一种智能配电网大数据融合分析与运行状态监测方法
【技术领域】
[0001] 本发明设及智能配电网大数据分析W及智能配电网保护控制方法研究领域，更具 体地说，是设及一种智能配电网大数据融合分析与运行状态监测方法。
【背景技术】
[0002] 电网状态评估与继电保护是电力系统安全稳定运行的重要支撑。传统的中压配电 网多采用福射型结构，其在正常运行时潮流在网络中是单向流动的，保护整定较为简单。对 于智能配电网，由于网络中接入了大量的分布式电源，其中分布式新能源发电功率输出具 有一定的随机性，因而配网系统在正常运行时，存在双向不定潮流的问题。此外，分布式电 源的接入改变了故障特性，运给配电网的保护控制带来了极大的困难。当前智能配电网的 保护控制方法多需要进行复杂的整定计算，而且当系统运行参数、运行方式W及网络拓扑 结构发生改变后需要重新整定，耗时长。另外，当下的保护控制方法多是基于单一的小样本 特征量进行状态监测与故障判断，当传感器或者通信异常时，易发生保护的误动甚至拒动。 由此可见，当前智能配电网中绝大多数的保护控制方法并没有对智能配电网大数据进行合 理有效的利用，既浪费了宝贵的资源，又不利于系统的安全稳定运行。
[000引鉴于此，本发明结合智能配电网大数据W及智能配电网保护控制的特点，引入信 息融合、数理统计W及数据分析的相关理论与方法，提出一种基于多维尺度分析与局部异 常因子分析相结合的智能配电网新型保护方法。该方法通过对智能配电网大数据中的状态 监测数据进行信息融合W及数据降维，再对处理过的数据进数据分析，进而进行网络的状 态监测W及故障定位。最后，通过RTDS半实物实时仿真实验，验证本方法的有效性。
【发明内容】
[0004] 有鉴于此，有必要针对上述问题，提供一种智能配电网大数据融合分析与运行状 态监测方法，通过对状态监测数据进行信息融合W及数据降维，再对处理过的数据进行离 群点检测，进而实现配电网的状态监测与故障定位。 阳〇化]为了实现上述目的，本发明的技术方案如下：
[0006] 一种智能配电网大数据融合分析与运行状态监测方法，包括W下步骤：
[0007] S1、数据预处理，选取多个不同特征量，分别建立每个特征量的单时段单特征量状 态监测矩阵；
[0008] S2、信息融合，将多个不同特征量的单时段单特征量状态监测矩阵扩展成一个单 时段多特征量状态监测矩阵，并将该矩阵在时间序列上进行扩充，构建一个高维时空状态 监测矩阵；
[0009] S3、数据分析及可视化处理，采用多维尺度分析算法对高维时空状态监测矩阵进 行处理，保持各对象相对关系基本不变，将高维数据在低维空间中呈现出来，完成数据可视 化的同时降低低价值数据量，进一步实现数据融合，并通过降维处理后的时空状态监测矩 阵进行基于局部异常因子化ocalOutlierFactor,即LO巧分析原理的离群点检测，完成 智能配电网运行状态的在线辨识；
[0010] S4、状态调控与故障监测，将时空状态监测矩阵中的离群点与物理电网中的故障 节点一一对应，故障节点所在的公共区域即为故障区域，若监测到故障发生，则向故障区域 发送故障隔离命令。 1] 作为优选的，所述特征量选取电流和功率两种类型的特征量，包括S相电流、负序 电流、零序电流、零序功率和零序无功。
[0012] 作为优选的，所述步骤Sl具体包括：
[0013] S11、特征量选取，在确保智能配电网状态监测时效性与准确性的前提下，选取多 个特征状态监测量，作为特征量；
[0014] S12、构建网络关联矩阵A，具体包括：
[0015]S121、将配电网中的开关设备作为节点进行编号；
[0016] S122、对处于节点之间的区域进行编号；
[0017]S123、根据节点与区域的关联关系，生成具体的网络关联矩阵A;
[0018] S13、区域差分处理，首先计算各特征量的区域差分矩阵Ri,I^i=ATi,式中，Ti为各 节点终端上传的特征量数据组成的列矩阵；再构建单时段单特征量状态监测矩阵〇1，Di= IaT阳。
[0019] 作为优选的，所述网络关联矩阵构建规则为：关联值为0,表示节点不在区域内； 关联值为1，表示节点位于区域内，节点的电流/功率指向区域内；关联值为-1，表示节点位 于区域内，节点的电流/功率指向区域外。
[0020] 作为优选的，所述步骤S2具体包括，将不同特征量的单时段状态监测矩阵在空间 上拓展成一个单时段多特征量状态监测矩阵Wi,Wi=巧1，〇2,...，化]，式中〇1、〇2…D。为单 时段单特征量状态监测矩阵；再将单时段多特征量状态监测矩阵Wi在时间序列上拓展成 一个多时段多特征量的高维时空状态监测矩阵W，W= [Wi，W2, . . .，Wn]。
