电力故障波形的判定系统及方法与流程

1.本发明涉及电力故障判定，属于电力领域。


背景技术：

2.随着经济的不断发展，电力系统发展迅猛，特别是在输变电高电压等级厂/站中，各种二次监测设备、控制设备已可以满足变电站安全运行的需要，厂/站内自动化程度相对较高。
3.目前，电网对现场故障数据的管理，还处在手工化管理阶段，发生故障时，对故障数据的获取去厂/站现场手动查找和磁盘文件拷贝的办法，效率很低，阻碍了电网故障分析和定位的及时性、高效性的迫切需求，故障排除时间加长，停电时间加长，供电质量下降。
4.电网数据的集中监测、数据共享与智能化分析，已成为必然的发展趋势。因此，现有需要高效的判定故障的方法。


技术实现要素：

5.本发明的目的是为了解决如何高效的判定电网故障的问题，提出了电力故障波形的判定系统及方法。
6.电力故障波形的判定方法，所述方法包括以下内容：
7.步骤1、采集辖区电网中的故障波形数据，从每个故障波形数据中提取特征数据组成数据集；
8.步骤2、采用主成分分析算法对数据集进行降维处理，得到降维后的数据集；
9.步骤3、将降维后的数据集输入到极限学习机模型中进行训练，得到训练后的电网故障模型；
10.步骤4、将实时采集到的电网数据输入至训练后的电网故障模型，得到电网故障类型。
11.优选地，辖区电网中的故障波形数据包括a相接地故障、b相接地故障、c相接地故障、ab相短路故障、ac相短路故障、bc相短路故障、ab相接地故障、ac相接地故障、bc相接地故障和abc相接地故障。
12.优选地，特征数据包括abc电压及相位角、abc电流及相位角、零序电流及相位、零序电压及相位、负序电流及相位和负序电压及相位。
13.优选地，步骤3中，将降维后的训练数据集输入到极限学习机模型中进行训练，得到训练后的电网故障模型，具体为：
14.将降维后的训练数据集输入到极限学习机模型中的目标函数中，使目标函数最小化，获得极限学习机模型的输出权重，将确定权重后的极限学习机模型作为训练后的电网故障模型。
15.电力故障波形的判定系统，所述系统包括主站侧系统、应用侧客户端和多个变电站；
16.每个变电站，均用于采集对应变电站内的电网数据，并发送给主站侧系统；
17.主站侧系统，用于接收多个变电站发来的电网数据，对电网数据进行处理，获得电网数据中的电网故障类型，将电网故障类型发给应用侧客户端；
18.应用侧客户端，用于显示电网故障类型。
19.优选地，每个变电站均包括一号数据网接入交换机、一号内部交换机和2个录装装置；
20.主站侧系统包括二号数据网接入交换机、二号内部交换机、防火墙和服务器；
21.应用侧客户端包括多个监测客户端和三号内部交换机；
22.2个录装装置，用于同步采集电网数据，并将该电网数据依次通过一号内部交换机、一号数据网接入交换机、二号数据网接入交换机、二号内部交换机传送给服务器；
23.服务器，用于对电网数据进行处理，获得电网数据中的电网故障类型，将电网故障类型依次通过二号内部交换机、防火墙和三号内部交换机发送给对应的监测客户端。
24.优选地，获得电网故障类型的具体过程为：
25.服务器内存储有从辖区电网中采集的故障波形数据，从每个故障波形数据中提取特征数据组成数据集；采用主成分分析算法对数据集进行降维处理，得到降维后的数据集；将降维后的数据集输入到极限学习机模型中进行训练，得到训练后的电网故障模型；将实时采集到的电网数据输入至训练后的电网故障模型，得到电网故障类型。
26.本发明的有益效果是：
27.1)本技术可以方便在线对各变电站的故障录装装置的运行情况进行监视；
28.2)可以第一时间即时的看到、得到相应的故障数据，及时进行故障分析和故障定位，快速指挥，科学正确的进行故障排查和整改，缩短停电时间和停电次数，提高供电质量，有效保证社会生产和群众的日常生活用电，其间接经济效益不可估量；
29.3)可以从整体上对辖区内的故障数据、故障分部特点等进行科学的分析，明确故障排查的重点和方向，可以有效的指导故障预防和处理，减小事故机率；
30.4)可以对故障数据进行有效的综合管理，可以快速有效的实现故障数据的检索和分析；
31.可以提高故障录波器(录装装置)的整体管理和利用率，提高整体工作效率，提升自动化水平，间接的减小人为造成的工作失误。
附图说明
32.图1为电力故障的判定系统的原理示意图；
33.图2为电力故障的判定方法的流程图。
具体实施方式
34.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
