一种电压暂降同源检测方法及系统

本发明属于电力系统技术领域，具体涉及一种电压暂降同源检测方法及系统。

背景技术：

随着数字化、信息化技术在各个领域的广泛应用，越来越多的敏感设备接入电力系统，在提高各行业生产水平的同时，电压暂降成为电力系统不可避免的电能质量扰动事件，被认为是最严重的电能质量问题。一次故障可能会触发多次电压暂降事件，而一次电压暂降事件又能被不同变电站或者用户侧的电压暂降监测设备记录，使得记录多条电压暂降事件，造成电压暂降的数据冗余，进而造成数据中心的处理量和复杂度大大增加，同时造成对电压暂降严重度的过度评估。因此，有必要对电压暂降的同源检测进行研究。

因为电压暂降监测装置本身的对时问题、监测数据的长度问题以及电压暂降经过不同变压器传递时其类型会发生改变使得对电压暂降的同源检测变得复杂：1)装置本身的对时问题；对于有网络对时模块的监测装置，由于装置的时钟芯片本身存在守时误差，使得正常对时精度也有毫秒级的误差，如果长时间没有时钟源对时就会导致误差越来越大。而对于没有网络对时的模块的监测装置，利用本地的时钟构建时间节点本地时钟也会随时间发生偏移。所以无法通过电压暂降发生时刻直接进行同源匹配；2)监测数据的长度问题；由于电压暂降不同监测装置的采样率的不同，使得电压暂降的持续时间有所不同，即不能通过电压暂降持续时间特征直接对电压暂降事件进行同源检测；3)经变压器传递问题；一个电压暂降事件会经过多台变压器被电压暂降监测装置记录，而三相不对称电压暂降经变压器传递时，电压暂降的类型会发生变化，所以不能单纯通过电压暂降跌落相和跌落相幅值进行电压暂降事件的同源检测。

现有的电压暂降同源检测使用多特征去表征电压暂降的同源性，使得电压暂降同源检测的识别流程复杂化，同时在计算电压暂降经过变压器传递矩阵时，对于三相a、b、c均重新计算传递矩阵使得计算量增大。在相似度计算过程中为了降低计算量，在一定程度上牺牲了结果的精确度，可能造成误判。因此，需要一种提高波形相似度，计算量又合理的方法。

技术实现要素：

本发明的目的在于提供一种电压暂降同源检测方法及系统，该方法及系统有利于提高检测精度

为实现上述目的，本发明采用的技术方案是：一种电压暂降同源检测方法，包括以下步骤：

s1、从监测数据中选取触发时间最早的一条数据为基准数据；

s2、对所有非基准数据，选取a相按照变压器可能的所有组合进行变换，形成sa矩阵；

s3、用形状标识符表征波形的重要特征，将基准数据扩展为与sa同维度，用基于形状的动态时间规整计算相似度，形成da矩阵；

s4、选取da每一列的最小值，用da对应的变压器传递矩阵计算出db、dc矩阵；

s5、利用da、db、dc计算相似度矩阵w和度矩阵d，并使用轮廓系数方法获得聚类簇的数目k，然后使用k均值聚类算法完成聚类。

进一步地，所述步骤s1中，选取各个变电站的电压暂降监测装置监测到的数据，假设有n条电压暂降监测数据，将其转化为有效值波形记为(s1,s2,……,sn)，以触发时间最早的一条电压暂降监测数据为基准波形，假设为s1，对n条电压暂降监测数据进行同源检测。

进一步地，所述步骤s2中，对所有非基准数据，选取一相，假设为a相，按照变压器可能的所有组合进行变换，根据电压暂降经变压器传递规律，变压器分为ⅰ型ynyn0，ⅱ型yyn0、yny0，以及ⅲ型yd11、ynd11、dyn11，三种类型的变压器的传递矩阵分别为t1、t2、t3，根据变压器的不同数量的不同组合，所有组合结果只有8种情况t1～t8，具体如下所示：

则ⅱ型与ⅱ型连接时有：

t2×t2＝t2(4)

ⅱ型与ⅲ型连接时有：

t2×t3＝t3×t2＝t3(5)

两个ⅲ型连接时有：

三个ⅲ型连接时有：

四个ⅲ型连接时有：

五个ⅲ型连接时有：

六个ⅲ型连接时有：

七个ⅲ型连接时又等效为一台ⅲ型；

对于所有非基准数据可能的传递矩阵如下：

其中，sia-j＝tj*sia表示非基准数据si的a相经过传递矩阵tj的可能波形，sa表示n-1条非基准a相数据经过所有可能变压器组合的所有可能。

进一步地，所述步骤s3中，利用投影暂态法计算出所有数据的电压暂降的起止时间，形成时间序列x＝{(t1,x1),(t2,x2),…,(tn,xn)}；(tn,xn)表示在时刻tn时，电压的有效值为xn；

数据的重要特征主要分为两类：一类是转折点，另一类拐弯点；

对于转折点，根据数据前后的单调性不一致进行识别：

x'(ti-1,xi-1)*x'(ti,xi)≤0(12)

