一种配电网异常状态的检测方法及装置与流程

本发明涉及配电网运行分析与控制领域，具体涉及一种配电网异常状态的检测方法及装置。

背景技术：

随着我国经济建设的发展和生活水平的不断提高，对电能的需求日益增大，再加上我国城市化加快，在一定程度上促进了我国配电工程的建设，由于配电网在运行过程中容易产生各种各样的问题，因此，在配电网在运行过程中经常需要对异常设备进行检修。

传统的配电网运维检修工作以定期对设备检修为核心，由于缺乏对设备运行状态的有效监测手段，不能实现故障的准确定位且不能判断故障的异常状态，因此，常出现检修过剩的现象，从而造成大量人力、财力、物力的浪费，不但增加了维护的成本，还难以保证配电网运行的可靠性。

技术实现要素：

本发明提供一种配电网异常状态的检测方法及装置，其目的是实现配电网异常状态的实时准确监测，提升配电网故障定位、风险预警、运行优化的控制水平，规范配电网的状态检修管理，降低维修成本，提高了企业效益。

本发明的目的是采用下述技术方案实现的：

一种配电网异常状态的检测方法，其改进之处在于，包括：

获取待检测电力变量的相关概率密度函数的参数的最大似然估计值；

根据所述待检测电力变量的相关概率密度函数的参数的最大似然估计值确定待检测电力变量的异常度；

利用待检测电力变量的异常度对配电网进行异常状态检测。

优选的，所述根据所述待检测电力变量的相关概率密度函数的参数的最大似然估计值确定待检测电力变量的异常度，包括：

按下式确定待检测电力变量的异常度d(r)：

其中，xr为待检测区域内检测时段的待检测电力变量，为非检测区域内非检测时段的待检测电力变量，xg为配电网全区域内全时段的待检测电力变量，θr为基于xr的相关概率密度函数的参数的最大似然估计值，为基于的相关概率密度函数的参数的最大似然估计值，θg为基于xg的相关概率密度函数的参数的最大似然估计值，l(θg|xr)为相关概率密度函数的参数为θg时xr的似然函数值，l(θg|xg)为相关概率密度函数的参数为θg时xg的最大似然函数值，l(θr|xr)为相关概率密度函数的参数为θr时，xr的最大似然函数值，为分布参数为时，的最大似然函数值。

优选的，所述利用待检测电力变量的异常度对配电网进行异常状态检测，包括：

当所述待检测电力变量异常度大于阈值时，则该待检测电力变量对应的区域为异常区域，该待检测电力变量的采样时段为异常时段；

当所述待检测电力变量异常度小于等于阈值时，则该待检测电力变量对应的区域为正常区域，该待检测电力变量的采样时段为正常时段。

优选的，所述利用待检测电力变量的异常度对配电网进行异常状态检测之后，包括：

获取异常区域在异常时段的待检测电力变量，根据预先建立的待检测电力变量和异常状态类型的关联规则库确定所述异常区域在异常时段的待检测电力变量对应的异常状态类型；

其中，所述预先建立的待检测电力变量和异常状态类型的关联规则库根据待检测电力变量的历史数据对应的异常状态类型建立。

进一步的，所述异常状态类型，包括：

风险状态、故障状态、恢复状态和优化状态。

优选的，所述待检测电力变量，包括：

电压、电流、线损、负荷数据、方差、偏度和峰度。

一种配电网异常状态的检测装置，其改进之处在于，所述装置包括：

获取单元，用于获取待检测电力变量的相关概率密度函数的参数的最大似然估计值；

确定单元，用于根据所述待检测电力变量的相关概率密度函数的参数的最大似然估计值确定待检测电力变量的异常度；

检测单元，用于利用待检测电力变量的异常度对配电网进行异常状态检测。

优选的，所述确定单元用于：

按下式确定待检测电力变量的异常度d(r)：

其中，xr为待检测区域内检测时段的待检测电力变量，为非检测区域内非检测时段的待检测电力变量，xg为配电网全区域内全时段的待检测电力变量，θr为基于xr的相关概率密度函数的参数的最大似然估计值，为基于的相关概率密度函数的参数的最大似然估计值，θg为基于xg的相关概率密度函数的参数的最大似然估计值，l(θg|xr)为相关概率密度函数的参数为θg时xr的似然函数值，l(θg|xg)为相关概率密度函数的参数为θg时xg的最大似然函数值，l(θr|xr)为相关概率密度函数的参数为θr时，xr的最大似然函数值，为分布参数为时，的最大似然函数值。

