[发明专利]一种基于故障基因表的智能配电网故障预警方法

说明书

本发明涉及一种基于故障基因表的智能配电网故障预警方法，属于智能配电网故障预警领域。首先将智能配电网的运行状态划分为优、良、中和差四种状态，然后采用BP神经网络算法对智能配电网运行的历史数据进行状态评估并结合对应的故障，得到各段状态转移时间序列与故障之间的映射关系，从而构造出故障基因表，接着周期性的在线获取智能配电网的状态转移时间序列，并通过Smith‑Waterman算法将其与故障基因表中的所有基因进行匹配，若最大匹配值达到设定的阈值，则预警相应的故障。本发明能很好的面对智能配电网越来越复杂的问题，提高智能配电网故障预警的准确率，为相关管理人员对智能配电网的维护提供指导和帮助，有效的提高了电网运行决策的科学性和预见性。

技术领域

本发明属于智能配电网故障预警领域，涉及能够实现对智能配电网的运行状态整体把握的一种基于故障基因表的智能配电网故障预警方法。

背景技术

近年来，全球掀起了智能电网的研究和建设热潮。智能配电网作为智能电网中连接主网和面向用户供电的重要组成部分，其运行状态正常与否直接影响千家万户的电力供应。同时，随着分布式电源的接入、电动汽车的普及和用户互动电力的增加，使得配电网的动态行为变得复杂，运行风险大大增加，一旦发生配电网停电事故都会对社会生活造成巨大的影响及损失。因此，亟需对智能配电网的故障预警进行更加深入的研究，为相关管理人员对智能配电网的维护提供指导和帮助。

目前，国内外学者针对智能配电网故障预警从不同的角度提出了各种解决方案。研究表明配电网大部分故障，在破坏性故障发生之前，配电网就已经进入病态运行，具有趋势性和累积效应。但目前大多数的解决方案是利用配电网的局部参数如谐波电流和短路电流，或者是局部部件如变压器，又或者是与外在因素如雷雨天气相关联，来达到对智能配电网故障预警的效果。这些解决方案未能从整体上对智能配电网的运行状态进行把握，并且在预警的方案上，只考虑了当前的某一因素从而判断是否需要预警，未能充分利用配电网故障的趋势性和累积效应，从而在面对越来越复杂的智能配电网时，故障预警的准确率上稍有欠缺。因此，目前急需一种能够实现对智能配电网的运行状态整体把握，并能从当前和以往的运行状态来共同决定是否即将出现故障的预警方法。

发明内容

有鉴于此，本发明的目的在于提供一种基于故障基因表的智能配电网故障预警方法，充分利用智能配电网故障具有的趋势性和累积效应特点，解决智能配电网故障预警的问题，并提高其预警的准确率。

为达到上述目的，本发明提供如下技术方案：

一种基于故障基因表的智能配电网故障预警方法，具体包含如下步骤：

S1：对智能配电网的运行状态进行划分，并构建智能配电网状态评估指标体系；

S2：构建包含输入层、隐含层和输出层的BP神经网络模型；

S3：将智能电网历史故障数据分为两部分，对第一部分智能配电网历史故障数据源中的母线的运行数据进行聚类来构建训练样本；

S4：将第一部分智能电网的训练样本和训练样本所对应的配电网运行状态输入到BP神经网络模型进行训练，得到BP神经网络状态评估模型；

S5：将第二部分智能配电网历史故障数据源中的母线的运行数据输入到BP神经网络状态评估模型得到智能配电网状态转移时间序列和故障的映射关系，从而构建出故障基因表；

S6：周期性获取当前智能配电网的母线的运行状态数据，并将运行状态数据输入到BP神经网络状态评估模型得到当前智能电网的状态转移时间序列；

S7：通过Smith-Waterman基因序列比对算法，将获得的当前智能电网的状态转移时间序列与故障基因表中的所有基因进行匹配，求取匹配值，将最大的匹配值与所设定的阈值进行比较，若超过阈值，则预警该基因所对应的故障。

进一步，在步骤S1中，所述构建智能配电网状态评估指标体系具体为：