【技术实现步骤摘要】
本申请涉及电力系统保护，特别涉及一种基于fcma算法的电力系统故障诊断方法及系统。
技术介绍
1、目前，我国应用最广泛的输电方式仍然是交流输电，相对于普通交流输电，高压交流输电具有电路损耗小，传输效率高等优点。在输电方面，我国的特高压交流输电在国际上一骑绝尘，许多国家望尘莫及，但是特高压输电仍要面对输电损耗，输电效率低和造价昂贵等问题。
2、hvdc输电具有线缆输送容量大、造价低、损耗小、传输距离远和电力系统之间的非同步联网等优势。但是，hvdc系统是一个非常庞大和复杂的系统，在运行过程中难免会出现各种故障情况，当系统故障时需要及时针对故障进行判断和诊断，避免导致整个系统出现停运的糟糕情况，若出现故障导致的系统停运，将会给整个系统造成巨大的经济损失，并且影响用户的用电需求，严重的话会降低并联电网的运行稳定性，对整个电力系统的经济性、安全性、稳定性造成巨大的影响。因此，迫切需要建立高压直流输电故障诊断系统，以实现对高压直流输电系统故障的快速诊断和处理。
技术实现思路
1、本专利提出了一种基于fcma算法的电力系统故障诊断方法及系统，用于实现对hvdc系统各种故障进行诊断，以达到快速、准确地实现系统故障诊断。并且该系统故障诊断模型自动化程度高、适应性好、鲁棒性强，可以很好地解决高压直流输电系统中的故障识别准确率低的问题。
2、本专利技术提供了一种基于fcma算法的电力系统故障诊断方法及系统，首先，对故障数据进行特征提取和数据处理并划分训练集和验证集；然后，建立f
3、具体的，所述方法包括：
4、s1：收集hvdc系统的故障数据，对故障样本数据进行标签处理；
5、s2：将收集到的故障数据进行特征提取，并对特征数据进行归一化处理，建立样本数据集；通过对收集到的故障数据进行特征提取和归一化处理，有效地提取出能够反映系统故障特征的特征向量，为后续的故障诊断建模奠定基础。
6、s3：将样本数据集中的特征进行模糊化处理，建立fcma故障诊断模型；
7、s4：采用遗传算法对所述fcma故障诊断模型进行全局优化，获得最优fcma故障诊断模型用于电力系统故障诊断，并输出可视化结果。
8、在本优选实施例中，所述对故障样本数据进行标签处理，具体包括：
9、定义hvdc系统的故障类型；
10、计算所述故障样本数据和hvdc系统的故障类型的相似特征；
11、根据所述相似特征进行故障样本数据贴标签。
12、在本优选实施例中，所述s2中将收集到的故障数据进行特征提取，具体包括：
13、提取所述故障数据的电气参数和参数特征值，使用信号处理技术对所述故障数据进行预处理和特征提取；再使用机器学习中的特征工程方法，对特征进行降维或提取更有信息量的特征。
14、所述s3中将样本数据集中的特征进行模糊化处理，具体包括：
15、定义模糊集合；
16、为每个模糊集合设计隶属度函数；
17、对于样本数据集中每个需要模糊化的特征值，计算其属于不同模糊集合的隶属度；
18、将每个特征值的隶属度值转换为模糊特征；
19、其中，目标函数
20、式中u＝(uik)c×n为隶属度矩阵，uik为第k个样本隶属于第i簇的隶属度，uik∈[0,1]，dik为第i个聚类中心与第k个数据点间的欧几里得矩阵，dik＝‖xk-vi‖；j(u,v)表示了各类中样品到聚类中心的加权平方距离之和，权重是样品xk属于第i类的隶属度的m次方。
21、所述采用遗传算法对所述fcma故障诊断模型进行全局优化，具体为：
22、定义一个适应度函数；
23、初始化种群，根据个体的适应度值，采用选择操作从种群中选择一部分个体作为父代；根据个体的适应度值，采用选择操作从种群中选择一部分个体作为父代；交叉操作采用算术交叉，变异算子采用非均匀变异；用新生成的子代个体替换部分较差的父代个体，形成新的种群；多次迭代达到特定的迭代次数，在最终的种群中选择适应度最佳的个体作为优化结果，在最终的种群中选择适应度最佳的个体作为优化结果。
24、所述fcma故障诊断模型，还包括：计算最终的隶属度矩阵u和聚类中心v，使得目标函数j(u,v)的值达到最小，具体为：
25、
26、修正隶属度矩阵u(l)，计算目标函数值j(l)：
27、
28、
29、
30、对给定的隶属度终止容限εu>0，或目标函数终止容限εj>0,或最大迭代步长lmax；当或当l>1,|j(l)-j(l-1)|<εl或l≥lmax)时，停止迭代，否则j＝j+1，重新计算聚类中心v(l)。
31、根据最终的隶属度矩阵u中元素的取值确定所以样本数据的归属，当时，可将样品xk归为第j类。
32、基于同一专利技术思路，本专利技术还提供一种基于fcma算法的电力系统故障诊断系统，所述诊断系统包括：
