一种测试配电主站故障处理测试分析方法及系统与流程

本发明涉及故障处理测试分析的技术领域，尤其涉及一种测试配电主站故障处理测试分析方法及系统。

背景技术：

近年来，馈线自动化可在配电网短路故障情况下进行自动判断、自动隔离，有效减少故障停电范围，快速恢复非故障区段供电，是提高供电可靠性和供电质量、增强供电能力、实现配电网高效经济运行的重要手段，也是智能电网的重要基础。配电主站图模信息不准确是影响fa策略的重要原因，其表现形式主要有主配电网模型拼接不成功、馈线拓扑未连通、非自动化开关置位不正确和后台信息错误等。

随着配电自动化系统的推广应用和相关应用系统的成熟完善，目前配电自动化系统的建设中越来越重视配电自动化与其他系统间的信息交互，要求能将与配电相关的各个应用系统中数据融合起来，通过源端维护、统一发布、按需接收，实现应用系统资源的综合有效利用。在生产管理系统中图形、模型的自身维护。生产管理系统能否与配电自动化系统实现图模、拓扑、实时数据的信息交互，成为电力公司配电自动化系统(das)成败的关键。

技术实现要素：

本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

鉴于上述现有存在的配电网故障处理测试分析问题，提出了本发明。

因此，本发明解决的技术问题是：测试了在运行环境正常条件下，主站系统的fa功能的有效性，还可以测试主站系统在异常环境下的健壮性。

为解决上述技术问题，本发明提供如下技术方案：采集故障数据；将所述故障数据注入测试配电主站进行实时信息交互，对故障数据进行测试，输出测试信息；基于不同类别的故障信息和故障相关特征构建融合优选分析模型对所述测试信息进行故障分析，得到分析结果。

作为本发明所述的测试配电主站故障处理测试分析方法的一种优选方案，其中：所述融合优选分析模型包括，随机森林模型、adaboost模型和支持向量机svw模型；

利用所述故障信息和所述故障相关特征训练所述随机森林模型、所述adaboost模型，分别确定所述随机森林模型、所述adaboost模型的优选参数；

基于所述优选参数训练所述支持向量机svw模型并确定其优选参数；

根据所述随机森林模型、所述adaboost模型和所述支持向量机svw模型的所述优选参数确定所述融合优选参数，输出所述分析结果。

作为本发明所述的测试配电主站故障处理测试分析方法的一种优选方案，其中：构建所述分析模型具体包括，

基于主站网络、线路参数和测试信息建立故障分析的目标函数，定义如下，

k(x)＝[s-h(x)]^t[s-h(x)]r

其中，s为测试信息，x为状态量，r为阈值,t为线路参数。

作为本发明所述的测试配电主站故障处理测试分析方法的一种优选方案，其中：所述分析结果包括，开关拒动、开关慢动、通信中断与恢复、fa禁止信号、检修状态、联络开关切换和转供容量不足问题。

作为本发明所述的测试配电主站故障处理测试分析方法的一种优选方案，其中：所述故障数据包括，主站中各个开关的开关状态、各个开关节点的电流、电压、功率和各个负荷节点的负荷。

作为本发明所述的测试配电主站故障处理测试分析方法的一种优选方案，其中：所述故障信息包括，历史故障信息和相应的历史诊断结果。

作为本发明所述的测试配电主站故障处理测试分析方法的一种优选方案，其中：所述故障特征包括，从数据库中获得与所述故障信息中所指示的与故障信息相关的预定特征。

本发明解决的另一个技术问题是：提出一种测试配电主站故障处理测试分析系统，测试了在运行环境正常条件下，主站系统的fa功能的有效性，还可以测试主站系统在异常环境下的健壮性。

为解决上述技术问题，本发明提供如下技术方案：一种测试配电主站故障处理测试分析系统，包括，ftt平台用于根据故障位置、类型、性质以及故障场景得到所述测试配电主站的故障数据；数据处理模块连接于所述ftt平台，用于接收所述ftt平台的故障数据并与所述测试配电主站进行信息交互，对所述故障数据进行测试；分析模块连接于所述数据处理模块，用于接收所述数据处理模块的测试结果，用于根据不同类别的故障信息和故障相关特征进行故障分析。

