[发明专利]一种基于空间最优编码集及DHNN纠错的电网故障诊断方法

说明书

本发明涉及电网故障诊断技术领域，尤其是涉及一种基于空间最优编码集及DHNN纠错的电网故障诊断方法，将遥信数据映射到故障诊断空间中，通过和故障空间最优编码集进行比较归类，从而实现对电网故障诊断。通过不同故障模式的遥信变位数据，训练离散Hopfield神经网络，利用DHNN的联想能力对遥信误变位或漏传数据进行纠正，实现对遥信前端数据的清洗。最终形成具有纠错能力的电网故障智能诊断方法，实现在故障诊断空间内对故障元件的诊断。通过实际电网的故障遥信数据的测试，验证了Hopfield神经网络信息纠正模型和故障诊断模型对电网故障元件诊断的有效性。

技术领域

本发明涉及电网故障诊断技术领域，尤其是涉及一种基于空间最优编码集及DHNN纠错的电网故障诊断方法。

背景技术

当电网故障时，大量的故障和告警信息会上传到调度中心，使得调度人员在短时间内很难对故障设备及故障类型做出准确的判断，特别是在复杂故障或者继电保护误动或拒动等情况下更加难以处置。此外，由于通信系统受到严重干扰或监控设备故障等原因出现的遥信数据误变位或丢失，对调度人员判断形成干扰。所以，需要一套智能、快速的故障诊断系统，辅助调度人员对故障元件、故障类型做出准确的判别。

电网故障诊断是实现智能电网自愈功能的基础。电网发生故障时，监测系统采集到的大量故障报警数据从本地监控装置上送至调控中心，电网故障诊断能够从大量的故障数据中迅速分析故障相关数据，发现故障原因，辅助调控运行人员及时进行事故分析与处理，迅速恢复供电，保证电网安全可靠运行。目前，常用的故障诊断方法主要有专家系统、人工神经网络、粗糙集、贝叶斯网络、Petri网、解析模型、数值计算分析、多源信息融合等。但是现有的利用遥信数据的电网故障诊断方法对以下两方面的应用并不理想：1.应用于大规模、复杂电网时，难以简单、快速的诊断出电网故障；2.在遥信数据丢失或误变位时，难以对电网故障进行正确的诊断。

对此，本发明提出一种快速、实用的基于遥信数据故障空间最优编码集及 DHNN纠错的电网故障诊断方法。该方法采用故障编码技术，并根据监控遥信量的任意组合形成数据样本，通过k-means聚类方法形成故障空间最优编码集。故障时，在大数据平台中将遥信二进数据映射到故障诊断空间，在故障诊断空间内利用最优编码集对故障遥信编码进行识别，从而对电网故障进行快速诊断。为了解决遥信误变位和漏发对电网故障诊断影响的问题，使用离散Hopfield神经网络(Discrete Hopfield Neural Network，DHNN)对采集到的故障数进行清洗纠正，提高故障诊断的正确率。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于空间最优编码集及DHNN纠错的电网故障诊断方法。

本发明的目的可以通过以下技术方案来实现：

本发明根据标准遥信信息数据的所有可能组合，形成遥信变位数据最大集样本，利用故障诊断空间映射编码和K-means聚类方法，求取故障空间最优编码集；并利用最大数据样本提取故障模式作为DHNN训练数据，建立DHNN模型，作为数据清洗和纠错的神经网络模型，捕获电网故障的实时遥信变位数据，通过DHNN 模型对遥信误变位和丢失数据分别进行纠正和修补，然后把清洗后的遥信数映射到故障诊断空间，通过最小距离法在故障诊断空间内对故障数据进行归类，输出诊断结果，本发明适用于电网故障诊断。

一种基于空间最优编码集及DHNN纠错的电网故障诊断方法，包括以下步骤：

步骤1：建立由遥信二进制数到多维故障诊断空间的编码映射方式，并获取故障诊断空间最优编码集；

步骤2：建立DHNN模型，并利用故障模式数据样本对DHNN模型进行训练；

步骤3：分别利用训练完成的DHNN模型和故障诊断空间最优编码集来对实时电网故障遥信变位数据进行数据清洗纠错和数据映射归类，获取最终诊断结果。

优选地，所述步骤1中的编码映射方式包括二维编码方式和一维编码方式。