一种用户停电事件故障预测方法技术

本发明专利技术属于电力领域，尤其涉及一种用户停电事件故障预测方法，包括：步骤S1：采集停电事件故障数据；步骤S2：对采集到的停电事件故障数据进行降维和降维后归一化预处理；步骤S3：根据预处理的数据对停电事件故障趋势进行预测。本发明专利技术的方法根据振动频率完成故障信号的采集，采集数据快，停电事件故障数据的精度高，同时通过降维和降维后归一化处理数据，可准确分析不同故障数据之间的联系，具有较高的实用性和实时性，解决了传统方法复杂、精度低、预测模型差、响应速度不够快的缺点。响应速度不够快的缺点。响应速度不够快的缺点。

【技术实现步骤摘要】
一种用户停电事件故障预测方法


[0001]本专利技术属于电力
，尤其涉及一种用户停电事件故障预测方法。

技术介绍

[0002]随着现代社会的飞速发展，电力已成为社会离不开的重要要素。但在电力生产过程中，因各种不可干扰因素造成停电事件，用户停电事件故障不仅会给自己带来重大危害，并且易给电网带来很大的冲击，很可能造成大面积的停电、电网崩溃，给社会、经济、人民生活和安全造成更大的危害。因此，做好用户停电事件故障趋势预测是十分必要的。
[0003]传统的用户停电事件故障趋势预测存在复杂、精度低、预测模型差的缺点，同时，预测响应时间较慢。专利“一种配电网故障停电预测方法及存储介质”(202210675829.6)结合自然因素、外部因素、内部因素和客户因素等数据来对未来短期、中期的预测结果，可以对影响用户进行事先通知，提高应对停电事件的主动性。但数据采集和处理较为复杂，响应时间仍不够快。