作为本发明所述的测试配电主站故障处理测试分析系统的一种优选方案，其中：所述ftt平台还包括，配电网仿真器、实时数据库管理器、建模与配置器、故障模拟器、规约解释器、通信管理器和人机交互界面。

作为本发明所述的测试配电主站故障处理测试分析系统的一种优选方案，其中：所述故障模拟器包括，设置故障场景、模拟故障现象；检测设置是否到故障时刻，若是，则设置实时库中跳闸的开关状态并确定实时库中的开关变位，若否，则直接确定实时库中的开关变位；若所述实时库中的开关发生变位则判断设置的开关是否合到故障点，若是，则返回设置实时库中跳闸的开关状态，若否，则判断是否退出所述模拟故障；若选择不退出则返回设置故障时刻，若选择退出则故障现象模拟结束。

本发明的有益效果：针对故障处理测试分析领域中存在的现有配电网线路故障问题，本发明提供一种测试配电主站故障处理测试分析方法及系统，套采用主站注入法，集配电自动化主站故障处理逻辑测试、fa动作过程与动作结果智能化评价的软件系统，并且还可以与金智晟东的ftt100系列馈线自动化测试仪配合完成终端注入法的fa测试，实现现场环境下的fa全景测试，可通过加大主站注入测试装置所仿真的配电终端的数量，自动与被测馈线自动化系统建立通道链路，具备对时、遥测遥信置数、遥测数据自动防死区、实时报文查看等功能；可在测试过程中于人机界面中实时显示被测系统的状态，掌握被测系统的开关状态，遥测数据；可在接线图中显示被测系统自故障发生、故障定位、故障隔离、非故障区域恢复供电的全过程。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。其中：

图1为本发明第一个实施例所述的一种测试配电主站故障处理测试分析方法的流程示意图；

图2为本发明第一个实施例所述的一种测试配电主站故障处理测试分析方法的两种方法对比测试结果折线示意图；

图3为本发明第二个实施例所述的一种测试配电主站故障处理测试分析系统的模块结构分布示意图；

图4为本发明第二个实施例所述的一种测试配电主站故障处理测试分析系统的ft1200模块结构图；

图5为本发明第二个实施例所述的一种测试配电主站故障处理测试分析系统的故障现象模拟的流程示意图。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明，显然所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明的保护的范围。

在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。

其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。

本发明结合示意图进行详细描述，在详述本发明实施例时，为便于说明，表示器件结构的剖面图会不依一般比例作局部放大，而且所述示意图只是示例，其在此不应限制本发明保护的范围。此外，在实际制作中应包含长度、宽度及深度的三维空间尺寸。

同时在本发明的描述中，需要说明的是，术语中的“上、下、内和外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一、第二或第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。

本发明中除非另有明确的规定和限定，术语“安装、相连、连接”应做广义理解，例如：可以是固定连接、可拆卸连接或一体式连接；同样可以是机械连接、电连接或直接连接，也可以通过中间媒介间接相连，也可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

实施例1

参照图1～2，为本发明的第一个实施例，该实施例提供了一种测试配电主站故障处理测试分析方法，包括：

s1：利用ftt1200采集故障数据。

s2：将故障数据注入测试配电主站进行实时信息交互，对故障数据进行测试，输出测试信息。其中需要说明的是，故障数据包括，主站中各个开关的开关状态、各个开关节点的电流、电压、功率和各个负荷节点的负荷。

s3：基于不同类别的故障信息和故障相关特征构建融合优选分析模型对测试信息进行故障分析，得到分析结果。其中需要说明的是，融合优选分析模型包括，随机森林模型、adaboost模型和支持向量机svw模型；

