基于大数据的电力系统故障诊断方法、装置及其相关设备制造方法及图纸

本申请公开了一种基于大数据的电力系统故障诊断方法、装置及其相关设备，属于智能电力系统技术领域。本申请通过收集故障波动数据，构建故障波动数据库，对故障数据进行特征分析，提取并构建故障特征库，然后提取待识别录波数据相应的特征，最后利用变异系数刻画负荷波动强度，提出构建综合负荷波动强度的构造相似度计算方法，并依据构建的相似度计算方法计算待识别录波数据与故障特征库中故障特征的相似性并排序，根据相似度排序获得待识别录波数据的故障识别结果。本申请将大数据技术与特征工程引入电力系统的故障诊断过程，能够充分利用历史数据的潜在价值，具有较强的鲁棒性、适应性强等特点，同时能提高故障识别精度。同时能提高故障识别精度。同时能提高故障识别精度。

【技术实现步骤摘要】
基于大数据的电力系统故障诊断方法、装置及其相关设备


[0001]本专利技术涉及智能电力系统
，特别涉及一种基于大数据的电力系 统故障诊断方法、装置及其相关设备。

技术介绍

[0002]作为电力能源发电、输电、配电的关键组成部分，电力系统在人们日常 生活中不可或缺，电力系统的安全稳定运行是电力能源得以发挥其效用的前 提。
[0003]当前，针对电力系统的安全性有着较多的研究课题，但主要技术思路是 构建专家系统及传统的故障识别方法，如正负序分解，其内含有大量的某个 领域的专家水平的知识与经验，能够利用人类专家的知识和解决问题的方法 来处理该领域的问题，不依赖于大量的数据，可解释性强，但可移植性差、 学习能力差，而且人能考虑的范围是有限的，不符合日益复杂的电力系统的 发展方向。