[0021] 作为优选的，所述S3中降维处理具体包括，据欧几里德距离计算高维时空状态监 测矩阵中各对象间的相异度矩阵，并根据相异度矩阵计算中屯、化内积矩阵，再求解中屯、化 内积矩阵前两个特征根及各自对应的正交化特征向量Xw,X 最后令M= (xw，X0j)，M 即为高维时空状态监测矩阵W在二维空间的表示。
[0022] 作为优选的，所述离群点检测方法具体包括，首先确定M中各对象的K距离，对象 的K距离定义为对象与除其之外距其最近的第K个对象的距离，再根据K距离计算各对象 的K邻域W及各对象的局部可达距离，最后分别计算各对象的局部可达密度和局部异常因 子。
[0023] 作为优选的，所说步骤S3中，定义LOF值大于5的节点为故障节点。
[0024]与现有技术相比，本发明的有益效果在于：本发明W数据驱动为出发点，无需知道 物理系统的网络参数W及精确模型，且不受系统的运行方式与运行参数的影响，具有免训 练、无整定、准确性好W及可靠性高等特点，特别适用于含分布式电源的智能配电网网络式 控制与保护。
【附图说明】 阳0巧]图1为本发明的方法流程框图；
[0026] 图2是本发明的具体流程不意图；
[0027] 图3为某IOKV配电网状态监测与故障处理拓扑结构图；
[0028] 图4为配电网正常运行时空状态监测矩阵多维尺度分析可视化结果图；
[0029] 图5为配电网正常运行时空状态监测矩阵与LOF分析的可视化结果图；
[0030] 图6为图3中区域Z2故障时空状态监测矩阵多维尺度分析可视化结果图；
[0031] 图7为图3中区域Z2故障时空状态监测矩阵LOF分析可视化结果图；
[0032] 图8为图3中区域Z9故障时空状态监测矩阵多维尺度分析可视化结果图；
[0033] 图9为图3中区域Z9故障时空状态监测矩阵LOF分析可视化结果图。
【具体实施方式】
[0034] 下面结合附图和实施例对本发明所述的智能配电网大数据融合分析与运行状态 监测方法作进一步说明。
[0035] W下是本发明所述的智能配电网大数据融合分析与运行状态监测方法的最佳实 例，并不因此限定本发明的保护范围。
[0036] 图1和图2示出了本发明的智能配电网大数据融合分析与运行状态监测方法流程 图，包括W下步骤：
[0037] S1、数据预处理，数据预处理包括特征量选取、网络关联矩阵构建W及区域差分 处理=方面内容。特征量选取是在确保智能配电网状态监测时效性与准确性的前提下，选 取合适的特征状态监测量，W最大限度地实现多类型故障的可靠识别；网络关联矩阵则是 明确网络各节点之间W及各节点与区域之间的相对关系，为区域差分处理提供依据；区域 差分处理的目的在于对原始特征状态监测数据进行规范与简化，进一步提高数据质量。
[0038] S2、信息融合，本发明采用信息融合的方法构建高维时空状态监测矩阵。首先在空 间上将多个由不同的特征量构建的单时段单特征量状态监测矩阵扩展成一个单时段多特 征量状态监测矩阵；然后，将该矩阵在时间序列上进一步扩充，最终生成一个高维时空状态 监测矩阵。
[0039] S3、数据分析与可视化，该环节首先采用多维尺度分析算法对高维时空状态监测 矩阵进行处理，在保持各对象相对关系基本不变的前提下，将高维数据在低维空间中呈现 出来，在完成数据可视化的同时降低低价值数据量，进一步实现数据融合；然后，对降维处 理后的时空状态监测矩阵进行离群点检测，完成智能配电网运行状态的在线辨识。
[0040] S4、状态调控与故障处理，该环节分为故障前的状态调控W及故障后的故障定位 与隔离两方面内容。故障前的状态调控目的在于预防W及降低故障发生的可能性。时空状 态监测矩阵中的离群点与物理电网中的故障节点一一对应，故障节点所在的公共区域即为 故障区域。因此在故障发生后，数据处理中屯、仅需向该区域内的测控一体化终端发送跳闽 命令即可完成故障的隔离。
[0041] 进一步的，进行所述步骤1时，选取电流与功率两种类型的特征量。包括相电 流、负序电流、零序电流、零序有功、零序无功。
[0042] 进一步的，进行所述步骤1时，网络关联矩阵其构建过程如下：
[0043] (1)将配电网中的开关设备作为节点进行编号；
[0044] (2)对处于节点之间的区域进行编号；
[0045] (3)根据节点与区域的关联关系，生成具体的网络关联矩阵。
[0046] 网络关联矩阵构建规则：关联值为0,表示节点不在区域内；关联值为1，表示节点 位于区域内，节点的电流/功率指向区域内；关联值为-1，表示节点位于区域内，节点的电 流/功率指向区域外。
[0047] 需要说明的是，配电网中节点与区域的编号对网络关联矩阵没有实质性的影响， 因此在对配电网中节点、区域进行编号时无需遵循特定的规则。
[0048] 进一步的进行所述步骤1时，对原始状态监测数据进行区域差分处理W增强故障 节点与正常节点的差异性，本环节的具体处理步骤