一种基于PMU数据和故障录波数据的电网故障诊断方法技术

本发明专利技术属于电网故障诊断方法技术领域，尤其涉及一种基于PMU数据和故障录波数据的电网故障诊断方法，具体是一种基于改进D‑S证据理论和模糊C‑均值聚类的电网故障智能诊断方法。包括从保护故障信息管理系统RPMS获取故障发生后故障录波器采集的电压、电流录波数据，从PMU量测点获取电压录波数据；基于小波变换及能量谱分析，求取电气量故障可信度表征；将三个可信度作为证据体，采用改进D‑S证据理论进行信息融合；对融合结果进行FCM分析；获得最终的电网故障诊断结果。本发明专利技术大幅度提高了可操作性，具有很高的工程应用价值。避免断路拒动，保护误动的影响。还能够使评估结果更加准确，具有十分重要的实用价值，适用范围广。

A Method of Power Network Fault Diagnosis Based on PMU Data and Fault Recording Data

【技术实现步骤摘要】
一种基于PMU数据和故障录波数据的电网故障诊断方法
本专利技术属于电网故障诊断方法
，尤其涉及一种基于PMU数据和故障录波数据的电网故障诊断方法，具体是一种基于改进D-S证据理论和模糊C-均值聚类的电网故障智能诊断方法。
技术介绍
电力系统同步相量测量装置PhasorMeasurementUnit(PMU)是用于进行同步相量的测量和输出以及进行动态记录的装置。电力系统中PMU从GPS中同步采集次秒级的模拟电压、电流信号，得到电压和电流信号的幅值和相角，并将其传送到调度中心的数据集中器，在调度中心可以得到整个电网的同步相量，以供实时监测、保护和控制等使用，广泛应用于电力系统广域测量系统的各个环节。同时调度中心还可通过保护故障信息管理系统(RPMS)收集分布于各个厂站的故障录波器录波信息。如何将PMU数据和故障录波数据用于在电网发生故障时快速准确的诊断出故障元件十分重要。目前电网故障诊断方法主要是基于开关量信息，通过专家系统、神经网络、贝叶斯网络、Petri网、解析模型等算法来实现，这些方法取得一定效果，但在实际故障发生时，保护和断路器可能存在误动和拒动，有时单一基于开关量信息的故障诊断难以得到准确结果。
技术实现思路
目前电网故障诊断方法主要是基于开关量信息，但在实际故障发生时，保护和断路器可能存在误动和拒动，有时单一基于开关量信息的故障诊断难以得到准确结果。针对现有技术中存在的不足之处，本专利技术提供一种基于PMU数据和故障录波数据的电网故障诊断方法。其目的是为了针对电网故障问题，首先利用小波变换分析故障录波器及PMU的电气量信息，得到元件的三种故障可信度表征；其次对各故障表征基于改进的D-S证据理论进行信息融合，得到元件的综合故障可信度，给出故障判据；最后采用模糊C-均值法对故障元件进行诊断决策，得到最终诊断结果。该方法具有很高的工程应用价值，可适用于不同地区、不同规模电力系统中。为了实现上述专利技术目的，本专利技术是通过以下技术方案来实现的：一种基于PMU数据和故障录波数据的电网故障诊断方法，包括下述步骤：步骤1.从保护故障信息管理系统RPMS获取故障发生后故障录波器采集的电压、电流录波数据，从PMU量测点获取电压录波数据；步骤2.基于小波变换及能量谱分析，求取电气量故障可信度表征；步骤3.将三个可信度作为证据体，采用改进D-S证据理论进行信息融合；步骤4.对融合结果进行FCM分析；步骤5.获得最终的电网故障诊断结果。所述电气量故障可信度表征包括：能量可信度、奇异可信度、能量畸变可信度。所述能量可信度包括：对故障信号进行小波变换以及系数重构，设E1，E2…Ez，Ez+1为信号在z个尺度上的小波能量分布，小波能量的定义如式(4)：式(4)中，E1，E2…Ez，Ez+1为信号在z个尺度上的小波能量分布，z为小波分解最大尺度，n为离散信号点数，Dj(n)为每次分解下的高频分量；Az(n)则为尺度z下的低频分量；信号x(n)的小波总能量如式(5)：式(5)中，E(x)为信号x(n)的小波总能量，E1，E2…Ez，Ez+1为信号在z个尺度上的小波能量分布；假设发生故障时，第i(i＝1,…,m)个元件的故障信号为xi(n)，在上节所求故障时刻基础上，求取录波器电流信号故障后一个波形周期的小波总能量；取其三相中的最大值作为所求结果Ei，定义能量可信度Ei＝(e1,e2,…,em)，其元素表示出了对各线路故障的相对支持程度；式(6)中，ei为能量可信度Ei中第i个元素，m为线路总数，Ei为线路i的小波总能量。