【技术实现步骤摘要】
本专利技术涉及电网故障处理领域，特别是一种基于数据驱动的电网故障诊断方法及系统。
技术介绍
1、随着电力需求的迅速增长，电力系统规模和复杂性的不断提升成为一个亟需解决的挑战。电网故障成为电力系统运行中无法回避的问题，其不仅导致供电中断，对社会的生产和生活造成负面影响，还可能引发连锁故障，威胁整个电网的安全和稳定运行。
2、传统的电网故障诊断方法主要依赖于人工判断和经验积累，然而这种方式存在准确率低、效率低，以及容易受主观影响的问题。通过引入基于数据驱动的电网故障诊断方法，提高诊断的准确性和效率，降低人为主观因素的影响；不仅可以及时发现电网故障，采取有效措施避免供电中断，还有助于减轻社会生产和生活的负面影响，以及预防潜在的连锁故障，从而确保电网安全稳定运行。
技术实现思路
1、鉴于现有的电网故障诊断存在的问题，提出了本专利技术。
2、因此，本专利技术所要解决的问题在于如何提高诊断的准确性和效率，降低人为主观因素的影响。
3、为解决上述技术问题，本专利技术提供如下技术方案：
4、第一方面，本专利技术实施例提供了一种基于数据驱动的电网故障诊断方法，其包括，采集电网运行数据，对采集的数据进行预处理和标准化，并使用时频分析提取关键特征；基于机器学习的分类器，利用历史数据中的故障特征建立故障诊断模型，并使用交叉验证算法对故障诊断模型进行训练；基于训练的故障诊断模型，对电网运行数据实时监测和故障诊断，并判断故障类型；基于故障类型计算故障风险值，根据
5、作为本专利技术所述基于数据驱动的电网故障诊断方法的一种优选方案，其中：所述利用历史数据中的故障特征建立故障诊断模型包括以下步骤：将历史数据划分为训练集和测试集；利用机器学习分类器通过训练集数据建立故障诊断模型，并调整故障诊断模型的超参数，以优化模型的性能；使用交叉验证法对障诊断模型进行评估；基于故障诊断模型评估，对故障诊断模型进行参数调优，并使用网格搜索寻找最优超参数组合。
6、作为本专利技术所述基于数据驱动的电网故障诊断方法的一种优选方案，其中：所述使用交叉验证法对障诊断模型进行评估包括以下步骤：当故障诊断模型在交叉验证中表现良好，则选择此故障诊断模型作为最终模型，并使用完整的训练数据集进行训练，以提高模型在实际应用中的性能；当故障诊断模型在交叉验证中表现一般，则尝试调整故障诊断模型的超参数，进行更深入的特征工程，并通过迭代的方式不断优化模型，提高性能；当故障诊断模型在交叉验证中表现差，则重新审查数据质量，并增加训练数据的数量；若重新审查数据质量高，则重新调整特征工程，进行重新审查数据质量；若重新审查数据质量低，则针对差的质量数据进行数据清洗和修复；若数据质量问题严重且无法修复，则重新采集更高质量的数据进行验证。
7、作为本专利技术所述基于数据驱动的电网故障诊断方法的一种优选方案，其中：所述根据计算的故障风险值对故障进行等级划分包括以下步骤：将实时监测的电网运行数据计算故障风险值；当故障风险值小于等于0，则故障风险值在接受范围，不进行划分；当故障风险值小于等于5且大于0，则划分故障风险值为三级；当故障风险值小于等于20且大于5，则划分故障风险值为二级；当故障风险值大于20，则划分故障风险值为一级；根据预设的风险等级划分标准，将计算得到的故障风险值划分为不同等级；根据本次故障停电影响的区域，按文字规范自动生成实时运行风险预警通知书。
8、作为本专利技术所述基于数据驱动的电网故障诊断方法的一种优选方案，其中：所述将实时监测的电网运行数据计算故障风险值的具体公式如下：
9、r＝(0.3×s+0.3×l×p+0.3×d×w+0.1×u)×(1+μ)
10、其中，r为故障风险值，s为危害严重程度分值，l为损失负荷，p为损失负荷比例因数，d为设备类型因数，w为天气影响因数，u为重要用户影响因数，μ为随机噪声。
11、作为本专利技术所述基于数据驱动的电网故障诊断方法的一种优选方案，其中：所述并使用时频分析提取关键特征包括以下步骤：对采集数据实施数据清理，检测和纠正采集数据中的异常值；计算数据集中每个数据点的核密度估计值；根据核密度估计值的分布情况，识别具有极低核密度值的数据点作为异常值；采用插值法对缺失数据进行填充，并通过标准化将不同参数的数值范围调整为一致的标准分布；通过时频分析法将电网运行数据转换到频域，捕捉周期性波动和异常频率成分，同时提取关键特征。
12、作为本专利技术所述基于数据驱动的电网故障诊断方法的一种优选方案，其中：所述计算数据集中每个数据点的核密度估计值的具体公式如下：
13、
14、其中，f(x)为在点x处的估计密度，n为样本数量，h为控制估计平滑程度的参数，k为核函数，xi为随机变量的i个数值；
