一种基于RS‑IA数据挖掘的配电网故障定位方法与流程

本发明涉及电力设备故障诊断领域，具体属于配电网线路故障定位方法。
背景技术：
：配电网故障定位是配电自动化的重要功能之一。当配网实际出现故障后，通过故障定位功能可快速找出故障发生的区域，为隔离故障和尽快恢复对用户的供电提供有效指导，对改善供电可靠性具有重要意义。目前，基于馈线终端单元(FTU)上报故障信息进行配电网故障定位的分析方法主要有两类:一类是配电网故障区段判断和隔离的统一矩阵算法，这种诊断方式基于健全信息进行故障定位，较为传统，可靠性高，但对内存要求较高且诊断有限；另一类是近些年兴起的人工智能化故障诊断方法，相关理论有专家系统、人工神经、模糊理论、遗传算法和免疫算法等。人工智能化故障诊断方法能够基于非健全的故障信息进行诊断定位，具有更强的实用性和更为广阔的应用前景，其在技术上还有很多需要进一步研究的地方。目前我国关于配电网人工智能化故障诊断的研究还处于初级阶段，现有方法的容错性、精确性、快速性仍需进一步提高和改进。近年来发展迅猛的数据挖掘技术能为发现问题规律寻找解决方案较好地提供参考信息。廖志伟等发表的《基于数据挖掘模型的配电网故障定位诊断》应用基于粗糙集(RoughSets,RS)理论和遗传算法相结合的数据挖掘(DataMining,DM)模型来进行获取信息发生丢失或畸变情况下的配电网故障定位分析。比较发现，该方案定位诊断的正确率远高于常规人工神经网络(ArtificialNeuralNetwork,ANN)模型。但遗传算法容易更陷入局部最优的情况,过早地收敛于局部最优，具有“早熟”的缺点。技术实现要素：本发明的目的是，克服现有技术的上述缺陷，提供一种更简单快速有效，具有更好的容错性能的配电网故障定位方法。技术方案如下：一种基于RS-IA数据挖掘的配电网故障定位方法，包括下列步骤：1)构造配电网故障挖掘数据库：按获取信息中出现一位畸变信息来构造故障模式集，预先构建好线路元件数目不等的单畸变信息树干网故障定位模型，作为决策规则数据库；故障模式信息组成为：输入矢量为各开关的电流越限信息序列，将各开关从进线开关开始依次排列，在故障元件线路之前的开关有故障电流流过，“1”表示有电流越限信号；之后的开关无电流越限信号以“0”表示；输出矢量为线路元件的状态序列，线路处故障状态用“1”表示；正常状态用“0”表示；2)提取故障特征，确定相应对象的条件属性和决策属性，其中输入矢量集合为条件属性集合，而输出矢量集合形成决策属性集合；3)依据已定的条件属性与决策属性，将故障模式集转换成RS决策表；4)把从RS决策表中求取约简的问题转化为在区分矩阵中求取组合数最小的约简；5)计算决策属性对条件属性的依赖程度；6)产生免疫算法的初始抗体群并采用二进制进行编码；7)计算抗原与抗体之间的亲和度，取亲和度的倒数作为抗体的适应度函数；计算抗体在种群中的浓度；8)根据亲和度和浓度，对抗体进行相应的促进和抑制；9)将各抗体群中高亲和度、低浓度的抗体存储在记忆库中保留并不断更新；10)进行选择、交叉和变异操作，形成下一代父代抗体群；11)重复操作7)到10)至满足终止条件，得到组合数最小的约简，即利用免疫算法得到的最佳约简；12)从最佳属性约简集中提取故障定位规则；13)依照生成的故障定位规则进行配网故障区段定位。本发明在现有研究基础上，克服现有方法的不足，提出一种基于RS-IA数据挖掘的配电网故障定位方法，该方法实现了在FTU运行环境较恶劣、元器件受损或信息丢失等所导致故障信息变异情况下的配电网故障定位，很好地解决了因配网获取信息的畸变而造成的故障定位误判问题。与遗传算法相比，免疫算法对粗糙集的约简性能更优，基于RS-IA数据挖掘的配电网故障定位方法比基于RS-GA的方法相比更简单快速有效，具有更好的容错性能。附图说明图1为本发明实施例中三电源环网开环运行配电网。图2为本发明实施例中单一树干网。图3为本发明实施例中的免疫算法收敛曲线。图4为本发明的简化流程图。具体实施方式为了更清楚地说明本发明，下面结合实施例和附图对本发明作进一步的说明。本发明以假定的单一故障来进行仿真，以一个典型的3电源环网开环运行配电网为例，如图1所示。图中有3个断路器、2个联络开关、16个分段开关，19条馈线对应19个定位区段。以断路器为标志，以联络开关为界限可以分为3个独立配电区域。基于RS-IA数据挖掘的配电故障定位方法对配网进行全面仿真。根据DM故障模式的构造原则，该线路的基本故障样本模式应为11个(10条线路故障和无线路故障模式)，故障样本输入矢量由10个元素构成。考虑可能出现一位元素畸变的原则，每个基本故障模式可衍生出10个变异模式，共有110个模式。利用用IA在广义故障模式集中进行全局优化搜索，求取RS的最佳属性约简，其具体算法流程如下。其中，N为抗体群规模，m为免疫记忆库大小，n为抗体长度，Tac1为免疫选择设定阈值，MAX为最大迭代次数，即算法结束的终止条件。1)计算决策属性D对条件属性C的依赖程度KC。令依次去掉某单个属性a∈C，若Kc-a≠Kc，则Core(C)＝Core(C)∪a，即核为Core(C)。若KCore＝KC，则Core为最佳属性约简，否则实行步骤2)。2)产生初始抗体群及其编码。