所述奇异可信度包括：奇异值分解(SingularValueDecomposition)：任何m×n阶矩阵A的奇异值分解可表示为A＝UΛVT，其中U和V分别为m×m阶和n×n阶正交矩阵；Λ＝diag(λ1,λ2,…,λt)为对角矩阵t＝min(m,n)；其非负的对角元素按降序排列，为A的奇异特征值；电网发生故障时，录波器采集的故障电压信号与非故障电压信号相比，含有较多的谐波分量，将所得电压信号用db4小波进行3层小波分解，再分别求取三层重构系数，将此三个重构系数构成矩阵，以此反映电压信号的细节信息，对此矩阵进行奇异值分解，设Λi＝diag(λ1,λ2,…,λt)为系统第i个元件的奇异特征矩阵，令定义奇异可信度Si＝(s1,s2,…,sn)；其中si的获取方式与式(6)类似；对录波器整个电压信号求取奇异可信度，作为一条证据体参与信息融合。所述能量畸变可信度包括：电网发生故障后，故障线路电压的幅值变化程度会比非故障线路更加明显，以能量畸变可信度来反映这一特性，对PMU所得电压信号，计算出故障发生前后1个波形周期的小波总能量；设求得线路故障前小波总能量为Eb，故障后小波总能量为Ea，定义能量畸变度：式(7)中，Di为能量畸变度，Eb为故障前小波总能量，Ea为故障后小波总能量；线路各相电压求得的最大值作为此线路的能量畸变度，定义能量畸变可信度Di＝(d1,d2,…,dn)；其中di的获取方式与式(6)类似，表示对各线路故障的支持程度。所述将三个可信度作为证据体，采用改进D-S证据理论进行信息融合，是根据得到的能量可信度、奇异可信度、能量畸变可信度，加入不确定度，使其作为证据体，采用改进D-S证据理论进行信息融合。所述对融合结果进行FCM分析，是根据融合结果，对其进行模糊C-均值聚类处理。所述获得最终的电网故障诊断结果，是根据所得到的聚类处理结果，经隶属度与阈值比较，确定故障线路。所述诊断方法包括：用PSCAD仿真IEEE39节点系统，采用MATLAB编程验证，其中：1)IEEE39节点系统的PSCAD仿真模型中，线路长度均取为100km；2)PMU的配置：在节点3,8,10,16,20,23,25,29配置PMU，达到电力系统状态完全可观测；3)FCM的类隶属度阂值取0.5；4)处理电气量的多分辨率小波变换采用MATLAB“db4”小波进行；仿真时长为2s，在1s处设定线路发生单相接地故障，故障持续时间为0.2s；假设线路L9-39(L9-39为节点9到节点39间线路)发生单相接地短路故障；取10条线路L9-39，L1-39，L5-8，L3-18，L6-11，L16-17，L16-19，L19-33，L28-29，L22-23这10条线路与表1中的1-10编号相对应，从中选取L9-39，L1-39的三相电压电流波形，由上到下依次是，L9-39的电流，L9-39的电压，L1-39的电流，L1-39的电压；对10条线路分别求取能量可信度、奇异可信度、能量畸变可信度，分别对应表一中T1,T2,T3，以三相中的最大值作为所求结果；对融合结果T1采用模糊C均值法进行诊断决策，迭代停止误差设为10-5，迭代次数为100次，第一类中心值为0.0123，第二类中心值为0.8636，选定第二类为故障集，表一中诊断结果T2为线路对于第二类的隶属度，经隶属度与阈值比较，确定L9-39发生故障；所述的诊断方法包括以下步骤：第1.小波分析：从故障录波器以及PMU处获取的电气量信息，离散信号x(n)采用多分辨率分析小波变换及系数重构，表示为各分解尺度下高频分量系数与最大分解尺度下低频分量系数之和：式中，x(n)为待分解的离散信号，z为小波分解最大本文档来自技高网...

【技术保护点】
1.一种基于PMU数据和故障录波数据的电网故障诊断方法，其特征是：包括下述步骤：步骤1.从保护故障信息管理系统RPMS获取故障发生后故障录波器采集的电压、电流录波数据，从PMU量测点获取电压录波数据；步骤2.基于小波变换及能量谱分析，求取电气量故障可信度表征；步骤3.将三个可信度作为证据体，采用改进D‑S证据理论进行信息融合；步骤4.对融合结果进行FCM分析；步骤5.获得最终的电网故障诊断结果。

