基于模糊c均值聚类算法的智能变电站二次系统状态分析方法
【专利摘要】本发明建立缺陷数据库从电力系统的生产管理系统、二次设备运行管理台账等系统的大量设备运行工况、负荷数据、各类状态检测数据、缺陷信息、故障和事故信息、检修数据中找出二次设备发生故障时的缺陷类型以及发生故障时设备最高运行温度、光发送功率与接收灵敏度、设备对地绝缘电阻值的数据库。能实时获取变电站二次系统的运行状态，在出现问题之前进行提前维护。
【专利说明】基于模糊C均值聚类算法的智能变电站二次系统状态分析 方法
【技术领域】
[0001] 本发明变电站二次系统安全【技术领域】，特别是一种变电站二次系统安全状态的分 析方法。
【背景技术】
[0002] 随着IEC61850标准信息通信技术和智能化设备的发展，传统的由简单的继电保 护和安全自动装置以及必要的通信手段组合而成的变电站二次系统已经发展成为以设备 智能化、信息传输网络化、信息模型及通信协议标准化为特点的由广域保护系统测量系统 通信系统以及广域监控系统融合成的复杂的一体化的智能变电站二次系统。智能变电站二 次系统安全可靠性运行对智能变电站系统安全至关重要。继电保护装置的隐藏故障在正常 运行时并不表现出来，而在系统出现压力的情况下才显现，因此，传统的离线式检测方法并 不适合用来检测隐藏故障，必须通过在线的方式来监测继电保护装置隐藏故障。因此目前 智能变电站二次系统上状态评估主要根据本身自检测能力获取相关数据，通过建立对应的 网络模型和智能设备的可靠性评估模型来评估设备的状态，对其进行可靠性评估。智能变 电站二次系统信息容量大、数据类型多，造成难以建立统一标准化的数据信息通信模型，致 使其状态评估模型和方案多异化，很难满足其通用性可靠性要求。目前对二次系统状态的 分类仍停留在经验划分的阶段。如何从大量的数据中选取初关键特征量，利用科学的方法 对设备状态进行可靠的划分对于二次系统的状态预警具有重要意义。
【发明内容】
[0003] 本发明的目的就是提供一种基于模糊C均值聚类算法的智能变电站二次系统状 态分析方法，它通过对变电站二次系统建立缺陷数据库，能实时获取变电站二次系统的运 行状态，在出现问题之前进行提前维护。
[0004] 本发明的目的是通过这样的技术方案实现的，具体步骤如下：
[0005] 1)采集变电站二次系统设备影响设备运行状态的关键特征量，所述关键特征量包 括有设备最高运行温度、光发送功率与接收灵敏度、设备对地绝缘电阻值；
[0006] 2)将变电站二次系统故障类型划分为通信故障、保护拒动或误动故障和告警异常 故障；
[0007] 3)对步骤2)中所述故障和其对应的关键特征量采用模糊C均值聚类算法进行聚 类分类；建立缺陷数据库；
[0008] 4)监测变电站二次系统设备的关键特征量，并根据步骤3)中所得到的模糊对关 键特征量进行分析，得到变电站二次系统现行状态的分析评估结论；
[0009] 5)根据步骤4)得到的分析评估结论，对变电站二次系统进行维护。
[0010] 2.如权利要求1所述的基于模糊C均值聚类算法的智能变电站二次系统状态分析 方法，其特征在于，步骤2)中所述模糊C均值聚类算法的具体步骤如下：
[0011] 2-1)根据步骤1)和变电站二次系统故障类型，确定代表点；
[0012] 2-2)根据确定的代表点，对采集到的数据进行聚类划分。
[0013] 进一步，其特征在于，步骤2-1)中所述确定代表点的具体方法为：根据问题的性 质，用经验的办法确定类别数，从数据中找出从直观上看来比较合适的代表点。
[0014] 进一步，步骤2-1)中所述确定代表点的具体方法为：将故障类型和其对应的步骤 1)采集到的数据进行随机分为C类，计算每类重心，将这些重心作为每类的代表点。
[0015] 进一步，步骤2-1)中所述确定代表点的具体方法为：采用密度法选择代表点；密 度法是，以每个样本为球心，用某个正数ξ为半径作一个球形邻域，落在该球内的样本数 则称为该点的密度；在计算了全部样本的密度后，首先选择密度最大的样本点作为第一个 代表点，它对应样本分布的一个最高的峰值点；在第二个代表点选择时，人为地设定一个数 值ξ >0,在离开第一个代表点距离ξ以外选择次大密度点作为第二个代表点。
