一种电网完备性状态信息重构的非精确故障识别方法技术

本发明专利技术公开了一种电网完备性状态信息重构的非精确故障识别方法，利用RTU、PMU的WAMS进行同步相量测量,并提供广域故障信息,尽量满足潮流指纹采集的实时性和全局性要求，并在故障样本和信息不完备情况下，引入非精确概率原理去研究，尽量满足容错性的要求；此外，以广域测量为背景，将RTU、PMU的潮流指纹获取的故障信息结合至非精确性原理，从而在电网不确定性情况下进行故障识别。

【技术实现步骤摘要】
一种电网完备性状态信息重构的非精确故障识别方法
本专利技术属于电力系统故障诊断
，更为具体地讲，涉及一种电网完备性状态信息重构的非精确故障识别方法。
技术介绍
随着我国“智能电网”战略的实施以及特高压、大电网互联格局的形成,急需提升故障诊断和故障定位技术来为大电网安全保驾护航。SCADA/EMS系统是目前国内各级电网公司普遍使用的在线监控与数据采集系统，同时EMS是目前应用于电力系统领域功能最完善的能量管理系统。RTU是SCADA系统的基础与核心，主要完成数据采集、数据通讯和执行控制中心命令等功能，通讯网络把RTU采集的数据及时传送到控制中心，但是信息空间局部，时间不同步，实时性不高。而WAMS可以在时间-空间-幅值三维坐标系下同时观察电力系统全局的机电动态过程的全貌，因此具备空间上的广域性和时间上的同步性，提供具有统一时标的高精度实时广域测量信息。PMU基于同步相角测试技术，可通过逐步布局全网关键测点的同步相角测试单元PMU的广域测量系统能实现对电力系统动态过程的监测，其测量的数据能反映系统的动态行为特征，保证了实时性。因此WAMS在电网故障诊断领域的应用研究具有现实意义和实用价值。目前国内外对电力系统的故障诊断提出了很多方法，主要有基于专家系统原理的电力系统故障诊断，人工神经网络在故障诊断中的应用，基于优化技术的电力系统故障诊断，基于粗糙集理论的电力系统故障诊断，基于模糊集理论的电力系统故障诊断，基于遗传算法的电力系统故障诊断，基于Petri网的电力系统的故障诊断等。这些方法各有其特点，从不同的途径去解决电网故障诊断问题，但也都存在各自的缺陷。就目前的方法来说，大部分是基于调度中心获得完整信息的基础上进行故障诊断，并且这些信息是完全可靠的。可是实际运行过程中，由于保护装置、断路器等电器设备的误动作或者不动作等错误信息或者有用信息的缺失往往会直接影响故障诊断的结果，而要将所有继电保护的状态信息全部送入调度中心存在很大的困难，因此在这种情况下很多方法都无法满足。所以需要我们在信息不完整情况下故障诊断方法方面进行深入的研究，寻求一种在不完整信息状况下可以更好的克服这种困难，做出合理的诊断结果的方法，并且考虑联合应用多种诊断方法，提高系统的诊断能力。而非精确性原理能够增强容错性，其他传统方法作对比能够与一定程度上弥补了之前的不足。因此在故障样本和信息不可能完备的客观状况下，引入非精确概率描述故障有很大的意义。
技术实现思路
本专利技术的目的在于克服现有技术的不足，提供一种电网完备性状态信息重构的非精确故障识别方法，以广域测量为背景，将PMU、RTU的潮流指纹获取的故障信息融入到引入的非精确概率原理中，从而确定故障诊断结果。为实现上述专利技术目的，本专利技术一种电网完备性状态信息重构的非精确故障识别方法，其特征在于，包括以下步骤：(1)、获取电网的运行参数和拓扑参数，以及电网在故障模式下的故障特征向量；(2)、将获取的运行参数、拓扑参数和故障特征向量输入至广域测量系统WAMS；(3)、求解最优配置模型，实现电网节点的RTU或PMU优化配置；其中，X＝[x1,x2,…,xi,…,xn]表示电网节点的RTU或PMU配置向量，n为电网节点个数；A为节点关联矩阵；Y1,Y2是Y的子集，Y1表示与零注入节点不关联节点对应的向量，Y2表示零注入节点的关联节点对应向量集；假设有m个节点与零注入节点不关联，那么I＝[1,1,...,1]Tm×1是m×1矩阵，Tinj表示零注入节点及其关联节点的关系矩阵，Binj是对应向量集；(4)、将实现RTU或PMU优化配置后的电网节点标记为潮流特征点；(5)、构建预设故障数据指纹库(5.1)、对电网中各条线路依次编号为1～n，将每条线路单独故障或组合故障作为一类故障，从而构建预设故障集；(5.2)、将预设故障集中任意一类故障作用于潮流特征点上，然后按照如下公式计算每个潮流特征点上的平均电压幅值Ui；其中，T表示故障作用于潮流特征点上时间，ui(t)表示第i个潮流特征点的电压信号；然后将所有Ui构成特征向量x＝[U1,U2,…,Ui,...]；(5.3)、将每组平均电压幅值与相应的故障类别组成一一对应的预想故障数据指纹库；(6)、求解非线性模型(6.1)、在f(x│Aj)和在P(Ai)上分别引入非精确性模型，其中，f(x│Aj)表示特征量x在故障Aj下的高斯联合密度函数，P(Aj)表示故障Aj发生的概率，Aj表示第j类故障；(6.2)、令方差为通过参数β扩展出期望与方差的非精确区间；扩展出期望与方差的非精确区间；其中，表示期望的极大似然估计值，表示方差的极大似然估计值；(6.3)、建立非精确区间约束条件；根据非精确性的Dirichlet模型，并结合P(Aj)归一性、非负性条件，共同构成约束条件；其中，设M＝∑mj为某实际电网一年内所有故障类下所有线路发生故障的总次数；mj为第j类故障下所有线路发生故障的次数；s为每条线路发生故障的非精确性参数；E[·]表示求期望的最小值，表示求期望的最大值；(6.4)、根据约束条件，将步骤(6.3)建立的非精确约束条件代入至步骤(6.1)中的f(x│Aj)和P(Aj)上，得到目标函数F(x,P(Aj))，并组成下式非线性最优化方程组：其中，j＝j'，j,j'∈[1,K]，K为故障类别总数；(7)、通过步骤(6)计算出各个故障类下的非精确区间概率值，再选择概率值最高所对应的故障类别作为故障诊断结果，即完成故障识别。本专利技术的专利技术目的是这样实现的：本专利技术一种电网完备性状态信息重构的非精确故障识别方法，利用RTU、PMU的WAMS进行同步相量测量,并提供广域故障信息,尽量满足潮流指纹采集的实时性和全局性要求，并在故障样本和信息不完备情况下，引入非精确概率原理去研究，尽量满足容错性的要求；此外，以广域测量为背景，将RTU、PMU的潮流指纹获取的故障信息结合至非精确性原理，从而在电网不确定性情况下进行故障识别。同时，本专利技术一种电网完备性状态信息重构的非精确故障识别方法还具有以下有益效果：(1)、与现有的传统电网故障诊断相比，对WAMS的RTU、PMU作为提取整个潮流的特征以及引用非精确理论描述故障发生的非精确概率，本专利技术具有实时性强，容错性高，理论基础强，实用性强的特点。(2)、与现有的将RTU、PMU布点到整个电网相比，本专利技术利用整数规划法对其优化配置，可以降低成本，提高监测效率。(3)、与现有的专家系统以及petri法等相比，专家系统中知识库不具备模仿学习的能力，以及容错能力低，以及petri网对错误识别能力低，非精确概率理论避免了这些缺点，以更加严谨的概率方法得出诊断结果。(4)、本专利技术将WAMS的RTU、PMU配置节点作为电网潮流指纹特征点,实现电网潮流指纹的广域、同步、在线采集；其次，将采集到的故障数据结合非精确性原理实现电网线路故障的概率计算，进而快速、准确识别故障结果。附图说明图1是本专利技术一种电网完备性状态信息重构的非精确故障识别方法流程图；图2是IEEE11节点系统；图3是特征点模拟故障电压幅值仿真波形图；图4是对应不同β值各类故障概率区间图；图5是对应不同s值各类故障区间图。具体实施方式下面结合附图对本专利技术的具体实施方式进行描述，以便本领域的技术人本文档来自技高网...

