基于大数据的配电系统的故障检测方法及系统与流程

本发明涉及电力系统，具体而言，涉及基于大数据的配电系统的故障检测方法及系统。

背景技术：

1、配电系统设备是指为了维护电力系统设备的安全稳定运行，是由多种配电设备（或元件）和配电设施所组成的变换电压和直接向终端用户分配电能的一个电力网络系统。为了保证电能质量，针对配电设施和用电设施，进行规划设计、安装调试、运行监测、维护保养和设备检修等专业服务，以实现“安全、经济、优质”的用电目的。随着社会经济信息化的发展，常用的故障检测难以满足工程实践对于准确性和快速检测的需要。

技术实现思路

1、本发明的目的在于提供基于大数据的配电系统的故障检测方法及系统，以改善上述问题。为了实现上述目的，本发明采取的技术方案如下：

2、第一方面，本技术提供了基于大数据的配电系统的故障检测方法，包括：

3、获取配电系统设备的故障数据，所述故障数据包括电压告警故障数据、发电机故障数据、ups设备故障数据和配电柜故障数据；

4、利用联合分布函数，搭建配电系统设备故障特征函数；其中，在本步骤中的配电系统故障检测中，将a定义为配电系统的故障数据集，其中所述配电系统的故障数据集为在历史配电系统故障检测中采集得到的，其中将故障数据样本采集的分块设置为1200，采用周期为0.05s，在提取过程中的迭代次数为100次，并利用联合分布函数，n个随机变量的情况，称n个随机变量x1，x2，…，xn的总体x=(x1，x2，…，xn)为n维随机变量(或n元随机变量)，或称n维随机矢量，计算如下：

5、

6、上式为n元函数，即n维随机矢量x=(x1，x2，…，xn)的联合分布函数；x1，x2，…，xn表示单个随机变量；x1 x2，…，xn表示单个随机变量的影响因素；它表示事件x1<x1，x2<x2，…，xn<xn同时出现的概率；其中，x1，x2，…，xn作为矩阵的行向量；

7、根据配电系统的故障在频域内的特征，利用故障数据响应变量和配电系统的故障数据集，构建对应的函数关系，其中，所述故障数据响应变量为某个故障数据特征参数向量的变化而导致另一个故障数据特征参数向量发生变化；根据联合分布函数，将一个特征向量集合内的数据映射到另一个故障特征向量集合内，需要满足配电系统故障数据挖掘方程：

8、

9、式中，y为配电系统故障数据的平均挖掘频率，为故障信号的瞬间幅度，x为频域内的谐振幅度，为故障数据的训练集合，其中故障数据的训练集合包括对电压告警故障数据、发电机故障数据、ups设备故障数据和配电柜故障数据进行训练的分类集合；

10、根据所述配电系统设备故障特征函数，构建配电系统故障数据集模型；

11、基于所述配电系统故障数据集模型和所述故障数据对配电系统进行故障检测。

12、优选地，所述获取配电系统设备的故障数据，其中包括：

13、去除所述故障数据中的噪声，并对所述故障数据所处的频带进行分类，得到故障信号分配频带；

14、利用小波奇异值分解法对所述故障信号分配频带进行分解，得到分解后的结果；

15、获取故障信号特征的重构矩阵，将所述分解后的结果输入至所述重构矩阵进行奇异值排序，筛选出所述奇异值不等于零的第一故障数据，将所述第一故障数据记做配电系统设备的所述故障数据。

16、优选地，所述去除所述故障数据中的噪声，之后包括：

17、针对去除后的所述故障数据，提取出异常数据；

18、对所述异常数据采用噪音平滑处理，得到光滑数据，建立回归函数拟合所述光滑数据；

19、通过聚类检测离群点去除所述光滑数据中的错误数据，得到去除后的结果；

20、利用贝叶斯推论，对去除后的所述结果中的缺失值的数据清洗，并对清洗后的数据进行归一化处理，得到处理后的检测数据，并保存到所述数据库中。

21、优选地，所述基于所述配电系统故障数据集模型和所述故障数据对配电系统进行故障检测，其中包括：

22、基于所述配电系统故障数据集模型，利用dbn结构对配电系统进行训练，以确定所述配电系统设备是否出现异常，若出现异常，则故障检测完成，若没有出现异常，则继续进行故障检测；所述dbn结构包括至少两个受限波尔茨曼机的无监督训练以及有监督反向调参，其中包括对每层的所述受限波尔茨曼机采取贪婪学习的方式进行无监督训练。