优选的，所述检测单元用于：

第一检测模块，用于当所述待检测电力变量异常度大于阈值时，则该待检测电力变量对应的区域为异常区域，该待检测电力变量的采样时段为异常时段；

第二检测模块，用于当所述待检测电力变量异常度小于等于阈值时，则该待检测电力变量对应的区域为正常区域，该待检测电力变量的采样时段为正常时段。

优选的，所述检测单元之后，还包括：

获取异常区域在异常时段的待检测电力变量，根据预先建立的待检测电力变量和异常状态类型的关联规则库确定所述异常区域在异常时段的待检测电力变量对应的异常状态类型；

其中，所述预先建立的待检测电力变量和异常状态类型的关联规则库根据待检测电力变量的历史数据对应的异常状态类型建立。

本发明的有益效果：

本发明提供的技术方案，通过获取待检测电力变量的相关概率密度函数的参数的最大似然估计值；根据所述待检测电力变量的相关概率密度函数的参数的最大似然估计值确定待检测电力变量的异常度；利用待检测电力变量的异常度对配电网进行异常状态检测。基于本发明提供的技术方案，实现了配电网异常状态的实时检测，提升了配电网故障的定位和异常状态类型，可以规范配电网的状态检修管理，大大降低了维修成本，保证配电网运行的可靠性，适应了当前配电网管理的需求。

附图说明

图1是本发明一种配电网异常状态的检测方法的流程图；

图2是本发明一种配电网异常状态的检测装置的结构示意图。

具体实施方式

下面结合附图对本发明的具体实施方式作详细说明。

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中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例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它实施例，都属于本发明保护的范围。

实施例1：

本发明提供的一种配电网异常状态的检测方法，如图1所示，包括：

101.获取待检测电力变量的相关概率密度函数的参数的最大似然估计值；

102.根据所述待检测电力变量的相关概率密度函数的参数的最大似然估计值确定待检测电力变量的异常度；

103.利用待检测电力变量的异常度对配电网进行异常状态检测。

其中，所述待检测电力变量的信息包括采样区域和采样时段。

例如：采用最大似然估计法获取待检测电力变量的相关概率密度函数的参数的最大似然估计值。

具体的，所述步骤102包括：

按下式确定待检测电力变量的异常度d(r)：

其中，xr为待检测区域内检测时段的待检测电力变量，为非检测区域内非检测时段的待检测电力变量，xg为配电网全区域内全时段的待检测电力变量，θr为基于xr的相关概率密度函数的参数的最大似然估计值，为基于的相关概率密度函数的参数的最大似然估计值，θg为基于xg的相关概率密度函数的参数的最大似然估计值，l(θg|xr)为相关概率密度函数的参数为θg时xr的似然函数值，l(θg|xg)为相关概率密度函数的参数为θg时xg的最大似然函数值，l(θr|xr)为相关概率密度函数的参数为θr时，xr的最大似然函数值，为分布参数为时，的最大似然函数值。

确定了待检测电力变量的异常度之后，需要利用待检测电力变量的异常度对配电网进行异常状态检测，因此，所述步骤103，包括：

当所述待检测电力变量异常度大于阈值时，则该待检测电力变量对应的区域为异常区域，该待检测电力变量的采样时段为异常时段；

当所述待检测电力变量异常度小于等于阈值时，则该待检测电力变量对应的区域为正常区域，该待检测电力变量的采样时段为正常时段。

对配电网进行异常状态检测之后，还需要确定所述待检测电力变量对应的异常状态类型，因此：

所述利用待检测电力变量的异常度对配电网进行异常状态检测之后，包括：

获取异常区域在异常时段的待检测电力变量，根据预先建立的待检测电力变量和异常状态类型的关联规则库确定所述异常区域在异常时段的待检测电力变量对应的异常状态类型；

其中，所述预先建立的待检测电力变量和异常状态类型的关联规则库根据待检测电力变量的历史数据对应的异常状态类型建立。

所述异常状态类型，包括：

风险状态、故障状态、恢复状态和优化状态。

所述待检测电力变量，包括：

电压、电流、线损、负荷数据、方差、偏度和峰度。

实施例2：

本发明提供的基于实施例1的技术方案的优选实施例，包括：

建立待检测电力变量的相关概率密度函数的参数的似然函数：

其中，f(xr,θ)为待检测区域内检测时段待检测电力变量的相关概率密度函数，为非检测区域内非检测时段检测电力变量的相关概率密度函数，f(xg,θ)为配电网全区域内全时段待检测电力变量的相关概率密度函数，l(θ|xr)为待检测区域内检测时段待检测电力变量的相关概率密度函数的参数似然函数值，为非检测区域内非检测时段检测电力变量的相关概率密度函数的参数似然函数值，l(θ|xg)为配电网全区域内全时段待检测电力变量的相关概率密度函数的参数的似然函数值，m为待检测区域内检测时段待检测电力变量的样本数据个数，n为非检测区域内非检测时段检测电力变量的样本数据个数，l为配电网全区域内全时段待检测电力变量的样本数据个数。

采用最大似然估计法分别获取待检测电力变量的各相关概率密度函数的参数的最大似然估计值。

进一步确定待检测区域内检测时段待检测电力变量的相关概率密度函数的参数的最大似然函数值l(θr|xr)，非检测区域内非检测时段待检测电力变量的相关概率密度函数的参数的最大似然函数值配电网全区域内全时段待检测电力变量的相关概率密度函数的参数的最大似然函数值l(θg|xg)。

