一种用户停电事件故障预测方法与流程

本发明属于电力，尤其涉及一种用户停电事件故障预测方法。

背景技术：

1、随着现代社会的飞速发展，电力已成为社会离不开的重要要素。但在电力生产过程中，因各种不可干扰因素造成停电事件，用户停电事件故障不仅会给自己带来重大危害，并且易给电网带来很大的冲击，很可能造成大面积的停电、电网崩溃，给社会、经济、人民生活和安全造成更大的危害。因此，做好用户停电事件故障趋势预测是十分必要的。

2、传统的用户停电事件故障趋势预测存在复杂、精度低、预测模型差的缺点，同时，预测响应时间较慢。专利“一种配电网故障停电预测方法及存储介质”(202210675829.6)结合自然因素、外部因素、内部因素和客户因素等数据来对未来短期、中期的预测结果，可以对影响用户进行事先通知，提高应对停电事件的主动性。但数据采集和处理较为复杂，响应时间仍不够快。

技术实现思路

1、本申请的目的在于，提供一种用户停电事件故障预测方法，以解决现有现有用户停电故障预测较为复杂、响应时间不够快的缺陷，为及时解决停电事件争取宝贵时间。

2、为了解决或者改善上述问题，本发明提供了一种用户停电事件故障预测方法，具体技术方案如下：

3、本发明提供一种用户停电事件故障预测方法，其特征在于，包括：

4、步骤s1：采集停电事件故障数据；

5、步骤s2：对采集到的停电事件故障数据进行降维和降维后归一化预处理；

6、步骤s3：根据预处理的数据对停电事件故障趋势进行预测。

7、优选的，骤s1具体包括：采集故障信号，用自适应滤波的方法对信号中的干扰与噪声进行滤波，再将滤波后的故障信号转化为故障数据。

8、优选的，所述故障信号为二维网络故障振动信号。

9、优选的，滤波处理的具体方法包括：

10、故障信号qij用式子表达如下，

11、

12、qij表示第i行第j列的故障信号，fijh表示第i行第j列的故障信号，fijl表示第i行第j列的故障信号,nk为采集频率；

13、对采集到的故障振动信号进行自适应滤波，滤波后的故障振动信号q1ij为

14、

15、q1ij表示第i行第j列滤波后的故障信号，β为自适应滤波系数，a为故障信号的时移参数，et为噪声和其他干扰信号，t为滤波时间。

16、对信号中的干扰与噪声进行滤波后，再将滤波后的故障信号转化为故障数据sij，

17、

18、其中，m为二维故障行数据个数。

19、优选的，骤s2中，使用欧几里德距离计算方法将故障数据规模降维。

20、优选的，降维后的数据si为

21、

22、在式(4)中，m为二维故障行数据个数，n为二维故障列数据个数，ω为高维时空状态矩阵，对数据进行实时监测，并对其进行降维处理。

23、优选的，对降维后的k个数据进行归一化处理，确保数据取值范围在[01]之间，归一化后的数据s1为式(5)

24、

25、其中，k为降维处理后的数据的个数。

26、优选的，步骤s3中，对停电事件故障趋势预测包括：故障发生的概率、用户配电网络的状态脆弱度指标和停电事件故障趋势预测模型。

27、优选的，将归一化处理后的数据s1进行时间序列分解，分解成式(6)

28、s1＝rt+st+xt(6)

29、其中，rt为故障变化的趋势项，st为时间序列的周期项，xt为时间序列的平稳项，通过故障变化的趋势项rt可以进行停电事件故障趋势预测。

30、停电事件故障的概率p(t)服从泊松分布，见式(7)

31、

32、在式(7)中，λav为停电事件故障发生的平均概率；从而可计算出第c次用户配电网络的状态脆弱度指标μc为

33、

34、rc为第c次停电事故故障时间序列故障变化趋势项的参数，δc为第c次停电事故故障时间序列故障变化趋势项的能量差值，可以推算第c次停电事故故障对第z次停电事故故障的脆弱影响因子gz，c，

35、

36、从而可计算停电事件故障趋势预测模型lz+1，

37、

38、其中，gz,z为第z次停电事故故障对第z次停电事故故障的脆弱影响因子。

39、本发明的有益效果为：

40、本发明的方法采集数据快，停电事件故障数据的精度高，同时可准确分析不同故障数据之间的联系，具有较高的实用性和实时性，解决了传统方法复杂、精度低、预测模型差、响应速度不够快的缺点。其中，根据采集频率完成故障信号的采集，方法简单快捷，为及时解决停电事件争取宝贵时间，同时使用自适应滤波的方法提高停电事件故障数据的准确性，数据使用欧几里德距离计算方法将故障数据规模降维，降维更能清楚表示不同故障数据之间的联系，对降维后的数据进行归一化处理，采集数据快，停电事件故障数据的精度高，准确分析不同故障数据之间的联系，具有较高的实用性和实时性。

技术特征：

1.一种用户停电事件故障预测方法，其特征在于，包括：

2.根据权利要求1所述用户停电事件故障预测方法，其特征在于，步骤s1具体包括：采集故障信号，用自适应滤波的方法对信号中的干扰与噪声进行滤波，再将滤波后的故障信号转化为故障数据。

3.根据权利要求2所述用户停电事件故障预测方法，其特征在于，所述故障信号为二维网络故障振动信号，通过振动频率来采集。

4.根据权利要求3所述用户停电事件故障预测方法，其特征在于，滤波处理的具体方法包括：

5.根据权利要求1所述用户停电事件故障预测方法，其特征在于，步骤s2中，使用欧几里德距离计算方法将故障数据规模降维。

6.根据权利要求5所述用户停电事件故障预测方法，其特征在于，降维后的数据si为

7.根据权利要求6所述用户停电事件故障预测方法，其特征在于，

8.根据权利要求1所述用户停电事件故障预测方法，其特征在于，步骤s3中，对停电事件故障趋势预测包括：故障发生的概率、用户配电网络的状态脆弱度指标和停电事件故障趋势预测模型。

9.根据权利要求8所述用户停电事件故障预测方法，其特征在于，将归一化处理后的数据s1进行时间序列分解，分解成式(6)

技术总结
本发明属于电力领域，尤其涉及一种用户停电事件故障预测方法，包括：步骤S1：采集停电事件故障数据；步骤S2：对采集到的停电事件故障数据进行降维和降维后归一化预处理；步骤S3：根据预处理的数据对停电事件故障趋势进行预测。本发明的方法根据振动频率完成故障信号的采集，采集数据快，停电事件故障数据的精度高，同时通过降维和降维后归一化处理数据，可准确分析不同故障数据之间的联系，具有较高的实用性和实时性，解决了传统方法复杂、精度低、预测模型差、响应速度不够快的缺点。

技术研发人员：易辰颖,周杨珺,陈千懿,黄伟翔
受保护的技术使用者：广西电网有限责任公司电力科学研究院
技术研发日：
技术公布日：2024/1/12