能量系统中的异常检测

1.本发明涉及能量系统中的异常检测，并且更具体地涉及使用电场和磁场传感器以及通过基于密度的空间聚类进行数据分析的异常检测。


背景技术：

2.由于电力给工作和家庭生活的方方面面供电的基本性质，输送给客户的电力的质量正受到越来越多的关注。许多电器，诸如计算机、影音设备和移动电话等，都对电力的质量敏感。造成电力质量降级有几个因素，诸如对系统造成附加压力的谐波污染、向系统充电无用功率的过大无功功率，以及操作中低效的装备。电力质量差会损坏电力基础设施；变压器的爆炸或电绝缘体的击穿都会是由于输电线路中的电力质量差造成的。因此，准确及时地检测电气异常是重要的；通过检测，可以在能量系统中迅速实现对应的纠正动作。
3.目前可用于能量系统中的异常检测的设备并不完全令人满意，因为它们会(i)侵入通电的导体，(ii)由于仅依赖于一个测量而不可靠，和/或(iii)要求对网络进行预先分析或者仅使用预定义的异常类别。wo 0048149描述了一种适于电气异常检测电路的模块化电力质量监视设备。该设备可以检测电气异常，诸如谐波失真、相移和电压瞬变。但是，由于输入信号是从电位和电流互感器捕获的，因此它对被监视的系统具有侵入性。因此，有必要采取绝缘和隔离措施，这显著增加了安装难度和成本。另外，还要求预先定义异常类别。每个模块处置对应的异常类别。因此，这个设备无法识别预定义类别之外的异常情况。
4.tse等人(ieee int'l conf.of electric utility deregulation，2004，第671页)描述了一种使用紧凑型微处理器模块的电压监视系统。安装了电位互感器以逐级降低电压作为信号输入。但是，电压监视系统仅能够检测涉及电压的异常，而没有关于电流流动的信号的信息。而且，需要设置阈值来识别电力质量的异常。
5.shaw等人(ieee transactions of instrumentation and measurement，第57卷，第7期，第1445页，2008)描述了一种用于事件分类的非侵入性负载监视设备。磁场由霍尔效应传感器测量以重构电流。它仅适于有限数量的异常，因为数据是通过与瞬态特征的库进行比较来分类的。而且，因为没有测量电压信号，所以其检测能力有限并且无法捕获大范围的电力异常。
6.yin等人(2009ieee instrumentation and measurement tech.conf.2009，第279页)描述了一种实时监视和分析系统。在系统中测量电压和电流两者，这扩大了可检测的电力质量扰动的范围。但是，所有分析都基于存储在日志文件中的扰动事件。由于可以保存在日志文件中的扰动事件数量有限，因此只能检测到某些电力质量扰动。
7.简而言之，本领域仍然需要一种非侵入性系统，该系统可以分析电压和电流异常两者，并且不要求对电力网络的预先分析或异常类别的预先定义。


