基于电网大数据的小电流接地系统单相接地故障选线方法技术方案

本发明专利技术公开了一种基于电网大数据的小电流接地系统单相接地故障选线方法，包括步骤1：对电网故障大数据进行相关性分析，选择与故障相关的数据类型；步骤2：对确定与故障相关的原始数据进行数据清洗与特征提取，将非结构化数据结构化，获得特征大数据；步骤3：对特征大数据进行数据挖掘，获得选线判据分类器；步骤4：使用选线判据分类器对待选线故障进行类别，将分类结果作为选线结果。其通过对电网大数据进行预处理与特征提取，使用大数据挖掘分类算法从电网大数据中挖掘获得高精度选线判据，从而实现故障选线。

Single phase grounding fault line selection method for small current grounding system based on large power grid data

The invention discloses a small current data grid grounding system fault line selection method based on, including 1 steps: the correlation analysis of fault data, and fault related data types; step 2: to determine and data cleaning and feature extraction of fault data related to. The structured unstructured data, characteristics of big data; step 3: data mining on the characteristics of big data, obtain the classifier selection criterion; step 4: use the classifier to the criterion of fault line selection type of route selection, the classification results as line selection results. Through data preprocessing and feature extraction, the large data mining classification algorithm is used to extract high-precision line selection criteria from the power grid data, so as to achieve fault line selection.

【技术实现步骤摘要】
基于电网大数据的小电流接地系统单相接地故障选线方法
本专利技术涉及一种基于电网大数据的小电流接地系统单相接地故障选线方法。
技术介绍
随着我国国民经济的不断增长与人民生活水平的不断提高，用户对供电质量提出了更高的要求。提高供电可靠性是供电部门的一项基本任务。据统计，全国用户遭受的停电事故有95％以上是配电网引起的，而配电网的单相接地故障选线问题使得单相接地故障难以短时间内排除。为此，提高配电网故障选线的准确度对提高电力系统稳定性有着重大的意义。配电网电压等级较低，线路长度较短但是分支线较多，负荷变化大，供电半径长，并且变压器中性点多采用不接地或经消弧线圈接地的方式，这使得配电网故障选线十分困难。现有的小电流系统故障选线方法可以分为三种：第一种是使用故障后的故障特征量来选线的选线法，这类方法主要使用故障发生后母线处的零序电压和各出线的零序电流暂态、稳态信号，使用不同信号处理方法从信号中获取故障特征，通过比较各出线的故障特征差异来进行选线。这种方法在过去一直是主流选线方法，但是其直接面临故障电流过小带来的难题，对互感器精度有较高的要求，加上线路结构和复杂故障接地方式的影响，容易造成误判。第二种是不使用故障特征量来选线的选线法，这类方法通过注入信号或通过中电阻瞬时接地来回避故障电流过小的难题，其缺点是对电网造成冲击，影响电网运行安全稳定，并且不能识别瞬时接地故障。第三种是使用多种故障判据的综合选线法，其相比使用单一判据的选线方法有明显的优势，但是由于其融合的多种选线方法依然存在缺陷，依赖于线路出口的零序互感器采集数据，导致受到互感器精度影响较大，综合选线法仍然没有很好的解决选线问题。随着配电网自动化的普及，主站及其他应用系统实时记录着大量的电气量、非电气量数据，这些数据记录了配电网在故障发生前后的运行状态，在原理上可以反映故障或者故障发生的趋势，因此包含了大量的故障信息，而这些信息在故障选线中难以被利用起来。近年来大数据理论的兴起促进了大数据思想的转变和大数据挖掘技术的发展，这为使用电网大数据进行故障选线提供了基础。
技术实现思路
为了解决现有技术的不足，本专利技术提供了一种基于电网大数据的小电流接地系统单相接地故障选线方法。该方法通过对电网大数据进行预处理与特征提取，使用大数据挖掘分类算法从电网大数据中挖掘获得高精度选线判据，从而实现故障选线。本专利技术的一种基于电网大数据的小电流接地系统单相接地故障选线方法，包括：步骤1：对电网故障大数据进行相关性分析，选择与故障相关的数据类型；步骤2：对确定与故障相关的原始数据进行数据清洗与特征提取，将非结构化数据结构化，获得特征大数据；步骤3：对特征大数据进行数据挖掘，获得选线判据分类器；步骤4：使用选线判据分类器对待选线故障进行类别，将分类结果作为选线结果。进一步的，在所述步骤1中，电网故障大数据包括电气量数据与非电气量数据。进一步的，在所述步骤1中，对电网故障大数据进行相关性分析得到最大信息系数，利用最大信息系数来衡量某一类型数据与故障选线结果的关联程度。进一步的，对电网故障大数据进行相关性分析得到最大信息系数的具体过程包括：步骤1.1：将相应电网故障大数据进行预处理，得到的一维的电网故障大数据；步骤1.2：对于任意两个一维的电网故障大数据构成的散点图进行网格化，计算互信息值。并且在不同的网格划分下，寻找最大互信息值，并进行归一化；步骤1.3：筛选出归一化后最大的最大互信息值作为最大信息系数。进一步的，在所述步骤2中，对确定与故障相关的原始数据进行数据清洗的过程中，包括对空缺值与错误数据的处理。进一步的，对空缺值的处理包括：人工填补，或设置为全局常量或所属属性下的平均值填补，或通过插值填补。进一步的，当电网故障大数据为零序电压和电流数据时，特征大数据包括故障零序电流稳态值的基波/五次谐波幅值和极性特征量。进一步的，当电网故障大数据为零序电压和电流数据时，特征大数据还包括小波包能量特征量、首半波幅值与极性特征量和暂态零模特征电流幅值与极性特征量。进一步的，在步骤3中，使用大数据挖掘分类算法对特征大数据进行数据挖掘。进一步的，大数据挖掘分类算法为人工神经网络与支持向量机。与现有技术相比，本专利技术的有益效果是：(1)本专利技术提高了故障选线的准确度，适用于不同的中性点接地方式，能识别不同的单相接地故障类型。(2)本专利技术提出的方法使用了电网大数据，能结合其投入的系统的实际故障特点，增强了对错误故障信息的容错性，在数据缺失的情况下仍然能够进行选线。(3)本专利技术提出的故障选线方法具有自学习功能，在投入运行后可以通过更新历史故障大数据，逐步提高选线功能。(4)本专利技术提出的选线方法使用了先进算法，拥有复杂但完整的故障判据，具有很高的鲁棒性，抗干扰能力强。(5)本专利技术提出的选线方法不改变中性点运行方式，不注入信号，不会对系统造成冲击，不影响系统的安全稳定。(6)本专利技术提出的选线方法不需增设任何信息采集设备，成本低，收益大。(7)本专利技术的后期可扩展功能强，在数据获取与处理的基础上，后期可以扩展故障预测、故障定位等功能。附图说明构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。图1为本专利技术的一种基于电网大数据的小电流接地系统单相接地故障选线方法流程图。图2为分类模式示意图。图3为神经网络示意图。图4为支持向量机示意图。具体实施方式应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属
的普通技术人员通常理解的相同含义。需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。图1为本专利技术的一种基于电网大数据的小电流接地系统单相接地故障选线方法流程图。如图1所示，本专利技术的一种基于电网大数据的小电流接地系统单相接地故障选线方法，包括：步骤1：对电网故障大数据进行相关性分析，选择与故障相关的数据类型。在具体实施中，在所述步骤1中，电网故障大数据包括电气量数据与非电气量数据。在所述步骤1中，对电网故障大数据进行相关性分析得到最大信息系数，利用最大信息系数来衡量某一类型数据与故障选线结果的关联程度。而且，对电网故障大数据进行相关性分析得到最大信息系数的具体过程包括：步骤1.1：将相应电网故障大数据进行预处理，得到的一维的电网故障大数据；步骤1.2：对于任意两个一维的电网故障大数据构成的散点图进行网格化，计算互信息值。并且在不同的网格划分下，寻找最大互信息值，并进行归一化；步骤1.3：筛选出归一化后最大的最大互信息值作为最大信息系数。例如：本专利技术使用最大信息系数(MaximalInformationCoefficient,MIC)来衡量某一类型数据与故障选线结果的关联程度。MIC的计算过程如下：a)确保所分析数据维数是一维的，若为高维数据，则进行特征提取或使用主成分分析(PrincipleComponentAnal本文档来自技高网...

