基于谱残差和随机矩阵理论的配网故障诊断方法及设备

1.本发明涉及配电网故障诊断技术领域，尤其是涉及一种基于谱残差和随机矩阵理论的配网故障诊断方法及设备。


背景技术：

2.伴随着电网技术的不断提高，各类电网基础设施建设给电网带来了数据驱动的态势感知能力，这为评估配电网运行状态，并运用这些状态开展有关科学研究提供了条件。配电网故障的诊断是配电网运行的重要工作，但是故障原因、故障现象、故障过程错综复杂，这都是配电网故障诊断分析的难点。
3.传统配网状态分析通常采用基于机理模型的方法，但是每次分析数据前需要确定全部参数模型，故信息获取难度大，计算量大，且难以处理瑕疵数据的影响。此外，随着大规模分布式电源(distributed generation，dg)并网发电大大增加了配网潮流的不确定性和拓扑信息获取难度；大规模电动汽车(electric vehicle，ev)充放电又增加了负荷侧随机性，海量不确定因素及其耦合效应使得配电网行为更为复杂，传统研究假设条件可能会不成立。


技术实现要素：

4.本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种准确性高、效率高的基于谱残差和随机矩阵理论的配网故障诊断方法及设备。
5.本发明的目的可以通过以下技术方案来实现：
6.一种基于谱残差和随机矩阵理论的配网故障诊断方法，包括以下步骤：
7.采集不同维度的低压配网电压电流录波数据；
8.分维度对所采集的低压配网电压电流录波数据计算谱残差，并获得显著性图谱；
9.按配网拓扑信息对显著性图谱进行空间组合，构建时空数据集矩阵；
10.基于随机矩阵理论，采用移动滑窗法在所述时空数据集矩阵上依次选取矩阵，判断是否存在异常值，实现配网故障诊断和定位。
11.进一步地，所述维度包括三相电压电流和中性点电流。
12.进一步地，所述显著性图谱的获得过程具体为：
13.利用二维离散傅里叶变换对所述显著性图谱进行变换处理，滤除正常信息，获得显著性图谱。
14.进一步地，所述构建时空数据集矩阵具体为：
15.基于各设备的不同维度的显著性图谱，建立单个设备的多维时间数据集矩阵；
16.依据配网拓扑信息，将多个设备的所述多维时间数据集矩阵堆砌形成时空数据集矩阵。
17.进一步地，所述判断是否存在异常值具体为：
18.设置移动滑窗，基于所述移动滑窗在时空数据集矩阵框选出滑窗矩阵；
19.对所述滑窗矩阵进行标准化处理，生成标准化矩阵；
20.求取所述标准化矩阵的奇异值等价矩阵，并进行单位化处理获得单位化矩阵；
21.通过圆环律对所述单位化矩阵进行经验谱分布分析，判断是否出现异常值。
22.进一步地，所述标准化矩阵为均值为0，方差为1的矩阵。
23.进一步地，该方法还包括：
24.计算移动滑窗法所选取的矩阵的线性特征值统计量，评估配网故障状态。
25.进一步地，基于计算的所述线性特征值统计量构建配网的线性特征值指标体系，将该线性特征值指标体系与预设指标体系进行比对，评估配网故障状态。
26.进一步地，所述线性特征值统计量基于平均谱半径计算获得。
27.本发明还提供一种电子设备，包括一个或多个处理器、存储器和被存储在存储器中的一个或多个程序，所述一个或多个程序包括用于执行如上所述基于谱残差和随机矩阵理论的配网故障诊断方法的指令。
28.与现有技术相比，本发明基于高维统计特性分析及评估技术在时空数据集上开展特征监测、分析和故障诊断，通过对配网录波信息的深层挖掘，能够为配网运行状态提供有效的监控和评估手段，具有以下有益效果：
29.1)依据有效编码思想，计算得到配网录波数据的频谱残差后，基于二维离散傅里叶反变换就可以得到时间域中与之对应的显著性图谱，其中只包含了故障特征，正常周期波则被有效地滤除，从而达到故障分割的目的，提高了后续故障判断的灵敏度。