技术实现要素：

8.描述了一种用于能量系统中的异常检测的新颖系统，该系统克服了常规检测系统
的缺点。由于电场和磁场分别与能量系统的电压和电流相关，因此在本发明的异常检测技术中应用非侵入性电磁传感器。来自电磁传感器的时域和频域信号能够表征能量系统的状态，而无需设置任何阈值或受到异常的类别的限制。本发明使得能够对能量系统的关键部件进行自主状况监视，并对诸如电力质量故障之类的异常发出警报。该系统提供非侵入性检测、低成本、易于安装和在恶劣环境中的稳健性的独特优势。本发明可以应用于能量系统，以在智能电网中实现更稳定和高效的电力输送。
9.在一方面，提供了一种用于能量系统中的异常检测的方法和系统。基于磁场的能量系统的非接触式感测使用非接触式磁场传感器来产生磁场信号。基于电场的能量系统的非接触式感测使用非接触式电场传感器来产生电场信号。对磁场信号和电场信号进行滤波以移除噪声。从磁场信号和电场信号中提取特征来表征每个信号的参数。使用形成集群所需的所选择的最小点数和指示数据被认为落入集群内的距离的参数来执行归一化的提取出的特征的基于密度的空间聚类。当数据点没有落入正常操作中从信号提取的特征的集群内时，检测到各种异常。使用带噪声的应用的基于密度的空间聚类(dbscan，density-based spatial clustering of applications with noise)算法对提取出的特征进行基于密度的空间聚类。可以使用傅立叶分析提取特征。
附图说明
10.图1(a)和1(b)示意性地描绘了根据实施例的异常检测系统；
11.图2是根据实施例的用于异常检测的方法的流程图；
12.图3(a)描绘了用于dbscan的聚类和离群值并且图3(b)是在本发明中实现dbscan的伪代码；
13.图4描绘了用于本发明的模拟的架空传输线中的传感器的布局；
14.图5描绘了住宅建筑中通电电缆附近的传感器放置；
15.图6(a)、图6(b)、图6(c)、图6(d)、图6(e)和图6(h)分别描绘了不同的电力质量情况，包括标准、骤降(sag)、骤升(swell)、中断、谐波、瞬态、骤降+谐波，以及骤升+谐波。
具体实施方式
16.详细转向附图，图1(a)和1(b)示意性地描绘了根据实施例的用于异常检测的系统。异常检测系统15包括电场传感器20和磁场传感器30。电场传感器可以选自电场计、测量自由场中的电场强度的微机电传感器，或光纤电场传感器。合适的市售设备的示例是ets-lindgren的hi型-3638vlf/elf电场计。电场传感器/电场计可以被用于提供关于电力系统(诸如图1(a)中的导体10)的电压信息。磁场传感器可以选自磁传感器，包括各向异性磁阻传感器、隧穿磁阻传感器、巨磁阻传感器、霍尔效应传感器等。合适的市售传感器的示例是来自multi-dimension technology co.ltd.的tmr2307。这种传感器使用三个推挽式惠斯通电桥并且可以测量弱磁场和电流。磁场传感器可以被用于提供关于电力系统的电流数据。电场传感器20和磁场传感器30都是非接触式传感器并且不要求从导体10转移任何电力以进行它们的测量。
17.数据处理单元35与电场传感器20和磁场传感器30通信。数据处理单元35包括模数转换器(adc)模块40、电源50，以及具有可选的无线传输能力以用于与主处理器60通信的微
控制器45。电场和磁场传感器定位在任何种类的电力系统(例如，架空传输线、配电电缆，以及办公和住宅建筑中的布线系统)附近，以测量从要被监视的系统发出的电磁场。来自传感器20和30的模拟信号在adc模块40中被转换成数字信号。分析可以在微控制器单元45中执行；可替代地，可以在主机系统60中执行分析。对于集中式数据管理，数据处理单元中存储的数据将通过可选的无线连接被发送到可选的主机60。
18.转向图2，描述了使用来自传感器20和30的测得的信号发生的信号处理。在步骤100处测量信号。推荐将电场和磁场传感器定位在尽可能靠近要被监视的系统的位置，以便实现最准确的信号测量。但是，这种接近性也可以捕获从附近各种电力设备发出的电磁噪声，这些噪声会干扰来自被测量的目标的信号。因此，对被测量的信号进行去噪，从而导致图2中位置110处被滤波的信号。
19.特征提取发生在位置120和130处。提取一系列参数来表征测得的和经滤波的信号。例如，可以确定时间周期中电场和磁场波形的最大、最小和均方根值。也可以执行傅立叶分析。关于电力系统中的测量，傅立叶频率谱是用于识别信号模式的特征的良好参考，诸如dc、50hz、150hz等处的频率谱的量值。然后将这些数据构造成数组以描述信号测量。
20.归一化140：由于测得的数据具有不同的单位(例如，磁场的特斯拉(tesla)和电场的v/m)和大小(例如，磁场是迷你特斯拉(mini-tesla)，但对于220v导体的电场大约为数千v/m)。因为异常检测涉及对不同数据集的欧几里得距离的分析，因此归一化为这个分析准备数据。
21.异常识别150：计算智能被应用于从上面阐述的过程产生的数据。在一个实施例中，执行带噪声的应用的基于密度的空间聚类(dbscan)。dbscan分析不要求用户预先指定数据中的集群的数量。dbscan聚类对离群值具有稳健性，因为它带噪声处理。这两个特征使dbscan聚类适合用于处理来自电磁传感器的数据并在不断变化的环境中对数据进行分类以进行异常识别。在dbscan分析中，彼此足够接近的数据点被分组到一个集群中，而低密度区域中的点被分类为离群值，如图3(a)中所示。
