基于PMU数据驱动的轨道交通电力系统故障事件检测方法技术方案

本发明专利技术涉及一种基于PMU数据驱动的轨道交通电力系统故障事件检测方法，深度挖掘PMU实时采样数据，从而解决故障事件在时间域的高精度检测问题和在空间域的准确定位问题；在时间域上，能够达到高精准(毫秒级)的检测轨道交通电力系统故障事件起始时间有效避免迟滞检测结果的发生；在空间域上，基于归一化小波能量法对故障事件特征数据集进行统计分析，利用全系统电气量的时域检测数据对故障事件进行精准定位；能够减少轨道交通系统的错误警报，提高现有故障检测方法的工作性能。高现有故障检测方法的工作性能。高现有故障检测方法的工作性能。

【技术实现步骤摘要】
基于PMU数据驱动的轨道交通电力系统故障事件检测方法


[0001]本专利技术属于轨道交通电力系统
，具体涉及一种基于PMU数据驱动的轨道交通电力系统故障事件检测方法。

技术介绍

[0002]随着现代化智慧城市建设的不断提速，轨道交通系统已经成为一种至关重要的城市交通运输工具，这也推进了轨道交通电力系统的快速升级，同时也对轨道交通电力系统提出了新要求，即向着规模化、城际化、网络化的方向快速发展。轨道交通电力系统以安全稳定运营和高效管理为总目标，研究问题涉及了实时状态监测、广域复杂系统信息融合和故障预警等，需要对轨道交通系统中的关键电力设备的实时状态和动态故障进行快速诊断、可靠性评估和安全预警，是一种集有效预警和综合调度于一体的轨道交通供电保障体系，可以有效提供轨道交通系统的安全稳定运行。
[0003]基于此背景，轨道交通电力系统的安全稳定运行控制问题更为复杂，亟需提高当前轨道交通电网的安全监控技术。尽管当前电力系统正在如火如荼地整合传统的SCADA系统和PMU监测系统，然而，当前大部分的轨道交通电力系统仍主要使用传统的SCADA系统进行数据测量和监控，由于SCADA系统的主要功能局限于检测系统稳定运行状态，使得其实时监测性能较弱，尤其是秒级的检测周期，更是无法满足现代化轨道交通电力系统实时运行状态监测的需求。
[0004]基于较为成熟的全球卫星定位系统(Global Positioning System，GPS)技术、高速网络通信技术和数字信号处理(Digital Signal Processing，DSP)技术，由PMU组成的广域测量系统(WideArea Measurement System，WAMS)可以为轨道交通电力系统提供高稳定性、高可靠性、高精度(毫秒级)的实时监测数据，包括具有统一时间戳的电网动态过程实时电压、实时相角、实时幅值和实时频率等关键电气量数据，为轨道交通电力系统的实时状态监控、实时运行状态估计、实时动态潮流分析和可视化实时在线安全监控等提供了新的应用前景和研究方向。
[0005]与传统的SCADA系统相比，PMU监测系统的优点较多。(1)PMU能够提供包括具有统一时间戳的电网动态过程中的实时电压、实时相角、实时幅值和实时频率等关键电气量测量。(2)PMU监测相对于全局角度参考的同步相量，因此关键量测量的数量少于SCADA测量的数量。(3)PMU提供了传统SCADA系统无法获得的高精度(毫秒级)数据，可以监控电力系统实时运行动态。(4)用于状态估计的PMU监测能够直接进行角度测量，而SCADA系统则通过使用电压量测、有功功率量测、无功功率量测、网络参数和参考电压相角来估测真实电压相角，其监测结果的质量在很大程度上取决于较为粗糙的网络质量参数。(5)PMU为复杂的自动化和继电保护问题提供了解决方案(如保护多端子线路、保护串联补偿线路等)，而SCADA系统无法提供继电保护和自动化问题的解决方案。
[0006]基于PMU量测数据的故障事件检测问题，在电力系统领域中已经是非常热点的前沿研究课题，但在轨道交通领域中的研究仍处于起步阶段。近年来，基于PMU的故障事件检
测问题研究取得了较大进展。通常情况下，PMU故障事件检测方法可以分为两个大类：统计分析方法和信号处理方法。
[0007]对于统计分析方法，Le Xie等人利用主成分分析法(Principal Component Analysis，PCA)降低了海量真实PMU数据的维度，从而能够检测不同电气量的异常故障事件；Yuanjun Guo等人提出了利用PMU数据进行系统监控的孤岛检测主成分分析方法；P.H.Gadde等人将主成分分析法和离散余弦变换相结合，对PMU数据的临界扰动信息进行高精度数据压缩处理；Bhui等人利用递归量化分析法(Recurrence QuantificationAnalysis,RQA)定位电力系统故障事件；Biswal等人采用k近邻法(k
‑
Nearest Neighborhood,kNN)选择扰动类型在时频域的最佳特征集。
[0008]对于信号处理方法，Kim等人提出了一种基于小波变换的PMU故障事件离散采样检测算法；Jena等人利用经验模型分解法(empirical model decomposition,EMD)和全系统事后扰动记录对电力系统扰动事件进行评估和检测。
[0009]然而，目前PMU故障事件检测方法的性能在很大程度上取决于移动时间窗的窗口样本长度大小，这些方法并不能检测到PMU故障事件的精确发生时间，可能会导致移动时间窗口之间的交互信息丢失，因而并不能充分利用PMU数据的高精度采样优势。
[0010]近年来，为了避免计算复杂性，研究人员尝试使用数据压缩技术来处理海量的高精度PMU采样数据。Fang Zhang等人利用旋转门(swing door trending，SDT)数据压缩方法设计了一种适用于WAMS的数据处理协议；Sousa等人使用奇异值分解来压缩处理不同变电站计量设备采样得到的真实数据。然而，以上研究主要关注的是PMU数据压缩问题，并没有能够解决故障事件的高精度检测问题，其检测结果精度不高。

