一种基于多源信息融合的输电网故障诊断方法技术

本发明专利技术公开了一种基于多源信息融合的输电网故障诊断方法，包括以下步骤：S1：获取输电网的故障诊断信息，并确定疑似故障线路；S2：对故障诊断信息进行特征提取，得到故障特征信息的故障度；S3：将故障诊断信息的故障度进行融合，得到疑似故障线路的综合故障度；S4：根据疑似故障线路的综合故障度，确定疑似故障线路的故障状态。基于电力系统受外界极端天气的影响，其设备可靠性降低，将多信源系统融合到故障诊断过程中，以提高诊断方法的准确率。本发明专利技术将气象因素融合进去，以提高诊断方法的准确率。率。率。

【技术实现步骤摘要】
一种基于多源信息融合的输电网故障诊断方法


[0001]本专利技术属于输电网诊断
，具体涉及一种基于多源信息融合的输电网故障诊断方法。

技术介绍

[0002]输电网故障诊断指在当其发生故障后，通过控制中心获得的故障警报信息，准确识别故障元件，以加快系统供电的恢复进程。目前，输电网故障诊断所采用的主要方法，如专家系统、神经网络优化算法、Petri网、解析模型、贝叶斯网络和P系统等，其诊断过程所用信息主要是来自数据采集与监视控制(Supervisory Control And Data Acquisition，SCADA)系统的遥信量信息和电网基本拓扑结构。上述方法适用对象均是开关量。
[0003]而在实际中，单一的开关量继电保护系统存在开关设备误动作风险，以及外界因素干扰也可影响开关量的动作状态。针对电网发生复杂情况时，若仅仅采用开关量信息进行诊断具有一定的局限性，会导致诊断结果的不精确，甚至可能出现误判等情况。虽目前研究已对遥信量与遥测量有一定初步的融合诊断，但未考虑外界因素对信息系统本身可靠性的影响。例如，输电线路外部极端天气将导致信息采集设备的不灵敏、损坏等。现有的多信源融合方法是对整个电力系统建模，其运算量大，且计算过程较为繁杂。且所采用的的融合方法一般为D
‑
S证据理论，其要求同级因素必须相互独立，因此当所融合的信息有关联关系时，融合效果将大大降低。