22.dbscan(带噪声的应用的基于密度的空间聚类)是一种无监督机器学习方法。因为它是无监督的，所以不需要指定特定的结果，例如，不需要指定要确定的异常。dbscan涉及在特定数据点周围创建n维形状并确定有多少数据点落在那个形状内。足够数量的数据点意味着形状是集群。高密度的集群(许多数据点)与低密度的集群(较少数据点)区分开来。通过绘制各种数据点并基于观察的相似性对结果进行聚类，可以将明显离群的点识别为离群点并进行调查。例如，在图3(a)中，如果集群1是由在正常操作中收集的数据点形成的，那么不落在集群1内的任何数据点(诸如集群2中的数据点)都被确定为异常。换句话说，集群1表示正常操作，而集群2表示一种可能是中断的异常。同时，由于测量误差，一些测量有可能成为离群值，因此对应的数据点被忽略并标记为“离群值”。本发明中用于实现dbscan的伪代码在图3(b)中示出。
23.可以由用户指定两个重要参数以执行dbscan分析。用户可以指定形成集群所需的最小点数(minpts)。用户还可以指定邻域可以连接到集群的距离ε。通过设置这个参数，用户可以定义要被识别为异常的电力系统状况的严重性。所选择的ε项越大，状况被分类为异常的可能性就越小。
24.模拟
25.为了验证所提出的异常检测在能量系统中的有效性，对两种情况执行模拟，即，架空传输线和多户住宅建筑中的能量系统。
26.a.架空传输线
27.图4中描绘了用于输送电力的三相架空传输系统。传输线的跨距为400m，两端导体的高度为30m，相导体之间的间距为10m，并且传输线的下垂距离(图4中的g)为5m。在地面上跨传输线安装了几个电场和磁场传感器，其空间位置在表i中示出。它们测量三个维度的电磁场。
28.表i
29.电场和磁场传感器的空间位置
[0030][0031]
模拟了通过架空传输线输送的电力的一系列状况(表ii)。它们是：状况#0，电压和电流在额定值；状况#1，有轻微的电压下降(-5％)；状况#2，有轻微的电压增加(+5％)；状况#3，在加载时由于功率改变而存在轻微的电流下降(-5％)；状况#4，在加载时由于功率改变而存在轻微的电流上升(+5％)；以及状况#5，由于发生单相接地故障而存在大电压和电流变化。
[0032]
表ii
[0033]
架空传输线的电压和电流的不同状况以及聚类结果
[0034]
[0035]
每个传感器的电场和磁场强度记录在3个轴上，并记录它们在周期中的最大和最小值，并将其归一化为提取出的特征。部署dbscan以对情况进行聚类(minpts＝2，ε＝0.1)。表ii中的结果指示状况#0-4属于同一个集群，即，电力系统的正常操作状态。这是合理的，因为
±
5％的电压或电流变化在电力系统中是常见的。但是，状况#5不属于前一个集群，并且这是异常(即，短路故障)。模拟结果验证了该技术的有效性。
[0036]
b.多户住宅建筑
[0037]
单相布线系统通常用于为住宅建筑中的大多数家用电器(例如，照明、风扇)向客户输送电力。在这种情况下，电场和磁场传感器位于住宅建筑中的一个通电导体周围，如图5中所描绘的。与导体相关的传感器的设置是火线与传感器(d)之间的距离为1cm，相邻传感器之间的距离(s)为10cm，并且火线与中性线之间的距离为10cm(d》》d)。在图6(a)-(h)中从0.05s开始在火线上模拟了一系列不同的电力质量，包括图6(a)标准、图6(b)骤降、图6(c)骤升，图6(d)中断，图6(e)谐波，图6(f)瞬态，图6(g)骤降+谐波，以及图6(h)骤升+谐波。而且，针对
±
5％的电压变化给出了另外两种状况。加载是电阻性的，因此电流以与电压相同的方式改变。在这种情况下，总共有十种状况。
[0038]
模拟中来自电场和磁场传感器的测量在0.05到0.07s的时间周期内被记录，并分析了它们的傅立叶频率谱。选择归一化之后的频率谱在50、150和250hz处的最大和最小值以及振幅来表示数据集。然后部署dbscan以对所有十种状况(minpts＝1，ε＝0.4)进行聚类。表iii的结果示出，在标准电压波形下(包括其
±
5％的变化)的状况都聚集在同一组中，指示它们是能量系统的正常操作状态。标准状况以外的状况被分类为不同的组。这意味着基于表iii中所示的组号(对于不属于集群#1的状况)，识别出针对其它状况的异常。模拟结果验证了，即使测得的电压变化不大，该技术也成功识别出住宅建筑中能量系统的异常状况。
[0039]
表iii
[0040]
建筑物中能量系统的十种状况的聚类结果
[0041]
[0042]
有利地，使用计算智能进行能量系统中的异常检测的基于电磁感测的技术可以监视能量系统的电状态，包括电压和电流，并在不知道异常类别的数量的情况下识别异常状况。由于其非接触式电磁感测，该技术对能量系统是非侵入性的，这使得根据这种技术的本发明的安装工作容易且安全。各种电力质量扰动的模拟成功地验证了所提出的技术。而且，还研究了多电力质量扰动的组合，并且所提出的技术仍然能够在不与其它异常混合的情况下检测到异常。这种方法需要相对少量的预设值。只有minpts和ε是预先设置的，并且可以被选择为向检测到的异常提供阈值水平。本发明的系统可以借助大数据技术/大规模机器学习有力地工作，以提高能量系统的整体电力质量。所提出的技术甚至能够使用大数据技术记录的特殊异常模式对不同种类的异常状况进行分类。因此，所提出的技术由于其易于安装、检测能力大和稳健性而很有前景。
[0043]
本发明的以上描述是为了说明和描述的目的而提供的。它不旨在是详尽的或将本发明限制到所公开的精确形式。对于本领域技术人员来说，许多修改和变化将是显而易见的。选择和描述实施例是为了最好地解释本发明的原理及其实际应用，从而使本领域的其他技术人员能够理解本发明的各种实施例和适用于预期的特定用途的各种修改。