一种基于多维特征向量的配电网接地故障定位方法与流程

本发明涉及电力检测技术领域，尤其涉及一种基于多维特征向量的配电网接地故障定位方法以及基于该方法的定位检测系统。

背景技术：

cn103728532中公布了一种在配电线路分段开关中安装特殊的配电自动化馈线终端来进行接地故障定位的方法。此发明中配电自动化馈线终端采集零序电压3u0和零序电流3i0，然后对3u0和3i0进行一系列处理并提取特征，然后利用预设的故障判定规则来判定当前配电自动化馈线终端所在的开关相对于接地故障点的位置，最后结合多个配电自动化馈线终端来定位故障区段。

上述技术方案中，在故障判定时仅利用单个终端自身采集的故障信息进行判定，没有有效利用多个终端采集的故障信息综合判定，而利用接地故障时多个终端之间的特征进行比较判定会有更高的判定准确性，并且终端只输出是否处于故障路径上的信号量信息(0或1)，而故障特征信息在完成故障判定后就丢弃了，事后无法进一步对故障进行深入的分析，同时更新终端中预设的故障判定规则往往需要通过升级终端程序才能完成，对大量终端进行升级需要很大的工程维护量，而且终端在升级过程中会有一段时间处于停止工作状态。

cn104101812公开了一种小电流接地配电网的故障检测定位方法与系统。该系统由馈线监测单元、通信终端、系统主站组成。馈线监测单元在检测到疑似接地故障后，无线同步触发另外两相传输数据。系统主站、通信终端采用gps授时，通信终端和馈线监测单元通过时分复用无线通信网络进行对时。系统主站通过通信终端汇聚多个点的三相馈线监测单元的故障录波数据，然后在主站中从录波中提取零序电压和零序电流的暂态信号，计算特征值，包括：幅值、平均值、微分值、积分值及其组合，暂态零序有功功率、零序无功功率，并计算各个位置暂态零序电压和零序电流信号波形的相似性，根据接地故障点前后在暂态零序电压和零序电流特征值和波形相似性上的差别，对筛选出的疑似故障线路上的各个位置，优先进行判断，定位接地故障点。

但是为了捕获足够的接地故障信息，故障录波会采用较高的采样率，通常单个录波通常会达到几十k字节的大小，由此产生以下问题：1.录波传输需要较长时间，对故障判定的实时性有一定影响；2.在故障高发季节,同一个主站辖区内可能在短时间内会出现多条线路故障的情况，因为单个录波的收集往往会经过几十次的数据交互，导致可能会在一段时间内有大量的数据流涌入主站，因此需要主站具有长时间处理大量数据流量的能力，对主站的性能要求较高；3.当前大部分具有故障录波的配电终端都是采用无线网络和主站通讯,大量的录波数据会产生不小的无线资费，运营成本较高。

技术实现要素：

基于上述现有技术中的各种缺陷，本发明所要达到技术效果之一是综合利用多个检测终端上报的故障特征实现对接地故障进行定位。

本发明所要达到的另一技术目的在于，维持检测终端与数据处理主站之间数据交互处于较低的数据量水平，以保证当数据处理主站辖区内出现多处接地故障时，数据处理主站不会因大量数据的涌入造成主站瘫痪，同时也能够降低检测终端与数据处理主站之间的数据通讯资费。

为了解决上述技术问题，本发明提供了一种配电网接地故障定位系统，所述配电网接地故障定位系统包括配电网检测终端1和主站2，所述主站中设置有多个程序模块，所述多个程序模块包括：

