基于线路拓扑分析的配电网准实时故障识别方法及系统与流程

1.本发明属于电网故障识别技术领域，尤其涉及一种基于线路拓扑分析的配电网准实时故障识别方法及系统。


背景技术：

2.当前配网故障统计上报系统已基本实现面向t-1时间的江苏配网故障研判与统计，为了进一步提升配网故障管理能力，指导故障快速应急抢修，需加强实时故障研判的能力。但是在实时故障背景下，数据不完整性问题凸显，如何利用有限的数据准确诊断出实时故障成为亟需解决的问题。


技术实现要素：

3.为了解决现有技术存在的问题，本发明提供一种基于线路拓扑分析的配电网准实时故障识别方法及系统，能够准确对配电网故障进行识别。
4.本发明所要解决的技术问题是通过以下技术方案实现的：
5.第一方面，提供了一种基于线路拓扑分析的配电网准实时故障识别方法，包括：
6.获取线路基础信息、线路拓扑图信息、置牌信息、开关动作信息、用采系统停电记录信息、融合终端停电记录信息、线路故障重合成功记录信息以及线路检修计划信息；
7.根据获取的开关动作信息、用采系统停电记录信息以及融合终端停电记录信息生成线路动作集合；
8.根据置牌信息、线路故障重合成功记录信息以及线路检修计划信息对线路动作集合进行筛选；
9.根据线路拓扑图信息以及筛选后的线路动作集合生成特征样本集；
10.通过特征样本集对故障识别模型进行训练；
11.通过训练好的故障识别模型对配电网故障进行识别。
12.结合第一方面，进一步的，所述开关动作信息包括：准实时变电站的事故分闸信息、变电站及配网开关的遥信变位信息、保护soe信息以及fa动作信息。
13.结合第一方面，进一步的，所述对线路动作集合进行筛选包括：判断线路动作集合内各线路动作与变电站及配网开关置牌信息、线路故障重合成功记录信息以及线路检修计划信息是否匹配，若匹配则认为对应线路动作时段不属于故障识别范围，并将其从线路动作集合中筛除。
14.结合第一方面，进一步的，所述根据筛选后的线路动作集合生成特征样本集包括：
15.根据路动作集合及线路拓扑图信息查看筛选后的线路动作集合内各线路与准实时变电站的事故分闸信息、变电站及配网开关的遥信变位信息、保护soe信息以及fa动作信息、用采系统停电记录信息以及融合终端停电记录信息的匹配情况生成特征样本集。
16.结合第一方面，进一步的，所述特征样本集包含的特征值有：
17.变电站事故分闸信息匹配情况、变电站遥信变位信息匹配情况、变电站保护soe信
息匹配情况、线路检修计划匹配情况、配网开关遥信变位信息匹配情况、配网开关保护soe信息匹配情况、fa动作信息匹配情况、线路下配变与融合终端停电信息匹配情况、线路下配变与用采停电信息匹配情况、配网开关遥信变位信息中开关与其下游配变的融合终端停电信息匹配情况、配网开关遥信变位信息中开关与其下游配变的用采停电信息匹配情况、配网开关保护soe信息中开关与其下游配变的融合终端停电信息匹配情况、配网开关保护soe信息中开关与其下游配变的用采停电信息匹配情况、fa动作信息中开关与其下游配变的融合终端停电信息匹配情况、fa动作信息中开关与其下游配变的用采停电信息匹配情况。
18.结合第一方面，进一步的，所述特征样本集中的70％作为训练样本，30％作为测试样本。
19.结合第一方面，进一步的，所述故障识别模型为bp神经网络模型，采用f1值对该模型进行评价。
20.结合第一方面，进一步的，所述对配电网故障进行识别包括：
21.对实际配电网中线路准实时动作进行特征提取，将提取的特征输入训练好的故障识别模型进行故障识别。
22.第二方面，提供了一种基于线路拓扑分析的配电网准实时故障识别系统，包括：
23.信息获取模块，用于获取线路基础信息、线路拓扑图信息、置牌信息、开关动作信息、用采系统停电记录信息、融合终端停电记录信息、线路故障重合成功记录信息以及线路检修计划信息；
24.集合生成模块，用于根据获取的开关动作信息、用采系统停电记录信息以及融合终端停电记录信息生成线路动作集合；
25.筛选模块，用于根据置牌信息、线路故障重合成功记录信息以及线路检修计划信息对线路动作集合进行筛选；
26.样本生成模块，用于根据线路拓扑图信息以及筛选后的线路动作集合生成特征样本集；