30.2)通过将多设备时间数据集依据拓扑信息构成时空数据集矩阵，高效利用了配网拓扑先验信息。该方法在提高故障诊断定位能力的同时，减少了诊断结果受外界环境和采样设备本身状态的影响，提高了诊断方法的鲁棒性。
31.3)提取显著性图谱特征，构造时空数据集，采用随机矩阵理论的圆环律和线性特征统计值，充分利用了配网运行的数据流信息，基于数据驱动方式实现对配网状态的高效准确监测。
32.4)本发明有利于提升配网故障监测的效率和准确性，及时、准确识别配网运行状态变化情况，对低压配网巡检维护等工作的开展有重要意义。
附图说明
33.图1为本发明的流程示意图。
具体实施方式
34.下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
35.本发明提供一种基于谱残差和随机矩阵理论的配网故障诊断方法，基于高维统计特性分析及评估技术在时空数据集上开展特征监测、分析和故障诊断，通过对配网录波信息的深层挖掘，故障诊断和定位准确性高。
36.首先对本发明所涉及的理论基础、数据模型和算法进行介绍。
37.1、谱残差算法
38.谱残差模型是频域分析中一种有效的视觉显著性检测模型。依据有效编码思想，视觉系统的一个基本准则是抑制反复出现的均匀纹理特征，同时保持偏离准则的不规则特征信息。由此可将图像信息h分解成两部分：
39.h＝h1+h240.式中，h1表示需要保留的特有信息，h2表示背景，是多余的信息。给定一幅图像i(x)，首先计算图像的二维离散傅里叶变换，将其从空间域转换到频域，对幅值取对数后得到log谱l(f)：
41.a(f)＝|f[i(x)]|
[0042][0043]
l(f)＝log(a(f))
[0044]
其中，f表示二维离散傅里叶变换，|
·
|表示其幅值，f表示相位，p(f)表示图像的相位谱。由于log曲线满足局部线性条件，所以用局部平均滤波器hn(f)对其进行平滑，获得log谱，其可表示为：
[0045]
v(f)＝l(f)
×hn
(f)
[0046]
其中，符号“＊”表示卷积，hn(f)是一个n
×
n的均值滤波模板。若n取值太小，显著性不明显，导致带钢缺陷的漏检率增大；若n取值较大，又会引入过多噪声，提高误检率。通过多次实验得知，n取10时检测效果较好。hn(f)定义为：
[0047][0048]
因此，谱残差视觉注意模型表示为：
[0049]
r(f)＝l(f)-v(f)
[0050]
上述模型由log谱和对其进行均值滤波后的值的差分得到。
[0051]
为了重构显著图，将谱残差视觉注意模型r(f)和相位谱p(f)进行二维离散傅里叶反变换：
[0052]
s(x)＝|f-1
[exp{r(f)+ip(f)}]|2[0053]
式中s(x)表示通过谱残差视觉注意模型获取的显著性图。
[0054]
2、随机矩阵理论模型
[0055]
利用随机矩阵模型分析数据中固有的不确定性、周期性，提炼相关的指标以供后续信号检测、相关性分析等。
[0056]
对于工程大数据，其空间维度n和时间维度t往往并不相同，研究符合此类特性的威沙特(wishart)矩阵及其线性特征值统计量(linear eigenvalue statistics，les)的大数定律、中心极限定理等。基于上述研究，先验地得到les的极限值并评估数据矩阵的经验谱密度收敛速度。它们可作为实验数据的对比参考和分析依据，为实现数据驱动的对象认知的切入点。
[0057]
利用圆环律对采集的时空数据进行分析，监测异常状态的出现，并引入线性特征值评估体系对异常状态进行评估。
[0058]
圆环律：考虑l个独立随机矩阵的奇异值等价矩阵累乘其中进一步，可将z归一化为则当n，t
→
∞且n/t＝c∈(0，1]时，的经验谱密度函数几乎一定(almost surely)收敛于
[0059][0060]
开发数据模型的分析算法，提取数据模型的统计量并计算其理论极限，进而结合假设检验等手段萃取数据中所蕴含的统计信息。
[0061]
3、线性特征值统计量les
