一种基于多元电网数据库的电网故障诊断方法与流程

本发明属于多元电网故障诊断技术领域，特别涉及一种基于多元电网数据库的电网故障诊断方法。

背景技术：

节能减排是全世界面临的一项共同挑战和重要议题，我国政府高度重视电力工业的节能减排工作，提出在电力领域实施节能发电调度，提高电力工业能源使用效率，减少环境污染，促进能源和电力结构调整，风电和光伏作为技术最成熟的间歇式能源利用方式。西北是新能源发电的重点发展区域，随着西北电网风电、光伏等新能源发电快速发展，电源结构发生巨大变化，在陕西、甘肃、宁夏、青海电网330kv交流联网形成同步西北主电网后，2013年750kv交流线路2通道全线贯通，新疆电网与西北主网联网形成大西北同步电网，大规模电网资源配置能力提升的同时，故障风险也增大；西北是新能源发电的重点发展区域，风电年均增速54％、光伏年均增速211％，2015年底，西北新能源装机47680mw，占西北电网总装机容量的26.2％。

在智能电网迅猛发展的同时，西北电网特高压直流跨区输电线路陆续投运，电网规模进一步扩大。太阳能、风能等间歇式能源具有典型的波动性和间歇性，与常规能源相比供电可靠性较低，并且难以有效预测、调度和控制，西北线路故障可能导致西北电网瞬间损失大量负荷，这些都增加了发电和用电功率动态不平衡的风险。电网可用调频资源逐步减少、电网监控的难度逐步提高，故障风险也随之增大，对电网安全运行带来较大挑战。电网规模越来越大，各种能源结构日趋复杂，传统的基于单数据源的故障诊断功能已经不能满足电网故障诊断的需要，亟需一种新型的电网故障诊断方法。

技术实现要素：

本发明的目的在于提供一种基于多元电网数据库的电网故障诊断方法，以解决上述存在的技术问题。本发明基于对多元电网混合数据库研究，通过电网数据故障判别规则来进行故障诊断，可提高多元电网故障诊断的精确度。

为达到上述目的，本发明采用以下技术方案：

一种基于多元电网数据库的电网故障诊断方法，包括以下步骤：

步骤1，采集获取多元电网的故障数据，根据故障数据建立故障样本训练特征矩阵；

步骤2，通过最小范数约束获取的待诊断测试数据y，获得稀疏系数x；

步骤3，根据稀疏系数x获得测试样本数据，计算获得测试样本数据与故障样本训练特征矩阵中每个故障样本特征数据的最小残差，比较得到最小残差的最小值，确定故障类别，完成电网故障诊断。

进一步的，步骤1中，故障样本特征数据从多元电网历史数据库的故障数据库中提取；相同类别的故障提取故障发生时以及预定时间段内故障发生前和故障发生后的数据。

进一步的，步骤1中，故障样本中故障类别为k种；故障样本训练特征矩阵的表达式为：

ai＝[vi1,vi2,…,vij](0<i≤k)，

其中，vij为故障类别i在第j次发生的故障样本特征数据；故障样本特征数据包括：故障发生时以及预定时间段内故障发生前和故障发生后的数据。

进一步的，故障样本训练特征矩阵中每个故障类别与其故障样本特征数据对应，每种故障类别的第j次监测的故障样本特征数据的数据长度相同。

进一步的，步骤2具体为，从多元电网实时数据库中提取待诊断测试数据y；根据故障样本训练特征矩阵中故障类别的故障数据样本数j，将待诊断测试数据重复j组，表达式为y＝ax，其中，a为待测试数据矩阵，a＝[ai1,ai2,…,aij]，其中aij为多元电网中输入的待故障检测的数据；x＝[k1,k2,…,kj]^t；