27.模型训练模块，用于通过特征样本集对故障识别模型进行训练；
28.故障识别模块，用于通过训练好的故障识别模型对配电网故障进行识别。
29.本发明有益效果包括如下：
30.首先，本发明以数据驱动方式学习了历史海量故障数据变化趋势，采集线路开关动作信息及拓扑图信息相关共15项特征值，以f1系数准确研判出线路是否发生故障事件，及时精准辅助决策。
31.其次，本发明综合考虑了各线路置牌、检修计划、重合成功、拓扑图、开关动作等多项信息组合生成各开关信息匹配情况相关特征值，逐步排除并精准识别故障事件，研判准确率高。
32.再次，本发明计算简单，原理明确，可帮助配网运行人员及时发现故障事件，具有良好的应用前景。
附图说明
33.图1为本发明基于线路拓扑分析的配电网准实时故障识别方法的流程图。
具体实施方式
34.为了进一步描述本发明的技术特点和效果，以下结合附图和具体实施方式对本发明做进一步描述。
35.实施例1
36.如图1所示，提供一种基于线路拓扑分析的配电网准实时故障识别方法，包括以下步骤：
37.步骤一、获取信息
38.为了后续对故障进行判断首先需要搜集一些信息，包括线路基础信息、线路拓扑图信息、置牌信息、开关动作信息、用采系统停电记录信息、融合终端停电记录信息、线路故障重合成功记录信息以及线路检修计划信息等，具体实现过程为：
39.在能量管理系统(该系统为现有技术中存在的系统)中选择待处理的中压配电网，读取现有系统存储的线路及对应配电变压器的基础数据、线路拓扑图信息，提取生产管理系统中的计划停电数据，用电信息采集管理系统中的用采停电记录数据，配电云主站系统的融合终端停电数据，调度管理系统内的事故分闸记录数据、fa(馈线自动化)动作记录数据、遥信变位动作记录数据、置牌数据，配电自动化主站系统对配网开关动作记录数据、保护soe(事件顺序记录)信号数据，故障管理系统的故障记录数据。
40.步骤二、生成线路动作集合
41.根据获取的开关动作信息(准实时变电站的事故分闸信息、变电站及配网开关的遥信变位信息、保护soe信息以及fa动作信息)、用采系统停电记录信息以及融合终端停电记录信息生成线路动作集合c；
42.假设某时段内，一连接在线路fi上的开关，在tk时有一条上述信息内的动作记录，则生成的集合c＝[(f1,t1),...,(fi,tk)...,(fm,tn)]，其中m为某时段内中压配网内有动作记录的线路总数，n为某时段内所有动作记录总数量。
[0043]
从获得的线路及对应动作开关记录数据中，以线路及动作时间为单位生成线路及对应时间点集合c。
[0044]
步骤三、集合筛选
[0045]
在集合c中有些是正常的开关动作信息，所以需要将其筛选掉，具体包括：
[0046]
查看集合c内各线路fi在tk时刻与准实时变电站及配网开关置牌信息、线路检修计划信息、线路重合成功故障记录信息匹配情况，匹配方式为动作记录信息在集合c内的tk时间正负30分钟偏移后的时段范围内，若匹配上则认为该线路fi在tk时刻动作时段不属于故障识别范围内，并筛除集合c内相关记录信息。
[0047]
步骤四、生成特征样本集
[0048]
基于生成的全量线路及对应时间点集合c，结合线路拓扑信息，查看集合c内各线路fi在tk时刻与准实时变电站的事故分闸信息、变电站及配网开关的遥信变位信息、保护soe信息、fa动作信息、用采系统停电记录信息、融合终端停电记录信息匹配情况，匹配方式为动作记录信息在筛选后的集合c'内fi在tk时间正负30分钟偏移后的时段范围内。
[0049]
最终生成特征值：
[0050]
一为筛选后的集合c'内的线路fi在tk时间与变电站事故分闸信息匹配情况；
[0051]
二为筛选后的集合c'内的线路fi在tk时间与变电站遥信变位信息匹配情况；
[0052]
三为筛选后的集合c'内的线路fi在tk时间与变电站保护soe信息匹配情况；
[0053]
四为筛选后的集合c'内的线路fi在tk时间与线路检修计划匹配情况；
[0054]
五为筛选后的集合c'内的线路fi在tk时间与配网开关遥信变位信息匹配情况；
[0055]