技术实现思路

[0011]本专利技术的目的在于克服现有技术的不足，提供一种基于PMU数据驱动的轨道交通电力系统故障事件检测方法，深度挖掘PMU实时采样数据，解决故障事件在时间域的高精度检测问题和在空间域的准确定位问题。
[0012]本专利技术解决其技术问题是通过以下技术方案实现的：
[0013]一种基于PMU数据驱动的轨道交通电力系统故障事件检测方法，其特征在于：所述方法的步骤为：
[0014]S1、压缩处理海量PMU数据
[0015]利用旋转门压缩算法，基于“旋转门”思想，当前PMU时间序列数据中的下一个点导致任何中间点落在压缩区间界限划分的区域外时，就会产生一个“枢轴点”，压缩区间界限由门宽定义，门宽是旋转门算法中惟一可调参数，将PMU时间序列数据分割成多个压缩区间，将A设置为起始点，由于区间A～D不满足旋转门算法的规定，数据点C被存储为压缩区间1(A～C)的结束点，然后，数据点A、B、C由A到C的直线(A～C)表示；将数据点B、D和F分别压缩到数据点C、E、G所确定的压缩区间内，将PMU时间序列数据被分隔为压缩区间1(A～C)、压缩区间2(C～E)和压缩区间3(E～G)；
[0016]S2、PMU故障数据集中整合，完成PMU故障事件时间维度的检测
[0017]基于步骤S1基础上，构建数学优化模型，采用动态规划方法对轨道交通电力系统的故障事件进行高精度检测，将具有相似趋势的邻近压缩区间整合为一个最大化压缩区
间；首先预先定义轨道交通电力系统故障事件的两个规则，即扰动幅值规则和扰动斜率规则；然后定义计分函数并构建最大分数值目标函数，进而使用动态规划算法求解该优化模型，最终得到故障事件检测结果；
[0018]1)轨道交通电力系统故障事件规则定义
[0019]故障事件规则通常本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于PMU数据驱动的轨道交通电力系统故障事件检测方法，其特征在于：所述方法的步骤为：S1、压缩处理海量PMU数据利用旋转门压缩算法，基于“旋转门”思想，当前PMU时间序列数据中的下一个点导致任何中间点落在压缩区间界限划分的区域外时，就会产生一个“枢轴点”，压缩区间界限由门宽定义，门宽是旋转门算法中惟一可调参数，将PMU时间序列数据分割成多个压缩区间，将A设置为起始点，由于区间A～D不满足旋转门算法的规定，数据点C被存储为压缩区间1(A～C)的结束点，然后，数据点A、B、C由A到C的直线(A～C)表示；将数据点B、D和F分别压缩到数据点C、E、G所确定的压缩区间内，将PMU时间序列数据被分隔为压缩区间1(A～C)、压缩区间2(C～E)和压缩区间3(E～G)；S2、PMU故障数据集中整合，完成PMU故障事件时间维度的检测基于步骤S1基础上，构建数学优化模型，采用动态规划方法对轨道交通电力系统的故障事件进行高精度检测，将具有相似趋势的邻近压缩区间整合为一个最大化压缩区间；首先预先定义轨道交通电力系统故障事件的两个规则，即扰动幅值规则和扰动斜率规则；然后定义计分函数并构建最大分数值目标函数，进而使用动态规划算法求解该优化模型，最终得到故障事件检测结果；1)轨道交通电力系统故障事件规则定义故障事件规则通常由操作人员预先定义，一般情况下，故障事件由上升趋势事件和下降趋势事件组成，即E＝{ST1，
…
，ST
m
，
…
}，式中ST
m
＝(s
m
，e
m
)表示第m个趋势事件(起始时间为s
m
，终止时间为e
m
)，E为故障事件集，预先发生下降趋势事件(即先下降趋势后上升趋势)，通常是由于轨道交通电力系统突然缺乏有功功率供给而引起的；预先发生上升趋势事件(即先上升趋势后下降趋势)，通常是由于轨道交通电力系统突然缺乏有功负荷引起的，如牵引供电系统中电力机车发生弓网离线，扰动幅值规则R
mag
用来检查PMU测量数据的变化幅度是否超出了设定的阈值，其数学表达式为：式中：p表示轨道交通电力系统的PMU实时测量数据；Tr
mag
表示扰动幅值阈值；扰动斜率规则R
slo
用来检查PMU测量数据的变化斜率是否超出了设定的阈值，其数学表达式为：2)动态规划旋转门算法进行故障事件检测首先，对满足PMU故障事件规则的压缩区间进行评分；如果不满足规则计分为零，根据旋转门分割的压缩区间长度，设计一种递增的长度计分函数S；给定PMU采样数据的离散时间点的时间间隔(i，j)和位于该时间间隔内的时间点k(即i＜k＜j)，计分函数应符合超可加性性质，其数学表达式为：计分函数S的数学模型，即：S(...

【专利技术属性】
技术研发人员：崔明建，吴丽红，张程彬，崔沛然，韩一宁，
申请(专利权)人：成都国佳电气工程有限公司，
类型：发明
国别省市：