【技术特征摘要】
1.一种基于PMU数据和故障录波数据的电网故障诊断方法，其特征是：包括下述步骤：步骤1.从保护故障信息管理系统RPMS获取故障发生后故障录波器采集的电压、电流录波数据，从PMU量测点获取电压录波数据；步骤2.基于小波变换及能量谱分析，求取电气量故障可信度表征；步骤3.将三个可信度作为证据体，采用改进D-S证据理论进行信息融合；步骤4.对融合结果进行FCM分析；步骤5.获得最终的电网故障诊断结果。2.根据权利要求1所述的一种基于PMU数据和故障录波数据的电网故障诊断方法，其特征是：所述电气量故障可信度表征包括：能量可信度、奇异可信度、能量畸变可信度。3.根据权利要求2所述的一种基于PMU数据和故障录波数据的电网故障诊断方法，其特征是：所述能量可信度包括：对故障信号进行小波变换以及系数重构，设E1，E2…Ez，Ez+1为信号在z个尺度上的小波能量分布，小波能量的定义如式(4)：式(4)中，E1，E2…Ez，Ez+1为信号在z个尺度上的小波能量分布，z为小波分解最大尺度，n为离散信号点数，Dj(n)为每次分解下的高频分量；Az(n)则为尺度z下的低频分量；信号x(n)的小波总能量如式(5)：式(5)中，E(x)为信号x(n)的小波总能量，E1，E2…Ez，Ez+1为信号在z个尺度上的小波能量分布；假设发生故障时，第i(i＝1,…,m)个元件的故障信号为xi(n)，在上节所求故障时刻基础上，求取录波器电流信号故障后一个波形周期的小波总能量；取其三相中的最大值作为所求结果Ei，定义能量可信度Ei＝(e1,e2,…,em)，其元素表示出了对各线路故障的相对支持程度；式(6)中，ei为能量可信度Ei中第i个元素，m为线路总数，Ei为线路i的小波总能量。4.根据权利要求2所述的一种基于PMU数据和故障录波数据的电网故障诊断方法，其特征是：所述奇异可信度包括：奇异值分解(SingularValueDecomposition)：任何m×n阶矩阵A的奇异值分解可表示为A＝UΛVT，其中U和V分别为m×m阶和n×n阶正交矩阵；Λ＝diag(λ1,λ2,…,λt)为对角矩阵t＝min(m,n)；其非负的对角元素按降序排列，为A的奇异特征值；电网发生故障时，录波器采集的故障电压信号与非故障电压信号相比，含有较多的谐波分量，将所得电压信号用db4小波进行3层小波分解，再分别求取三层重构系数，将此三个重构系数构成矩阵，以此反映电压信号的细节信息，对此矩阵进行奇异值分解，设Λi＝diag(λ1,λ2,…,λt)为系统第i个元件的奇异特征矩阵，令定义奇异可信度Si＝(s1,s2,…,sn)；其中si的获取方式与式(6)类似；对录波器整个电压信号求取奇异可信度，作为一条证据体参与信息融合。5.根据权利要求2所述的一种基于PMU数据和故障录波数据的电网故障诊断方法，其特征是：所述能量畸变可信度包括：电网发生故障后，故障线路电压的幅值变化程度会比非故障线路更加明显，以能量畸变可信度来反映这一特性，对PMU所得电压信号，计算出故障发生前后1个波形周期的小波总能量；设求得线路故障前小波总能量为Eb，故障后小波总能量为Ea，定义能量畸变度：式(7)中，Di为能量畸变度，Eb为故障前小波总能量，Ea为故障后小波总能量；线路各相电压求得的最大值作为此线路的能量畸变度，定义能量畸变可信度Di＝(d1,d2,…,dn)；其中di的获取方式与式(6)类似，表示对各线路故障的支持程度。6.根据权利要求1所述的一种基于PMU数据和故障录波数据的电网故障诊断方法，其特征是：所述将三个可信度作为证据体，采用改进D-S证据理论进行信息融合，是根据得到的能量可信度、奇异可信度、能量畸变可信度，加入不确定度，使其作为证据体，采用改进D-S证据理论进行信息融合。7.根据权利要求1所述的一种基于PMU数据和故障录波数据的电网故障诊断方法，其特征是：所述对融合结果进行FCM分析，是根据融合结果，对其进行模糊C-均值聚类处理。8.根据权利要求1所述的一种基于PMU数据和故障录波数据的电网故障诊断方法，其特征是：所述获得最终的电网故障诊断结果，是根据所得到的聚类处理结果，经隶属度与阈值比较，确定故障线路。9.根据权利要求1所述的一种基于PMU数据和故障录波数据的电网故障诊断方法，其特征是：所述诊断方法包括：用PSCAD仿真IEEE39节点系统，采用MATLA...

【专利技术属性】
技术研发人员：张艳军，葛维春，高凯，张建，屈超，李斌，王文华，赵鹏，那广宇，李正文，范维，杨滢璇，吴静，刘树鑫，赵恩民，卓裕，
申请(专利权)人：国网辽宁省电力有限公司电力科学研究院，国家电网有限公司，沈阳工业大学，
类型：发明
国别省市：辽宁,21