故障特征收集部21，其接收由配电网检测终端所发送的故障特征向量；

配电网拓扑信息存储部22，其存储有对主站辖区内全部配电网检测终端1的物理位置描述，以及主站辖区内配电网的拓扑结构；

故障事件归集部23，对故障特征向量进行分类归集，根据配电网拓扑结构，将处于相同母线下的配电网检测终端上传的故障特征向量归集为一条接地故障事件；

接地故障判定部24，其根据接地故障事件数据，利用接地故障判定模型进行故障判定，输出故障定位结果；

故障处理策略生成部25，其根据故障定位结果，生成处理故障的相应策略；

故障处理信息反馈部26，其用于接收故障事件的实际处理结果；

匹配信息存储部27，将反馈的实际故障处理结果和故障特征归集部生成的接地故障事件相匹配，从而形成机器学习条目；

故障判断模型生成部28，其根据机器学习条目对接地故障判断模型进行机器学习训练，并根据训练结果更新接地故障判定部24中的接地故障判定模型。

在一个实施例中，所述机器学习训练所采用的方法是决策树、支持向量机、随机森林、cnn或rnn。

根据本发明的另一方面，本发明还提供了一种配电网接地故障定位方法，其特征在于该方法包括：

配电网检测终端将故障特征向量上传至主站；

利用故障特征向量、配电网拓扑结构和配电网检测终端物理位置生成接地故障事件；

将故障接地事件输入接地故障判定模型进行故障判定，输出故障定位结果；

根据故障定位结果，生成故障处理策略，并反馈实际故障处理结果；

将反馈的实际故障处理结果和故障特征归集部生成的接地故障事件相匹配，从而形成机器学习条目；

利用机器学习条目对接地故障判断模型进行训练，并更新故障判断模型。

在一个实施例中，主站接收故障特征向量后，进行与配电网检测终端之间数据通讯的交互规约，并同时对故障特征向量数据进行解析。

在一个实施例中，所述训练所采用的方法是决策树、支持向量机、随机森林、cnn或rnn。

根据本发明的另一方面，还提供了一种适用于本发明的接地故障定位系统的配电网检测终端，其特征在于，所述配电网检测终端包括：

接地故障录波模块，其可以针对配电网的运行参数进行故障录波；

故障特征提取模块，其根据故障录波对所期望的配电运行参数进行特征提取运算，从而得到故障特征向量。

在一个实施例中，所述接地故障录波模块针对进行录波的参数包括配电网的三相电流、三相电压、三相对地电场、零序电流或零序电压。

在一个实施例中，所述故障特征提取模块针对录波进行特征提取的运算包括幅值、平均值、微分值、积分值、稳态零序有功功率、零序无功功率或零序电流频谱。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例共同用于解释本发明，并不构成对本发明的限制。在附图中：

图1是根据本发明一实施例的方法的流程图；

图2是根据本发明一示例的方法的流程图；

图3是根据本发明一示例的机器学习的训练过程示意图；

图4是根据本发明一示例的决策树预测模型的决策过程示意图；

图5是根据本发明一示例的故障特征向量的提取过程示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，以下结合附图对本发明作进一步地详细说明。

第一实施例

图1是本发明的配电网接地故障定位系统实施例的系统结构示意图。下面结合图1对本实施进行说明。

本实施例的配电网接地故障定位系统包括：配电网检测终端1和主站2，所述配电网检测终端1被分配设置在配电网线路的不同位置上，其包括但不限于ftu、dtu、智能开关或故障指示器。当配电网中发生接地故障时，由配电网检测终端对配电网的三相电流、三相电压、三相对地电场、零序电流、零序电压中的一种或多种参数进行故障录波，并对故障录波数据进行处理以提取故障特征，对故障录波数据的处理包括但不限于计算录波数据的幅值、平均值、微分值、积分值、稳态零序有功功率、零序无功功率或零序电流频谱等。由多个故障特征进行组合则形成了故障特征向量，该故障特征向量是配电网接地故障定位系统进行接地故障定位判断的基础数据信息。

本实施例的主站中设有多个程序模块，每个程序模块中包含多条指令用于进行相应的数据处理。所述多个程序模块包括：

故障特征收集部21，其接收由配电网检测终端所发送的故障特征向量，包括与配电网检测终端之间数据通讯的交互规约和故障特征向量数据的解析。

配电网拓扑信息存储部22，其存储有对主站辖区内全部配电网检测终端1的物理位置描述，以及辖区内配电网的拓扑结构。例如可以采用配电自动化系统中的pmis系统。

故障事件归集部23，其根据由故障特征收集部21所输入的故障特征向量，配合由配电网拓扑信息存储部22提供的对应故障特征向量的配电网检测终端的物理位置，对全部故障特征向量进行分类归集，根据配电网拓扑结构，将处于相同母线下的配电网检测终端上传的故障特征向量归集为一条接地故障事件，所述的接地故障事件数据中包括了同母线下的配电网检测终端上传的故障特征向量，也包括了母线的配电网线路拓扑结构。

接地故障判定部24，其根据故障事件归集部23输出的接地故障事件数据，利用其内置的接地故障判定模型进行故障判定，输出故障定位结果。

故障处理策略生成部25，其根据故障判定部24所输出的故障定位结果，生成处理故障的相应策略，并将该处理策略输出提供给电力维修人员。

本实施例中，故障判定部24的接地故障判定模型是通过机器学习不断完善的，所述机器学习方法包括但不限于使用决策树、支持向量机、随机森林、cnn或rnn。用于完成接地故障模型机器学习的程序模块包括：

故障处理信息反馈部26，电网维修人员针对某一故障事件，将该故障事件的实际处理结果输入至故障处理信息反馈部26。

匹配信息存储部27，其将故障事件归集部23输出的接地故障事件与该故障实际处理的结果相匹配，形成一条完整信息并输送至故障判断模型生成部28.

