一种基于特征量相关性的发电厂厂用电系统故障选线方法及设备技术方案

本发明专利技术公开了一种基于特征量相关性的发电厂厂用电系统故障选线方法及设备，其中方法采用主成分分析对所采集的多种故障特征量进行择优选择，组成历史样本集，再基于聚类分析智能算法对故障样本进行分析，将基于优选后的故障特征量所组成的原始特征样本集划分至不同的故障类别，从而准确对待测样本进行故障类型判断，实现故障选线。所述方法可以有效解决发电厂厂用电系统接地故障信号微弱，故障选线困难的技术难题。困难的技术难题。困难的技术难题。

【技术实现步骤摘要】
一种基于特征量相关性的发电厂厂用电系统故障选线方法及设备


[0001]本专利技术涉及发电厂厂用电系统故障选线
，具体涉及一种基于特征量相关性的发电厂厂用电系统故障选线方法及设备。

技术介绍

[0002]随着我国电力工业的飞速发展，电网结构的不断变化,发电机、变压器容量的不断增加，大容量发电厂在整个电力系统中的影响也越来越大。发电厂厂用电系统因其所涉及的设备类型众多，使得其在实际运行中易发生停电事故，而单相接地故障是其中发生频率最高的一种。由于发电厂厂用电系统故障特征量种类繁多，每个特征量互相关联且各自的适用范围所有差异，同时可能伴随有外界的干扰以及系统运行状况的影响等因素，在大量的研究下，现虽有各种各样的接地故障选线方法，但在可靠性与普适性方面仍存在一定不足。
[0003]现有故障选线方法主要有信号注入法、稳态量选线法、暂态量选线法三种，但这些方法仅是对部分故障特征量进行处理，且选择故障特征量时存在一定的人为主观性，检测的适用范围有所局限，无法随发电厂厂用电系统连接形式作出相应的变化以适应复杂多样的故障状态，在实际使用中的适应性和可靠性并不够理想。

