本发明涉及综合能源系统安全分析领域，特别是一种综合能源系统的故障统一定位方法。
背景技术：
能源是人类生存发展的重要物质基础。目前，随着能源消耗的增加，分布式能源大量接入电网，以及需求和理念更新等主客观因素，凸显现有能源系统架构的局限性和供需矛盾。而基于互联网理念的能源互联网能提供一种可行的解决方案。能源互联网是一种新型信息能源融合的开放系统，将改造甚至颠覆现有的能源行业，实现去中心化的生产模式，大幅提高能源使用效率，促进可再生能源的大规模发展。综合能源系统是能源互联网的重要物理载体,包括电、气、热(冷)等多种能源，是多能互济、能源梯级利用等理念实现应用的关键。
多能流是综合能源系统的重要特征之一，其带来诸多效益的同时也使系统更加复杂，使安全问题更加突出。因此，综合能源系统的安全稳定关乎能源互联网的正常运行与功能实现。由于综合能源系统间物理上紧密耦合在一起，若电网发生故障，将影响耦合单元(能源集线器)的状态，进而导致天然气网和热网的状态发生变化，反之亦然。所以，无论哪个子系统发生故障，都有可能导致连锁故障而影响其他能源子系统，最终对综合能源系统的经济可靠运行造成威胁。但是由于物理特性差异，各领域较成熟的保护方法很难应用到其他子系统；同时由于各能源子系统耦合度高的特点，统一辨识究竟是电网，天然气还是热力系统的故障及其定位的难度就更大。因此，研究一种能对综合能源系统故障进行统一辨识与定位的方法成为当前研究的重要课题和迫切需要。
技术实现要素：
本发明所要解决的技术问题是，针对现有技术不足，提供一种综合能源系统的故障统一定位方法，实现综合能源系统故障的统一定位。
为解决上述技术问题，本发明所采用的技术方案是：一种综合能源系统的故障统一定位方法，其特征在于，包括以下步骤：
1)根据各能源子系统故障特征的差异，选取三相电流、负序电流、零序电流、有功功率和无功功率作为电力系统典型特征量；管道压力和天然气流量作为天然气网典型特征量；热网流量、供水压力、供水温度、回水压力和回水温度作为热网典型特征量；将综合能源系统中的节点进行编号，建立网络拓扑关系并确定节点公共区域；然后利用离差标准化对特征量进行标准化处理；最后利用网络拓扑矩阵对特征量之间进行差分处理，得到综合能源系统各个特征量在单时段的矩阵ci；
2)在多对象维度，将不同特征量的单时段矩阵ci聚合为一个单时段多对象的矩阵wi；在多时间断面将单时段多对象矩阵wi聚合为多时段多对象的综合特征量矩阵w；
3)基于综合特征量矩阵w中邻近点对i，j之间的欧氏距离，选取各节点距离该节点最近的m个点作为该节点的邻近点，并引入图论中的边将邻近点连接，构建能表示邻近关系的带权流通图g；然后计算带权流通图g上任意两点的最短路径，得到w各节点间的测地距离矩阵d满足下列公式：
其中，p是l≥2的点序列，且p1＝u，pl＝v，pi∈d，(pi，pi+1)为最近邻对；d2(pi,pi+1)表示两个最近邻队的距离平方；l表示节点数量；u代表第一个节点，v代表最后一个节点，duv表示这两个节点之间的测地距离；
4)由测地距离矩阵d计算中心化内积矩阵b，并求解中心化内积矩阵b两个最大的正特征根及其对应的特征向量，该两个特征向量组成的矩阵x即为对w进行isomap非线性降维后在二维空间的展示；再基于矩阵x的k领域，计算各节点的局部稀疏率；设置修剪因子pf，将局部稀疏率大于或等于修剪因子的正常样本从异常样本候选集剔除后，最终计算出节点的局部稀疏系数满足下列公式：