利用故障信息和故障相关特征训练随机森林模型、adaboost模型，分别确定随机森林模型、adaboost模型的优选参数；

基于优选参数训练支持向量机svw模型并确定其优选参数；

根据随机森林模型、adaboost模型和支持向量机svw模型的优选参数确定融合优选参数，输出分析结果；

其中，构建分析模型具体包括，

基于主站网络、线路参数和测试信息建立故障分析的目标函数，定义如下，

k(x)＝[s-h(x)]^t[s-h(x)]r

其中，s为测试信息，x为状态量，r为阈值，t为线路参数。

进一步的是，分析结果包括，开关拒动、开关慢动、通信中断与恢复、fa禁止信号、检修状态、联络开关切换和转供容量不足问题；

故障信息包括，历史故障信息和相应的历史诊断结果；

故障特征包括，从数据库中获得与故障信息中所指示的与故障信息相关的预定特征。

本实施例还需要说明的是，现有的一种基于神经网络模型分析故障处理方法，包括，接收待诊断故障信息；从数据库中获得与待诊断故障信息中只是的带诊断故障相关的预定特征；利用故障分析模型对待诊断故障信息和预定特征进行处理，其中，故障分析模型是基于分类算法、使用历史故障数据和历史故障相关特征来训练深度神经网络模型而确定的优选模型；以及生成针对待诊断故障的故障诊断结果；该方法针对待诊断故障信息进行分析，仅能确定发生故障时的原因以及每个原因可能发生的概率而不能准确的确定发生故障时的具体位置，而本发明可以对故障现象进行模拟，融合各种故障信息对故障进行精准定位，解决了配电网故障检测的定位问题，加快了维修速度。

为了更好地对本方法中采用的技术效果加以验证说明，本实施例选择一种基于神经网络模型分析故障处理方法和采用本发明方法进行对比测试，以科学论证的手段对比试验结果，以验证本方法所具有的真实效果；一种基于神经网络模型分析故障处理方法在分析故障信息时仅能识别出故障原因和概率而对于故障的具体位置问题难以解决，对于定位的精准度较低，为验证本方法相对于传统方法具有较高的定位准确度，本实施例中采用传统方法与本方法分别对定位的准确度进行实时测试对比。

测试条件：采用5组故障信息作为测试样本，分别对应着1处、5处、10处、15处、和20处故障问题，运用matlb软件实现两种方法的故障测试，将故障问题输入ftt1200进行数据采集，将采集到的故障信息注入测试配电主站进行实时信息交互，并对故障数据进行测试，输出测试信息，结合不同类别的故障信息和故障相关特征构建融合优选分析模型，用得到融合优选分析模型对测试信息进行故障分析，得到分析结果；每种分析方法各分析5组故障信息，根据实验结果得到定位准确度数据，计算获得每组故障信息的准确度，其中准确度用百分比来表示。结果如下表所示：

表1故障信息的实验结果。

同时参照图2，ours为本方法曲线，neuralnetworkanalysismodel为神经网络分析模型曲线，可以看出两条曲线先随故障数量的增加而上升，当故障数量为2处时，两种方法的准确度相同但是当故障数量超过5处后曲线随故障数的增加而下降，但是本发明方法曲线的下降趋势比使用数据处理方法的下降趋势更加平缓，因此能够看出在5组数据集中本发明方法均取得了较高的准确度，本发明方法对故障位置定位的准确度可以有效的提高，提高了检测配电网故障发生时对故障信息的掌握。

实施例2

参照图3～5，为本发明的第二个实施例，该实施例不同于第一个实施例的是提供了一种测试配电主站故障处理测试分析系统，包括，ftt平台100、数据处理模块200、分析模块300，其中ftt平台100包括配电网仿真器101、实时数据库管理器102、建模与配置器103、故障模拟器104、规约解释器105、通信管理器106和人机交互界面107。