技术实现思路

[0004]本专利技术的技术目的是，提供一种基于特征量相关性的发电厂厂用电系统故障选线方法及设备，适用于不同连接方式的发电厂厂用电系统故障选线，且准确度高。
[0005]为实现上述技术目的，本专利技术采用如下技术方案：
[0006]一种基于特征量相关性的发电厂厂用电系统故障选线方法，包括以下步骤：
[0007]步骤1，获取发电厂厂用电系统发生单相接地故时的n组故障特征量数据，构成历史特征样本集X＝(x
i,j
)
n
×
p
，i＝1,2,
…
,n，j＝1,2,
…
,p；x
i,j
为第i组故障特征量数据x
i
的第j个故障特征量，p为x
i
包括的故障特征量个数；
[0008]步骤2，对历史特征样本集进行标准化处理得到标准化的历史特征样本集Z＝(z
i,j
)
n
×
p
；然后根据历史特征样本集Z＝(z
i,j
)
n
×
p
不同故障特征量之间的关系建立相关系数矩阵R＝(r
j,j'
)
p
×
p
，j＝1,2,
…
,p，j'＝1,2,
…
,p，计算表达式为：
[0009][0010]式中，r
j,j'
表示第j个故障特征量与第j'个故障特征量之间的相关系数，Z
j
,Z
j'
分别为历史特征样本集Z的第j列和第j'列数据，cov(Z
j
,Z
j'
)为Z
j
与Z
j'
协方差，D(Z
j
)和D(Z
j'
)分别为Z
j
和Z
j'
的方差；
[0011]步骤3，根据相关系数矩阵R，提取m个主成分进行可视化分析，进而从p个故障特征
量中优选s个故障特征量；根据优选的s个故障特征量从标准化的历史特征样本集中选取数据，重新组合形成新的历史特征样本集U＝(u
i,j
)
n
×
s
，i＝1,2,
…
,n，j＝1,2,
…
,s；
[0012]步骤4，将历史特征样本集U中的所有样本u
i
进行聚类分为内部故障类与外部故障类，并求得每个类别的聚类中心；
[0013]步骤5，实时采集发电厂厂用电系统发生单相接地故障时的所述优选的s个故障特征量，作为待测样本；计算待测样本分别与内部故障类和外部故障类的聚类中心的距离，距离更短对应的故障类即为发电厂厂用电系统当前单相接地故障的类型。
[0014]本技术方案将多个故障特征量组合形成历史样本集，并进行标准化处理，其相似性关系可以通过样本相似性度量定量地体现，按照样本性质上的相似程度来进行适合于该样本集的分类。在得到历史样本聚类模型后，可以通过将待测样本数据集中的样本依次通过距离判别法中的一种方式比较待测样本与各故障类的聚类中心之间的距离，以对待测样本与各故障类的相似程度进行量化，待测样本必与其中一类别之间的距离最短，则可以将距离最短对应的故障类作为该待测样本的故障类别，此时即可判断出待测样本当时的属性。优选后的故障特征量组成的历史样本集相较于未优选的原始样本集，每个样本包含的故障特征量更少，减少了选线所需的计算量；同时优选出的故障特征量于接地故障具有更高的相关性，能够更好的表现出故障包含的信息并进行更加精确的故障选线。
[0015]在更优的技术方案中，步骤3中根据相关系数矩阵R提取m个主成分的具体过程为：
[0016]计算相关系数矩阵R的特征方程，得到|R
‑
λI
p
|＝0，得到p个特征值并排序为λ1≥λ2≥
…
≥λ
p
≥0，其中λ
i
＝var(Y
i
)，y
i
为重新组合形成的第i个主成分，var(y
i
)为主成分的方差，于是可以求得第i个主成分的方差贡献率为
[0017][0018]然后从第m＝1开始累计前m个主成分的方差贡献率累计量为：
[0019][0020]当方差贡献率累计量ρ首次超过预设值σ时，保留当前参与方差贡献率累计的m个主成分。
[0021]在更优的技术方案中，预设值σ的取值为σ＝75％。
[0022]在更优的技术方案中，从p个故障特征量中优选s个故障特征量的方法为：
[0023]首先，按以下表达式计算前m个主成分构成的主成分矩阵Y和历史特征样本集Z之间的特征向量矩阵B：
[0024][0025]式中，Y＝[y1,y2,
…
,y
m
]T
，y1,y2,
…
,y
m
分别为保留的m个主成分，Z1,Z2,
…
,Z
p
为历史特征样本集Z中的p组故障特征量；特征向量矩阵B中的各元素表示历史特征样本集Z中的
某个故障特征量对某个主成分的贡献率；
[0026]然后，从p个故障特征量中优选s个故障特征量：
[0027]若p个故障特征量对第一主成分的p个贡献率中，超过该第一主成分贡献率阈值的个数d≥s，则选择对第一主成分贡献率最大的s个故障特征量；
[0028]若p个故障特征量对第一主成分的p个贡献率中，超过该第一主成分贡献率阈值的个数d<s，则选择对第一主成分贡献率最大的d个故障特征量；
[0029]所本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于特征量相关性的发电厂厂用电系统故障选线方法，其特征在于，包括：步骤1，获取发电厂厂用电系统发生单相接地故时的n组故障特征量数据，构成历史特征样本集X＝(x
i,j
)
n
×
p
，i＝1,2,
…
,n，j＝1,2,
…
,p；x
i,j
为第i组故障特征量数据x
i
的第j个故障特征量，p为x
i
包括的故障特征量个数；步骤2，对历史特征样本集进行标准化处理得到标准化的历史特征样本集Z＝(z
i,j
)
n
×
p
；然后根据历史特征样本集Z＝(z
i,j
)
n
×
p
不同故障特征量之间的关系建立相关系数矩阵R＝(r
j,j'
)
p
×
p
，j＝1,2,
…
,p，j'＝1,2,
…
,p，计算表达式为：式中，r
j,j'
表示第j个故障特征量与第j'个故障特征量之间的相关系数，Z
j
,Z
j'
分别为历史特征样本集Z的第j列和第j'列数据，cov(Z
j
,Z
j'
)为Z
j
与Z
j'
协方差，D(Z
j
)和D(Z
j'
)分别为Z
j
和Z
j'
的方差；步骤3，根据相关系数矩阵R，提取m个主成分进行可视化分析，进而从p个故障特征量中优选s个故障特征量；根据优选的s个故障特征量从标准化的历史特征样本集中选取数据，重新组合形成新的历史特征样本集U＝(u
i,j
)
n
×
s
，i＝1,2,
…
,n，j＝1,2,
…
,s；步骤4，将历史特征样本集U中的所有样本u
i
进行聚类分为内部故障类与外部故障类，并求得每个类别的聚类中心；步骤5，实时采集发电厂厂用电系统发生单相接地故障时的所述优选的s个故障特征量，作为待测样本；计算待测样本分别与内部故障类和外部故障类的聚类中心的距离，距离更短对应的故障类即为发电厂厂用电系统当前单相接地故障的类型。2.根据权利要求1所述的方法，其特征在于，步骤3中根据相关系数矩阵R提取m个主成分的具体过程为：计算相关系数矩阵R的特征方程，得到|R
‑
λI
p
|＝0，得到p个特征值并排序为λ1≥λ2≥
…
≥λ
p
≥0，其中λ
i
＝var(y
...

【专利技术属性】
技术研发人员：吴梦可，李浩锋，高军，韩航杰，薛伟盛，许林波，喻锟，罗晗菁，曾祥君，李理，倪砚茹，王沾，卓超，
申请(专利权)人：浙江浙能技术研究院有限公司长沙理工大学，
类型：发明
国别省市：