用最小范数约束y＝ax，得到稀疏系数x；表达式为：

进一步的，步骤3中，得到稀疏系数x后，用函数fi(x)表示用第i个故障类别得出的测试样本数据yi，表达式为：y＝afi(x)，其中：

fi(x)＝{0,0,…,ki1,ki2,…,kij,0,…,0}

最小残差ri计算公式为：

min∑ri(yi)＝min∑||yi-afi(x)||；

比较得出最小最小残差最值，确定故障类别，完成多元电网故障诊断。

进一步的，还包括：

步骤4，将步骤3获得的测试样本数据及对应的故障类别补入故障样本训练特征矩阵，完成故障样本训练特征矩阵更新。

进一步的，多元电网的历史数据及故障数据通过d5000电网调度系统获取。

与现有技术相比，本发明具有以下有益效果：

本发明的电网故障诊断方法从多元电网所监测的数据层面来进行分析处理，可具体到故障的类别，有助于提高故障诊断的精确度；故障类别与故障样本特征数据对应，便于数据监测与故障诊断同时进行，通过数据的微小波动和变化即可判断故障的具体类别；通过最小范数约束截取预设数据长度，能够进一步提升本发明诊断方法的诊断效率。

根据多元电网的特点，根据故障数据库建立故障数据样本库和故障训练样本特征库，提高了故障诊断的准确性，降低故障误报率。

进一步的，基于d5000系统从数据层面通过大量数据进行样本训练，通过大数据分析进行故障诊断，技术成熟，便于大范围的推广使用。

附图说明

图1是本发明实施例的一种基于多元电网数据库的电网故障诊断方法的流程示意框图；

图2是本发明实施例的一种基于多元电网数据库的电网故障诊断方法的流程示意框图。

具体实施方式

下面结合附图和具体实施例对本发明作进一步详细说明，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他实施例，都属于本发明保护的范围。

请参阅图1和图2，本发明的一种基于多元电网数据库的电网故障诊断方法，按如下步骤实现：

步骤1、从数据库中提取故障数据，建立故障样本训练特征矩阵；故障样本训练特征矩阵中每个故障类别与其样本特征数据一一对应。

步骤1具体包括：

多元电网中，从历史数据库中故障数据库提取故障数据，相同类别故障提取故障发生前、故障发生时、故障发生后的数据，建立故障数据样本库，并建立故障训练样本特征库。

例如，假定多元电网中可能出现的故障类别有k种，每个故障类别对应的训练样本数据为{n1,n2,…,nj}，nj为每个故障类别故障发生前、故障发生时、故障发生后监测到的多元电网中所有类别的数据，其中j为多元电网中某一类别故障的发生次数。

对应的每个故障类别i，从每个故障类别对应的训练样本数据为{n1,n2,…,nj}中提取故障训练样本特征，则每个故障类别i对应的样本训练特征矩阵为ai＝[vi1,vi2,…,vij](0<i≤k)，其中vij为提取的故障类别i在第j次故障发生前、故障发生时、故障发生后的监测数据的对应的特征数据。vij中包括多元电网中所监测的所有类别数据。

样本训练特征矩阵与每个故障类别i相对应，任意一种故障类别i对应的第j次监测数据的数据长度相同。

对于样本训练特征矩阵ai＝[vi1,vi2,…,vij](0<i≤k)，有样本观测向量yi＝{y1,y2,…,yj}＝{k1×vi1,k2×vi2,…,kj×vij}。

若yi＝aix，有x＝[k1,k2,…,kj]^t。步骤2、从实时数据库中提取测试样本数据，得到待测试数据矩阵a。

步骤2具体包括：

在多元电网故障诊断时，某一种故障类别有j个故障数据样本。具体方式为，从多元电源实时数据库中提取待测试的样本数据时，根据某一种故障类别故障数据样本数j，将待检测数据重复j组。

本发明中对于任意一种待诊断的故障类别i，其输入的待检测数据均为样本y，有：

y＝{k1×ai1,k2×ai2,…,kj×aij}

对于待分类的测试样本y，x＝[k1,k2,…,kj]^t。

对于任意一种待诊断的故障类别i，其输入的待检测数据vi1、vi2、…、vij，有：

vi1＝vi2＝…＝vij

测试样本y可以表示成：y＝ax，其中a为m×n阶矩阵。

a为待测试数据矩阵，a＝[ai1,ai2,…,aij]，其中aij为多元电网中输入的待故障检测的数据，其数据长度与故障类别样本训练特征矩阵中故障时刻第j次故障时监测到的故障数据的长度相同。

