骤5时，根据配电网正常运行时流入的电流等于流出的电流，由边界节点构成的区域建立广义节点，判断LOF值是否超过整定值N，判断故障属于配电网物理故障亦或是通信节点故障。

进一步的，进行所述步骤6时，结合多维尺度分析和离群点检测结果，以及各节点和节点所在区域的关联关系，实现对配电网故障区域或故障通信节点的定位。

本发明针对智能配电网物理系统与信息系统耦合度高的特点，辨识故障究竟发生于配电网亦或信息系统，以及确定配电网故障区域或故障通信节点的难度较大，提供一种基于多维尺度分析和离群点检测的智能配电网故障辨识方法。该方法基于故障节点与正常节点存在的差异度，将冗杂的数据简化、融合以用于分析，利用多维尺度分析和离群点检测结果，以及广义节点的LOF值检测，对信息系统故障和配电网物理故障进行甑别，并完成对配电网故障区域以及故障通信节点的定位。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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发明的一些实施例，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，还可以根据这些附图获得其他的附图。

图1为智能配电网故障辨识算法流程图；

图2为某10 kV含分布式电源的配电网拓扑图；

图3为节点13与14之间发生短路故障时状态监测矩阵多维尺度分析的聚类结果；

图4为节点13与14之间发生短路故障时经离群点检测所得的各节点LOF值，其中节点22为广义节点；

图5为通信节点4发生故障时状态监测矩阵多维尺度分析的聚类结果；

图6为通信节点4发生故障时经离群点检测所得的各节点LOF值。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例和附图，对本发明实施例中的技术方案进行清楚、完整地描述。需要说明的是，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

下面结合附图说明本发明的具体实施方式。

实施例

为了验证本发明所提出的一种基于多维尺度分析和离群点检测的智能配电网故障辨识方法，以图2所示的国内某智能配电网示范区含分布式电源的10kV配电网为研究对象，在MATLAB仿真下搭建该模型，其具体故障辨识流程如图1所示，模拟配电网节点13与14之间发生物理故障，模拟通信节点4发生故障，导致上传数据的异常。

配电网物理故障辨识

配电网线路发生单相接地故障时，智能终端将数据上传至保护控制中心，经由本文所提故障辨识算法处理后，得到的故障辨识结果如图5所示。图中广义节点22的LOF值大于200，显然已超出整定值，此时流入的电流不等于流出的电流，表明发生于智能配电网的故障应属于配电网线路故障。同时，通过图5所示的MDS聚类结果图和LOF值，可以判断出故障发生于节点13和14之间，这是因为在故障辨识结果中故障线路两端的节点13、14必然与其余节点存在差异，但二者自身又是相似的。

通信节点故障辨识

图6是某智能终端通信节点发生故障时，保护控制中心将所有终端上传的数据依据本文所提故障辨识算法处理后所得到的故障辨识结果。图6中节点3、4、5和6的LOF值均超过了整定值，但所得数据分析结果表明故障辨识算法完成了对故障类型的辨识，并根据广义节点22的LOF值为1，未超过整定值LOF值，因此将故障类型识别为通信节点故障（LOF值为1，未超过整定值,流入的电流等于流出的电流），最后根据节点聚类结果和LOF值，定位将通信节点故障定位发生于在节点4。

本发明提出一种基于多维尺度分析(Multi-dimensional Scaling, MDS)和离群点检测(Local Outlier Factor, LOF)的智能配电网故障辨识方法。该发明的基本思想是将配电网中智能终端上传的数据进行数据的预处理和融合建立高维时空状态监测矩阵，将此矩阵经过多维尺度分析降维后，对其进行离群点检测以获取各节点的LOF值，在此基础上可实现对智能配电网故障的检测，再根据广义节点的LOF值可甄别故障是配电网电力故障亦或通信节点故障；进一步地，结合多维尺度分析和离群点检测的可视化结果实现对配电网故障区域和故障通信节点的定位。该发明不仅能对智能配电网进行有效的故障检测，而且能对配电网故障区域和故障通信节点进行定位。

本发明针对智能配电网物理系统与信息系统耦合度高的特点，辨识故障究竟发生于配电网亦或信息系统，以及确定配电网故障区域或故障通信节点的难度较大，提供一种基于多维尺度分析和离群点检测的智能配电网故障辨识方法。该方法基于故障节点与正常节点存在的差异度，将冗杂的数据简化、融合以用于分析，利用多维尺度分析和离群点检测结果，以及广义节点的LOF值检测，首先能实现对故障识别，然后对信息系统故障和配电网物理故障进行甑别，最后完成对配电网故障区域以及故障通信节点的定位。

以上所述实施例仅表达了本发明的一种实施方式，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和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。