35.需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相
互组合。
36.下面结合附图和具体实施例对本发明作进一步说明，但不作为本发明的限定。
37.具体实施方式一：结合图2说明本实施方式，本实施方式所述的电力故障波形的判定方法，所述方法包括以下内容：
38.步骤1、采集辖区电网中的故障波形数据，从每个故障波形数据中提取特征数据组成数据集；
39.步骤2、采用主成分分析算法对数据集进行降维处理，得到降维后的数据集；
40.步骤3、将降维后的数据集输入到极限学习机模型中进行训练，得到训练后的电网故障模型；
41.步骤4、将实时采集到的电网数据输入至训练后的电网故障模型，得到电网故障类型。
42.本实施方式中，通过对上述智能算法和典型故障数据特征进行研究与融合，训练和和构建典型故障智能化分析算法模型，通过智能化算法模型实现上述典型故障的分析、识别与准确判定。
43.1)数据收集与整理对辖区电网中的典型故障数据进行收集整理和归类；
44.2)数据集整理对每类典型故障数据的特征值进行计算、提取和整理；对整理出的数据集，各种故障类型的数据集，分别取出30％，作为模型训练成功后的二次测试数据集。
45.3)数据降维处理对主成分分析算法进行原理和使用研究，通过主成分分析算法对，上述准备好的数据集进行加工和处理，实现数据降维，提取并合成新的对故障数据判定影响因素较大的主要数据成分。
46.3)智能算法模型构建与训练对改进极限学习机算法的特点与应用进行研究，将上述降维后的数据模型，输入到改进机器学习机算法中，进行模型的训练和评估，训练后的准确率就可达到90％及以上，通过模型训练，得到最终的电网典型故障模型；
47.4)算法的模型测试将之前预留的30％的数据集，作为训练好的模型的输入，对模型的准确率进行计算和评估。
48.5)模型封装与打包
49.将上述训练和加工后的模型，根据软件平台和或装置运行平台的需要，采用合适的开发言进行封装，本项目的模型在离线分析软件中使用，采用c++语言进行封装，生成动态库，预留对外调用接口，便于分析软件的调用。
50.具体实施方式二：本实施方式是对具体实施方式一所述的电力故障波形的判定方法进一步限定，在本实施方式中，辖区电网中的故障波形数据包括a相接地故障、b相接地故障、c相接地故障、ab相短路故障、ac相短路故障、bc相短路故障、ab相接地故障、ac相接地故障、bc相接地故障和abc相接地故障。
51.具体实施方式三：本实施方式是对具体实施方式一所述的电力故障波形的判定方法进一步限定，在本实施方式中，特征数据包括abc电压及相位角、abc电流及相位角、零序电流及相位、零序电压及相位、负序电流及相位和负序电压及相位。
52.具体实施方式四：本实施方式是对具体实施方式一所述的电力故障波形的判定方法进一步限定，在本实施方式中，步骤3中，将降维后的训练数据集输入到极限学习机模型中进行训练，得到训练后的电网故障模型，具体为：
53.将降维后的训练数据集输入到极限学习机模型中的目标函数中，使目标函数最小化，获得极限学习机模型的输出权重，将确定权重后的极限学习机模型作为训练后的电网故障模型。
54.具体实施方式五：结合图1说明本实施方式，本实施方式所述的电力故障波形的判定系统，所述系统包括主站侧系统、应用侧客户端和多个变电站；
55.每个变电站，均用于采集对应变电站内的电网数据，并发送给主站侧系统；
56.主站侧系统，用于接收多个变电站发来的电网数据，对电网数据进行处理，获得电网数据中的电网故障类型，将电网故障类型发给应用侧客户端；
57.应用侧客户端，用于显示电网故障类型。
58.本实施方式中，服务器包括图1中的通讯服务器、主站服务器和应用工作站。
59.电力故障的判定系统的功能：
60.1)变电站/设备信息管理
61.可以对变电站以及设备信息进行增加、删除、修改、查看等操作。
62.2)装置类型管理；
63.可以根据需要，增加、删除、修改、查看相应的装置类型信息。
64.3)装置功能配置；
65.可以通过配置的方式，来管理对设备的所有操作。
66.4)用户管理；
67.可以增加、删除、修改、查看系统合法的用户信息；
68.5)权限管理；
69.可以针对某个用设定相应的子系统及装置的功能操作权限，增加系统的数据安全性；
70.6)装置关联资料管理；
71.可以上传、下载、共享某装置的关联资料文件等，如：验收报告、检修报告、运行记录等资料。
72.7)数据发布；