其中x'(ti,xi)表示在x序列中ti时刻的电压暂降有效值的倒数；

对于拐弯点，使用二次差分点形成的二次差分序列，以其最小值为阈值，进而提取；具体过程：使用数据连续的前后变化量δ(xi-xi-1)再对获得的前后变化量进行二次差分δi-δi-1获得二次差分变化序列t，对比变化序列数值与阈值δ的大小判断，δ的取值：

其中，ti表示二次差分序列t中的第i点，minpeak(ti)表示ti≥0时二次差分序列中最小的点，maxpeak(ti)表示ti≤0时二次差分序列中最小的点；

使用形状标识符表示的所有时间序列的重要特征点，基准波形的形状标识符序列为s1a',非基准波形的形状标识符序列为sa'；将s1a'扩展到与sa'同维度形成s1a”，然后用基于形状的动态时间规整shapedtw计算出两者的相似度：

da＝dtw(s″1a,s′a)(15)

其中，da表示基准数据的a相与所有非基准数据的a的相似度计算结果。

进一步地，所述步骤s4中，取式da矩阵每一列的最小值，即基准数据s1a”与非基准数据sja-i'的相似度最大，j＝2…n，i＝1…8，tj即为监测到基准数据s1的变电站1与监测到非基准数据变电站j之间的变压器传递矩阵的组合；由于两变电站之间的变压器是固定的，因此b、c相之间的传递矩阵也为tj，同样使用shapedtw计算出非基准数据的b、c相分别与基准数据的b、c相的相似度，形成db、dc矩阵。

进一步地，利用相似度计算结果da、db、dc形成三维数据：

然后用shapedtw计算出来的相似矩阵d1去取代相似度矩阵中的欧式距离求得谱聚类中的相似度矩阵w，利用谱聚类算法完成聚类；

相似度矩阵w为：

其中：

其中，||zi-zj||²表示zi和zj的欧式距离，由于zi和zj是时间序列，因此用i、j之间相似度的计算结果代替||zi-zj||²；

根据w计算度矩阵，度矩阵d为：

其中：

利用相似度矩阵w和度矩阵d计算拉普拉斯矩阵l：

利用拉普拉斯矩阵计算l的特征值，将特征值从小到大排序，提取前k个特征值；

使用轮廓系数方法获得k，即聚类簇的数目；

计算k个特征值的特征向量u1，u2，…，uk，构成特征向量矩阵u＝{u1，u2，…，uk}；

令yi∈r^k是第i行的向量，i＝1,2，…n，形成一个新的样本点y＝{y1,y2,…yn}；

最后使用k均值聚类算法进行聚类。

本发明还提供了一种电压暂降同源检测系统，包括存储器、处理器以及存储于存储器上并能够在处理器上运行的计算机程序，当处理器运行所述计算机程序时，实现所述的方法步骤。

相较于现有技术，本发明具有以下有益效果：提出了一种电压暂降同源检测方法及系统，该方法及系统针对电压暂降同源检测，用一种考虑电压暂降监测数据的时间序列长度不一致的相似度计算方法(shapedtw)去计算波形间的相似度，它能将时间序列进行延伸和缩短，进而对两个序列的相似性进行计算，提高了相似度计算的精确度，利用单一聚类特征去描述暂降事件的同源性，简化了电压暂降的同源识别流程。此外，本发明利用谱聚类算法将聚类问题转化为图的最优划分问题，将所有数据视为空间中的点，通过利用数据间的相似度表示数据间的权重，相似度低则权重低，相似度高则权重高，通过对所有数据点组成的图进行切图，让不同子图之间的权重低，子图内部之间的权重高，使得聚类效果更加明显。

附图说明

图1是本发明实施例的方法实现流程图。

具体实施方式

下面结合附图及具体实施例对本发明作进一步的详细说明。

针对电压暂降同源检测受变压器传递、监测装置的对时问题以及数据长度的问题，本实施例提供了一种电压暂降同源检测方法，利用shapedtw去计算波形间的相似度，根据相似度计算结果作为聚类的输入，通过averagesilhouettemethod去获得最佳的聚类簇的数目，进而完成聚类。如图1所示，该方法包括以下步骤：

s1、从监测数据中选取触发时间最早的一条数据为基准数据。

s2、对所有非基准数据，选取a相按照变压器可能的所有组合进行变换，形成sa矩阵。

s3、用形状标识符表征波形的重要特征，将基准数据扩展为与sa同维度，用基于形状的动态时间规整shapedtw计算相似度，形成da矩阵。

s4、选取da每一列的最小值，用da对应的变压器传递矩阵计算出db、dc矩阵。

s5、利用da、db、dc计算相似度矩阵w和度矩阵d，并使用轮廓系数方法averagesilhouettemethod获得聚类簇的数目k，然后使用k均值聚类算法k-means完成聚类。