15、当检测到异常值，则通过阈值判断异常值对整体数据的影响；若异常值大于阈值，则直接将异常值从数据集中移除；若异常值等于阈值，则选择保留异常值或使用插值法进行估算替代；若异常值小于阈值，则选择不对其进行处理，并保留相对较小的异常值。
16、第二方面，本专利技术实施例提供了一种基于数据驱动的电网故障诊断系统，其包括：采集模块，用于采集电网运行数据，对采集的数据进行预处理和标准化，并使用时频分析提取关键特征；诊断模块，基于机器学习的分类器，利用历史数据中的故障特征建立故障诊断模型，并使用交叉验证算法对故障诊断模型进行训练；监测模块，基于训练的故障诊断模型，对电网运行数据实时监测和故障诊断，并判断故障类型和位置；生成模块，基于故障类型和位置计算故障风险值，根据计算的故障风险值对故障进行等级划分，并分析结果生成实时运行风险预警通知书；优化模块，定期更新故障诊断模型，并收集新的电网数据，不断优化特征提取和模型训练，以适应新的故障模式和变化，从而提高故障诊断模型的准确性。
17、第三方面，本专利技术实施例提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其中：所述计算机程序指令被处理器执行时实现如本专利技术第一方面所述的基于数据驱动的电网故障诊断方法的步骤。
18、第四方面，本专利技术实施例提供了一种计算机可读存储介质，其上存储有计算机程序，其中：所述计算机程序指令被处理器执行时实现如本专利技术第一方面所述的基于数据驱动的电网故障诊断方法的步骤。
19、本专利技术有益效果为：本专利技术通过实时故障监测和精准诊断，提高电网运行的响应速度和故障识别准确性；采用机器学习分类器建立的数据驱动模型，有效应对不同类型故障，缩短故障影响时间；风险评估和实时预警系统提供决策支持，计算故障风险值并划分等级，有助于提前采取措施降低潜在风险；电网影响的详细分析支持规划和优化决策，提高整体运行效率；系统的持续优化机制确保适应新的故障模式和本文档来自技高网...
【技术保护点】
1.一种基于数据驱动的电网故障诊断方法，其特征在于：包括，
2.如权利要求1所述的基于数据驱动的电网故障诊断方法，其特征在于：所述利用历史数据中的故障特征建立故障诊断模型包括以下步骤：
3.如权利要求2所述的基于数据驱动的电网故障诊断方法，其特征在于：所述使用交叉验证法对故障诊断模型进行评估包括以下步骤：
4.如权利要求1所述的基于数据驱动的电网故障诊断方法，其特征在于：所述根据计算的故障风险值对故障进行等级划分包括以下步骤：
5.如权利要求4所述的基于数据驱动的电网故障诊断方法，其特征在于：所述将实时监测的电网运行数据计算故障风险值的具体公式如下：
6.如权利要求1所述的基于数据驱动的电网故障诊断方法，其特征在于：所述并使用时频分析提取关键特征包括以下步骤：
7.如权利要求6所述的基于数据驱动的电网故障诊断方法，其特征在于：所述计算数据集中每个数据点的核密度估计值的具体公式如下：
8.一种基于数据驱动的电网故障诊断系统，基于权利要求1～7任一所述的基于数据驱动的电网故障诊断方法，其特征在于：包括
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于：所述处理器执行所述计算机程序时实现权利要求1～7任一所述的基于数据驱动的电网故障诊断方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现权利要求1～7任一所述的基于数据驱动的电网故障诊断方法的步骤。
...【技术特征摘要】
1.一种基于数据驱动的电网故障诊断方法，其特征在于：包括，
2.如权利要求1所述的基于数据驱动的电网故障诊断方法，其特征在于：所述利用历史数据中的故障特征建立故障诊断模型包括以下步骤：
3.如权利要求2所述的基于数据驱动的电网故障诊断方法，其特征在于：所述使用交叉验证法对故障诊断模型进行评估包括以下步骤：
4.如权利要求1所述的基于数据驱动的电网故障诊断方法，其特征在于：所述根据计算的故障风险值对故障进行等级划分包括以下步骤：
5.如权利要求4所述的基于数据驱动的电网故障诊断方法，其特征在于：所述将实时监测的电网运行数据计算故障风险值的具体公式如下：
6.如权利要求1所述的基于数据驱动的电网故障诊断方法，其特征在...
【专利技术属性】
技术研发人员：范俊秋，袁龙，赵维兴，杜刃刃，谢威，王嘉昊，宁楠，李钰刚，代江，曾晓蕾，吴小康，姜世骁，廖畅，陈晓，杨瑞，杨政校，谢才科，陈克洋，
申请(专利权)人：贵州电网有限责任公司，
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。