本发明采用二进制编码方式，抗体的长度即条件属性C的个数，抗体的每一位基因代表对应条件属性的取舍状态，1表示约简时选择该条件属性，0表示舍去该条件属性。初始化时，核中的条件属性对应位取1，其余位随机取0或1。抗体的表现形式为[011…01]，由此产生规模为N的初始抗体群。3)计算亲和力。抗原与抗体之间的亲和力表示可行解对问题的满足程度，亲和力越高，说明解越好。本发明选取的亲和力函数为适应度函数的倒数，适应度函数如下式：axv=α×n-lvn+(1-α)×K---(1)]]>式中，n为条件属性的个数；lv是抗体中“1”的个数，也就是约简后的条件属性个数；α为调节因子；K为决策属性对条件属性的依赖程度。4)计算抗体浓度。首先计算两个抗体间的亲和力，公式如下：ayvw=11+differvw---(2)]]>其中，differvw为两个抗体间的结合强度，即相同位置基因编码值不同的个数。则抗体V在种群中的浓度为：Rv=1NΣw=1nacvw,acvw=1avw>Tac10otherwise---(3)]]>5)抗体的促进与抑制。为保证抗体的多样性，亲和力大的抗体浓度提高，但过高就会被抑制，反之相应提高低浓度抗体的产生和选择概率。6)更新记忆库。将各抗体群中高亲和度、低浓度的s个抗体存储在记忆库中保留并不断更新。7)进行选择、交叉和变异操作，形成下一代父代抗体群。8)满足终止条件则结束，输出结果；否则转3)。本实施例记忆库容量取30，种群规模为60，交叉概率pc＝0.5，变异概率pm＝0.05，浓度阈值取0.7。算法迭代次数的最大值设为150。挖掘所得到的故障定位最佳属性约简如表1。表1故障定位相关性分析最佳属性约简为了能清晰地说明研究问题的实质，从全部仿真中提取一个具有10条线路、9个分段开关的树干网，其中有一条线路发生故障时的具体实例来描述。如图2所示，其中a、b……j为线路，S1、S2……S9为分段开关。以线路b发生故障为例，利用IA方法求取RS最佳约简的收敛曲线如图3所示。基于RS-IA数据挖掘故障定位方法得到的配电网故障模式及形成的诊断结果如表2所示。其中，输入元素中标注*的为畸变信息位，输出元素中标注#的为错判的元件。表2线路故障模式由表2可知，常规的电流越限信号判别法对信息的畸变非常敏感，无容错能力，极易导致故障的误判、错判。本发明提出的基于RS-IA数据挖掘的配电故障定位方法具有较高的容错能力，在绝大多数情况下能够准确实现配电网的故障定位。为了验证本发明所提模型的优越性，将RS-IA模型与基于RS与GA结合的DA模型的方法进行对比，用MATLAB编制了基于两种模型的配电故障定位程序，对图2所示树干网进行仿真实现其故障定位。两种算法基本设置相同，算法的最大迭代次数均取150次，测试结果如表3所示。表3属性约简实验结果由表3可知，在相同设置的情况下，RS-IA模型能较好地求得最佳属性约简，而且收敛速度较快。且IA算法在引入浓度机制后，能够抑制算法中较高浓度的解的产生，防止算法过早地收敛于局部最优，有效地克服了遗传算法“早熟”的缺点，既提高了效率，又使准确率有所提升。此实施例证明通过本发明所述方法能够实现故障信息错误或畸变状态下的配电网故障定位。图4为本发明的简化流程图。下面对本发明的技术方案做一下总结：1)根据以往经验和故障相关信息，构造配电网故障挖掘数据库。考虑到来自FTU的故障信息极易丢失或变异，本发明按获取信息中出现一位畸变信息来构造故障模式集，预先构建好线路元件数目不等的单畸变信息树干网故障定位模型，作为决策规则数据库。故障模式信息组成为：输入为各开关(包括断路器、分段开关、联络开关等)的电流越限信息序列。将各开关从进线开关(电源)开始依次排列，在故障元件线路之前的开关有故障电流流过，“1”表示有电流越限信号；之后的开关无电流越限信号以“0”表示。输出为线路元件的状态序列，线路处故障状态用“1”表示；正常状态用“0”表示。2)提取故障特征，确定相应对象的条件属性和决策属性。其中输入矢量集合为条件属性集合，而输出矢量集合形成决策属性集合。3)依据已定的条件属性与决策属性，将故障模式集合转换成RS决策表。4)把从决策表中求取约简的问题转化为在区分矩阵中求取组合数最小的约简。5)计算决策属性D对条件属性C的依赖程度。6)产生免疫算法的初始抗体群并采用二进制进行编码。7)计算抗原与抗体之间的亲和度，取亲和度的倒数作为抗体的适应度函数；计算抗体在种群中的浓度。8)根据亲和度和浓度，对抗体进行相应的促进和抑制。9)将各抗体群中高亲和度、低浓度的抗体存储在记忆库中保留并不断更新。10)进行选择、交叉和变异操作，形成下一代父代抗体群。11)重复操作7)到10)至满足终止条件，得到组合数最小的约简，即利用免疫算法得到的最佳约简。12)从最佳属性约简集中提取故障规则。13)依照生成的故障定位规则进行配网故障区段定位。配网出现故障后，安装于各开关处的FTU检测到故障电流，与预定的故障电流定值比较后形成离散的故障信息。当FTU收集到的故障报警信息被上传到控制主站后，可根据RS-IA数据挖掘模型得到的决策规则，分析分段开关电流越限信息与故障线路位置间的关系，找出该分段开关电流越限信息所对应的线路故障状态，从而对配电网故障线路进行正确定位。以上所述，仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。当前第1页1 2 3