预先定义零假设h0为待检测区域内检测时段待检测电力变量的相关概率密度函数的参数的取值与非检测区域内非检测时段待检测电力变量的相关概率密度函数的参数的取值相同，对立假设h1为两者不同，全假设h包括零假设h0和对立假设h1。

在零假设h0中，待检测区域内检测时段待检测电力变量的相关概率密度函数的参数的取值与配电网全区域内全时段待检测电力变量的相关概率密度函数的参数的取值相同，因此，在零假设h0中，待检测区域内检测时段待检测电力变量的相关概率密度函数的参数的最大似然函数值为：sup{l(θ|xr)|h0}＝l(θg|xr)；

在全假设h中，配电网全区域内全时段待检测电力变量的相关概率密度函数的参数的最大似然函数值为：

计算在零假设h0下待检测区域内检测时段待检测电力变量的相关概率密度函数的参数的最大似然函数值与在全假设h下配电网全区域内全时段待检测电力变量的相关概率密度函数的参数的最大似然函数值的对数似然比，即为待检测电力变量的异常度：

其中，xr为待检测区域内检测时段的待检测电力变量，为非检测区域内非检测时段的待检测电力变量，xg为配电网全区域内全时段的待检测电力变量，θr为基于xr的相关概率密度函数的参数的最大似然估计值，为基于的相关概率密度函数的参数的最大似然估计值，θg为基于xg的相关概率密度函数的参数的最大似然估计值，l(θg|xr)为相关概率密度函数的参数为θg时xr的似然函数值，l(θg|xg)为相关概率密度函数的参数为θg时xg的最大似然函数值，l(θr|xr)为相关概率密度函数的参数为θr时，xr的最大似然函数值，为分布参数为时，的最大似然函数值。

当所述待检测电力变量异常度大于阈值时，则该待检测电力变量对应的区域为异常区域，该待检测电力变量的采样时段为异常时段；

当所述待检测电力变量异常度小于等于阈值时，则该待检测电力变量对应的区域为正常区域，该待检测电力变量的采样时段为正常时段。

对于异常区域，利用空间维度和采用时段定位配电网异常设备和异常时段。

然后，获取异常区域在异常时段的待检测电力变量，根据预先建立的待检测电力变量和异常状态类型的关联规则库确定所述异常区域在异常时段的待检测电力变量对应的异常状态类型；

其中，所述预先建立的待检测电力变量和异常状态类型的关联规则库根据待检测电力变量的历史数据对应的异常状态类型建立。

所述异常状态类型，包括：

风险状态、故障状态、恢复状态和优化状态。

所述待检测电力变量，包括：

电压、电流、线损、负荷数据、电压方差、电流方差、电压偏度、电流偏度、电压峰度和电流峰度。

实施例3：

本发明提供的实施例还包括一种配电网异常状态的检测装置，如图2所示，所述装置包括：

获取单元，用于获取待检测电力变量的相关概率密度函数的参数的最大似然估计值；

确定单元，用于根据所述待检测电力变量的相关概率密度函数的参数的最大似然估计值确定待检测电力变量的异常度；

检测单元，用于利用待检测电力变量的异常度对配电网进行异常状态检测。

所述确定单元用于：

按下式确定待检测电力变量的异常度d(r)：

其中，xr为待检测区域内检测时段的待检测电力变量，为非检测区域内非检测时段的待检测电力变量，xg为配电网全区域内全时段的待检测电力变量，θr为基于xr的相关概率密度函数的参数的最大似然估计值，为基于的相关概率密度函数的参数的最大似然估计值，θg为基于xg的相关概率密度函数的参数的最大似然估计值，l(θg|xr)为相关概率密度函数的参数为θg时xr的似然函数值，l(θg|xg)为相关概率密度函数的参数为θg时xg的最大似然函数值，l(θr|xr)为相关概率密度函数的参数为θr时，xr的最大似然函数值，为分布参数为时，的最大似然函数值。

所述检测单元用于：

第一检测模块，用于当所述待检测电力变量异常度大于阈值时，则该待检测电力变量对应的区域为异常区域，该待检测电力变量的采样时段为异常时段；

第二检测模块，用于当所述待检测电力变量异常度小于等于阈值时，则该待检测电力变量对应的区域为正常区域，该待检测电力变量的采样时段为正常时段。

所述检测单元之后，还包括：

根据预先建立的待检测电力变量和异常状态类型的关联规则库确定所述待检测电力变量对应的异常状态类型；

其中，所述预先建立的待检测电力变量和异常状态类型的关联规则库根据待检测电力变量的历史数据对应的异常状态类型建立。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请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，本申请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。

本申请是参照根据本申请实施例的方法、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。

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。

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。

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。