电力故障波形的判定系统及方法技术方案

电力故障波形的判定系统及方法，属于电力领域，本发明专利技术的目的是为了解决如何高效的判定电网故障的问题。步骤1、采集辖区电网中的故障波形数据，从每个故障波形数据中提取特征数据组成数据集；步骤2、采用主成分分析算法对数据集进行降维处理，得到降维后的数据集；步骤3、将降维后的数据集输入到极限学习机模型中进行训练，得到训练后的电网故障模型；步骤4、将实时采集到的电网数据输入至训练后的电网故障模型，得到电网故障类型。用于判定电网故障。得到电网故障类型。用于判定电网故障。得到电网故障类型。用于判定电网故障。

【技术实现步骤摘要】
电力故障波形的判定系统及方法


[0001]本专利技术涉及电力故障判定，属于电力领域。

技术介绍

[0002]随着经济的不断发展，电力系统发展迅猛，特别是在输变电高电压等级厂/站中，各种二次监测设备、控制设备已可以满足变电站安全运行的需要，厂/站内自动化程度相对较高。
[0003]目前，电网对现场故障数据的管理，还处在手工化管理阶段，发生故障时，对故障数据的获取去厂/站现场手动查找和磁盘文件拷贝的办法，效率很低，阻碍了电网故障分析和定位的及时性、高效性的迫切需求，故障排除时间加长，停电时间加长，供电质量下降。
[0004]电网数据的集中监测、数据共享与智能化分析，已成为必然的发展趋势。因此，现有需要高效的判定故障的方法。

