【技术实现步骤摘要】
本专利技术涉及电力系统，特别是基于云边协同的县域电网故障识别方法及装置。
技术介绍
1、我国电网呈现覆盖范围广、输电距离远、装机容量大、故障冲击强的特点，传统的稳态控制和保护策略难以有效抵制系统扰动冲击，负荷仿真控制难以达到电网应用的精准实时性要求，从而难以真正实现电网的在线分析与广域协调，因此研究云边协调、边缘计算等技术，对于构建基于云边协调的电力系统运行框架、电力系统广域协调运行控制技术框架，是应对新一代电网发展中机遇和挑战的有效手段。
2、云平台具有强大的计算和存储能力，是实现电力系统故障诊断的优良工具，边缘平台靠近数据源，能够在本地对数据进行处理和分析，提高实时性，同时减少了数据远程传输造成的不必要的资源浪费；根据云计算和边缘计算的特点和优势，将电力系统故障识别分为故障识别模型训练和故障诊断两部分，分别放在云平台和边缘节点进行。边缘计算是指在物理设备端就近提供服务，开发集存储、网络、计算和分析等能力为一体的平台；相对于云端而言，边缘端因其更靠近设备实体，可以产生更快的网络服务响应，满足系统在低延迟、实时性等方面的控制要求；边缘端还结合了云端的优势，可以进行云边协同计算，充分协同利用边缘端和云端各自的优势；随着我国智能电网建设的不断推进，电网运行过程中产生的数据量呈指数型增长，如何充分挖掘海量数据内在的相关性关系，实现电网故障识别成为研究热点。
技术实现思路
1、基于云边协同的县域电网故障识别方法，包括如下步骤：
2、获取终端设备及配电网线路实时数据进
3、边缘计算节点根据现有的故障识别模型进行故障识别预处理，并将结果传入云平台；
4、云平台结合终端数据及边端数据进行模型优化，建立推理模型，丰富边端识别系统。
5、进一步的，利用电力录波系统进行终端设备及配电网线路实时数据的获取。
6、进一步的，所述的边缘计算节点根据现有的故障识别模型进行故障识别预处理的方法为：
7、确定故障类型；
8、确定故障点位置，边缘计算节点采取动作，切除故障。
9、进一步的，所述的确定故障类型的方法为：
10、根据流过同步测量单元的三相电流和零序电流分量的信息，通过小波变换方法提取电流信号的特征，并将小波的电流能量作为特征量；根据故障特征进行小波变换处理，然后分析变换之后的小波能量变化判断具体的故障类型。
11、进一步的，所述的分析变换之后的小波能量变化判断具体的故障类型的方法为：
12、通过小波变换过程实现对特征的提取，将小波高频能量输入到混合逻辑推理petri网模型中，并对具体的故障类型进行判断。
13、进一步的，所述的确定故障点位置，边缘计算节点采取动作，切除故障的方法为：
14、边缘计算节点利用由pmu采集到的电气信息，对电力线路进行遍历计算，对故障距离进行计算，根据故障距离的范围对故障点的具体位置进行判断，在搜索出所有的故障点之后，需要将其中的伪故障点进行去除，可以采用pmu测量电压、故障电压的相位关系来对伪故障点进行确定，将其排除之后即可找到真正的故障点。
15、进一步的，云平台结合终端数据及边端数据进行模型优化，建立推理模型，丰富边端识别系统，包括以下步骤：
16、在进行诊断推理之前，先确定贝叶斯网络的结构和参数；
17、利用领域专家知识构造贝叶斯网络的结构，再采用统计学习方法的最大似然参数学习算法学习得到贝叶斯网络的参数，之后便可用得到的贝叶斯网络进行基于mcmc算法的故障诊断推理。
18、进一步的，借鉴最大似然参数学习算法，利用其离散模型通过使对数似然概率最大化，从而实现对贝叶斯网络参数进行修正，从而达到实用化的要求。
19、基于云边协同的县域电网故障识别装置，包括：
20、数据获取模块，用于获取终端设备及配电网线路实时数据进入边缘计算节点；
21、故障识别预处理模块，用于边缘计算节点根据现有的故障识别模型进行故障识别预处理，并将结果传入云平台；
22、推理模型建立模块，用于云平台结合终端数据及边端数据进行模型优化，建立推理模型，丰富边端识别系统。
23、一种计算设备，包括：
24、一个或多个处理单元；
25、存储单元，用于存储一个或多个程序，