步骤3、通过稀疏系数x来表示测试样本数据y，得到稀疏系数x。

步骤3具体包括：

待测试数据矩阵a为m×n阶矩阵，由于aij为多元电网中输入的待故障检测的数据，多元电网中所监测的任一类别的数据，在提取测试样本时所需要的截取的数据长度远大于多元电网中的故障类别数量，有m>>n。

为了提高本方法运算效率，用最小范数来约束，有：

通过最小范数来约束测试样本y＝ax，得到稀疏系数x。

步骤4、计算实时数据库中提取的测试样本数据与哪个故障类别对应的训练样本数据的最小残差，完成故障的诊断。

步骤4具体包括：

得到稀疏系数x后，用函数fi(x)来计算用第i个故障类别恢复出来的测试样本y，y＝afi(x)。

因为在故障时，故障类别未知，fi(x)＝{0,0,…,ki1,ki2,…,kij,0,…,0}

计算最小残差ri：

min∑ri(yi)＝min∑||yi-afi(x)||

判断从实时数据库中提取的测试样本数据与哪个故障类别对应的训练样本数据最接近，即最小残差最小，则确定故障类别，完成故障的诊断。

步骤5，更新故障样本训练特征矩阵。

完成故障诊断后，将故障发生前、故障发生时、故障发生后的数据进入训练样本数据库，该故障对应的训练样本数据库{n1,n2,…,nj}更新为{n1,n2,…,nj,nj+1}；

并提取数据特征，每个故障类别i对应的样本训练特征矩阵为ai＝[vi1,vi2,…,vij]更新为ai＝[vi1,vi2,…,vij,vi(j+1)]。

本发明基于多元电网中的历史数据，d5000电力调度系统在稳态监控告警源发送的信号，通过系统检测的信号数据，可以监测的设备故障包括：线路跳闸、母线跳闸、变压器跳闸、机组跳闸、断路器跳闸、换流器直流闭锁告警等等。故障发生前、故障发生时、故障发生后的数据在系统数据库中都有存储，按故障类别的不同将故障数据存入样本数据库。

在本发明中，故障发生时及故障发生前后一定预设时间段内的所有监测数据我们称为故障数据即故障样本特征数据。由于在多元电网中，系统监测的数据类别非常多，因此故障发生时电网中受影响的监测数据类别同样很多，故障发生时及故障发生前、后的监测数据异常持续时间可能较长，因此故障数据的数据量非常大。本发明中，相同类别故障发生时，受影响的数据类别可能不同；相同类别故障发生时，受影响的相同类别数据的范围可能不同；不同故障发生时，受到影响的数据类别可能相同。因此对于故障发生前、故障发生时、故障发生后监测到的所有类别的数据都做为故障数据存入故障数据库。

综上，目前电网规模越来越大，各种能源结构日趋复杂，传统的基于单数据源的故障诊断功能已经不能满足电网故障诊断的需要。本发明依托国网调控分中心d5000基础数据平台，整合不同电网的数据来源的电网数据，开展了电网有功功率全局控制方式、频率控制特性监控分析、自动电压控制的在线考核方法及应用、多元能源有功调节能力监控与量化评估等研究，实现对单一测点系统频率进行监测，实时进行有效频率扰动捕获，并通过对多年西北电网一次调频全网的数据分析，来进行电网故障的诊断；通过对多元电网混合数据库的研究，通过大数据分析，建立电网数据故障判别规则，来提高故障诊断的精确度，降低故障误报率，保证电网运行的安全。

以上仅是对本发明的实施方式进行了描述，并不将本发明的技术方案限制于此，本领域技术人员在本发明的主要技术构思的基础上所作的任何公知变形都属于本发明所要保护的技术范畴，本发明具体的保护范围以权利要求书的记载为准。