【技术保护点】
一种基于电网大数据的小电流接地系统单相接地故障选线方法，其特征在于，包括：步骤1：对电网故障大数据进行相关性分析，选择与故障相关的数据类型；步骤2：对确定与故障相关的原始数据进行数据清洗与特征提取，将非结构化数据结构化，获得特征大数据；步骤3：对特征大数据进行数据挖掘，获得选线判据分类器；步骤4：使用选线判据分类器对待选线故障进行类别，将分类结果作为选线结果。

【技术特征摘要】
1.一种基于电网大数据的小电流接地系统单相接地故障选线方法，其特征在于，包括：步骤1：对电网故障大数据进行相关性分析，选择与故障相关的数据类型；步骤2：对确定与故障相关的原始数据进行数据清洗与特征提取，将非结构化数据结构化，获得特征大数据；步骤3：对特征大数据进行数据挖掘，获得选线判据分类器；步骤4：使用选线判据分类器对待选线故障进行类别，将分类结果作为选线结果。2.如权利要求1所述的一种基于电网大数据的小电流接地系统单相接地故障选线方法，其特征在于，在所述步骤1中，电网故障大数据包括电气量数据与非电气量数据。3.如权利要求1所述的一种基于电网大数据的小电流接地系统单相接地故障选线方法，其特征在于，在所述步骤1中，对电网故障大数据进行相关性分析得到最大信息系数，利用最大信息系数来衡量某一类型数据与故障选线结果的关联程度。4.如权利要求3所述的一种基于电网大数据的小电流接地系统单相接地故障选线方法，其特征在于，对电网故障大数据进行相关性分析得到最大信息系数的具体过程包括：步骤1.1：将相应电网故障大数据进行预处理，得到的一维的电网故障大数据；步骤1.2：对于任意两个一维的电网故障大数据构成的散点图进行网格化，计算互信息值。并且在不同的网格划分下，寻找最大互信息值，并进行归一化；步骤1.3：筛选出...

【专利技术属性】
技术研发人员：王连城，代桃桃，邵政，
申请(专利权)人：山东海兴电力科技有限公司，
类型：发明
国别省市：山东,37