[0016] 进一步，步骤2-2)中所述聚类划分的具体方法为：假设已经有一个划分方案，它 把样本y划分在类别r k中，现在对它进行调整，如果把7从rk类中转移到Γ」类中，则只 有这两类发生了变化，其余类别并不受影响，调整之后的两类均值分别变为：
【权利要求】
1. 基于模糊C均值聚类算法的智能变电站二次系统状态分析方法，其特征在于，具体 步骤如下： 1) 采集变电站二次系统设备影响设备运行状态的关键特征量，所述关键特征量包括有 设备最高运行温度、光发送功率与接收灵敏度、设备对地绝缘电阻值； 2) 将变电站二次系统故障类型划分为通信故障、保护拒动或误动故障和告警异常故 障； 3) 对步骤2)中所述故障和其对应的关键特征量采用模糊C均值聚类算法进行聚类分 类；建立缺陷数据库； 4) 监测变电站二次系统设备的关键特征量，并根据步骤3)中所得到的模糊对关键特 征量进行分析，得到变电站二次系统现行状态的分析评估结论； 5) 根据步骤4)得到的分析评估结论，对变电站二次系统进行维护。
2. 如权利要求1所述的基于模糊C均值聚类算法的智能变电站二次系统状态分析方 法，其特征在于，步骤2)中所述模糊C均值聚类算法的具体步骤如下： 2-1)根据步骤1)和变电站二次系统故障类型，确定代表点； 2-2)根据确定的代表点，对采集到的数据进行聚类划分。
3. 如权利要求2所述的基于模糊C均值聚类算法的智能变电站二次系统状态分析方 法，其特征在于，步骤2-1)中所述确定代表点的具体方法为：根据问题的性质，用经验的办 法确定类别数，从数据中找出从直观上看来比较合适的代表点。
4. 如权利要求2所述的基于模糊C均值聚类算法的智能变电站二次系统状态分析方 法，其特征在于，步骤2-1)中所述确定代表点的具体方法为：将故障类型和其对应的步骤 1)采集到的数据进行随机分为c类，计算每类重心，将这些重心作为每类的代表点。
5. 如权利要求2所述的基于模糊C均值聚类算法的智能变电站二次系统状态分析方 法，其特征在于，步骤2-1)中所述确定代表点的具体方法为：采用密度法选择代表点；密度 法是，以每个样本为球心，用某个正数ξ为半径作一个球形邻域，落在该球内的样本数则 称为该点的密度；在计算了全部样本的密度后，首先选择密度最大的样本点作为第一个代 表点，它对应样本分布的一个最高的峰值点；在第二个代表点选择时，人为地设定一个数值 ξ >0,在离开第一个代表点距离ξ以外选择次大密度点作为第二个代表点。
6. 如权利要求2、3、4或5所述的基于模糊C均值聚类算法的智能变电站二次系统状 态分析方法，其特征在于，步骤2-2)中所述聚类划分的具体方法为：假设已经有一个划分 方案，它把样本y划分在类别r k中，现在对它进行调整，如果把7从rk类中转移到「。.类 中，则只有这两类发生了变化，其余类别并不受影响，调整之后的两类均值分别变为：
相应地，两类各自的误差平方和也变为了 ：
总的误差平方和的变化值取决于这两个变化；移出一个样本会带来rk类均方误差的 减小，而移入这个样本会导致Γ^_类均方误差的增大；如果减小量大于增大量，即：
则进行这一步转移有利于总体误差平方和的减少，则将该样本进行转移，否则就不转 移。
7.如权利要求6所述的基于模糊C均值聚类算法的智能变电站二次系统状态分析方 法，其特征在于，步骤3)中模糊C均值聚类算法的具体步骤如下： 3-1)初始划分c个聚类，Γ p i = 1，2,…c，计算叫和Je ; 3-2)任取一个样本y，设y e Γ i ; 3-3)若队=1，则转回3-2)，否则继续；
3-6)重新计算计算叫和Je ; 3-7)连续迭代N次后，如果1不再改变，则停止，否则转3-2); 当算法收敛时，就得到了各类的聚类中心和各个样本对于各类的隶属度值，完成聚类 划分。
【文档编号】G06Q10/06GK104299115SQ201410642032
【公开日】2015年1月21日 申请日期:2014年11月11日 优先权日:2014年11月11日
【发明者】陈曦, 徐瑞林, 陈涛, 张友强, 钟加勇, 王洪彬, 余红欣, 姚树友, 何燕, 刘祖建, 熊伟, 黄飞 申请人:国网重庆市电力公司电力科学研究院, 国家电网公司