CN115586402A

CN115586402A - 配电网故障诊断与处理方法

Info

Publication number: CN115586402A
Application number: CN202211576313.2A
Authority: CN
Inventors: 智建立; 杨阳; 许峰; 李贻斌
Original assignee: Anhui Zhongxin Jiyuan Information Technology Co ltd
Current assignee: Anhui Zhongxin Jiyuan Information Technology Co ltd
Priority date: 2022-12-09
Filing date: 2022-12-09
Publication date: 2023-01-10
Anticipated expiration: 2042-12-09
Also published as: CN115586402B

Abstract

本发明公开了配电网故障诊断与处理方法，涉及配电网故障检测技术领域，解决了现有技术无法合理设置数据限值以精确分析电气数据，导致配电网故障的识别精度不高的技术问题；本发明在获取各关键节点的基础数据之后，以相同场景下若干关键节点的电气数据来确定参考范围，对参考范围在进行划分，进而判断关键节点是否故障。本发明自动获取准确合理的参考范围以分析电气数据，提高配电网故障诊断的准确率；本发明在获取参考范围之后，根据经验对参考范围进行精细划分，获取若干参考子范围，基于参考子范围判断目标节点是否故障以及是否存在风险。本发明能够判断出关键节点的微小异常，同时降低了配电网维护成本。

Description

配电网故障诊断与处理方法

技术领域

本发明属于配电网故障检测领域，涉及配电网故障诊断与处理技术，具体是配电网故障诊断与处理方法。

背景技术

配电网由多个分支组成以便将电能输送至用户，这些分支分散在农村、城市，容易受到各种因素影响而发生故障。一旦发生故障而不能及时诊断处理，不仅会影响居民正常生活，而且还可能导致巨大损失。

现有技术(公开号为CN111650478A的中国发明专利)公开了一种配电网故障诊断与定位方法及网关，通过电气数据判断关键节点是否故障，再根据建立的物理拓扑连接关系图来定位故障位置，实现对配电网故障的简捷准确定位。现有技术在进行故障分析时，一般将关键节点的电气数据与设定的数据限值进行比较，当电气数据落入数据限值时则判定该关键节点正常；但是，数据限值的设定需要综合考虑各关键节点，也就是说通过数据限值并不能识别出关键节点的微小异常，导致配电网故障的识别精度不高；因此，亟须一种配电网故障诊断与处理方法。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一；为此，本发明提出了配电网故障诊断与处理方法，用于解决现有技术无法合理设置数据限值以精确分析电气数据，导致配电网故障的识别精度不高的技术问题。

为实现上述目的，本发明的第一方面提供了配电网故障诊断与处理方法，包括：

获取配电网中若干关键节点的基础数据；其中，基础数据包括环境数据、连接数据和电气数据，且连接数据包括与该关键节点连接的配电线路；

基于若干连接数据获取若干关键节点之间连接关系，并基于连接关系建立若干关键节点的连接拓扑图；其中，连接拓扑图中包括若干关键节点的标志信息；

选定目标节点，基于目标节点的环境数据和连接数据从其他关键节点中提取相匹配的关键节点形成节点集合；根据节点集合确定电气数据的参考范围；

将参考范围和目标节点的电气数据进行比较分析判断是否故障；提取故障关键节点的地理位置并进行预警。

优选的，所述基础数据通过网关采集模块获取，且若干所述网关采集模块与配电网故障分析中心进行数据交互；

所述网关采集模块包括处理器、电压互感器、电压变送器、电流互感器、电流变送器、无线通信模块以及各类型环境传感器。

优选的，工作人员在配电网中设定若干所述关键节点，并通过所述网关采集模块定时采集若干所述关键节点的基础数据；

从若干所述连接数据中识别分离配电线路；基于若干配电线路确定若干所述关键节点之间的连接关系，进而建立所述连接拓扑图。

优选的，在所述连接拓扑图构建完成之后，在其中添加若干所述关键节点的标志信息以及若干所述配电线路的标志信息；

基于若干所述关键节点和若干所述配电线路的标志信息生成若干所述关键节点的影响系数；其中，影响系数用于表示两个关键节点中其中一个关键节点故障对另外一个关键节点的影响程度。

优选的，在进行配电网的故障诊断中，依次将关键节点作为目标节点；基于所述目标节点与其他若干关键节点的匹配分数生成所述节点集合，包括：

联合关键节点的环境数据和连接数据提取节点要素i；其中，i为正整数，且节点要素包括温度、湿度、风力和配电线路连接数量；

当PF≤PY时，则判定该关键节点与目标节点匹配，将其纳入节点集合；其中，PY为根据经验设定的匹配阈值。

优选的，基于人工智能模型计算若干所述关键节点的节点分数，并基于所述节点分数生成所述节点集合，包括：

提取关键节点的环境数据和连接数据，并将其数值整合生成模型输入序列；

调取经过标准训练数据训练获取的人工智能模型，将模型输入序列输入至所述人工智能模型中，获取输出的节点分数；

将与目标节点的节点分数之差小于分差阈值的关键节点纳入节点集合；其中，分差阈值根据经验设定。

优选的，在生成所述节点集合之后，对所述节点集合中关键节点的电气数据进行筛选排序，获取各电气数据的变化范围，并标记为参考范围；

将所述目标节点的电气数据与参考范围进行比较，判断所述目标节点是否故障；当所述目标节点发生故障时，则进行预警。

优选的，在获取电气数据对应的所述参考范围之后，将所述参考范围划分为若干参考子范围；根据若干所述参考子范围判断所述目标节点的工作状态；其中，工作状态包括故障、中风险、低风险以及无风险。

