[发明专利]一种基于大数据技术的配电网故障诊断方法及系统

说明书

本发明公开了一种基于大数据技术的配电网故障诊断方法及系统，是一种在数据量大、维度多、数据种类多的配电网中，能够利用现有的大数据信息及时准确的诊断配电网中存在的故障并快速抢修的机制，该系统主要包括三个部分：数据离散器、属性约简器、样本训练器。本发明将粗糙集理论用于神经网络训练数据的预处理，首先运用粗糙集的理论计算缩减并生成规则，在约简的过程中删除了不必要的条件属性，有助于提高网络的学习效率，同时保持了较低的稳定的近似分类差错率，最后成的规则作为配电网的推理机进行高层次的抽象表达，可以很好地保证配电网的安全运行。

技术领域

本发明涉及一种基于大数据技术的配电网故障诊断方法及系统，用于解决配电网在线故障诊断的问题，属于分布式计算软件领域。

背景技术

随着现代电力的迅猛发展，配电网规模的不断增大，配电网故障的不可避免性又使得提高配电网故障诊断率成为衡量供电可靠性的一个关键技术指标之一。配电网故障的诊断是配电网运行的重要工作，但是故障原因、故障现象、故障过程错综复杂，为提高配电网中故障诊断的快速性，国内外学者提出了模糊理论、遗传算法、人工神经网络等多种故障诊断方法，当故障诊断所依据的是信息正确、完整时，这些方法都能得到较为满意的结果，但是由于配电网中的信息存在干扰而丢失信息等诸多不确定因素，配电网中的大数据是大量、高速、多变的信息，它是数据的量和复杂程度发展到某个阶段的产物，对数据计算能力，分析算法的运行效率等方面提出了更高的要求，上述方法均存在一定的局限性。

配电网中一个单点故障如不及时处理，将会引起故障的扩大化，甚至会造成人员和财产的巨大损失，如何在配电网中减少故障的发生，并能在故障发生后能及时处理，迅速恢复生产，已成为确保配电网安全运行的关键所在。配电网系统的高度可靠性与可维护性密切相关的故障诊断技术显得格外重要，现有的故障诊断方法有故障树诊断法、故障模式识别法、基于专家系统的诊断方法、基于神经网络的故障诊断、基于粗糙集的故障诊断等，但是这些方法在故障诊断中都存在一些弊端，不能及时有效的诊断在线故障，有必要提出一种鲁棒性强、适应各种不利情况的配电网故障诊断方法，帮助调度人员迅速识别故障，保证配电网的安全稳定运行。因此，科学高效的对配电网中的故障进行诊断对提高配电网供电可靠性和配电网服务质量意义重大。

发明内容

本发明所要解决的技术问题是提供一种基于大数据技术的配电网故障诊断方法及系统，来解决配电网大数据环境下故障诊断问题，本发明是一种策略性方法，通过使用本方法可以使得配电网中的故障得到快速诊断，保证配电网的安全稳定运行。

本发明为解决上述技术问题采用以下技术方案：

一方面，本发明提供一种基于大数据技术的配电网故障诊断方法，具体步骤如下：

步骤1：对配电网中采集到的数据进行连续属性值的提取，提取出的连续属性值作为原始决策表，用来进行网络训练；

步骤2：对步骤1中形成的原始决策表中的连续属性值进行离散化处理，离散化后的连续属性值作为初始决策表；

步骤3：采用动态约简的方法，构造条件属性约简函数，对初始决策表中的条件属性进行约简，形成的最小条件属性集；

步骤4，将步骤3中最小条件属性集所对应的配电网数据集作为新的训练样本集；

步骤5：根据步骤4中形成的新的训练样本集对BP神经网络进行训练学习；

步骤6：将步骤5中测试好的BP神经网络作为配电网故障诊断器，从而实现在线故障诊断。

作为本发明的进一步优化方案，步骤1中连续属性值包括条件属性和决策属性值。

作为本发明的进一步优化方案，步骤2中对原始决策表中的连续属性值进行离散化处理，具体为：