[发明专利]一种基于RuLSIF变点探测技术的电力系统故障定位分析方法

说明书

本发明涉及一种基于RuLSIF变点探测技术的电力系统故障定位分析方法，包括：根据电网运行数据，定义目标数据集；基于RuLSIF算法，获取相异偏差向量函数和皮尔森偏差最大值；绘制变点探测拟合曲线，判断故障区域；结合系统拓扑结构，确定故障位置及其影响范围。通过该方法实现了在线分析故障影响范围与快速定位，为在线快速分析电力系统故障提供了精确且有效的评价依据，进而保证电力系统的稳定运行。

技术领域

本发明属于电力系统及其自动化领域，具体涉及一种基于RuLSIF变点探测技术的电力系统故障定位分析方法。

背景技术

数据挖掘是知识发现的过程，它可以从海量数据中挖掘出潜在的、有意义的信息。实际应用领域中经常包含一些与数据集的一般行为或者一般模型不相一致的数据对象，即突变点或偏差。现国内外变点探测的研究通常被认为是聚类算法的衍生，变点是嵌入类中的背景噪声。随着数据挖掘技术的发展，变点孤立程度概念的提出，变点或偏差的集合不再仅仅是数据集合中的噪声，而是作为被赋予权值的模糊集合成为特殊研究对象。

经典的故障诊断方法主要采用系统开关状态量作为故障分析的主要信息，而包含大量暂态过程信息的电气量却少有涉及。引入故障录波等信息的电网故障分析方法，虽然信息较丰富，但是分析过程较长，不能满足在线快速定位的需求。

发明内容

为了弥补上述不足，提出一种基于RuLSIF变点探测技术的电力系统故障定位分析方法；将数据挖掘中突变点探测技术引入电力系统的故障分析中，建立相关无约束最小二乘重要性拟合估计(RuLSIF)变点探测模型，基于该方法分析电力系统故障发生后电气量的变化，锁定故障点区域，并结合电网运行数据综合分析系统故障影响范围，具有较强的时效性。

本发明是采用下述技术方案实现的：

一种基于RuLSIF变点探测技术的电力系统故障定位分析方法，所述方法包括下述步骤：

1)根据电网运行数据，定义目标数据集；

2)基于RuLSIF算法，获取相异偏差向量函数和皮尔森偏差最大值；

3)绘制变点探测拟合曲线，判断故障区域；

4)结合系统拓扑结构，确定故障位置及其影响范围。

优选的，所述步骤1)中获取电网运行数据，包括：实时监测电网运行数据，包括系统物理模型、拓扑连接关系、设备参数、遥信信息和遥测信息；

建立由电网运行数据构成的时间序列数据集，其表达式为：

A_t＝[a(t),a(t+1),...,a(t+n)]

式中，A_t表示系统采集的电气量，包括电压V、电流I、有功功率P和无功功率Q；t为采样时间，t+n为基准时间段，a为数据断面。

进一步地，述步骤1)定义目标数据集包括：

设t＝t₀时刻系统发生故障，则选取自故障时刻t₀起的n个数据断面，定义目标数据集：

A＝[a(t₀),a(t₀+1),...,a(t₀+n)]；

其中，A为系统故障时刻的电气量，t₀+n为基准时间段。

优选的，述步骤2)基于RuLSIF算法，获取相异偏差向量函数具体包括：

2-1根据目标数据集密度比估计值，计算目标数据的密度比估计值函数；

2-2完成相异偏差向量函数的获取。