26、其中，当所述一个或多个程序被所述一个或多个处理单元执行，使得所述一个或多个处理单元执行所述的基于云边协同的县域电网故障识别方法。
27、一种具有处理器可执行的非易失的程序代码的计算机可读存储介质，所述计算机程序被处理器执行时实现所述基于云边协同的县域电网故障识别方法的步骤。
28、本专利技术的优点和积极效果是：
29、1、本专利技术利用云边协同理论，改变了大量数据直接进入中心云平台后再处理的问题，有益于分担云平台计算压力，快速识别和处理终端故障；
30、2、本专利技术借助同步相量测量单元(pmu)，实现区域以及跨区域电网的动态监测，利用有限pmu的最优配置，在配电网的关键节点配置了pmu，使故障状态可观，同时将配电网划分成不同故障区域，减小了故障搜索范围；
31、3、本专利技术利用pmu暂态监控功能，判断故障起始时刻及故障类型，通过故障后的功率增量变化来判定故障区域，在故障区域内，基于区段定位优化模型中故障电流测量值与计算值的比较，计算误差最小的区段为故障区段，在故障区段内，直接或间接得到双端相量信息，利用线路实时阻抗得到的故障距离公式得到故障测距结果；
32、4、本专利技术云计算依据大数据作为支撑，当收到边缘计算节点传输的关键数据后，可以使用大量的算法以及模型进行最优演练，直到得出最优模型，所得出的故障识别模型进入边端系统，当下次故障再出现时，边缘计算节点能够直接识别出故障。
本文档来自技高网...【技术保护点】
1.基于云边协同的县域电网故障识别方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于云边协同的县域电网故障识别方法，其特征在于，所述的边缘计算节点根据现有的故障识别模型进行故障识别预处理的方法为：
3.根据权利要求2所述的基于云边协同的县域电网故障识别方法，其特征在于，所述的确定故障类型的方法为：
4.根据权利要求3所述的基于云边协同的县域电网故障识别方法，其特征在于，所述的分析变换之后的小波能量变化判断具体的故障类型的方法为：
5.根据权利要求2所述的基于云边协同的县域电网故障识别方法，其特征在于，所述的确定故障点位置，边缘计算节点采取动作，切除故障的方法为：
6.根据权利要求1所述的基于云边协同的县域电网故障识别方法，其特征在于，云平台结合终端数据及边端数据进行模型优化，建立推理模型，丰富边端识别系统，包括以下步骤：
7.根据权利要求6所述的基于云边协同的县域电网故障识别方法，其特征在于，借鉴最大似然参数学习算法，利用其离散模型通过使对数似然概率最大化，从而实现对贝叶斯网络参数进行修正，从而达
8.根据权利要求1所述的基于云边协同的县域电网故障识别方法，其特征在于，利用电力录波系统进行终端设备及配电网线路实时数据的获取。
9.基于云边协同的县域电网故障识别装置，其特征在于，包括：
10.一种计算设备，其特征在于：包括：
...【技术特征摘要】
1.基于云边协同的县域电网故障识别方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于云边协同的县域电网故障识别方法，其特征在于，所述的边缘计算节点根据现有的故障识别模型进行故障识别预处理的方法为：
3.根据权利要求2所述的基于云边协同的县域电网故障识别方法，其特征在于，所述的确定故障类型的方法为：
4.根据权利要求3所述的基于云边协同的县域电网故障识别方法，其特征在于，所述的分析变换之后的小波能量变化判断具体的故障类型的方法为：
5.根据权利要求2所述的基于云边协同的县域电网故障识别方法，其特征在于，所述的确定故障点位置，边缘计算节点采取动作，切除故障的方法为：
<...【专利技术属性】
技术研发人员：牛原，左磊，鄂志君，李振斌，卞海波，王超，崇志强，刘伟，郑卫洪，杨帮宇，姚维平，卢向东，陈培育，李刚，于光耀，郑骁麟，李梦一，孔祥玉，邵阳苹，姚昊阳，王满，
申请(专利权)人：国网天津市电力公司宁河供电分公司，
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。