基于多元信息融合的直流配电网故障定位方法

本发明属于电力直流配电网。

背景技术：

1、直流配电网有利于满足各类型分布式电源、储能、柔性负荷的灵活接入和高效运行，其结构也将从传统放射型转变为多端闭合互联网络，并进一步向多层、多级、多环的复杂网络方向发展，进而呈现出多元融合与多态混合的新形态。但随着直流配电网的结构向多元化、多层次的网络结构方向发展，因此发生故障的频率变得越来多高，对直流配电网今后的研究带来新的挑战。

2、当直流配电网发生故障后，元件的电流、电压等电气量信息会产生相应的变化，同时继电保护装置会生成动作信息以及相应的断路器动作信息来切除故障元件，保证直流配电网安全可靠的运行。

3、直流配电网故障特性复杂，基于电气量或开关量数据分析的故障定位方法精度受到制约，难以有效解决上述挑战。一方面，故障电气量数据中复杂频率成分的准确采集十分困难，而且单极接地故障特征不明显导致基于电气量数据的定位精度难以满足对多种故障类型的适用性要求。另一方面，开关量数据分析的方法依赖于准确的元件可靠性历史信息，在缺乏长期实际工程检验的情况下，也无法满足开关量范畴拓展之后保护动作和断路器动作逻辑关系下的直流配电网故障精确定位要求。采用多元信息融合技术可以充分利用直流配网中各馈线的量测装置信息，使得各量测信息互为补充、互为校验，建立相应的容错机制，避免了单一类型量测导致的定位错误或定位不精确的问题。文献一：通过模糊petri网将开关量转化为元件的模糊故障度，利用小波变换分析电气量得到元件的小波故障表征，然后基于改进的ds证据理论进行信息融合决策故障元件。文献二：首先利用压缩感知算法对电气量进行两次信号重构并得到故障范围和电气量故障度，然后利用贝叶斯网络得到故障范围和各元件的开关量故障度，最后利用多传感器融合算法将这两个故障度进行融合实现故障定位。文献三：利用一维卷积神经网络提取各条支路故障数据特征，利用特征融合算法将先验信息的特征与线路故障特征融合并将此特征向量输入到神经网络中实现故障线路定位。文献四：首先通过搜索配电网故障时产生的故障指示器信息、配变报警信息和电话投诉信息建立相应的网络树状图进行故障初步定位，然后利用改进ds证据理论将每种故障信息的定位结果进行信息融合得到最终的定位结果。

技术实现思路

1、本发明的目的是对故障电流稀疏特性以及故障概率进行归一化处理得到故障度，最后利用改进的ds证据理论融合算法将这两个故障度进行融合得到更精确故障定位结果的基于多元信息融合的直流配电网故障定位方法。

2、本发明的步骤是：

3、s1、压缩感知的电气量处理

4、节点高频阻抗矩阵可以根据节点高频导纳矩阵求逆得到：

5、               （9）

6、式中：n为直流配电网节点个数；

7、根据节点阻抗矩阵得到的节点电压方程为：

8、                    （10）

9、式中：为节点高频电压列向量；为节点高频电流列向量；

10、对测点的数量和位置进行合理配置，该测点数量如下：

11、                                 （11）

12、式中：r为测点数量；为待重构信号稀疏度；m为待重构信号的长度；

13、最后采用omp算法重构高频节点电流，实现的流程步骤为：

14、（1）首先根据直流配电网节点处发生故障形成的高频信息，收集r个测量节点处的高频导纳矩阵，然后进行求逆运算，得到感知矩阵；

15、（2）读取故障前后各 2 ms的测点电压数据，提取其高频电压分量，计算一个连续窗长的观测信号；

16、（3）将所得到的感知矩阵与观测信号作为参数送入到omp重构算法中进行计算，得到各节点高频电流幅值构成的稀疏向量；

17、（4）根据迭代次数来进行判断直到算法结束，输出故障电流稀疏特性；

18、s2、基于多源信息融合的直流配电网故障定位方法

19、s2.1多数据源信息融合技术

20、假设是针对特定事件的所有结果集合的穷举，并且每个事件之间为互斥关系，即可以表示为：其中集合中有个假设事件，并且每个子集包含种事件，存在从到[0,1]上的映射关系：→[0,1]且满足，则称为的基本概率分配函数；其中存在时候称为焦元；

21、在同一识别框架下存在个证据，每个证据之间相互独立，基本概率分配函数为,满足：

22、                        (12)

23、式中，为冲突因子；

24、时组合成立，时冲突性太高，否则不能使用组合规则；

25、s2.2基于多传感器数据融合算法的故障定位

26、通过归一化处理得到各个疑似故障的元件的电流幅值故障度，归一化公式如下：

27、                                  (13)

28、中：为各个故障元件的电流特性，，表示基于电气量数据故障定位结果的可信度；

29、各个故障元件的概率值通过归一化处理得到各个疑似故障的元件的开关量故障度，归一化公式如下：

30、                      (14)

31、式中：为各个故障元件的概率值，，表示基于开关量故障定位结果的可信度；

32、在信息融合过程中，将所得到的电气量故障度和开关量故障度作为两个证据，利用ds证据理论进行融合，同时每个元件都是一个独立的识别框架，并且该框架内包括三种不同的状态，={故障，正常，不确定}，假设为基本概率分配函数，对于电气量与开关量这两个独立的证据体；采用式（12）对电气量与开关量融合；

33、对元件的融合结果进行决策，根据所得融合结果通过式（15）进行决策：

34、                       (15)

35、其中和为门限值；

36、当对融合的元件状态进行决策时，如果元件状态满足上述式子时则判定该元件是故障元件；其融合的流程如下所示：

37、解决如何将冲突重新分配和管理的问题，如下所示：

38、                        (16)

39、其中，表示识别框架含元素总和，表示识别框架所有元素集合，当为单子集时满足运算规则，当为不确定子集时，其基本概率为0；

40、通过bayes估计方法在识别框架以及证据体下，采用加权方法，首先对冲突证据进行预处理，然后再用证据组合规则融合证据：

41、                 (17)

42、其中：属于识别框架的子集；

43、采用加权法得到新的证据体后，采用二次融合方法：

44、                (18)

45、式中，表示在bayes估计方法下所生成的证据；表示在加权方法下生成的证据。

46、本发明当直流配电网发生故障时，可以提高故障定位的准确性。