73.可以对采集的录波数据进行发布，用户可能通过web浏览器可以对相应的数据信息进行查看、下载、分析等。
74.8)设备数据召唤；
75.用户可以向相应的设备下达命令，召唤相应的数据信息，如：取装置时间、取装置版本号、取装置地址、取装置运行状态、列录波文件目录、取装置定值、手动启动录波等。具体可执行的命令，与装置本身可支持命令类型有关。
76.9)电能质量数据管理；
77.用户可以向相应的设备下达命令，召唤电能质量数据，进行在线和离线分析管理等。具体可执行的命令，与装置本身可支持命令类型有关。
78.10)设备状态、通讯链路监视；
79.可以图形或列表的形式，对设备的运行状态以及通讯链路的状态进行实时显示；
80.11)一次接线图、系统图、保护位置图等的图形绘制、配置功能；
81.具有图形绘制功能，可以方便的完成系统一次接线图、保护位置图、系统图等的绘
制，并可能方便的应用于实时监控系统中。
82.12)采集站一次接线图、系统图、保护位置图等的显示；
83.13)可以显示采集站的一次接线图、保护位置图以及系统结构图等。
84.14)录波告警实时显示；
85.系统具有事件信息主动上传功能，有新的录波数据生成时，可即时的上传到实时监控客户端进行显示。用户可实时调取这些数据进行查看、下载和分析等。
86.15)录波数据查询；
87.用户可根据相应的条件(变电站、设备类型、设备、时间等)对历史数据进行查询。对查询到的录波数据可以进行下载、查看波形和分析。
88.16)录波数据在线调取、下载、波形显示、分析、转存等；
89.用户可以随时通过上传的录波简报，调取、下载相应的录波数据，并进行下载、波形显示、分析、转存等。
90.17)录波数据统计；
91.可对某装置的录波数据信息进行统一，并可以折线图、柱状图等形式进行显示。
92.18)系统数据web发布；
93.可对系统中的录波数据信息、相关文档资料信息等进行发布，用户可以在网页中进行相关数据进行查询、下载和分析等，实现数据的最大化共享。
94.19)公用资料/工具共享管理；
95.对系统中的公用资料以及常用工具等，可以通过网络下载中心的形式进行共享；
96.20)所有的管理功能均可以在浏览器中进行；
97.21)系统中的所有操作均可能在网页上进行；
98.22)对系统中的实时监测信息，可以实现多点同步监控；
99.23)通信采集功能
100.a、实时对采集站中录波装置的新的录波数据进行采集、上传；
101.b、可以对系统中的多个采集站的多个装置进行同步管理；
102.c、具有较强的装置类型扩展功能，如：需要接入新的类型的装置时，只需完成该装置的通讯协议，对系统的整体结构无影响；也可扩展接入保护装置、电源装置等；
103.d、通讯接口扩展方便。可以方便的实现口扩展，向其它相关的服务口提供通讯数据。如：省调或网调等。
104.具体实施方式六：本实施方式是对具体实施方式五所述的电力故障波形的判定系统进一步限定，在本实施方式中，每个变电站均包括一号数据网接入交换机、一号内部交换机和2个录装装置；
105.主站侧系统包括二号数据网接入交换机、二号内部交换机、防火墙和服务器；
106.应用侧客户端包括多个监测客户端和三号内部交换机；
107.2个录装装置，用于同步采集电网数据，并将该电网数据依次通过一号内部交换机、一号数据网接入交换机、二号数据网接入交换机、二号内部交换机传送给服务器；
108.服务器，用于对电网数据进行处理，获得电网数据中的电网故障类型，将电网故障类型依次通过二号内部交换机、防火墙和三号内部交换机发送给对应的监测客户端。
109.具体实施方式七：本实施方式是对具体实施方式六所述的电力故障波形的判定系
统进一步限定，在本实施方式中，获得电网故障类型的具体过程为：
110.服务器内存储有从辖区电网中采集的故障波形数据，从每个故障波形数据中提取特征数据组成数据集；采用主成分分析算法对数据集进行降维处理，得到降维后的数据集；将降维后的数据集输入到极限学习机模型中进行训练，得到训练后的电网故障模型；将实时采集到的电网数据输入至训练后的电网故障模型，得到电网故障类型。
111.虽然在本文中参照了特定的实施方式来描述本发明，但是应该理解的是，这些实施例仅仅是本发明的原理和应用的示例。因此应该理解的是，可以对示例性的实施例进行许多修改，并且可以设计出其他的布置，只要不偏离所附权利要求所限定的本发明的精神和范围。应该理解的是，可以通过不同于原始权利要求所描述的方式来结合不同的从属权利要求和本文中所述的特征。还可以理解的是，结合单独实施例所描述的特征可以使用在其他所述实施例中。