其中，nk(p)代表节点的k领域，|nk(p)|表示节点p的k领域内的节点数，q代表k邻域nk(p)中的任意对象，lsrk(q)和lsrk(p)分别代表节点q、p的局部稀疏率；lsck(p)表示在剔除正常节点后，待测节点p的所有邻域点nk(p)的局部可达密度与p的局部可达密度之比的平均数，如果这个比值越接近1，说明其邻域点密度一致，p可能和邻域同属一簇(即正常)；如果这个比值越大于1，说明p的密度越小于其邻域点密度，则p越可能是异常点；
5)根据广义基尔霍夫定律，给电网、气网和热网分别设立相应的广义节点，当节点和对应子网的广义节点的局部稀疏系数都超过整定值3时，表明故障发生在网络内部，且故障发生在异常节点所在的公共区域；当节点局部稀疏系数超出阈值，但广义节点未超出，表明故障仍在网络外部。
步骤4)中，所述修剪因子pf满足下式：
节点p的局部稀疏率lsrk(p)计算公式为：
与现有技术相比，本发明所具有的有益效果为：本发明以大数据为技术背景，将电力系统、天然气系统和热力系统之间不同的特征量统一耦合成一个综合特征量，提高了故障识别的精度，有利于从整体上统一识别系统故障；基于isomap和局部稀疏系数的方法，充分利用了综合能源系统的海量数据，突破了单个系统的隔阂和限制，能有效辨识和定位各个子系统的故障，为综合能源系统故障的统一辨识提供了有效手段。
附图说明
图1为综合能源系统的故障统一定位方法流程图；
图2为综合能源系统拓扑图；
图3为电力系统节点故障时isomap非线性降维显示图；
图4为电力系统节点故障时在不同k值下节点的局部稀疏系数图；
图5为天然气节点故障时isomap非线性降维显示图；
图6为天然气节点故障时在不同k值下节点的局部稀疏系数图；
图7为热力系统节点故障时isomap非线性降维显示图；
图8为热力系统节点故障时在不同k值下节点的局部稀疏系数图。
具体实施方式
如图1所示，本发明包括以下步骤：
1)数据预处理：取数据采集装置上传的三相电流、负序电流、零序电流、有功功率和无功功率作为电力系统典型特征量；管道压力和天然气流量作为天然气系统典型特征量；热网流量、供水压力、供水温度、回水压力和回水温度作为热网典型特征量。再将综合能源系统中的节点进行编号，建立网络拓扑关系并确定节点公共区域；然后利用离差标准化对特征量进行标准化处理，以消除量纲及特征量数值和变异大小的影响：
式中，sj表示任意特征量的初始数据集合，min(sj)、max(sj)分别表示该数据集合中最小、最大元素，
最后利用网络拓扑矩阵对特征量之间进行差分处理，得到综合能源系统各个特征量在单时段的矩阵ci。
2)数据聚合：在多象维度上不同特征量的单时段矩阵ci聚合为一个单时段多对象的矩阵wi；在多时间断面上将单时段多对象矩阵wi聚合为多时段多对象的综合特征量矩阵w。
3)数据挖掘：首先基于高维矩阵w中邻近点对i，j之间的欧氏距离，选取各样本点距离其最近的m个点作为该样本邻近点，并引入图论中的边将邻近点连接，构建能表示邻近关系的带权流通图g；然后计算邻接图g上任意两点的最短路径，得到高维矩阵w各对象间的测地距离矩阵d满足下列公式：
其中，p是l≥2的点序列，且p1＝u，pl＝v，pi∈d，(pi，pi+1)为最近邻对；
由测地距离矩阵d计算中心化内积矩阵b，并求解其两个最大的正特征根及其对应的特征向量，该两个特征向量组成的矩阵x即为对高维矩阵w进行isomap非线性降维后在二维空间的展示；再基于矩阵x的k领域，计算各节点的局部稀疏率满足下列公式：
式中，nk(p)代表节点的k领域，|nk(p)|表示节点p的k领域内的节点数，q代表k邻域nk(p)中的任意对象，dist(p,q)代表数据中第p个对象与第q个对象之间的空间距离；
考虑到样本的局部稀疏率应小于所有样本的近似平均，设置修剪因子pf满足下列公式：