1、原始数据的选取

选取各个变电站的电压暂降监测装置监测到的数据，假设有n条电压暂降监测数据，将其转化为有效值波形记为(s1,s2,……,sn)，以触发时间最早的一条电压暂降监测数据为基准波形，假设为s1，对n条电压暂降监测数据进行同源检测。

2、数据处理

对所有非基准数据，选取一相，假设为a相，按照变压器可能的所有组合进行变换，根据电压暂降经变压器传递规律，变压器分为ⅰ型(ynyn0)、ⅱ型(yyn0、yny0、)、ⅲ型(yd11、ynd11、dyn11)，三种类型的变压器的传递矩阵分别为t1、t2、t3，根据变压器的不同数量的不同组合，所有组合结果只有8种情况t1～t8，具体如下所示：

则ⅱ型与ⅱ型连接时有：

t2×t2＝t2(4)

ⅱ型与ⅲ型连接时有：

t2×t3＝t3×t2＝t3(5)

两个ⅲ型连接时有：

三个ⅲ型连接时有：

四个ⅲ型连接时有：

五个ⅲ型连接时有：

六个ⅲ型连接时有：

七个ⅲ型连接时又等效为一台ⅲ型。

对于所有非基准数据可能的传递矩阵如下：

其中，sia-j＝tj*sia表示非基准数据si的a相经过传递矩阵tj的可能波形，sa表示n-1条非基准a相数据经过所有可能变压器组合的所有可能。以上式s2a-2为例，s2a-2＝t2*s2a表示非基准数据s2的a相经过传递矩阵t2的可能波形。

3、相似度计算

利用投影暂态法计算出所有数据的电压暂降的起止时间，然后找出它的重要特征点，假设有时间序列x＝{(t1,x1),(t2,x2),…,(tn,xn)}，需要将一个数据的重要特征通过特定标识符表示出来，然后用dtw进行距离计算。其中，(tn,xn)表示在时刻tn时，电压的有效值为xn。

数据的重要特征主要分为两类：一类是转折点，另一类拐弯点。

对于转折点，根据数据前后的单调性不一致进行识别：

x'(ti-1,xi-1)*x'(ti,xi)≤0(12)

其中x'(ti,xi)表示在x序列中ti时刻的电压暂降有效值的倒数。

对于拐弯点，使用二次差分点形成的二次差分序列，以其最小值为阈值，进而提取。具体过程：使用数据连续的前后变化量δ(xi-xi-1)再对获得的前后变化量进行二次差分δi-δi-1获得二次差分变化序列t，对比变化序列数值与阈值δ的大小判断，δ的取值：

其中，ti表示二次差分序列t中的第i点，minpeak(ti)表示ti≥0时二次差分序列中最小的点，maxpeak(ti)表示ti≤0时二次差分序列中最小的点。

使用形状标识符表示的所有时间序列的重要特征点，基准波形的形状标识符序列为s1a',非基准波形的形状标识符序列为sa'。将s1a'扩展到与sa'同维度形成s1a”，然后用基于形状的动态时间规整shapedtw计算出两者的相似度：

da＝dtw(s″1a,s′a)(15)

其中，da表示基准数据的a相与所有非基准数据的a的相似度计算结果。

取式da矩阵每一列的最小值，即基准数据s1a”与非基准数据sja-i'(j＝2…n；i＝1…8)的相似度最大，tj即为监测到基准数据s1的变电站1与监测到非基准数据变电站j之间的变压器传递矩阵的组合。由于两变电站之间的变压器是固定的，因此b、c相之间的传递矩阵也为tj，同样使用shapedtw计算出非基准数据的b、c相分别与基准数据的b、c相的相似度，形成db、dc矩阵。

4、谱聚类算法完成聚类

利用相似度计算结果da、db、dc形成三维数据：

然后用shapedtw计算出来的相似矩阵d去取代相似度矩阵中的欧式距离求得谱聚类中的相似度矩阵w，利用谱聚类算法完成聚类。

相似度矩阵w为：

其中：

其中，||zi-zj||²表示zi和zj的欧式距离，由于zi和zj是时间序列，因此用i、j之间相似度的计算结果代替||zi-zj||²。

根据w计算度矩阵，度矩阵d为：

其中：

利用相似度矩阵w和度矩阵d计算拉普拉斯矩阵l：

利用拉普拉斯矩阵计算l的特征值，将特征值从小到大排序，提取前k个特征值。

使用轮廓系数方法获得k，即聚类簇的数目。

计算k个特征值的特征向量u1，u2，…，uk，构成特征向量矩阵u＝{u1，u2，…，uk}。

令yi∈r^k是第i行的向量，i＝1,2，…n，形成一个新的样本点y＝{y1,y2,…yn}。

最后使用k-means算法进行聚类。

本实施例还提供了一种电压暂降同源检测系统，包括存储器、处理器以及存储于存储器上并能够在处理器上运行的计算机程序，当处理器运行所述计算机程序时，实现上述的方法步骤。

以上是本发明的较佳实施例，凡依本发明技术方案所作的改变，所产生的功能作用未超出本发明技术方案的范围时，均属于本发明的保护范围。