配电网线路工况分类识别方法
【技术领域】
[0001] 本发明设及配电网线路故障诊断分析技术，具体设及配电网线路工况分类识别方 法。
【背景技术】
[0002] 配电网是电力系统的重要组成部分，它直接面向用户，是保证供电质量、提高电网 运行效率、创新用户服务的关键环节，运就需要对配电网线路运行数据进行有效监控、管理 和及时发现处理缺陷W提高供电可靠性。
[0003]目前，国内外配电网线路故障诊断技术的主要解决思路为：针对某个特定类型的 故障或工况（如短路），设定相应的特定参数阔值（如短路电流阔值），然后通过比较实际 采集或通过计算得到的数值（如实际电流值）与设定的阔值进行幅值或相位角度大小的比 较，最终得到是否出现相应故障的结论。前述现有技术的主要优势是技术方案简单且计算 难度小，对数据采集与分析设备性能要求较低；但是，其不足的地方主要体现在：
[0004] 由于配电网线路工况复杂，现有技术一般只能对相间短路、断线等引起供电中断 的显性故障进行识别与诊断。然而除了显性故障之外，配电网线路还存在由于合闽涌流、过 负荷、雷击、瞬时扰动或绝缘老化等异常工况引起的隐性故障；现有技术难W识别出运些隐 性故障。因此，需要发明与创造新的技术方案，W实现对包括各种显性及隐性故障的更加综 合与全面的分析与识别。
【发明内容】
[0005] 为解决现有技术无法对配电网线路的显性故障及隐性故障进行全面分析与识别 的技术问题，本发明提出配电网线路工况分类识别方法，该方法提取配电网线路运行中各 种工况的运行特征，根据运行特征对配电网线路的运行工况及故障进行分类识别，并通过 综合运些运行特征，得到原始的各种配电网运行工况的特征基因库。
[0006] 本发明所采用的技术方案如下：配电网线路工况分类识别方法，包括W下步骤：
[0007] 步骤1、获取配电网线路A、B、CΞ相电流、Ξ相电压波形数据；
[000引步骤2、利用步骤1所获取的A、B、CS相电流、；相电压波形数据，对各种工况及 典型故障的特征基因进行提取，从而得到特征基因库；
[0009] 步骤3、采集当前配电网线路工况的Ξ相电流、电压信号，用与步骤2相同的特征 基因提取算法提取特征基因，分析各相电流、电压的分尺度矩向量曲线及分时间矩向量曲 线，查询步骤2所得到的特征基因库，判断是否出现故障，并识别出是哪类故障。
[0010] 优选地，步骤2采取基于小波灰度矩的特征基因提取算法提取特征基因，首先对 A、B、ΟΞ相电流和Ξ相电压波形数据进行连续小波变换，按照尺度方向对小波系数矩阵进 行等区域划分进行一阶灰度矩向量的计算，再按照时间轴方向对小波系数矩阵进行等区域 划分进行一阶灰度矩向量的计算。
[0011] 优选地，所述特征基因提取算法如下：
[0012] (1)定义小波灰度矩
[0013] 设与某信号的连续小波变换灰度图对应的小波变换系数用矩阵[C]mXn表示，m 和η分别对应小波灰度图的小波变换尺度和采样时间，则与小波灰度图对应的k阶灰度矩 定义为：
[0014]
(1-1)
[001引式中，Cy是矩阵[C]mXη的元素，表征元素Cy(i,j声1)与元 素cii之间的距离；
[0016] (2)计算小波灰度矩之一阶灰度矩
[0017]根据式（1-1)，取k= 1得到一阶灰度矩gi，一阶灰度矩gi的计算步骤如下：
[001引对采集到的Ξ相电流、Ξ相电压波形数据进行归一化处理，假设该数据由 512个离散点组成{A1，A2，……，A512}，则处理后的序列为{xi，而，…，X512}，其中，
[001引对序列{xi，X2，……，馬。}进行N尺度连续小波变换，得到NX512小波系数矩阵 [幻，对小波系数矩阵[口求绝对值；取k= 1，按式（1-1)计算与小波系数矩阵I[幻I相应 的一阶灰度矩gi;
[0020] 做计算一阶灰度矩向量，步骤如下：
[002。 对小波系数矩阵[幻沿尺度方向进行等区域划分，若划为m个区域，令S=Ν/παυ各区域均为sX512矩阵；
[002引按式（1-1)对W上m个区域分别计算一阶灰度矩gi,i(i= 1，2, 一,111),各区域一 阶灰度矩构成相应故障的一阶灰度矩向量Gi，即Gi= [gi,i，gi,2，···，gi,m];
[0023] (4)根据一阶灰度矩向量，定义不同的变量用于表征各种不同配电网线路工况，并 最终生成采用二进制表示的特征基因库。
[0024] 与现有技术相比，本发明具有如下优点及有益效果：
[0025] 1、本发明可W针对所有配电网线路的运行工况及其所对应的特征量进行更加全 面、系统的研究，实现更加科学的识别与诊断，与现有技术针对单一工况或故障采取1对1 的解决思路完全不同，更加注重综合分析及比较，从而便于配电网生产及运维部口更加准 确的掌握配电网馈线运行状态，高效开展相关运行管理工作。
[0026] 2、本发明采用小波灰度矩对配电网运行信号进行解析与特征提取，用于各种工况 及典型故障诊断和分类。具体一点，是将配电网线路的=相电流与=相电压曲线数据，看成 是灰度图，利用小波灰度矩的分尺度矩W及分时间矩，进行综合分析，形成了原始配电网线 路运行信号特征基因库，该基因库可W随着工况种类的增加而不断丰富。
【附图说明】
[0027] 图1为本发明对工况分类识别的总流程；
