[发明专利]一种基于多源数据融合的电网故障诊断告警方法

权利要求书

1.一种基于多源数据融合的电网故障诊断告警方法，其特征在于：所述的方法包括以下步骤：

步骤S1：基于开关量时序约束的电力元件故障分析：

S101：根据不同数据源的开关量信息，获得电力系统故障数据信息，将相关故障数据信息记录包括：原因事件、报警信息；并将故障事件定义如下两类时间约束：一元时间约束、二元时间约束；

S102：根据传统继电保护配置原则，定义主保护、近后备保护、远后备保护相对事件C_i的延时区间，同时定义保护与断路器动作的相关延时时间；

S103：根据不同的独立数据源获取其对应的相关时间参考点，对不同动作元件的时序约束进行分析与推理，从而得到在不同数据源时序约束条件下的故障元件集合Fault_i；

S104：根据每一种数据采集单元独立不相关，相应的得到每一个故障元件故障发生的概率，结合每个故障元件发生的概率，得到电力元件的故障置信集合Set_sw，并对其进行归一化处理；

步骤S2：基于电气量能量畸变度的电力元件故障分析

S201：根据不同数据源的电气量信息，采用基于多分辨率的快速小波变换和小波能量分析方法对于离散信号y(n)进行分析；

S202：获取电气量数据，包括三相电压、三相电流，用故障后一周波减去故障前一周波，得到故障差波信号，对电压差波信号进行小波能量分析，得到相应的能量畸变度的值；

S203：对电网内所有可能故障元件进行能量畸变度分析，并实现全网内对每一个可能故障元件能量畸变度的归一化处理，从而得到根据电气量能量畸变度的电力元件故障概率集Set_et；

步骤S3：基于D-S证据理论的信息融合，对于含有多个故障元件的故障情况，采用相对占比来进行故障判定，计算得到故障元件的故障置信值，从而获得电力元件故障诊断概率集，诊断结果；

所述的数据源包括SCADA、继电保护、故障信息管理系统、保信系统、故障录波，其中所述SCADA、继电保护、故障信息管理系统、保信系统、故障录波均能获得开关量信息，所述的开关量信息包括保护动作时序、断路器动作时序；故障信息管理系统、故障录波能获取电气量信息，所述的电气量信息包括电压信息、电流信息；

所述的原因事件是指母线、线路或变压器发生故障，表示为：

C＝{c₁,c₂,…,c_n}

其中，n为原因事件的数量，元素c_i表示为第i个原因事件，i＝1,2,…,m；

所述的报警信息是指原因事件引发的保护和断路器动作信息，表示为：

A＝{a₁,a,…,a_m}

其中，m为报警信息的数量，元素a_i表示为第i个报警信息，i＝1,2,…,m；

所述的一元时间约束，即单个事件发生的时间T应满足的时间范围，即：

T∈[T^-,T⁺]

其中，T^-表示时间T的最小值，T⁺表示时间T的最大值；

所述的二元时间约束，即两个事件之间的时间差应满足的时间距离，即：

其中，T_i表示事件i发生的时间，T_j表示事件j发生的时间，d(T_i,T_j)＝T_i-T_j表示T_i和T_j之间的时间距离，为d(T_i,T_j)的最小值，为d(T_i,T_j)的最大值；

步骤S102，所述定义主保护、近后备保护、远后备保护相对原因事件c_i的延时区间分别为：

其中，下标m表示主保护，下标p表示近后备保护，下标s表示远后备保护；同时，定义保护与断路器动作的相关延时时间：

其中，下标CB表示断路器，下标q表示为触发断路器跳闸的相关保护；

步骤S103，所述相关时间参考点的确定原则如下：

原则一：以报警信息的优先级由高到低的准则依次确定时间参考点，选择优先级最高的为时间参考点；

原则二：以采集到电气量的信息，利用小波变化确定的故障起始时刻为时间参考点；

其中，SCADA、继电保护、保信系统的时间参考点选择原则一；故障信息管理系统、故障录波的时间参考点选择原则二；

对不同独立数据源获得相关时间参考点之后，对不同动作元件的时序约束进行分析与推理，从而得到在不同数据源时序约束条件下的故障元件集合：

Fault_i＝{L₁,…,L_m,T₁,…,T_n,B₁,…,B_h}

其中，Fault_i表示第i个数据源的故障元件集合，L表示线路故障，T表示变压器故障，B表示母线故障；

步骤S104，由于每一种数据采集单元独立不相关，于是对任何一个故障元件，其故障发生的概率为：

其中，N表示独立数据源的个数；为逻辑变量，分别表示对第k个数据源，电力元件L_i、T_i、B_i属于故障元件集合Fault_k时取1，否则取0；

于是，可以得到电力元件的故障置信集合如下：

Set_sw＝{p_L1,…,p_Lm,p_T1,…,p_Tn,p_B1,…,p_Bh}

将其进行归一化处理：

其中，p∈(p_Li,p_Tj,p_Bk)；

步骤S201，对离散信号y(n)采用基于多分辨率的快速小波变换及系数重构，可表示为各分解尺度下高频分量系数与最大分解尺度下低频分量系数之和：

其中，m为小波分解最大尺度；

重构后系数序列的平方和代表相应频段的能量分布，设E₁,E₂,…,E_m,E_m+1分别对于离散信号在m个尺度上的小波能量分布，则：

信号y(n)的小波总能量即为各频段能量之和：

步骤S202，所述对电压差波信号进行小波能量分析，得到的能量畸变度的值，其公式表达式如下：

步骤S203，对每一个可能故障元件能量畸变度的归一化处理，具体如下：

其中，EF(i)表示第i个可能故障元件的能量畸变度；

于是得到根据电气量能量畸变度的电力元件故障概率集为：

Set_et＝{e_L1,…,e_Lm,e_T1,…,e_Tn,e_B1,…,e_Bh}；

步骤S3，采用相对占比来进行故障判定，假设故障元件经过D-S证据合成之后故障判定置信集合为：

Fault_end＝{p₁,p₂,…,p_n}

其中p_i表示第i个可能故障元件的概率值，则可能故障元件的故障置信值为：

定义表示元件i故障。