一种用于输电网故障测距与故障的评估系统的制作方法

本发明涉及输电网故障评估，更具体地说，本发明涉及一种用于输电网故障测距与故障的评估系统。

背景技术：

1、输电网是用于传输电能的大规模电网系统。在输电网中，高压输电线路和变电站等基础设施扮演着重要角色，用于将电能从发电站传输到远离发电站的地区。由于输电网规模庞大、结构复杂，故障测距问题变得非常重要。故障测距是指在输电网系统中，针对不同类型的智能变电站结构、规模和配置等特点，利用已知的故障信息，定位故障发生的精确位置。

2、现有技术提出的方法存在着一些限制，主要表现为：在大规模的故障样本采集过程中，需要耗费大量的人力和时间，不能解决基于少数实际运行数据产生样本的问题，不具有适用性和可推广性。另外，由于交换机工作信息采集的交互性较差以及数据种类较少，使得故障信息特征的描述变得更加复杂，故而需要在此基础上，进一步简化特征描述，减小故障检测的范围，提高故障检测的准确度变得尤为重要。

3、为了解决上述问题，现提供一种技术方案。

技术实现思路

1、为了克服现有技术的上述缺陷，本发明的实施例提供一种用于输电网故障测距与故障的评估系统，通过输电网数据集对支持向量机模型进行训练和优化，再通过特征选择后的特征指标建立故障评估模型，并对输电网的故障概率进行分级评估，再利用双端行波法进行故障测距，并利用支持向量机模型中的高斯核函数对故障测距的结果进行优化，简化了算法的同时，提高了故障测距的准确性，以解决上述背景技术中提出的问题。

2、为实现上述目的，本发明提供如下技术方案：

3、一种用于输电网故障测距与故障的评估系统，包括数据收集模块、数据处理模块、模型训练及评估模块、故障评估模块、故障测距模块以及故障定位模块；数据收集模块与数据处理模块相连，数据处理模块与模型训练及评估模块相连，模型训练及评估模块与故障评估模块相连，故障评估模块与故障测距模块相连，故障测距模块与故障定位模块相连；具体为：

4、数据收集模块用于收集输电网数据集，包括线路数据、变电站数据、设备数据、气象数据以及设备数据；

5、数据处理模块用于对收集的输电网数据集进行预处理，包括输电网数据集标准化以及输电网数据集去噪；

6、模型训练及评估模块将预处理后的输电网数据集划分为训练集和测试集，以训练集为输入数据得到模型参数，利用训练集对模型进行训练和优化，通过训练集计算模型的准确率、召回率以及f1值以评估模型的性能；

7、故障评估模块通过对模型训练及评估模块中特征选择后的指标进行故障评估；

8、故障测距模块通过训练好的支持向量机模型进行输电网故障测距，输入特征选择后的数据，输出故障距离；

9、故障定位模块根据模型输出的故障距离确定故障的位置。

10、作为本发明进一步的方案，数据收集模块中的线路数据、变电站数据、设备数据、环境数据以及设备数据具体为：

11、线路数据包括输电线路的长度、电压以及电流；

12、变电站数据包括变压器电容、变压器电流、变压器电阻、变电站的位置以及变压器输出功率；

13、设备数据包括输电线路、变压器、开关的故障信息以及维修记录；

14、气象数据包括风速、环境温度以及环境湿度；

15、设备数据包括输电网管理标准以及各设备的使用年限。

16、作为本发明进一步的方案，数据处理模块对输电网数据集进行预处理，包括输电网数据集标准化及输电网数据集去噪，其中，对输电网数据集进行标准化处理的计算公式为：

17、式中：z′为标准化数据，x0为原始数据，为输电网数据集的均值，z为输电网数据集的标准差；

18、通过高斯滤波对输电网数据集去噪，高斯滤波的计算公式为：

19、式中：g(x)为输电网数据集高斯滤波后的数据，x为输电网数据集的数据，σ为输电网数据集的标准差，μ为输电网数据集的均值。

20、作为本发明进一步的方案，模型训练模块和模型评估模块的具体步骤为：

21、步骤一，划分数据集：通过将输电网数据集划分为训练集和测试集，选取70％的数据作为训练集，30％的数据作为测试集；

22、步骤二，特征选择：通过相关性分析选取输电线路的长度、变压器输出功率、变压器电容、输电线电压、风速以及环境湿度为特征指标；

23、步骤三，模型训练：将训练集输入支持向量机模型，通过支持向量机模型对选择的特征指标进行分类，根据训练数据拟合模型参数，通过梯度下降优化算法最小化模型损失函数，其中，支持向量机模型对选择的特征指标进行分类的公式为：