[0062]
给出线性特征值统计量les的定义及研究其统计特性一les的大数定律和中心极限定理。
[0063]
定义：
[0064]
其中，为连续测试函数(testing function)，λi为矩阵特征值。
[0065]
4、测试函数的设计
[0066]
测试函数的设计是优化les性能的核心，满足足够连续即可。常见的测试函数如下：
[0067]
平均谱半径(msr)其中：为的特征值，为在复平面上的分布半径。
[0068]
类似于滤波器，不同的可得到不同的感知效果以适应具体应用，进而构建一种有效的判据。
[0069]
基于上述理论基础，本发明提供的基于谱残差和随机矩阵理论的配网故障诊断方法的具体描述如下。如图1所示，该方法包括以下步骤：
[0070]
s1、采集不同维度的低压配网电压电流录波数据。
[0071]
优选地，为了提升故障诊断性能，本发明中录波数据考虑的维度包括三相电压电流和中性点电流。
[0072]
s2、对所获取的配网电压电流录波数据分维度计算谱残差，利用二维离散傅里叶变换，滤除正常信息，获得显著性图谱。
[0073]
s3、按拓扑信息对显著性图谱数据进行空间组合，构建时空数据集矩阵，具体地：对于单个设备，基于录波维度构建多维时间数据集矩阵；对于多个设备时间数据集，依据拓扑信息构成时空数据集矩阵。
[0074]
s4、基于随机矩阵理论，采用移动滑窗法在时空数据集矩阵上依次选取矩阵，判断是否有异常值出现，确定异常值出现位置，以平均谱半径构建线性特征值统计量，计算滑窗所框出的矩阵的统计量，评估配网运行状态。具体的，通过随机矩阵模型分析所述显著性图谱时空矩阵的经验谱分布，并通过圆环律判断是否有异常值出现，从预先构建的线性特征值指标体系中选取一配网运行状态指标，判断异常状态发生时该指标是否
超过阈值。
[0075]
上述方法通过引入谱残差算法、随机矩阵模型、特征值(谱)分析等工具深度挖掘所述时空数据集的统计信息，进而将其与配网故障状态关联起来，设计相应的指标体系以辅助功能设计。
[0076]
上述方法如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0077]
实施例1
[0078]
本实施例提供一种基于谱残差和随机矩阵理论的配网故障诊断方法，包括以下步骤：
[0079]
步骤1：采集配网在t个时刻的运行录波数据，选取录波维度包括三相电压电流和中性点电流；
[0080]
步骤2：基于谱残差算法计算每个录波维度的显著性图谱，对于每个设备构建多维时间数据矩阵an×
t
，其中n＝7。
[0081]
步骤3：将步骤2中所计算出的多维时间数据矩阵依据配网拓扑堆砌形成时空数据集矩阵xn×
t
，其中n＝n
×
设备数量；
[0082]
步骤4：采用宽度为t的移动滑窗，在步骤2的时空数据集矩阵xn×
t
上框选出xn×
t
，并确定移动窗口走势；
[0083]
步骤5：对步骤4中所得xn×
t
矩阵进行标准化，可通过基本变换公式其中，将其转为均值为0，方差为1的标准化矩阵
[0084]
步骤6：对标准化矩阵按公式求取其奇异值等价矩阵，其中，u是酉矩阵；
[0085]
步骤7：对奇异值等价矩阵xu进行单位化处理获得单位化矩阵计算公式为：
[0086]
步骤8：通过随机矩阵模型的圆环律对单位化矩阵进行经验谱分布分析，探测是否出现异常值。
[0087]
步骤9：计算矩阵的线性特征值指标体系结合配网运行状态阈值对配网故障状态进行监测和评估。
[0088]
实施例2
[0089]
本实施例提供一种电子设备，包括一个或多个处理器、存储器和被存储在存储器
中的一个或多个程序，所述一个或多个程序包括用于执行如实施例1所述基于谱残差和随机矩阵理论的配网故障诊断方法的指令。
[0090]
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。