与现有技术相比，本发明的有益效果是：

1.本发明在获取各关键节点的基础数据之后，以相同场景下若干关键节点的电气数据来确定参考范围，对参考范围在进行划分，进而判断关键节点是否故障。本发明自动获取准确合理的参考范围以分析电气数据，提高配电网故障诊断的准确率。

2.本发明在获取参考范围之后，根据经验对参考范围进行精细划分，获取若干参考子范围，基于参考子范围判断目标节点是否故障以及是否存在风险。本发明能够判断出关键节点的微小异常，同时降低了配电网维护成本。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明的工作步骤示意图。

具体实施方式

下面将结合实施例对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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它实施例，都属于本发明保护的范围。

请参阅图1，本发明第一方面实施例提供了配电网故障诊断与处理方法，包括：

现有技术在判断配电网是否故障时，一般是分析各关键节点的电气数据是否落在设定的数据限值之内，若落在数据限值内则判定正常，否则判定故障。在设定数据限值时，一般是根据经验设定，而且相同或者相似的节点设定的数据限值也相差不多，这就意味着电气数据要么正常，要么故障，针对正常与故障之间的一些细微异常无法识别，进而提高了配电网的维护成本。

本发明在获取各关键节点的基础数据之后，不单纯以设定的数据限值来分析其中的电气数据，而是以相同场景下若干关键节点的电气数据来确定参考范围，对参考范围在进行划分，进而判断关键节点是否故障。本发明能够判断出关键节点的微小异常，提高配电网故障诊断的准确率，同时降低了配电网维护成本。

本发明在进行配电网故障诊断之前，分析配电网并在其中设置若干关键节点。关键节点可以对应变压器、隔离开关、配电线路等。为关键节点配置网关采集模块以采集基础数据。

在配置若干网关采集模块之后，建立配电网故障分析中心与若干网关采集模块的连接，以实现二者之间的数据交互。网关采集模块包括处理器、电压互感器、电压变送器、电流互感器、电流变送器、无线通信模块以及各类型环境传感器，以采集发送关键节点的环境数据、电气数据和连接数据。连接数据实际是指关键节点对应的若干条配电线路以及配电线路的规格数据。

工作人员在配电网中设定若干关键节点，并通过网关采集模块定时采集若干关键节点的基础数据；从若干连接数据中识别分离配电线路；基于若干配电线路确定若干关键节点之间的连接关系，进而建立连接拓扑图。

在连接拓扑图构建完成之后，在其中添加若干关键节点的标志信息以及若干配电线路的标志信息；基于若干关键节点和若干配电线路的标志信息生成若干关键节点的影响系数；其中，影响系数用于表示两个关键节点中其中一个关键节点故障对另外一个关键节点的影响程度。

在配电线路和关键节点已知的情况下，结合连接数据可以建立连接拓扑图。在连接拓扑图中包含各关键节点的标志信息以及各配电线路与关键节点的连接信息。配电网故障分析中心基于诊断分析结果对连接拓扑图进行更新和区别显示，同时可以根据连接拓扑图定位故障位置。

影响系数实质表示了两个关键节点是否会相互影响，比如两个关键节点中，其中一个关键节点通过配电线路与另外一个关键节点直接相连，则二者会产生较大的相互影响，可将其影响系数标记为1；其中一个关键节点通过配电线路与另外一个关键节点间接相连，则二者会产生较小的相互影响，可将其影响系数标记为2。值得注意的是，影响系数可用于接下来节点集合的生成。

在一个可选的实施例中，在进行配电网的故障诊断中，依次将关键节点作为目标节点；基于目标节点与其他若干关键节点的匹配分数生成节点集合，包括：

匹配分数实质是判断其他关键节点是否与目标节点相似，相似内容包括环境以及配电任务是否相似，当二者越相似，则匹配分数越低。将匹配分数低于分数阈值的关键节点纳入到节点集合中。举例说明本实施例：

节点要素包括温度、湿度、风力和配电线路连接数量，编号i分别为1，2，3，4；则对应权重分别为α1、α2、α3和α4。

假设某关键节点对应的节点要素数值分别为20℃，0.5，5级和8条；目标节点对应的节点要素数值分别为23℃，0.5，6级和8条；则PF=3α1×+α3，带入对应权重值可以计算获取匹配分数，进而可以判断是否能够纳入节点集合。