六为筛选后的集合c'内的线路fi在tk时间与配网开关保护soe信息匹配情况；
[0056]
七为筛选后的集合c'内的线路fi在tk时间与fa动作信息匹配情况；
[0057]
八为筛选后的集合c'内的线路fi在tk时间与线路下配变与融合终端停电信息匹配情况；
[0058]
九为筛选后的集合c'内的线路fi在tk时间与线路下配变与用采停电信息匹配情况；
[0059]
十为筛选后的集合c'内的线路fi在tk时间与配网开关遥信变位信息中开关与其下游配变的融合终端停电信息匹配情况；
[0060]
十一为筛选后的集合c'内的线路fi在tk时间与配网开关遥信变位信息中开关与其下游配变的用采停电信息匹配情况；
[0061]
十二为筛选后的集合c'内的线路fi在tk时间与配网开关保护soe信息中开关与其下游配变的融合终端停电信息匹配情况；
[0062]
十三为筛选后的集合c'内的线路fi在tk时间与配网开关保护soe信息中开关与其下游配变的用采停电信息匹配情况；
[0063]
十四为筛选后的集合c'内的线路fi在tk时间与fa动作信息中开关与其下游配变的融合终端停电信息匹配情况；
[0064]
十五为筛选后的集合c'内的线路fi在tk时间与fa动作信息中开关与其下游配变的用采停电信息匹配情况；
[0065]
以上共生成15项特征值后，最终对特征数据进行归一化处理得到特征样本集。
[0066]
步骤五、模型训练
[0067]
通过特征样本集对故障识别模型进行训练
[0068]
在训练前需要对训练样本进行划分，即对特征样本集进行划分，对其按7：3进行划分，70％作为训练故障识别模型，30％作为验证集测试模型训练效果及模型调优；故障识别模型采用bp神经网络模型，并运用f1系数对训练好的模型进行模型评价。
[0069]
f1系数的具体计算公式如下：
[0070][0071]
其中，式中p为精确率，指模型不将负样本标记为正样本的能力，r为召回率，指模型查找所有正样本的能力。
[0072]
模型最终评价系数f1的值为0.96，证明本模型预测结果的准确率较高，训练效果较好。
[0073]
步骤六、故障识别
[0074]
利用训练好的模型对线路相关配电开关及变电站相关动作记录信息进行批量实时故障识别；
[0075]
模型预测评价系数值满足要求后，利用训练好的模型对实际中压配电网中线路准实时动作记录数据进行批量故障识别研判，即对各线路进行批量生成并提取所需特征值，
送入模型进行计算，最终输出各线路对应故障诊断结果。
[0076]
实施例2
[0077]
本发明还提供了一种基于线路拓扑分析的配电网准实时故障识别系统，包括：
[0078]
信息获取模块，用于获取线路基础信息、线路拓扑图信息、置牌信息、开关动作信息、用采系统停电记录信息、融合终端停电记录信息、线路故障重合成功记录信息以及线路检修计划信息；
[0079]
集合生成模块，用于根据获取的开关动作信息、用采系统停电记录信息以及融合终端停电记录信息生成线路动作集合；
[0080]
筛选模块，用于根据置牌信息、线路故障重合成功记录信息以及线路检修计划信息对线路动作集合进行筛选；
[0081]
样本生成模块，用于根据线路拓扑图信息以及筛选后的线路动作集合生成特征样本集；
[0082]
模型训练模块，用于通过特征样本集对故障识别模型进行训练；
[0083]
故障识别模块，用于通过训练好的故障识别模型对配电网故障进行识别。
[0084]
本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0085]
本技术是参照根据本技术实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0086]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0087]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0088]
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。