技术实现思路

[0004]本申请的目的在于，提供一种用户停电事件故障预测方法，以解决现有现有用户停电故障预测较为复杂、响应时间不够快的缺陷，为及时解决停电事件争取宝贵时间。
[0005]为了解决或者改善上述问题，本专利技术提供了一种用户停电事件故障预测方法，具体技术方案如下：
[0006]本专利技术提供一种用户停电事件故障预测方法，其特征在于，包括：
[0007]步骤S1：采集停电事件故障数据；
[0008]步骤S2：对采集到的停电事件故障数据进行降维和降维后归一化预处理；
[0009]步骤S3：根据预处理的数据对停电事件故障趋势进行预测。
[0010]优选的，骤S1具体包括：采集故障信号，用自适应滤波的方法对信号中的干扰与噪声进行滤波，再将滤波后的故障信号转化为故障数据。
[0011]优选的，所述故障信号为二维网络故障振动信号。
[0012]优选的，滤波处理的具体方法包括：
[0013]故障信号Q
ij
用式子表达如下，
[0014][0015]Q
ij
表示第i行第j列的故障信号，f
ijH
表示第i行第j列的故障信号，f
ijL
表示第i行第j列的故障信号,n
k
为采集频率；
[0016]对采集到的故障振动信号进行自适应滤波，滤波后的故障振动信号Q1ij为
[0017][0018]Q
1ij
表示第i行第j列滤波后的故障信号，β为自适应滤波系数，a为故障信号的时移参数，e
t
为噪声和其他干扰信号，t为滤波时间。
[0019]对信号中的干扰与噪声进行滤波后，再将滤波后的故障信号转化为故障数据S
ij
，
[0020][0021]其中，m为二维故障行数据个数。
[0022]优选的，骤S2中，使用欧几里德距离计算方法将故障数据规模降维。
[0023]优选的，降维后的数据S
i
为
[0024][0025]在式(4)中，m为二维故障行数据个数，n为二维故障列数据个数，ω为高维时空状态矩阵，对数据进行实时监测，并对其进行降维处理。
[0026]优选的，对降维后的k个数据进行归一化处理，确保数据取值范围在[01]之间，归一化后的数据S1为式(5)
[0027][0028]其中，k为降维处理后的数据的个数。
[0029]优选的，步骤S3中，对停电事件故障趋势预测包括：故障发生的概率、用户配电网络的状态脆弱度指标和停电事件故障趋势预测模型。
[0030]优选的，将归一化处理后的数据S1进行时间序列分解，分解成式(6)
[0031]S1＝rt+st+xt(6)
[0032]其中，rt为故障变化的趋势项，st为时间序列的周期项，xt为时间序列的平稳项，通过故障变化的趋势项rt可以进行停电事件故障趋势预测。
[0033]停电事件故障的概率P(t)服从泊松分布，见式(7)
[0034][0035]在式(7)中，λ
av
为停电事件故障发生的平均概率；从而可计算出第C次用户配电网络的状态脆弱度指标μ
C
为
[0036][0037]r
C
为第C次停电事故故障时间序列故障变化趋势项的参数，δC为第C次停电事故故障时间序列故障变化趋势项的能量差值，可以推算第C次停电事故故障对第Z次停电事故故障的脆弱影响因子G
Z，C
，
[0038][0039]从而可计算停电事件故障趋势预测模型L
Z+1
，
[0040][0041]其中，G
Z,Z
为第Z次停电事故故障对第Z次停电事故故障的脆弱影响因子。
[0042]本专利技术的有益效果为：
[0043]本专利技术的方法采集数据快，停电事件故障数据的精度高，同时可准确分析不同故障数据之间的联系，具有较高的实用性和实时性，解决了传统方法复杂、精度低、预测模型差、响应速度不够快的缺点。其中，根据采集频率完成故障信号的采集，方法简单快捷，为及时解决停电事件争取宝贵时间，同时使用自适应滤波的方法提高停电事件故障数据的准确性，数据使用欧几里德距离计算方法将故障数据规模降维，降维更能清楚表示不同故障数据之间的联系，对降维后的数据进行归一化处理，采集数据快，停电事件故障数据的精度高，准确分析不同故障数据之间的联系，具有较高的实用性和实时性。
附图说明
[0044]图1是根据本专利技术用户停电事件故障预测方法流程图。
具体实施方式
[0045]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0046]应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
[0047]还应当理解，在本专利技术说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本专利技术。如在本专利技术说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
[0048]还应当进一步理解，在本专利技术说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
[0049]实施例
[0050]为了解决或者改善现有现有用户停电故障预测较为复杂、精度低、相应时间不够快的问题，提出如图1所示的一种用户停电事件故障预测方法，包括：
[0051]步骤S1：采集停电事件故障数据。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用户停电事件故障预测方法，其特征在于，包括：步骤S1：采集停电事件故障数据；步骤S2：对采集到的停电事件故障数据进行降维和降维后归一化预处理；步骤S3：根据预处理的数据对停电事件故障趋势进行预测。2.根据权利要求1所述用户停电事件故障预测方法，其特征在于，步骤S1具体包括：采集故障信号，用自适应滤波的方法对信号中的干扰与噪声进行滤波，再将滤波后的故障信号转化为故障数据。3.根据权利要求2所述用户停电事件故障预测方法，其特征在于，所述故障信号为二维网络故障振动信号，通过振动频率来采集。4.根据权利要求3所述用户停电事件故障预测方法，其特征在于，滤波处理的具体方法包括：故障信号Q
ij
用式子表达如下，Q
ij
表示第i行第j列的故障信号，f
ijH
表示第i行第j列的故障信号，f
ijL
表示第i行第j列的故障信号,n
k
为采集频率；对采集到的故障振动信号进行自适应滤波，滤波后的故障振动信号Q
1ij
为Q
1ij
表示第i行第j列滤波后的故障信号，β为自适应滤波系数，a为故障信号的时移参数，e
t
为噪声和其他干扰信号，t为滤波时间。对信号中的干扰与噪声进行滤波后，再将滤波后的故障信号转化为故障数据S
ij
，其中，m为二维故障行数据个数。5.根据权利要求1所述用户停电事件故障预测方法，其特征在于，步骤S2中，使用欧几里德距离计算方法将故障数据规模降维。6.根据权利要求5所述用户停电事件故障预测方法，其特征在于，降维后的数据S
i
为在式(4)中，m为二维故障行数据个数，n为二维故障列数据个数，ω为高维时空状态矩阵，对数据...

【专利技术属性】
技术研发人员：易辰颖，周杨珺，陈千懿，黄伟翔，
申请(专利权)人：广西电网有限责任公司电力科学研究院，
类型：发明
国别省市：