在另外一个可选的实施例中，基于人工智能模型计算若干关键节点的节点分数，并基于节点分数生成节点集合，包括：

调取经过标准训练数据训练获取的人工智能模型，将模型输入序列输入至人工智能模型中，获取输出的节点分数；将与目标节点的节点分数之差小于分差阈值的关键节点纳入节点集合。

在计算匹配分数是需要对节点要素进行数值化处理，才能够保证匹配分数的有效性。而基于人工智能模型获取节点分数，可以充分利用其强大的非线性拟合能力，不需要考虑各参数之间的关系。

人工智能模型经过标准训练数据训练之后才可用，标准训练数据是通过专家打分方式对标准输入数据(内容与模型输入数据一致)进行打分获取对应的标准输出数据。在进行专家打分过程中，工作人员需要考虑各关键节点的基础数据以及节点级别，不同级别关键节点对应的标准输出数据范围不同(一般情况下不重叠)，在各自数据范围中再考虑基础数据。

通过标准输入数据和标准输出数据对人工智能模型进行训练之后即可进行存储备用。人工智能模型包括误差逆向传播神经网络模型以及RBF神经网络模型，各自结构均为经典结构，其中的各项参数也设置为默认。

值得注意的是，在根据匹配分数或者节点分数将若干关键节点纳入节点集合中之后，还可以根据影响系数来进行筛选剔除，如节点集合中若存在与目标节点之间的影响系数为1的关键节点则剔除，以保证节点集合的可靠性和可参考性。

本发明在生成节点集合之后，对节点集合中关键节点的电气数据进行筛选排序，获取各电气数据的变化范围，并标记为参考范围；将目标节点的电气数据与参考范围进行比较，判断目标节点是否故障；当目标节点发生故障时，则进行预警。

获取节点结合中各关键节点对应的电气数据，按照对应的数值范围大小进行排序可以整理出其变化范围，也就可以确定参考范围。当参考范围小于对应目标节点的数据限值时，则判断目标节点的电气数据是否落在参考范围内，是，则判定目标节点正常，否则判定目标节点故障。

在一个可选的实施例中，在获取电气数据对应的参考范围之后，将参考范围划分为若干参考子范围；根据若干参考子范围判断目标节点的工作状态；其中，工作状态包括故障、中风险、低风险以及无风险。

节点集合中若干关键节点的电气数据因为数据范围不同，而且围绕着其中一个数值波动，因此将各电气数据以中间值为基点进行拟合可以获取一个类似于正态分布的曲线。根据历史经验可以将关键节点的状态划分为多个级别，并获取各级别对应的数据范围，进而可以在正态分布的基础上不断缩小数值范围划分出若干参考子范围。目标节点的电气数据落在各参考子范围中可以进行故障和风险判断，即目标节点可能无故障，但是存在风险，针对识别出的风险也可以进行预警。

在识别到故障或者风险之后，通过连接拓扑图定位其位置，然后通过配电网故障分析中心内置的处理程序或者安排工作人员现场对故障或者风险进行处置。

上述公式中的部分数据均是去除量纲取其数值计算，公式是由采集的大量数据经过软件模拟得到最接近真实情况的一个公式；公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者通过大量数据模拟获得。

本发明的工作原理：

获取配电网中若干关键节点的基础数据；基于基础数据中的连接数据获取若干关键节点之间连接关系，并基于连接关系建立若干关键节点的连接拓扑图。

选定目标节点，基于目标节点的环境数据和连接数据从其他关键节点中提取相匹配的关键节点形成节点集合；根据节点集合确定电气数据的参考范围。

以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。

Claims

1.配电网故障诊断与处理方法，其特征在于，包括：

2.根据权利要求1所述的配电网故障诊断与处理方法，其特征在于，所述基础数据通过网关采集模块获取，且若干所述网关采集模块与配电网故障分析中心进行数据交互；

3.根据权利要求2所述的配电网故障诊断与处理方法，其特征在于，工作人员在配电网中设定若干所述关键节点，并通过所述网关采集模块定时采集若干所述关键节点的基础数据；

4.根据权利要求1所述的配电网故障诊断与处理方法，其特征在于，在所述连接拓扑图构建完成之后，在其中添加若干所述关键节点的标志信息以及若干所述配电线路的标志信息；

5.根据权利要求2所述的配电网故障诊断与处理方法，其特征在于，在进行配电网的故障诊断中，依次将关键节点作为目标节点；基于所述目标节点与其他若干关键节点的匹配分数生成所述节点集合，包括：

6.根据权利要求2所述的配电网故障诊断与处理方法，其特征在于，基于人工智能模型计算若干所述关键节点的节点分数，并基于所述节点分数生成所述节点集合，包括：

7.根据权利要求5或6所述的配电网故障诊断与处理方法，其特征在于，在生成所述节点集合之后，对所述节点集合中关键节点的电气数据进行筛选排序，获取各电气数据的变化范围，并标记为参考范围；

8.根据权利要求7所述的配电网故障诊断与处理方法，其特征在于，在获取电气数据对应的所述参考范围之后，将所述参考范围划分为若干参考子范围；根据若干所述参考子范围判断所述目标节点的工作状态；其中，工作状态包括故障、中风险、低风险以及无风险。