技术实现思路

[0004]本申请实施例的目的在于提出一种基于大数据的电力系统故障诊断方法、 装置及其相关设备，以解决现有电力系统通过人工进行故障识别而存在的识 别精度低、可移植性差以及学习能力差的技术问题。
[0005]为了解决上述技术问题，本申请实施例提供一种基于大数据的电力系统 故障诊断方法，采用了如下所述的技术方案：
[0006]一种基于大数据的电力系统故障诊断方法，所述方法包括以下步骤：
[0007]S1，获取待识别录波数据，并判断所述待识别录波数据是否为故障数据；
[0008]S2，若所述待识别录波数据为故障数据，则提取所述待识别录波数据的 故障特征，得到待识别数据故障特征；<br/>[0009]S3，利用预设变异系数刻画所述待识别录波数据的负荷波动幅度，并计 算得到所述待识别录波数据的负荷波动强度；
[0010]S4，基于所述负荷波动强度，构造综合负荷波动特性的相似度度量方法；
[0011]S5，基于所述综合负荷波动特性的相似度度量方法计算所述待识别数据 故障特征与预设故障特征库中各个历史数据故障特征的相似度；
[0012]S6，对所述相似度进行排序，并将相似度最大值对应的历史数据故障特 征的故障类型作为所述待识别录波数据的故障识别结果。
[0013]进一步地，在步骤S1获取待识别录波数据，并判断所述待识别录波数据 是否为故障数据之前，还包括：
[0014]S11，收集历史故障数据，并构建故障波形数据库；
[0015]S12，提取所述故障波形数据库中各个历史故障数据的故障特征，得到历 史数据故障特征，并基于所述历史数据故障特征构建故障特征库；
[0016]所述提取所述故障波形数据库中各个历史故障数据的故障特征，具体包 括：
[0017]S121，对所述历史故障数据进行标准化，其中，标准化计算公式如下：
[0018][0019]其中，表示第j条数据x相电压的第m个电压数据，表示第j条数据 x相电流的第m个电流数据，其中1≤j≤N，x∈{a,b,c}，a、b、c分别表示数据x 的三个相位，N为数据库中数据条数，n为电压电流的序列长度；
[0020]S122，计算所述历史故障数据的平均电压强度和平均电流强度，得到电 压平均波动性特征和电流平均波动性特征，平均电压强度和平均电流强度计 算公式如下：
[0021][0022][0023]其中，k表示故障波形数据库中第k条数据，为平均电压强度，为平 均电流强度，为电压平均波动性特征，为电流平均波动性特征；
[0024]S123，计算所述历史故障数据之间的电压平均差异值和电流平均差异值， 得到电压波动差异特征和电流波动差异特征，其中，电压平均差异值和电流 平均差异值的计算公式如下：
[0025][0026]其中，各式中1≤j≤N，x,y∈{a,b,c},x≠y，分别表示x与y相之 间的电压平均差异值和电流平均差异值。
[0027]进一步地，步骤S1中判断所述待识别录波数据是否为故障数据，具体包 括：
[0028]S31，将所述待识别录波数据的电压与极限电压进行比对，得到电压比对 结果，极限电压计算公式如下：
[0029][0030]其中，u
e
表示额定电压，表示极限电压，|
·
|表示取绝对值；
[0031]S32，将所述待识别录波数据的电流和极限电流进行比对，得到电流比对 结果，极限电流计算公式如下：
[0032]或
[0033]其中，i
e
表示额定电流，表示极限电压；
[0034]S33，基于所述电压比对结果和所述电流比对结果判断所述待识别录波数 据是否为故障数据。
[0035]进一步地，步骤S33中基于所述电压比对结果和所述电流比对结果判断 所述待识别录波数据是否为故障数据，具体包括：
[0036]S331，根据所述电压比对结果和所述电流比对结果，确定所述待识别录 波数据的电压大于极限电压，同时所述待识别录波数据的电流大于所述极限 电流的时间周期时长；
[0037]S332，当所述时间周期时长小于三个周波时长时，确定所述待识别录波 数据为无故障数据；
[0038]S333，当所述时间周期时长大于或等于三个周波时长时，确定所述待识 别录波数据为故障数据。
[0039]进一步地，步骤S3中计算所述待识别录波数据的负荷波动强度的公式如 下：
[0040][0041]其中，c
p,x
为x相的负荷波动强度，μ
p,x
，σ
p,x
分别表示x相的功率平均值和 标准差，表示负荷x相的功率序列中的第k个点的值。
[0042]进一步地，步骤S4中所述综合负荷波动特性的相似度度量方法的计算公 式如下：
[0043][0044]其中，d
j
表示所述待识别录波数据的负荷与故障特征库第j条故障特征负 荷之间的欧式距离，r
j
为所述待识别录波数据的负荷与故障特征库第j条故障 特征负荷之间的欧式波动距离，1≤j≤N，表示故障特征库中第j条故障特 征负荷x相的功率序列的第条k个点的值。
[0045]进一步地，步骤S6中对所述相似度进行排序，并将相似度最大值对应的 历史数据故障特征的故障类型作为所述待识别录波数据的故障识别结果，具 体包括：
[0046]S81，以预设的排序算法对所述相似度进行排序，得到相似度排序结果；
[0047]S82，获取相似度排序结果中的相似度最大值，并确定所述相似度最大值 对应的历史数据故障特征；
[0048]S83，将相似度最大值对应的历史数据故障特征的故障类型作为所述待识 别录波数据的故障识别结果。
[0049]为了解决上述技术问题，本申请实施例还提供一种基于大数据的电力系 统故障诊断装置，采用了如下所述的技术方案：
[0050]一种基于大数据的电力系统故障诊断装置，所述装置包括：
[0051]第一故障识别模块，用于获取待识别录波数据，并判断所述待识别录波 数据本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于大数据的电力系统故障诊断方法，其特征在于，所述方法包括以下步骤：S1，获取待识别录波数据，并判断所述待识别录波数据是否为故障数据；S2，若所述待识别录波数据为故障数据，则提取所述待识别录波数据的故障特征，得到待识别数据故障特征；S3，利用预设变异系数刻画所述待识别录波数据的负荷波动幅度，并计算得到所述待识别录波数据的负荷波动强度；S4，基于所述负荷波动强度，构造综合负荷波动特性的相似度度量方法；S5，基于所述综合负荷波动特性的相似度度量方法计算所述待识别数据故障特征与预设故障特征库中各个历史数据故障特征的相似度；S6，对所述相似度进行排序，并将相似度最大值对应的历史数据故障特征的故障类型作为所述待识别录波数据的故障识别结果。2.根据权利要求1所述的基于大数据的电力系统故障诊断方法，其特征在于，在步骤S1获取待识别录波数据，并判断所述待识别录波数据是否为故障数据之前，还包括：S11，收集历史故障数据，并构建故障波形数据库；S12，提取所述故障波形数据库中各个历史故障数据的故障特征，得到历史数据故障特征，并基于所述历史数据故障特征构建故障特征库；所述提取所述故障波形数据库中各个历史故障数据的故障特征，具体包括：S121，对所述历史故障数据进行标准化，其中，标准化计算公式如下：其中，表示第j条数据x相电压的第m个电压数据，表示第j条数据x相电流的第m个电流数据，其中1≤j≤N，x∈{a,b,c}，a、b、c分别表示数据x的三个相位，N为数据库中数据条数，n为电压电流的序列长度；S122，计算所述历史故障数据的平均电压强度和平均电流强度，得到电压平均波动性特征和电流平均波动性特征，平均电压强度和平均电流强度计算公式如下：平均电压强度和平均电流强度计算公式如下：其中，k表示故障波形数据库中第k条数据，为平均电压强度，为平均电流强度，为电压平均波动性特征，为电流平均波动性特征；S123，计算所述历史故障数据之间的电压平均差异值和电流平均差异值，得到电压波动差异特征和电流波动差异特征，其中，电压平均差异值和电流平均差异值的计算公式如下：
其中，各式中1≤j≤N，x,y∈{a,b,c},x≠y，分别表示x与y相之间的电压平均差异值和电流平均差异值。3.根据权利要求1所述的基于大数据的电力系统故障诊断方法，其特征在于，步骤S1中判断所述待识别录波数据是否为故障数据，具体包括：S31，将所述待识别录波数据的电压与极限电压进行比对，得到电压比对结果，极限电压计算公式如下：或其中，u
e
表示额定电压，表示极限电压，|
·
|表示取绝对值；S32，将所述待识别录波数据的电流和极限电流进行比对，得到电流比对结果，极限电流计算公式如下：或其中，i
e
表示额定电流，表示极限电压；S33，基于所述电压比对结果和所述电流比对结果判断所述待识别录波数据是否为故障数据。4.根据权利要求3所述的基于大数据的电力系统故障诊断方法，其特征在于，步骤S33中基于所述电压比对结果和所述电流比对结果判断所述待识别录波数据是否为故障数据，具体包括：S331，根据所述电压比...

【专利技术属性】
技术研发人员：周少雄，沈国安，汪大明，
申请(专利权)人：清科优能深圳技术有限公司，
类型：发明
国别省市：