基于大数据的配网故障高发区域辨识方法与流程

技术特征：

1.基于大数据的配网故障高发区域辨识方法,其特征在于，包括以下几个步骤：

(1)针对每一起故障，基于多源数据对配网故障位置进行模糊识别；基于历史负荷数据、气象监测数据进行配网故障停电负荷损失评估；

(2)对地理视图进行网格划分，并实现故障与地理网格的映射；

(3)计算给定时间段[ts,te]内各个地理网格的故障影响统计指标，对各网格区域内故障影响进行量化；

(4)根据各网格故障影响统计指标值对地理网格进行着色，从而生成故障影响色斑图；

(5)对于故障高发区域，提出相应的辅助决策建议；

步骤(1)中，对所述配网故障位置进行模糊识别的方法如下：

(1a)根据正则表达式，从电网故障统计上报系统中对地市专职填报的故障位置文本信息进行解析，识别出设备编号及设备名称，并到生产管理系统PMS中查找对应设备，从而确定故障位置(pos_x,pos_y)，并标记故障位置类型为0，如果无法识别，则转到步骤(2a)；

(2a)从配网管理系统DMS中查找故障线路的分段开关遥信分位记录，如果该线路所有分段开关安装了配电自动化装置，找出线路故障时间范围内最先分闸的两个分段开关ss1、ss2，并标记故障位置类型为1；如果线路未安装配电自动化装置，则转到步骤(3a)；

(3a)从用电信息采集系统中查找故障馈线下辖所有配电变压器的负荷数据，根据电流掉零的持续时长，确定各配变的停电时长，将停电时长最长的配变加入到配变集合pb_set中，并标记故障位置类型为2。

2.根据权利要求1所述的基于大数据的配网故障高发区域辨识方法,其特征在于，步骤(2)中，对所述地理视图进行网格划分的方法如下：

地理区域基于第一象限坐标系，将地理区域用边长为len的正方形进行切分，假设共计m列n行正方形覆盖了给定的地理区域，其中，m>3,n>3，将左下角的网格编号为g(0,0)，则位于第x列、y行位置的网格编号为g(x,y)。

3.根据权利要求2所述的基于大数据的配网故障高发区域辨识方法,其特征在于，步骤(2)中，所述故障与地理网格的映射方法如下：

定义地理网格g(x,y)的故障事件列表ft_list(x,y)，用于存储发生在该网格内的故障事件，每一条记录包含以下属性：故障发生时间occure_time、故障馈线feeder_info、故障位置GPS坐标x轴pos_x、故障位置GPS坐标y轴pos_y、故障停电损失负荷loss、故障类型type、故障位置模糊度amb和故障损失权重值weight；

对配网故障进行遍历，对于故障fti,

Case1：该故障的位置类型为0，如果其故障发生位置(pos_xi,pos_yi)∈g(x,y)，则将记录fti插入ft_list(x,y)，其中，fti.amb＝0,fti.weight＝1,fti.pos_x＝pos_xi,fti.pos_y＝pos_yi；

Case2:该故障的位置类型为1，

Case2.1:如果两个分段开关ss1、ss2以及它们之间的线路都位于g(x,y)之中，则将记录fti插入ft_list(x,y)，其中，fti.amb＝0,fti.weight＝1；

Case2.2:将两个分段开关ss1、ss2以及它们之间的线路称为ft_section，如果ft_section位于不同的地理网格g(x1,y1)～g(xn,yn)中，将故障按照不同的权重插入到这些地理网格的故障列表中；对于地理网格g(xj,yj)，将记录fti插入ft_list(xj,yj)，其中，fti.amb＝1,

Case3:该故障的位置类型为2，

Case3.1:如果pb_set以及它们之间的线路都位于g(x,y)之中，则将记录fti插入ft_list(x,y)，其中，fti.amb＝0,fti.weight＝1；

Case3.2:将pb_set以及连接这些配变的线路区段称为ft_section，如果ft_section位于不同的地理网格g(x1,y1)～g(xn,yn)中,将故障按照不同的权重插入到这些地理网格的故障列表中；对于地理网格g(xj,yj),将记录fti插入ft_list(xj,yj)，其中，fti.amb＝1,

4.根据权利要求3所述的基于大数据的配网故障高发区域辨识方法,其特征在于，步骤(3)中，所述故障影响统计指标包括故障发生次数、故障停电影响累加值、故障停电影响线路长度均值和故障停电影响10kV配变容量均值；

对于网格g(x,y)，所述故障影响统计指标的计算方法如下：

(1b)故障发生次数

其中，n′为发生在网格内的原始故障次数；

(2b)故障停电影响累加值

(3b)故障停电影响线路长度均值

其中，length_grid(linej)为线路j在网格g(x,y)内的长度；

m′为网格内包含的配变的总数或与网格交错的馈线的总数，linej为网格内第j条馈线；

(4b)故障停电影响10kV配变容量均值

其中，volumn(trj)为配电变压器j的容量，其中，trj为网格内第j台配变。

5.根据权利要求1所述的基于大数据的配网故障高发区域辨识方法,其特征在于，步骤(4)中，所述故障影响色斑图的生成方法如下：

选定统计区域、统计时段、故障类型、统计指标后，计算各地理网格的故障统计值二维数组g_stat[x][y]；

统计得到该数组的95概率值、85概率值与30概率值，分别作为高危、严重、普通和较低区域划分的阈值；

将各地理网格按照相应的等级进行着色，从而形成故障影响色斑图。

6.根据权利要求1所述的基于大数据的配网故障高发区域辨识方法,其特征在于，步骤(5)中，所述辅助决策建议如下：

(1c)高危区域，且以架空线路为主，则建议进行绝缘化、电缆化改造或进行配电自动化升级改造；

(2c)高危区域，且以电缆为主但配电自动化程度低，则建议对线路进行配电自动化升级改造；

(3c)中高危区域，且统计指标为故障停电影响线路长度均值，则建议增加该区域的线路分段；

(4c)中高危区域，且故障类型为外力破坏，则建议加强与施工单位的沟通，并加大该区域巡视巡检的力度；

(5c)中高危区域，且故障类型为设备老化，则建议加强该区域设备排查，及时更新缺陷或老化设备；

(6c)中高危区域，且故障类型为树线矛盾，则建议定期开展该区域树木修剪。