故障判断模型生成部28，其根据匹配信息存储部27所输送的接地故障事件与该故障实际处理的结果信息进行机器学习，不断完善接地故障判定模型。

图2位本实施例的配电网接地故障定位方法的流程图，下面结合图2进行详细说明。

步骤100，当配电网中发生接地故障时，由配电网检测终端检测到接地故障，由配电网检测终端对配电网的三相电流、三相电压、三相对地电场、零序电流、零序电压中的一种或多种参数进行故障录波，并对故障录波数据进行处理以提取故障特征，对故障录波数据的处理包括但不限于计算录波数据的幅值、平均值、微分值、积分值、稳态零序有功功率、零序无功功率或零序电流频谱等。由多个故障特征进行组合则形成了故障特征向量。配电网检测终端将故障特征向量上传至主站。

步骤101，由主站的故障特征收集部对故障特征向量进行解析，同时对主站与配电网检测终端之间的交互进行规约。故障特征向量被封装于规约中的特定报文中，主站解析该报文并从中提取故障特征向量。下面以中国国家电网<<运检三〔2017〕6号>>中规定的规约为例，介绍本实施例的主站和配电终端的故障特征向量信息交互过程。首先，配电终端向主站发起连接，然后双方进行链路建立过程，链路建立成功后双方处于就绪状态可进行正常的数据交互。当配电终端采集到多个故障特征元素后，将其封装在突发遥测报文中，突发遥测报文中包含多个信息体，每一个信息体对应一个故障特征元素，最后配电终端把封装好的突发遥测报文上送到主站，主站从突发遥测报文中解析出所有信息体得到所有的故障特征元素形成故障特征向量输出给后续的处理过程。

步骤102，根据故障特征向量，从配电网拓扑信息存储部中调取上传故障特征向量的配电网检测终端的物理位置，并同时调取该物理位置出的配电网拓扑结构及母线拓扑结构。由上述信息，对全部故障特征向量进行分类归集，将处于相同母线下的配电网检测终端上传的故障特征向量归集为一条接地故障事件，所述的接地故障事件数据中包括了同母线下的配电网检测终端上传的故障特征向量，也包括了母线的配电网线路拓扑结构。

步骤103，将故障接地事件输入接地故障判定部，利用其内置的接地故障判定模型进行故障判定，输出故障定位结果。

步骤104，根据故障判定部24所输出的故障定位结果，生成处理故障的相应故障处理策略，并将该故障处理策略输出提供给电力维修人员。

步骤105，由电力维修人员进行配电网实际检修，并将实际故障处理结果反馈给主站。

步骤106，将反馈的实际故障处理结果和故障特征归集部生成的接地故障事件相匹配，从而形成机器学习条目。

步骤107，利用机器学习条目对接地故障判断模型进行训练，并更新接地故障判定部内的故障判断模型。

根据配电网检测终端1和接地故障点的相对位置，可以把配电终端分为两类。一类用1表示,指示配电网检测终端1处于故障路径上，即处于接地故障电流流回变电站的路径上，另一类用0表示，即配电终端不处于故障路径上。本发明中机器学习的目标就是训练出预测模型，使得当输入某个配电网检测终端1采集的故障特征向量x后，此模型可预测终端处于故障路径的概率y。其中，y是介于0至1之间的一个小数，该数值越大则表示该配电网检测终端处于故障路径的概率越大。附图3所示为本发明机器学习的训练过程，首先故障判断模型生成部28根据输入的学习条目及机器学习算法对原始故障判断模型进行优化，优化后的模型根据模型评价指标进行检测，如果检测通过则将新生成的故障判断模型替换原始模型，如果检测不通过则需进一步对模型进行调整重新优化。模型评价指标包括准确率、漏判率和误判率。

本实施例中，以决策树算法为例对本发明所使用的机器学习算法进行说明，采用决策树算法最终得到的预测模型是一颗树形的决策链，当新的故障特征向量输入到此预测模型后，按照此决策链得到故障预测结果。附图4为本实施例决策树预测模型的决策过程示意图。

如附图5所示，本实施例中配电网检测终端对故障特征向量的提取过程是：配电终端通过采集三相电流合成零序电流，或者使用配电网检测终端直接采集零序电流，然后对零序电流使用fft变换求得其幅值，即零序电流幅值。

由此可知，本发明的优势主要在如下几个方面：

1.本发明在会利用多个终端采集的故障特征进行综合的故障判定，比单个终端直接判定故障具有更高的准确率。

2.本发明中要求各个终端将采集到了故障特征传输到主站中，主站中可以根据这些特征信息对故障进行更加深入的分析。

3.本发明中终端只负责采集故障特征，故障的判定由主站来完成，因此当故障判定算法更新时无需终端做任何修改。

4.本发明中终端只需要传输故障特征而不是故障录波，传输的数据量较小,因此数据传输时间短,对故障判定的实时性影响较小。

5.本发明中终端只需要传输故障特征，一次故障特征的传输仅经过一两次数据交互就可完成，即使故障高发季节也不易出现长时间的大流量，对主站的性能要求较低。

6.本发明中终端只需要传输故障特征而不是故障录波，传输的数据量较小，因此网络资费较少，运营成本较低。

以上所述，仅为本发明的具体实施案例，本发明的保护范围并不局限于此，任何熟悉本技术的技术人员在本发明所述的技术规范内，对本发明的修改或替换，都应在本发明的保护范围之内。