技术特征：
1.电力故障波形的判定方法，其特征在于，所述方法包括以下内容：步骤1、采集辖区电网中的故障波形数据，从每个故障波形数据中提取特征数据组成数据集；步骤2、采用主成分分析算法对数据集进行降维处理，得到降维后的数据集；步骤3、将降维后的数据集输入到极限学习机模型中进行训练，得到训练后的电网故障模型；步骤4、将实时采集到的电网数据输入至训练后的电网故障模型，得到电网故障类型。2.根据权利要求1所述的电力故障波形的判定方法，其特征在于，辖区电网中的故障波形数据包括a相接地故障、b相接地故障、c相接地故障、ab相短路故障、ac相短路故障、bc相短路故障、ab相接地故障、ac相接地故障、bc相接地故障和abc相接地故障。3.根据权利要求1所述的电力故障波形的判定方法，其特征在于，特征数据包括abc电压及相位角、abc电流及相位角、零序电流及相位、零序电压及相位、负序电流及相位和负序电压及相位。4.根据权利要求1所述的电力故障波形的判定方法，其特征在于，步骤3中，将降维后的训练数据集输入到极限学习机模型中进行训练，得到训练后的电网故障模型，具体为：将降维后的训练数据集输入到极限学习机模型中的目标函数中，使目标函数最小化，获得极限学习机模型的输出权重，将确定权重后的极限学习机模型作为训练后的电网故障模型。5.电力故障波形的判定系统，其特征在于，所述系统包括主站侧系统、应用侧客户端和多个变电站；每个变电站，均用于采集对应变电站内的电网数据，并发送给主站侧系统；主站侧系统，用于接收多个变电站发来的电网数据，对电网数据进行处理，获得电网数据中的电网故障类型，将电网故障类型发给应用侧客户端；应用侧客户端，用于显示电网故障类型。6.根据权利要求5所述的电力故障波形的判定系统，其特征在于，每个变电站均包括一号数据网接入交换机、一号内部交换机和2个录装装置；主站侧系统包括二号数据网接入交换机、二号内部交换机、防火墙和服务器；应用侧客户端包括多个监测客户端和三号内部交换机；2个录装装置，用于同步采集电网数据，并将该电网数据依次通过一号内部交换机、一号数据网接入交换机、二号数据网接入交换机、二号内部交换机传送给服务器；服务器，用于对电网数据进行处理，获得电网数据中的电网故障类型，将电网故障类型依次通过二号内部交换机、防火墙和三号内部交换机发送给对应的监测客户端。7.根据权利要求6所述的电力故障波形的判定系统，其特征在于，获得电网故障类型的具体过程为：服务器内存储有从辖区电网中采集的故障波形数据，从每个故障波形数据中提取特征数据组成数据集；采用主成分分析算法对数据集进行降维处理，得到降维后的数据集；将降维后的数据集输入到极限学习机模型中进行训练，得到训练后的电网故障模型；将实时采集到的电网数据输入至训练后的电网故障模型，得到电网故障类型。

技术总结
电力故障波形的判定系统及方法，属于电力领域，本发明的目的是为了解决如何高效的判定电网故障的问题。步骤1、采集辖区电网中的故障波形数据，从每个故障波形数据中提取特征数据组成数据集；步骤2、采用主成分分析算法对数据集进行降维处理，得到降维后的数据集；步骤3、将降维后的数据集输入到极限学习机模型中进行训练，得到训练后的电网故障模型；步骤4、将实时采集到的电网数据输入至训练后的电网故障模型，得到电网故障类型。用于判定电网故障。得到电网故障类型。用于判定电网故障。得到电网故障类型。用于判定电网故障。


技术研发人员：于国良 肖同心 金志宇 纪春雪 王龙善 张帆 梁磊磊 姜传博
受保护的技术使用者：国家电网有限公司
技术研发日：2023.03.24
技术公布日：2023/7/12