基于大数据的电力电网故障识别方法与流程

本发明属于电力电网。

背景技术：

1、随着智能电网建设的深入，电网数据表现出多维度、强耦合、高随机性的特征，在电力电网的故障管控分析中，由于电力电网庞大的数据体系，难以对其产生的故障进行快速准确的判断分析，故极大的影响电力电网的可靠运行。

2、且现有的对力电网故障的管控分析往往仅通过单一、零散的数据进行故障识别，其判断电网故障的方式存在较大的误差性和不准确性，也进一步阻碍了电力电网的安全运行。

技术实现思路

1、本发明是为了解决现有电力故障识别存在准确性差的问题，现提供了一种基于大数据的电力电网故障识别方法。

2、本发明所述基于大数据的电力电网故障识别方法，包括：

3、步骤一、采集单位时间段的电力电网中所有配电线路的三相电压样本值以及三相电流样本值，实时采集电力电网中所有配电线路的线损样本值；

4、步骤二、利用三相电压样本值和三相电流样本值输入至故障分析神经网络，获取表征正常信号、表征考量信号或表征异常信号；

5、步骤三、对步骤一采集的线损样本值进行特征挖掘分析，获取实质正常信号和实质异常信号；

6、步骤四、利用表征信号和实质信号，对接收的电力电网中的表征类型信号数据和实质类型信号数据进行数据价值分析处理，生成安全稳定信号、故障危险信号以及摆动故障信号，实现故障识别。

7、进一步地，本发明中，步骤二中，故障分析神经网络通过历史三相电压样本值和三相电流样本值数据及故障表征信号作为训练集进行训练。

8、进一步地，本发明中，步骤四中，随机捕捉某个时间节点实时的实质类型信号数据，并据此获取对应时间节点单位时间段的表征类型信号数据，将两者进行集合判定，若获取的信号为表征正常信号和实质正常信号，则输出安全稳定信号，若获取的信号为表征异常信号和实质异常信号或表征考量信号和实质异常信号，则均输出故障危险信号，若获取的信号为表征考量信号和实质正常信号，则输出摆动故障信号。

9、本发明利用大数据技术获取单位时间段的电力电网运行数据信息，并通过神经网络识别表征故障信号、，并通过特征挖掘分析，获取实质正常信号和实质异常信号，对变电站的电力电网运行进行了客观论证说明，从而提高了对变电站的电力电网运行故障的可靠评估分析。

技术特征：

1.基于大数据的电力电网故障识别方法，其特征在于，包括：

2.根据权利要求1所述的基于大数据的电力电网故障识别方法，其特征在于，步骤二中，故障分析神经网络通过历史三相电压样本值和三相电流样本值数据及故障表征信号作为训练集进行训练。

3.根据权利要求1或2所述的基于大数据的电力电网故障识别方法，其特征在于，步骤四中，随机捕捉某个时间节点实时的实质类型信号数据，并据此获取对应时间节点单位时间段的表征类型信号数据，将两者进行集合判定，若获取的信号为表征正常信号和实质正常信号，则输出安全稳定信号，若获取的信号为表征异常信号和实质异常信号或表征考量信号和实质异常信号，则均输出故障危险信号，若获取的信号为表征考量信号和实质正常信号，则输出摆动故障信号。

技术总结
基于大数据的电力电网故障识别方法，属于电力电网技术领域。本发明是为了解决现有电力故障识别存在准确性差的问题。本发明采集单位时间段的电力电网中所有配电线路的三相电压样本值以及三相电流样本值，实时采集电力电网中所有配电线路的线损样本值；利用三相电压样本值和三相电流样本值输入至故障分析神经网络，获取表征正常信号、表征考量信号或表征异常信号；对采集的线损样本值进行特征挖掘分析，获取实质正常信号和实质异常信号；利用表征信号和实质信号，对接收的电力电网中的表征类型信号数据和实质类型信号数据进行数据价值分析处理，生成安全稳定信号、故障危险信号以及摆动故障信号。本发明适用于电力电网故障识别。

技术研发人员：陈强,朱海,赵永涛,宋慈,陈禹同,赵利峰,李麟鹏
受保护的技术使用者：国网黑龙江省电力有限公司双鸭山供电公司
技术研发日：
技术公布日：2025/3/16