[发明专利]基于密度峰值聚类的配网瞬时性故障识别方法及系统

说明书

本公开提供了一种基于密度峰值聚类的配网瞬时性故障识别方法，利用基于模糊逻辑的分类架构对配网异常数据进行特征提取，利用循环故障聚类算法按故障类型和中断设备类型在历史数据库中进行初步筛选，利用基于密度峰值的聚类算法对循环故障聚类筛选后的集群按照提取的特征进行聚类；本公开不仅可以识别瞬时性故障，还可以判断重复发生的瞬时故障之间是否有关联并进行预警，防止异常事故的进一步发展，提高了供电质量以及配网系统的安全性和稳定性。

技术领域

本公开涉及配网故障识别技术领域，特别涉及一种基于密度峰值聚类的配网瞬时性故障识别方法及系统。

背景技术

本部分的陈述仅仅是提供了与本公开相关的背景技术，并不必然构成现有技术。

配电网中发生的故障分为两大类：永久性故障和瞬时性故障。永久性故障造成电网停电，然后进行检修才能恢复服务。瞬时性故障通常是由引发故障的暂态条件引起的，在短时间内出现。在这种情况下，自动重合闸之类的保护设备可以通过跳闸并进行一次或多次重合闸来清除瞬时性故障，瞬时性故障通常仅导致间歇性瞬时中断，而不会造成持续中断。

本公开发明人发现，瞬时性故障是潜在事故的初期征兆，如果不及时发现处理，故障电流和重复故障的电弧会对电气设备造成进一步的损坏，最终导致大规模灾难性的故障；动植物接触、雷电、大风、湿度等因素都会导致电网发生瞬时性的故障事件，这些情况很难用传统技术探测和定位，电网公司对于这些瞬时性故障关注不够，尤其当两次事故之间的时间间隔比较长时，电网公司很难识别这多个中断间的相互关联关系。

发明内容

为了解决现有技术的不足，本公开提供了一种基于密度峰值聚类的配网瞬时性故障识别方法及系统，不仅可以识别瞬时性故障，还可以判断重复发生的瞬时故障之间是否有关联并进行预警，防止异常事故的进一步发展，提高了供电质量以及配网系统的安全性和稳定性。

为了实现上述目的，本公开采用如下技术方案：

本公开第一方面提供了一种基于密度峰值聚类的配网瞬时性故障识别方法。

一种基于密度峰值聚类的配网瞬时性故障识别方法，包括以下步骤：

对获取的配网异常数据利用基于模糊逻辑的分类架构进行特征提取；

利用循环故障聚类算法按故障类型和中断设备类型在历史数据库中进行初步筛选，识别出至少一个以前发生过的瞬时故障事件；

利用基于密度峰值的聚类方法对初步筛选后的集群按提取的特征进行聚类，判断这个瞬时故障事件是否是周期性故障集群的一部分；

如果新的故障事件导致新的瞬时性故障集群，则在监视设备的数据库中更新集群信息，并将更新后的集群信息发送给远程控制终端，轮询远程控制终端数据库，当有可报告的周期性事件时，生成报警文档。

作为可能的一些实现方式，基于模糊逻辑的分类架构包括基于高级信号处理、模式匹配和专家系统的波形分析算法，所述波形分析算法用于识别正常和异常的电力系统事件。

作为可能的一些实现方式，提取的特征包括相别、接地、故障电流大小、故障持续时间、中断设备类型、重合间隔、记录故障的时间和时间戳。

作为可能的一些实现方式，所述循环故障聚类算法为轮询数据库，用于初步判断故障是新发生的故障还是重复发生的瞬时性故障。

作为可能的一些实现方式，基于密度峰值的聚类算法采用欧氏距离进行相似性度量，通过与预设的距离阈值的对比，当相似性度量小于预设的距离阈值时，指示故障之间的相似度高，能够进行聚类；否则，故障之间不相同，无法进行聚类。

作为进一步的限定，选择欧氏距离来度量样本之间的相似性，用于计算两个样本x_a和x_b之间的相似度，具体为：