33、数据采集单元，用于收集hvdc系统的故障数据；
34、标签处理单元，用于对故障样本数据进行标签处理；
35、预处理单元，用于将收集到的故障数据进行特征提取，并对特征数据进行归一化处理，建立样本数据集；
36、第一处理单元，用于将样本数据集中的特征进行模糊化处理，建立fcma故障诊断模型诊断单元，采用最优fcma故障诊断模型进行电力系统故障诊断；
37、以及可视化处理单元，用于将所述电力系统故障诊断进行可视化处理后并呈现。
38、通过训练优化后的fcma故障诊断模型，并输入待诊断的数据，可以得到故障诊断结果。将这些结果进行可视化展示，通过图表、曲线等形式直观地展示系统的故障类型、位置和概率，方便用户理解和应用。
39、进一步的，所述诊断系统，还包括：
40、第二处理单元，用于采用遗传算法对所述fcma故障诊断模型进行全局优化，获得最优fcma故障诊断模型。
41、基于同一专利技术思路，本专利技术还提供一种fcma故障诊断模型，所述模型为如上所述的基于fcma算法的电力系统故障诊断方法中的fcma故障诊断模型。
42、本专利技术相对于现有技术的存在如下有益效果：
43、1、本专利技术采用遗传算法对fcma故障诊断模型进行全局优化，通过对模型参数的优化和调整，寻找最优解空间，提高模型的准确性、鲁棒性和泛化能力。
44、2、本专利技术该基于fcma算法的电力系统故障诊断方法及系统通过综合运用特征提取、模糊化处理、遗传算法优化和可视化展示等技术手段，能够有效地进行电力系统的故障诊断，并为电力系统的运行和维护提供重要的支持。
本文档来自技高网...【技术保护点】
1.一种基于FCMA算法的电力系统故障诊断方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种基于FCMA算法的电力系统故障诊断方法，其特征在于，所述对故障样本数据进行标签处理，具体包括：
3.根据权利要求2所述的一种基于FCMA算法的电力系统故障诊断方法，其特征在于，所述S2中将收集到的故障数据进行特征提取，具体包括：
4.根据权利要求3所述的一种基于FCMA算法的电力系统故障诊断方法，其特征在于，所述S3中将样本数据集中的特征进行模糊化处理，具体包括：
5.根据权利要求4所述的一种基于FCMA算法的电力系统故障诊断方法，其特征在于，所述采用遗传算法对所述FCMA故障诊断模型进行全局优化，具体为：
6.根据权利要求5所述的一种基于FCMA算法的电力系统故障诊断方法，其特征在于，所述FCMA故障诊断模型，还包括：计算最终的隶属度矩阵U和聚类中心V，使得目标函数J(U,V)的值达到最小，具体为：
7.根据权利要求6所述的一种基于FCMA算法的电力系统故障诊断方法，其特征在于，还包括：根据最终的隶属度矩
8.一种根据权利要求1-7任一所述的一种基于FCMA算法的电力系统故障诊断方法的系统，其特征在于，所述系统包括：
9.一种根据权利要求8所述的系统，其特征在于，所述系统，还包括：第二处理单元，用于采用遗传算法对所述FCMA故障诊断模型进行全局优化，获得最优FCMA故障诊断模型。
10.一种FCMA故障诊断模型，其特征在于，所述FCMA故障诊断模型为如权利要求1-7任一所述的一种基于FCMA算法的电力系统故障诊断方法中的FCMA故障诊断模型。
...【技术特征摘要】
1.一种基于fcma算法的电力系统故障诊断方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种基于fcma算法的电力系统故障诊断方法，其特征在于，所述对故障样本数据进行标签处理，具体包括：
3.根据权利要求2所述的一种基于fcma算法的电力系统故障诊断方法，其特征在于，所述s2中将收集到的故障数据进行特征提取，具体包括：
4.根据权利要求3所述的一种基于fcma算法的电力系统故障诊断方法，其特征在于，所述s3中将样本数据集中的特征进行模糊化处理，具体包括：
5.根据权利要求4所述的一种基于fcma算法的电力系统故障诊断方法，其特征在于，所述采用遗传算法对所述fcma故障诊断模型进行全局优化，具体为：
6.根据权利要求5所述的一种基于fcma算法的电力系统故障诊断方法，其特征在于，所述fcma故障...
【专利技术属性】
技术研发人员：李强，陈潜，武霁阳，陈礼昕，黄之笛，龚泽，覃广斌，李浩，肖耀辉，余俊松，王林，乔柱桥，
申请(专利权)人：中国南方电网有限责任公司超高压输电公司电力科研院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。