技术实现思路

[0005]本专利技术的目的是为了解决如何高效的判定电网故障的问题，提出了电力故障波形的判定系统及方法。
[0006]电力故障波形的判定方法，所述方法包括以下内容：
[0007]步骤1、采集辖区电网中的故障波形数据，从每个故障波形数据中提取特征数据组成数据集；
[0008]步骤2、采用主成分分析算法对数据集进行降维处理，得到降维后的数据集；
[0009]步骤3、将降维后的数据集输入到极限学习机模型中进行训练，得到训练后的电网故障模型；
[0010]步骤4、将实时采集到的电网数据输入至训练后的电网故障模型，得到电网故障类型。
[0011]优选地，辖区电网中的故障波形数据包括A相接地故障、B相接地故障、C相接地故障、AB相短路故障、AC相短路故障、BC相短路故障、AB相接地故障、AC相接地故障、BC相接地故障和ABC相接地故障。
[0012]优选地，特征数据包括ABC电压及相位角、ABC电流及相位角、零序电流及相位、零序电压及相位、负序电流及相位和负序电压及相位。
[0013]优选地，步骤3中，将降维后的训练数据集输入到极限学习机模型中进行训练，得到训练后的电网故障模型，具体为：
[0014]将降维后的训练数据集输入到极限学习机模型中的目标函数中，使目标函数最小化，获得极限学习机模型的输出权重，将确定权重后的极限学习机模型作为训练后的电网故障模型。
[0015]电力故障波形的判定系统，所述系统包括主站侧系统、应用侧客户端和多个变电站；
[0016]每个变电站，均用于采集对应变电站内的电网数据，并发送给主站侧系统；
[0017]主站侧系统，用于接收多个变电站发来的电网数据，对电网数据进行处理，获得电网数据中的电网故障类型，将电网故障类型发给应用侧客户端；
[0018]应用侧客户端，用于显示电网故障类型。
[0019]优选地，每个变电站均包括一号数据网接入交换机、一号内部交换机和2个录装装置；
[0020]主站侧系统包括二号数据网接入交换机、二号内部交换机、防火墙和服务器；
[0021]应用侧客户端包括多个监测客户端和三号内部交换机；
[0022]2个录装装置，用于同步采集电网数据，并将该电网数据依次通过一号内部交换机、一号数据网接入交换机、二号数据网接入交换机、二号内部交换机传送给服务器；
[0023]服务器，用于对电网数据进行处理，获得电网数据中的电网故障类型，将电网故障类型依次通过二号内部交换机、防火墙和三号内部交换机发送给对应的监测客户端。
[0024]优选地，获得电网故障类型的具体过程为：
[0025]服务器内存储有从辖区电网中采集的故障波形数据，从每个故障波形数据中提取特征数据组成数据集；采用主成分分析算法对数据集进行降维处理，得到降维后的数据集；将降维后的数据集输入到极限学习机模型中进行训练，得到训练后的电网故障模型；将实时采集到的电网数据输入至训练后的电网故障模型，得到电网故障类型。
[0026]本专利技术的有益效果是：
[0027]1)本申请可以方便在线对各变电站的故障录装装置的运行情况进行监视；
[0028]2)可以第一时间即时的看到、得到相应的故障数据，及时进行故障分析和故障定位，快速指挥，科学正确的进行故障排查和整改，缩短停电时间和停电次数，提高供电质量，有效保证社会生产和群众的日常生活用电，其间接经济效益不可估量；
[0029]3)可以从整体上对辖区内的故障数据、故障分部特点等进行科学的分析，明确故障排查的重点和方向，可以有效的指导故障预防和处理，减小事故机率；
[0030]4)可以对故障数据进行有效的综合管理，可以快速有效的实现故障数据的检索和分析；
[0031]可以提高故障录波器(录装装置)的整体管理和利用率，提高整体工作效率，提升自动化水平，间接的减小人为造成的工作失误。
附图说明
[0032]图1为电力故障的判定系统的原理示意图；
[0033]图2为电力故障的判定方法的流程图。
具体实施方式
[0034]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，所描述的实施例仅仅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作出创造性劳动的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。
[0035]需要说明的是，在不冲突的情况下，本专利技术中的实施例及实施例中的特征可以相
互组合。
[0036]下面结合附图和具体实施例对本专利技术作进一步说明，但不作为本专利技术的限定。
[0037]具体实施方式一：结合图2说明本实施方式，本实施方式所述的电力故障波形的判定方法，所述方法包括以下内容：
[0038]步骤1、采集辖区电网中的故障波形数据，从每个故障波形数据中提取特征数据组成数据集；
[0039]步骤2、采用主成分分析算法对数据集进行降维处理，得到降维后的数据集；
[0040]步骤3、将降维后的数据集输入到极限学习机模型中进行训练，得到训练后的电网故障模型；
[0041]步骤4、将实时采集到的电网数据输入至训练后的电网故障模型，得到电网故障类型。
[0042]本实施方式中，通过对上述智能算法和典型故障数据特征进行研究与融合，训练和和构建典型故障智能化分析算法模型，通过智能化算法模型实现上述典型故障的分析、识别与准确判定。
[0043]1)数据收集与整理对辖区电网中的典型故障数据进行收集整理和归类；
[0044]2)数据集整理对每类典型故障数据的特征值进行计算、提取和整理；对整理出的数据集，各种故障类型的数据集，分别取出30％，作为模型训练成功后的二次测试数据集。
[0045]3)数据降维处理对主成分分析算法进行原理和使用研究，通过主成分分析算法对，上述准备好的数据集进行加工和处理，实现数据降维，提取并合成新的对故障数据判定影响因素较大的主要数据成分。
[0046]3)智能算法模型构建与训练对改进极限学习机算法的特点与应用进行研究，将上述降维后的数据模型，输入到改进机器学本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.电力故障波形的判定方法，其特征在于，所述方法包括以下内容：步骤1、采集辖区电网中的故障波形数据，从每个故障波形数据中提取特征数据组成数据集；步骤2、采用主成分分析算法对数据集进行降维处理，得到降维后的数据集；步骤3、将降维后的数据集输入到极限学习机模型中进行训练，得到训练后的电网故障模型；步骤4、将实时采集到的电网数据输入至训练后的电网故障模型，得到电网故障类型。2.根据权利要求1所述的电力故障波形的判定方法，其特征在于，辖区电网中的故障波形数据包括A相接地故障、B相接地故障、C相接地故障、AB相短路故障、AC相短路故障、BC相短路故障、AB相接地故障、AC相接地故障、BC相接地故障和ABC相接地故障。3.根据权利要求1所述的电力故障波形的判定方法，其特征在于，特征数据包括ABC电压及相位角、ABC电流及相位角、零序电流及相位、零序电压及相位、负序电流及相位和负序电压及相位。4.根据权利要求1所述的电力故障波形的判定方法，其特征在于，步骤3中，将降维后的训练数据集输入到极限学习机模型中进行训练，得到训练后的电网故障模型，具体为：将降维后的训练数据集输入到极限学习机模型中的目标函数中，使目标函数最小化，获得极限学习机模型的输出权重，将确定权重后的极限学习机模型作为训练后的电网故障模型。5.电力故障波形的判定系统，其特征在于，所述系统包括主站侧系统、应用侧客户...

【专利技术属性】
技术研发人员：于国良，肖同心，金志宇，纪春雪，王龙善，张帆，梁磊磊，姜传博，
申请(专利权)人：国家电网有限公司，
类型：发明
国别省市：