24、

25、s.t.yi(wtxi+b)≥1-ξi,i＝1,2,…,m；

26、ξi≥0；

27、式中：w为支持向量，b为偏置量，xi表示松弛变量，c表示惩罚系数，yi为特征指标，i为特征指标的数量；

28、步骤四，模型评估：过测试集计算模型的准确率、召回率以及f1分数评估模型的性能，其中，模型的准确率、召回率以及f1分数计算公式分别为：

29、

30、

31、

32、式中：q为准确率，w为召回率，f1为f1分数；

33、步骤五，模型调优：通过网格搜索对超参数进行调优。

34、作为本发明进一步的方案，故障评估模块通过对特征选择后的输电线路的长度、变压器输出功率、变压器电容、输电线电压、风速以及环境湿度特征指标建立故障评估模型，并依据评估结果对故障概率进行评估分析，其中，评估模型的计算公式为：

35、y(p)＝∑i∈if(i)p(i)；

36、p(i)＝p(i1)p(i2)p9i3)p(i4)p(i5)p(i6)；

37、i＝(i1,i2,i3,i4,i5,i6)；

38、式中：i为各评估指标，i1为输电线路的长度，i2为变压器输出功率，i3为变压器电容，i4为输电线电压，i5为风速，i6为环境湿度，f9i)为各评估指标的可靠性测试函数，p(i)是各评估指标出现的概率，y(p)为故障概率。

39、作为本发明进一步的方案，通过故障评估模型的评估结果对故障概率进行评估分析的具体步骤为：

40、通过对故障概率进行线性变换得到k，再对线性变换后的故障概率进行标准化、正则化得到l，将标准化、正则化后的参数l作为自变量带入函数根据函数值对故障概率进行分级评估。

41、作为本发明进一步的方案，对故障概率进行分级评估的具体步骤为：

42、当时，故障概率为低风险；

43、当时，故障概率为高风险。

44、作为本发明进一步的方案，故障测距模块通过训练好的支持向量机模型进行输电网故障测距，具体步骤为：

45、步骤q1，数据准备：将特征选择后的特征指标作为故障数据，将故障数据作为输入函数；

46、步骤q2，数据预处理：对故障数据进行归一化处理，归一化处理的计算公式为：

47、

48、式中：x1为归一化数据，x0为原始数据，xmax为故障数据的最大值，xmin为故障数据的最小值；

49、步骤q3，故障测距：通过双端行波法进行故障测距，计算故障线路中相连的两端测点的距离以及两侧端点的行波到达的时差，故障距离的计算公式为：

50、

51、式中：d为故障距离，δt为两侧端点的行波到达的时差，c为行波线模波速，l为故障线路中相连的两端测点的距离；

52、步骤q4，选择合适的核函数：在支持向量机模型中选取高斯核函数将故障距离映射到高维特征空间，高斯核函数的计算公式为：

53、

54、式中：k(p,q)为故障距离经过高斯核函数计算后的向量，γ为超参数，‖p-q‖为向量的模；

55、步骤q5，模型性能评估：通过交叉验证法对支持向量机模型的性能进行评估。

56、本发明一种用于输电网故障测距与故障的评估系统的技术效果和优点：

57、1.本发明了简化特征描述，减小故障检测的范围，提高故障检测的准确度；

58、2.本发明不耗费的人力和时间，能够解决基于少数实际运行数据产生样本的问题，具有适用性和可推广性；

59、3.支持向量机模型在分类问题上表现出较高的准确性和鲁棒性，有效地实现对输电网故障进行分类和测距；

60、4.支持向量机模型在处理输电网故障测距问题时，具有较快的计算速度，实现对故障的实时预测和定位。