一种配变运行异常的识别预警方法技术

本发明专利技术公开了一种配变运行异常的识别预警方法，包括：采集配单变压器实时运行状态数据以及历史故障数据信息；根据深度神经网络构建配电变压器故障定位模型，并利用历史故障数据信息对定位模型进行训练；基于训练求解后的故障定位模型，输入异常数据信息，得到配电网故障位置，完成配电网故障的精确定位。本发明专利技术可以快速识别配变电压器故障信息，并发出预警信息，且能够对故障进行准确的定位，提高了供电可靠性。电可靠性。电可靠性。

【技术实现步骤摘要】
一种配变运行异常的识别预警方法


[0001]本专利技术涉及配电网故障识别预警的
，尤其涉及一种配变运行异常的识别预警方法。

技术介绍

[0002]配电网位于电力系统的末端，与用户紧密相连，其直接向用户配电和供电，配电网的运行状态将直接影响用户的用电质量，用户要求供电系统在任何时间内都能满足供电需求，对供电的可靠性要求较高，一旦出现停电事件将会影响用户的体验感，造成不良影响。统计结果表明，用户故障停电事件绝大多数是由配电网故障导致的，如能对配电网故障进行有效预测，提前进行运维检修，将减少停电事件，可提高供电可靠性。
[0003]配电网是电力系统和用户之间的重要枢纽，而配电变压器在配电网中具有举足轻重的作用，如果能够通过对配电变压器运行数据及外部影响因素的挖掘，实现对配电变压器故障风险的预警，将更好的实现对配电网的预防性检修，保障配电网的正常运行。而在实际的配电变压器故障预警中，面临如何从海量数据中找到真正与预警结果相关的因素以及当部分影响因素缺失或者不确定时，会导致故障预警难以继续进行及得出正确结果的问题。目前的配电变压器故障预警大本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种配变运行异常的识别预警方法，其特征在于，包括：采集配单变压器实时运行状态数据以及历史故障数据信息；根据深度神经网络构建配电变压器故障定位模型，并利用历史故障数据信息对定位模型进行训练；基于训练求解后的故障定位模型，输入异常数据信息，得到配电网故障位置，完成配电网故障的精确定位。2.如权利要求1所述的配变运行异常的识别预警方法，其特征在于：采集的数据信息包括有功功率、无功功率、视在功率、电压、电流和三相不平衡率。3.如权利要求2所述的配变运行异常的识别预警方法，其特征在于：所述信息的计算公式包括，视在功率＝有功功率的平方+无功功率的平方然后开方；有功功率＝视在功率*功率因素；配变负载率＝视在功率(KVA)/额定容量(KVA)；三相不平衡率＝(相电流最大值
‑
相电流最小值)/相电流最大值*100％。4.如权利要求1所述的配变运行异常的识别预警方法，其特征在于：利用机器学习算法对所述实时运行数据进行预处理，所述机器学习算法包括，其中，B
i
表示电流，c
x
表示电压，n、T均表示迭代系数，c
xi
表示电流差，B表示频率，B
i
表示电压差。5.如权利要求1～3任一所述的配变运行异常的识别预警方法，其特征在于：所述异常数据信息的判断标准包括，当三相不平衡率<15％为正常；当三相不平衡率>＝15％且<30％，为一般不平衡；当三相不平衡率>＝30％且&am...

【专利技术属性】
技术研发人员：黎皓彬，赵瑞锋，卢建刚，郭文鑫，都海坤，
申请(专利权)人：广东电网有限责任公司电力调度控制中心，
类型：发明
国别省市：