进一步的是，故障模拟器104包括，设置故障场景104a、模拟故障现象104b；其中模拟故障现象104b包括，检测设置是否到故障时刻，若是，则设置实时库中跳闸的开关状态并确定实时库中的开关变位，若否，则直接确定实时库中的开关变位；若实时库中的开关发生变位则判断设置的开关是否合到故障点，若是，则返回设置实时库中跳闸的开关状态，若否，则判断是否退出模拟故障；若选择不退出则返回设置故障时刻，若选择退出则故障现象模拟结束。

ftt平台100用于根据故障位置、类型、性质以及故障场景得到测试配电主站的故障数据；并将得到的故障数据上传至数据处理模块200；该数据处理模块200与ftt平台100连接，能够接收ftt平台100的故障数据并且将故障数据与测试配电主站进行信息交互，对故障数据进行测试；分析模块300与数据处理模块200相连接，能够接收数据处理模块200的测试结果，用于根据不同类别的故障信息和故障相关特征进行故障分析。

不难理解的是，本实施例中所提出的系统，其涉及ftt平台100、数据处理模块200、分析模块300的连接关系，例如可以是运行在计算机可读程序，通过提高各模块的程序数据接口实现。

应当认识到，本发明的实施例可以由计算机硬件、硬件和软件的组合、或者通过存储在非暂时性计算机可读存储器中的计算机指令来实现或实施。方法可以使用标准编程技术-包括配置有计算机程序的非暂时性计算机可读存储介质在计算机程序中实现，其中如此配置的存储介质使得计算机以特定和预定义的方式操作——根据在具体实施例中描述的方法和附图。每个程序可以以高级过程或面向对象的编程语言来实现以与计算机系统通信。然而，若需要，该程序可以以汇编或机器语言实现。在任何情况下，该语言可以是编译或解释的语言。此外，为此目的该程序能够在编程的专用集成电路上运行。

此外，可按任何合适的顺序来执行本文描述的过程的操作，除非本文另外指示或以其他方式明显地与上下文矛盾。本文描述的过程(或变型和/或其组合)可在配置有可执行指令的一个或多个计算机系统的控制下执行，并且可作为共同地在一个或多个处理器上执行的代码(例如，可执行指令、一个或多个计算机程序或一个或多个应用)、由硬件或其组合来实现。计算机程序包括可由一个或多个处理器执行的多个指令。

进一步，方法可以在可操作地连接至合适的任何类型的计算平台中实现，包括但不限于个人电脑、迷你计算机、主框架、工作站、网络或分布式计算环境、单独的或集成的计算机平台、或者与带电粒子工具或其它成像装置通信等等。本发明的各方面可以以存储在非暂时性存储介质或设备上的机器可读代码来实现，无论是可移动的还是集成至计算平台，如硬盘、光学读取和/或写入存储介质、ram、rom等，使得其可由可编程计算机读取，当存储介质或设备由计算机读取时可用于配置和操作计算机以执行在此所描述的过程。此外，机器可读代码，或其部分可以通过有线或无线网络传输。当此类媒体包括结合微处理器或其他数据处理器实现上文步骤的指令或程序时，本文的发明包括这些和其他不同类型的非暂时性计算机可读存储介质。当根据本发明的方法和技术编程时，本发明还包括计算机本身。计算机程序能够应用于输入数据以执行本文的功能，从而转换输入数据以生成存储至非易失性存储器的输出数据。输出信息还可以应用于一个或多个输出设备如显示器。在本发明优选的实施例中，转换的数据表示物理和有形的对象，包括显示器上产生的物理和有形对象的特定视觉描绘。

如在本申请所使用的，术语“组件”、“模块”、“系统”等等旨在指代计算机相关实体，该计算机相关实体可以是硬件、固件、硬件和软件的结合、软件或者运行中的软件。例如，组件可以是，但不限于是：在处理器上运行的处理、处理器、对象、可执行文件、执行中的线程、程序和/或计算机。作为示例，在计算设备上运行的应用和该计算设备都可以是组件。一个或多个组件可以存在于执行中的过程和/或线程中，并且组件可以位于一个计算机中以及/或者分布在两个或更多个计算机之间。此外，这些组件能够从在其上具有各种数据结构的各种计算机可读介质中执行。这些组件可以通过诸如根据具有一个或多个数据分组(例如，来自一个组件的数据，该组件与本地系统、分布式系统中的另一个组件进行交互和/或以信号的方式通过诸如互联网之类的网络与其它系统进行交互)的信号，以本地和/或远程过程的方式进行通信。

应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。