23、优选地，所述以确定所述配电系统设备是否出现异常，之后包括：

24、根据配电系统设备出现异常反馈的结果，确定所对应的处理方式，其中，若所述结果为配电系统设备发生漏电，则根据拍摄设备所采集的第一图像信息确定目标区域，并发送第一控制命令，所述第一控制命令为对所述配电系统进行断电保护的命令；所述第一图像信息为漏电情况下的所有电路图像情况；

25、若所述结果为所述配电系统设备发生短路，则根据拍摄设备所采集的第二图像确定所述配电系统设备至少一个区域的温度信息，并根据每个区域的温度信息发送第二控制命令，所述第二控制命令用于控制液氮存储器对每个所述区域的配电系统设备的待降温区域进行降温；所述第二图像为发生短路情况下每个区域的电路图像情况。

26、第二方面，本技术还提供了基于大数据的配电系统的故障检测系统，包括获取模块、搭建模块、构建模块和检测模块，其中：

27、获取模块：用于获取配电系统设备的故障数据，所述故障数据包括电压告警故障数据、发电机故障数据、ups设备故障数据和配电柜故障数据；

28、搭建模块：用于利用联合分布函数，搭建配电系统设备故障特征函数；其中，在本步骤中的配电系统故障检测中，将a定义为配电系统的故障数据集，其中所述配电系统的故障数据集为在历史配电系统故障检测中采集得到的，其中将故障数据样本采集的分块设置为1200，采用周期为0.05s，在提取过程中的迭代次数为100次，并利用联合分布函数，n个随机变量的情况，称n个随机变量x1，x2，…，xn的总体x=(x1，x2，…，xn)为n维随机变量(或n元随机变量)，或称n维随机矢量，计算如下：

29、

30、上式为n元函数，即n维随机矢量x=(x1，x2，…，xn)的联合分布函数；x1，x2，…，xn表示单个随机变量；x1 x2，…，xn表示单个随机变量的影响因素；它表示事件x1<x1，x2<x2，…，xn<xn同时出现的概率；其中，x1，x2，…，xn作为矩阵的行向量；

31、根据配电系统的故障在频域内的特征，利用故障数据响应变量和配电系统的故障数据集，构建对应的函数关系，其中，所述故障数据响应变量为某个故障数据特征参数向量的变化而导致另一个故障数据特征参数向量发生变化；根据联合分布函数，将一个特征向量集合内的数据映射到另一个故障特征向量集合内，需要满足配电系统故障数据挖掘方程：

32、

33、式中，y为配电系统故障数据的平均挖掘频率，为故障信号的瞬间幅度，x为频域内的谐振幅度，为故障数据的训练集合；其中故障数据的训练集合包括对电压告警故障数据、发电机故障数据、ups设备故障数据和配电柜故障数据进行训练的分类集合；

34、构建模块：用于根据所述配电系统设备故障特征函数，构建配电系统故障数据集模型；

35、检测模块：用于基于所述配电系统故障数据集模型和所述故障数据对配电系统进行故障检测。

36、第三方面，本技术实施例提供了基于大数据的配电系统的故障检测设备，所述设备包括存储器和处理器。存储器用于存储计算机程序；处理器用于执行所述计算机程序时实现上述基于油烟机的风量自适应调节方法的步骤。

37、第四方面，本技术实施例提供了一种可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述基于大数据的配电系统的故障检测方法的步骤。

38、本发明的有益效果为：

39、本发明采用联合分布函数可以描述两个或者多个变量之间的相互关系，预测两者或者多个变量之间的相关性，即变量之间是否存在某种程度的相关性，有利于搭建配电系统故障函数，增强数据之间的连接性和整体性，得到了数据之间的信任关系；利用联合分布函数，搭建配电系统设备故障特征函数，便于获取配电系统设备发生故障的位置。

40、本发明利用dbn结构对配电系统进行训练，最大程度保留数据的特征信息，利用无标签样本进行无监督训练，充分提取数据内部的特征，并抽象为高层的数据特征，并进行构造故障特征数据集作为dbn的输入，更加保证了故障检测数据结果的准确性和鲁棒性。

41、本发明采用的小波分析具有非常强大的抗噪音能力，可以描述出配电系统故障信号的幅值变化情况，可以有效地反映出故障信号的特征，便于对故障信息做出有效的处理。

42、本发明对故障数据进行去噪和平滑处理后，再利用贝叶斯进行清洗，并将处理后的所述运行指标数据保存到数据库中，提高处理速度，并且数据涵盖面广，故障判断精度高，进一步提高了故障识别精度。

43、本发明实现了精确定位故障设备的同时对故障类型进行分类，从而提高了配电系统设备故障检测的准确性。

44、本发明的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明实施例了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。