技术实现思路

[0004]本专利技术的目的是为了解决上述输电网诊断方法的问题，提出了一种基于多源信息融合的输电网故障诊断方法。
[0005]本专利技术的技术方案是：一种基于多源信息融合的输电网故障诊断方法包括以下步骤：
[0006]S1：获取输电网的故障诊断信息，并确定疑似故障线路；
[0007]S2：对故障诊断信息进行特征提取，得到故障特征信息的故障度；
[0008]S3：将故障诊断信息的故障度进行融合，得到疑似故障线路的综合故障度；
[0009]S4：根据疑似故障线路的综合故障度，确定疑似故障线路的故障状态。
[0010]进一步地，步骤S1中，故障诊断信息的信源包括输电线路故障时的开关量信号、电气量信号和输电线路外部的气象数据，其分别从SCADA系统、故障录波系统和气象站中获得；并采用结线分析法判定故障区域，确定疑似故障线路。
[0011]进一步地，步骤S2中故障特征信息的故障度包括脉冲故障度、幅值故障度和气象故障度，其获取方法包括以下子步骤：
[0012]S21：利用各个疑似故障线路的brSNPS诊断模型执行矩阵推理算法，获取疑似故障线路的脉冲故障度；
[0013]S22：对疑似故障线路电气量信号中的电压遥测量进行幅值计算，获取疑似故障线
路的幅值故障度；
[0014]S23：对输电线路外部的气象数据进行特征提取，获取疑似故障线路的气象故障度。
[0015]进一步地，步骤S21中，brSNPS诊断模型Π的表达式为：
[0016]Π＝(O,σ1,...,σ
m
,syn,in,out)
[0017]其中，O＝{a}表示神经脉冲集合，a表示神经脉冲；σ
i
表示第i个命题神经元，σ
i
＝(θ
i
,r
i
)，1≤i≤d；σ
j
表示第j个规则神经元，σ
j
＝(θ
j
,r
j
)，1≤j≤k，且d+k＝m；θ
i
和θ
j
的取值均为0或1的自然数，θ
i
表示命题神经元内部脉冲值，θ
j
表示规则神经元内部脉冲值；r
i
表示命题神经元的点火规则，其形式为E/a
θ
→
a
θ
，表示当且仅当命题神经元接收到至少一个脉冲时执行点火规则，当点火规则被执行，命题神经元消耗一个脉冲值为θ的脉冲a
θ
，同时产生一个具有相同脉冲值为θ的新脉冲a
θ
，并将其向突触后神经元传递，若命题神经元无突触后神经元，则其仅积累脉冲值；r
j
表示规则神经元的点火规则，其形式表示当且仅当规则神经元接收到至少s个脉冲时执行点火规则，当点火规则被执行，规则神经元消耗s个脉冲，同时产生一个脉冲值为β的新脉冲a
β
，并将其向突触后神经元传递；表示神经元之间的有向突触连接关系，对所有(i,j)∈syn,1≤i,j≤m有i≠j；分别表示输入和输出神经元，θ和β的取值均为0或1的自然数；
[0018]步骤S21中，执行矩阵推理算法包括以下子步骤：
[0019]A1：分别设定执行推理算法的停止条件和推理步数g＝0，其停止条件包括第一停止条件01＝(0,...,0)
d
和第二停止条件02＝(0,...,0)
k
；
[0020]A2：当θ
p.g
≠01或θ
r.g
≠02时，若命题神经元σ
i
满足点火条件，则进入步骤A3；若规则神经元σ
j
满足点火条件，则进入步骤A4；其中，θ
p
＝(θ1,...,θ
d
)
T
表示命题神经元的二进制脉冲值向量，θ
i
(1≤i≤d)表示第i个命题神经元的脉冲值；θ
r
＝(θ1,...,θ
k
)
T
表示规则神经元的二进制脉冲值向量，θ
j
(1≤j≤k)表示第j个规则神经元的脉冲值；
[0021]A3：更新规则神经元的脉冲值向量θ
r.g+1
，其更新公式为：
[0022][0023]其中，C1＝(c
ij
)
d
×
k
，C2＝(c
ij
)
d
×
k
，C3＝(c
ij
)
d
×
k
；C1表示命题神经元到常规规则神经元的定向突触连接，C2表示命题神经元到与规则神经元的定向突触连接，C3表示命题神经元到或规则神经元的定向突触连接；若存在直接定向突触连接，则c
ij
＝1，其表示命题神经元与对应的规则神经元相连接，否则c
ij
＝0；
[0024]A4：更新命题神经元的脉冲值向量θ
p.g+1
，其更新公式为：
[0025][0026]其中，H＝(h
ji
)
k
×
d
为突触矩阵，表示规则神经元到命题神经元的定向突触连接；若存在直接定向突触连接，则h
ji
＝1，其表示规则神经元与命题神经元相连接，否则h
ji
＝0。
[002本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多源信息融合的输电网故障诊断方法，其特征在于，包括以下步骤：S1：获取输电网的故障诊断信息，并确定疑似故障线路；S2：对故障诊断信息进行特征提取，得到故障特征信息的故障度；S3：将故障诊断信息的故障度进行融合，得到疑似故障线路的综合故障度；S4：根据疑似故障线路的综合故障度，确定疑似故障线路的故障状态。2.根据权利要求1所述的基于多源信息融合的输电网故障诊断方法，其特征在于，所述步骤S1中，所述故障诊断信息的信源包括输电线路故障时的开关量信号、电气量信号和输电线路外部的气象数据，其分别从SCADA系统、故障录波系统和气象站中获得；并采用结线分析法判定故障区域，确定疑似故障线路。3.根据权利要求1所述的基于多源信息融合的输电网故障诊断方法，其特征在于，所述步骤S2中故障特征信息的故障度包括脉冲故障度、幅值故障度和气象故障度，其获取方法包括以下子步骤：S21：利用各个疑似故障线路的brSNPS诊断模型执行矩阵推理算法，获取疑似故障线路的脉冲故障度；S22：对疑似故障线路电气量信号中的电压遥测量进行幅值计算，获取疑似故障线路的幅值故障度；S23：对输电线路外部的气象数据进行特征提取，获取疑似故障线路的气象故障度。4.根据权利要求3所述的基于多源信息融合的输电网故障诊断方法，其特征在于，所述步骤S21中，brSNPS诊断模型Π的表达式为：Π＝(O,σ1,...,σ
m
,syn,in,out)其中，O＝{a}表示神经脉冲集合，a表示神经脉冲；σ
i
表示第i个命题神经元，σ
i
＝(θ
i
,r
i
)，1≤i≤d；σ
j
表示第j个规则神经元，σ
j
＝(θ
j
,r
j
)，1≤j≤k，且d+k＝m；θ
i
和θ
j
的取值均为0或1的自然数，θ
i
表示命题神经元内部脉冲值，θ
j
表示规则神经元内部脉冲值；r
i
表示命题神经元的点火规则，其形式为E/a
θ
→
a
θ
，表示当且仅当命题神经元接收到至少一个脉冲时执行点火规则，当点火规则被执行，命题神经元消耗一个脉冲值为θ的脉冲a
θ
，同时产生一个具有相同脉冲值为θ的新脉冲a
θ
，并将其向突触后神经元传递，若命题神经元无突触后神经元，则其仅积累脉冲值；r
j
表示规则神经元的点火规则，其形式表示当且仅当规则神经元接收到至少s个脉冲时执行点火规则，当点火规则被执行，规则神经元消耗s个脉冲，同时产生一个脉冲值为β的新脉冲a
β
，并将其向突触后神经元传递；表示神经元之间的有向突触连接关系，对所有(i,j)∈syn,1≤i,j≤m有i≠j；分别表示输入和输出神经元，θ和β的取值均为0或1的自然数；所述步骤S21中，执行矩阵推理算法包括以下子步骤：A1：分别设定执行推理算法的停止条件和推理步数g＝0，其停止条件包括第一停止条件01＝(0,...,0)
d
和第二停止条件02＝(0,...,0)
k
；A2：当θ
p.g
≠01或θ
r.g
≠02时，若命题神经元σ
i
满足点火条件，则进入步骤A3；若规则神经元σ
j
满足点火条件，则进入步骤A4；其中，θ
p
＝(θ1,...,θ
d
)
T
表示命题神经元的二进制脉冲值向量，θ
i
(1≤i≤d)表示第i个命题神经元的脉冲值；θ
r
＝(θ1,...,θ
k
)
T
表示规则神经元的二
进制脉冲值向量，θ
j
(1≤j≤k)表示第j个规则神经元的脉冲值；A3：更新规则神经元的脉冲值向量θ

【专利技术属性】
技术研发人员：王涛，陈孝天，王怡，张浩博，刘伟，刘力源，
申请(专利权)人：西华大学，
类型：发明
国别省市：