【技术保护点】
1.一种电网完备性状态信息重构的非精确故障识别方法，其特征在于，包括以下步骤：(1)、获取电网的运行参数和拓扑参数，以及电网在故障模式下的故障特征向量；(2)、将获取的运行参数、拓扑参数和故障特征向量输入至广域测量系统WAMS；(3)、求解最优配置模型，实现电网节点的RTU或PMU优化配置；

【技术特征摘要】
1.一种电网完备性状态信息重构的非精确故障识别方法，其特征在于，包括以下步骤：(1)、获取电网的运行参数和拓扑参数，以及电网在故障模式下的故障特征向量；(2)、将获取的运行参数、拓扑参数和故障特征向量输入至广域测量系统WAMS；(3)、求解最优配置模型，实现电网节点的RTU或PMU优化配置；其中，X＝[x1,x2,…,xi,…,xn]表示电网节点的RTU或PMU配置向量；A为节点关联矩阵；Y1,Y2是Y的子集，Y1表示与零注入节点不关联节点对应的向量，Y2表示零注入节点的关联节点对应向量集；假设有m个节点与零注入节点不关联，那么I＝[1,1,...,1]Tm×1是m×1矩阵，Tinj表示零注入节点及其关联节点的关系矩矩阵，Binj是对应向量集；(4)、将实现RTU或PMU优化配置后的电网节点标记为潮流特征点；(5)、构建预设故障数据指纹库(5.1)、对电网中各条线路依次编号为1～n，将每条线路单独故障或组合故障作为一类故障，从而构建预设故障集；(5.2)、将预设故障集中任意一类故障作用于潮流特征点上，然后按照如下公式计算每个潮流特征点上的平均电压幅值Ui；其中，T表示故障作用于潮流特征点上时间，ui(t)表示第i个潮流特征点的电压信号；然后将所有Ui构成特征向量x＝[U1,U2,…,Ui,...]；(5...

【专利技术属性】
技术研发人员：易建波，张鹏，滕予非，张真源，郭卓麾，付艳阳，
申请(专利权)人：电子科技大学，国网四川省电力公司电力科学研究院，
类型：发明
国别省市：四川,51