将局部稀疏率大于或等于修剪因子的正常样本从异常样本候选集剔除后，最终计算出节点的局部稀疏系数满足下列公式：
4)故障辨识：根据广义基尔霍夫定律，给相应子网即电网、气网和热网分别设立相应的广义节点。当节点和对应子网的广义节点的局部稀疏系数都超过整定值n时，表明故障发生在网络内部，且故障发生在异常节点所在的公共区域；当节点局部稀疏系数超出阈值，但广义节点未超出，表明故障仍在网络外部,如通信装置故障或者外网故障引起等。
为了验证本发明所提出的方法，以图2所示的由改进的ieee-14节点电力系统、美国密执安地区16节点天然气输送系统、国内某小区11节点热网系统和能源集线器组成的综合能源系统仿真对象,在仿真平台下搭建该模型。选取电力系统区域短路故障、天然气系统区域漏气故障和热力系统区域漏水故障3个典型场景对本发明的定位方法进行验证。
场景1：电力系统区域短路故障
如图3所示，isomap降维分析显示离群点电力系统节点4、9和广义节点42向坐标原点右上方分布，远离其他节点成为离群点，而其他节点仍聚集在坐标原点附近。在图4中，为了减小误差和增加故障识别率，本发明多次调整局部稀疏系数中的k值来测定节点的局部稀疏系数(k值的设定需根据样本调节，本次取16到25)。在各组k值下，电力系统节点4、9和电力系统广义节点42的局部稀疏系数分别为83～105(峰值时k＝23)、95～112(峰值时k＝22)和98～115(峰值时k＝20)，都远超过阈值3；而其他节点的局部稀疏系数都保持在1附近。所以可知，故障点在节点4、9所在的电力系统区域f1中，属于电力系统故障。
场景2：天然气系统区域漏气故障
如图5所示，天然气系统节点18、19和天然气系统广义节点43偏离原点右下方成为离群点，电力系统节点8也稍稍偏离，而其他节点仍聚集在坐标原点附近。在图6中，k值设定为13到22。电力系统节点8、天然气节点18、19和广义节点43的局部稀疏系数分别为33～41(峰值k＝18)、251～272(峰值时k＝18)、240～262(峰值时k＝17)和241～274(峰值时k＝19)；其他节点的局部稀疏系数均在1附近。此时，虽然电力系统节点8由于天然气系统连锁故障导致的发电机短时断供而呈现异常状态，但由于电力系统广义节点42仍正常，所以可知故障并不是电力系统内部引起；而此时天然气系统广义节点43呈现异常状态，结合天然气节点18、19可知，故障发生在节点18和19所在的公共区域f2上，属于天然气系统故障。
场景3：热力系统区域漏水故障
如图7所示，热网节点33、34和热网广义节点44成为离群点，而其他节点均聚集在一起。在图8中，k值设定从19到28。热网节点33、34和热网广义节点44的局部稀疏系数分别为67～79(峰值时k＝25)，59～71(峰值时k＝24)和68～81(峰值时k＝24)然而其他节点的局部稀疏系数一直在1附近。因此，故障发生在节点33和34所在的公共区域f3上，属于热力系统故障。
本发明针对综合能源系统中各能源子系统物理特性差异，各领域较成熟的保护方法很难应用到其他子系统；同时由于各能源子系统耦合度高的特点，统一辨识究竟是电网，天然气还是热力系统的故障及其定位的难度就更大的问题，提出了一种基于isomap降维和局部稀疏系数结合的综合能源系统故障统一定位方法。该方法以大数据为技术背景，将电力系统、天然气系统和热力系统之间不同的特征量统一耦合成一个综合特征量，提高了故障识别的精度，有利于从整体上统一识别系统故障；充分利用综合能源系统的海量数据，突破了单个系统的隔阂和限制，能有效辨识和定位各个子系统的故障，为综合能源系统故障的统一辨识提供了有效手段。