[0028] 图2为特征基因库技术研究路线图；
[0029] 图3为特征基因库概念图；
[0030]图4中，（a)为励磁涌流数据的Ξ相电流波形，（b)为励磁涌流数据的Ξ相电流分 尺度一阶矩向量曲线，（C)为励磁涌流数据的Ξ相电流分时间一阶矩向量曲线；
[003。图5中，（a)为励磁涌流数据的S相电压波形，化）为励磁涌流数据的立相电压分 尺度一阶矩向量曲线，（C)为励磁涌流数据的Ξ相电压分时间一阶矩向量曲线；
[003引图6中，（a)为两相短路数据的Ξ相电流波形，化）为两相短路数据的Ξ相电流分 尺度一阶矩向量曲线，（C)为两相短路数据的Ξ相电流分时间一阶矩向量曲线；
[003引图7中，（a)为两相短路数据的Ξ相电压波形，化）为两相短路数据的Ξ相电压分 尺度一阶矩向量曲线，（C)为两相短路数据的Ξ相电压分时间一阶矩向量曲线。
【具体实施方式】
[0034] 下面结合实施例及附图对本发明作进一步详细的描述，但本发明的【具体实施方式】 不局限于此。
[00对实施例
[0036] 参见图1，本发明利用小波灰度矩阵之一阶矩向量对配电网线路工况进行分类识 另IJ，具体过程如下：
[0037] 步骤1、通过电磁仿真工具，如图2所示，获取配电网线路各种工况及典型故障的 运行数据。
[0038] 前述运行数据可W是配电网线路A、B、ΟΞ相电流、Ξ相电压波形，获取时的采样 率为4k;采样时长：突变前2个周期波长，突变后4个周期波长。
[0039] 步骤2、利用步骤1所获取的运行数据，对各种工况及典型故障的特征基因进行提 取，从而得到特征基因库，特征基因库概念图参见图3。最后，还可W通过现场应用进行特征 基因库准确性的验证，得到最终的标准配网运行信号特征基因库。
[0040] 本发明的"基因库"与一般意义上的基于生态学的基因库不同。传统基因库指的 是一个群体中所有个体的基因特征组合的全部集合（生态学）。本发明中所要建立的"基 因库"中"群体"指的是各种配电网线路运行状态；"个体"指向具体的每一种工况及典型故 障类型；"特征组合"则指的是可W用来分类识别每一种工况及典型故障类型的特征基因； "集合"就是指最终形成的结果库。
[0041] 在本发明中，特征基因库具有的最重要属性为"标签属性"。本发明就是利用该标 签属性，研究实现各种配电网运行信号分类识别的准确性，提高分类识别的诊断效率。在满 足运两个前提的基础上，特征基因库还要便于日后升级和维护，因为配电网运行工况复杂， 需要经历一个不断验证与优化的过程。最后，该特征基因库要能够实现可移植性，推广应用 到相应的专家系统或设备的诊断功能模块当中，为配网运行管理提供可靠的技术手段。
[0042] 为满足配电网线路运行状态分类识别的需要，本发明特征基因提取算法须要具有 W下特点：
[0043] 1)确定性：算法的每一步骤必须有确切的定义，包含明确的输入量和输出量；
[0044] 2)有穷性：算法的有穷性是指算法必须能在执行有限个步骤之后终止；
[0045] 3)可行性：算法中执行的任何计算步骤都是可W被分解为基本的可执行的操作 步，即每个计算步都可W在有限时间内完成（也称之为有效性）。
[0046]W上是算法的基本要求。特征基因提取算法还需要具有W下特点：
[0047] 1)鲁棒性：本发明中用来进行特征提取的数据源来自仿真及获得的现场数据，而 现场数据的采集将会受到恶劣的野外环境的影响，可能会造成部分数据丢失，Ξ相电流、电 场数据相位无法同步。因此，该算法需要尽可能的考虑多种情况的影响，W满足未来实际应 用的需求。
[0048] 2)多维度：由于配电线路故障诊断复杂，利用单一维度很难准确描述某一特定工 况及典型故障，为了能够更加准确的保证故障诊断的准确性，本算法需要在不同维度进行 分析。
[0049] 3)可扩展性：随着现场采集数据不断丰富，算法也需要在不断验证-改善-验证 的循环中不断改进。因此，算法本身需要具有一定的弹性空间。
[0050] 4)特征可量化性：算法提取的特征必须能够量化，即达到根据该特征可W较容易 的建立起故障诊断规则，从而能够顺利的在生产及运维工作中加W应用。
[0051] 5)适用性：从原理上说，一种算法的优劣真的难W说出黑白来。大概运就是为什 么每个人都说自己的算法好，而每个人都无法保证自己的算法适用于所有的范围，或者说 在所有情况下效果都好的原因。虽然如此，本发明依然要求该算法有尽可能广阔的适用范 围。
[0052] 本实施例所采取的特征基因提取算法基于小波灰度矩。首先对Α、ΒΧΞ相电流和 Ξ相电压波形数据进行连续小波变换（尺度：256,小波母函数为'morl')，按照尺度方向对 小波系数矩阵进行等区域划分（本实施例中为128等分）进行一阶灰度矩向量的计算；再 按照时间轴方向，对小波系数矩阵进行等区域划分（本实施例中为30等分）进行一阶灰度 矩向量的计算。其步骤具体如下：
[0053] (1)小波灰度矩的定义
[0054] 设与某信号的连续小波变换灰度图对应的小波变换系数用矩阵[C]mXn表示，m 和η分别对应小波灰度图的小波变换尺度和采样时间，则与小波灰度图对应的k阶灰度矩 定义为：
[00巧]
U !)
[0056] 式中，C。是矩阵[C]mXη的元素，