一种基于先验概率的多元电网故障类型的判别方法技术

本发明专利技术公开了一种基于先验概率的多元电网故障类型的判别方法，包括以下步骤：步骤1，从多元电网数据库中获取历史故障数据，对历史故障数据进行特征提取；步骤2，计算步骤1提取的每类历史故障数据的特征分类输出的先验概率；步骤3，对测试数据样本进行特征提取，根据步骤2获得的先验概率计算获得测试数据样本特征与历史故障数据特征对应的故障分类概率输出；步骤4，将每类故障中测试数据样本特征的概率输出进行加权处理，加权结果最大的故障分类作为最终判决故障分类的结果进行输出。本发明专利技术的判别方法可降低数据运算的维度，能够提高系统的判别效率。

【技术实现步骤摘要】
一种基于先验概率的多元电网故障类型的判别方法
本专利技术属于智能电网
，特别涉及一种基于先验概率的多元电网故障类型的判别方法。
技术介绍
多元电网具有电源类型多以及电网运行干扰因素多的特征，对于多元电网的监测越来越受到重视。随着智能电网的建设和发展，从电网运行数据层面对电网监测得到了很大的发展。SCADA系统所综合的数据业务多，目前已经成为电网数据监测过程中非常重要的设备。SCADA系统强大的数据存储能力，使其能够在电网稳态运行时辅助调度员监控电力系统，也能够在故障时为调度员提供故障数据信息。目前在电网运行过程中，当电网发生故障时，SCADA系统虽然能够为工作人员提供开关信息和保护的出口动作信息，但这些远远不能满足故障分类的需求。系统强大的数据给故障诊断和分类提供了很多可行的办法。神经网络算法的应用越来越多，在电网故障诊断方面也做出了很多的尝试。但基于神经网络算法的故障诊断方法需要大量的故障数据进行样本训练，又需要通过大量实时监测数据进行故障的判断，对于系统数据的运算能力要求很高，亟需一种新型的故障类型判别方法。
技术实现思路
本专利技术的目的在于提供一种基于先验概率的多元电网故障本文档来自技高网...

【技术保护点】
1.一种基于先验概率的多元电网故障类型的判别方法，其特征在于，包括以下步骤：步骤1，从多元电网数据库中获取历史故障数据，将历史故障数据分为k类，对每类历史故障数据进行特征提取；步骤2，计算步骤1提取的每类历史故障数据的特征分类输出的先验概率；步骤3，对测试数据样本进行特征提取，根据步骤2获得的先验概率计算获得测试数据样本特征与历史故障数据特征对应的故障分类概率输出；步骤4，计算测试数据样本提取的每个特征输出的故障分类对应的权值，将每类故障中测试数据样本特征的概率输出进行加权处理，加权结果最大的故障分类作为最终判决故障分类的结果进行输出。

【技术特征摘要】
1.一种基于先验概率的多元电网故障类型的判别方法，其特征在于，包括以下步骤：步骤1，从多元电网数据库中获取历史故障数据，将历史故障数据分为k类，对每类历史故障数据进行特征提取；步骤2，计算步骤1提取的每类历史故障数据的特征分类输出的先验概率；步骤3，对测试数据样本进行特征提取，根据步骤2获得的先验概率计算获得测试数据样本特征与历史故障数据特征对应的故障分类概率输出；步骤4，计算测试数据样本提取的每个特征输出的故障分类对应的权值，将每类故障中测试数据样本特征的概率输出进行加权处理，加权结果最大的故障分类作为最终判决故障分类的结果进行输出。2.根据权利要求1所述的一种基于先验概率的多元电网故障类型的判别方法，其特征在于，步骤1中，从历史数据库中的故障数据库提取历史故障数据，将历史故障数据分为k类；相同类型的故障提取故障发生时以及预设时间段内故障发生前和故障发生后的数据，建立历史故障数据样本库，提取历史故障数据的特征，并建立历史故障数据训练样本特征库。3.根据权利要求1所述的一种基于先验概率的多元电网故障类型的判别方法，其特征在于，步骤3中，根据实时监测数据得到测试数据样本；测试数据样本与历史故障数据的格式相同。4.根据权利要求1所述的一种基于先验概率的多元电网故障类型的判别方法，其特征在于，故障类型记为k类故障标签，每一类历史故障数据提取m种特征；步骤3中，测试数据样本提取m种特征，测试数据样本特征对应的故障分类概率输出记为Pij(C＝i|input)，其中i表示第i类故障分类标签，j表示第j种特征，其中i＝1,2,…,k，j＝1,2,…,m；其中，第j组故障类型判决结果对应的概率输出为该组故障分类所有故障标签概率输出的最大值，表达式为：5.根据权利要求4...

【专利技术属性】
技术研发人员：吴子豪，解振学，王磊，王永庆，黑新宏，魏昊焜，王若谷，尚渭萍，张燕平，师鹏，李明，田刚旗，李华，万天虎，李广，白欢，王辰曦，周艺环，张小平，唐露甜，李高阳，杜楠，梁勇，赵嘉，刘桐，
申请(专利权)人：国网陕西省电力公司电力科学研究院，西安理工大学，西安电子科技大学，国家电网有限公司，
类型：发明
国别省市：陕西,61