一种基于配网主站分片三遥增量标识故障识别方法及系统与流程

本发明涉及故障识别，特别是一种基于配网主站分片三遥增量标识故障识别方法及系统。

背景技术：

1、随着国内大部分城市配电自动化主站系统建设的深入，各配电自动化主站系统配网开关的数量也达到了百万级别，但是这些配网开关里包含了非自动化开关、二遥开关和三遥开关，以前要判断配网开关属于非自动化开关、二遥开关或是三遥开关需要通过自动化人员或调度人员自身查看配电自动化主站系统数据进行分析得出。这样一方面准确性不稳定，并且无法为其他应用程序提供可靠底层数据。

2、传统方法可能仅仅依赖于有限的特征提取方法，如平均值、峰值等，无法捕捉信号的丰富频谱和时域信息。这可能导致对于一些复杂的故障模式无法进行有效的检测。一些传统的故障检测方法可能使用固定的阈值进行判别，这在面对电网工作状态变化或噪声增加时可能导致误报或漏报。缺乏自适应性的阈值设置可能使得系统无法适应不同条件下的变化。

3、现有技术面临数据处理速度较慢的问题，无法实现对于实时性要求较高的监测任务，这可能导致在故障发生后较长时间内无法及时响应，影响了设备的安全性和可靠性。电力系统工作条件的变化可能导致传统方法的性能下降。缺乏自适应性的方法可能难以适应电力系统不同工作环境下的信号变化，从而影响了系统的鲁棒性，在面对电力系统中复杂的故障模式时表现不佳，因为这些方法难以捕捉复杂信号中的微小变化或模式。这可能导致对于一些隐蔽的故障模式无法进行准确的检测。

技术实现思路

1、鉴于现有的基于配网主站分片三遥增量标识故障识别方法及系统中存在的问题，提出了本发明。

2、因此，本发明所要解决的问题在于对一些复杂的故障模式无法进行有效的检测，缺乏自适应性的阈值设置可能使得系统无法适应不同条件下的变化。

3、为解决上述技术问题，本发明提供如下技术方案：

4、第一方面，收集三遥增量标识信号数据，并进行预处理，将预处理数据分块进行分解提取特征向量，将不同数据块的特征向量使用希尔伯特变换连接成新的特征序列。由所述新的特征序列构建模型并预训练，将新的特征序列输入预训练的模型中，获得每片数据块的增量标识结果。对所述增量标识结果进行汇总和过滤，得到三遥故障检出结果并对故障进行处理。

5、作为本发明所述基于配网主站分片三遥增量标识故障识别方法的一种优选方案，其中：所述三遥增量标识信号数据的收集包括，在基于配网主站下在配网开关表中加注“三遥标识”，用0、2、3分别标识非自动化开关、二遥开关、三遥开关。在基于配网主站下读取配网开关表当前分片记录为集合a，读取配网前置遥信定义表记录为集合b，读取配网下行遥控表记录集合为c。在基于配网主站下把集合a中的记录根据“三遥标识”域值0、2、3分别过滤保存至集合d、e、f。

6、作为本发明所述基于配网主站分片三遥增量标识故障识别方法的一种优选方案，其中：所述特征向量的提取采用小波分解和stockwell变换对收集的信号进行分解，并采用核主成分分析，进行非线性映射，进行降维。其中，所述核主成分分析包括，将原始特征信息x映射输入到高维空间，

7、

8、其中，k(xi,xj)为xi,xj之间的核函数值，σ是高斯核函数的带宽参数；对核矩阵进行中心化，

9、

10、k'＝hkh

11、其中，h为中心化核矩阵，in为n×n的单位矩阵，l是一个大小为n的全一向量。对中心化的核矩阵进行特征分解，

12、k'α＝λα

13、其中，α为特征向量，λ为对应的特征值；所述非线性降维是选择前m个最大特征值对应的特征向量，将原始数据投影到由选取的特征向量构成的空间，具体为，

14、

15、作为本发明所述基于配网主站分片三遥增量标识故障识别方法的一种优选方案，其中：所述使用希尔伯特变换连接具体公式如下，

16、z＝[x,re(hai(t)),im(hai(t)),re(hbi(t)),im(hbi(t)),re(hci(t)),im(hci(t))]

17、

18、

19、

20、其中，此时的x为降维后的原始特征的向量，z是最终的特征向量，re(hai(t))表示hai(t)的实部，im(hai(t))表示hai(t)的虚部，re(hbi(t))、im(hbi(t))、re(hci(t))、im(hci(t))分别表示hbi(t)、hci(t)的实部和虚部，ai(t)是原始信号，是其希尔伯特变换。

21、作为本发明所述基于配网主站分片三遥增量标识故障识别方法的一种优选方案，其中：采用所述希尔伯特变换得到的包络和相位信息对相位空间进行重构，具体包括，由希尔伯特变换得到的包络和相位信息，对其中的相位信息按照时间顺序组成轨迹，形成在相位空间中的曲线，利用轨迹的形状、方向和变化速度信息，对相位空间进行重构。分析轨迹的形状，包括：平稳轨迹，电力系统正常运行时的典型轨迹形状。扭曲轨迹，表示电力系统中存在故障或异常。断裂轨迹，表示系统中出现较严重问题的情况。

22、作为本发明所述基于配网主站分片三遥增量标识故障识别方法的一种优选方案，其中：所述构建模型为建立lstm模型，将连接的特征序列划分为多个子序列，每个子序列表示模型需要进行预测的一个时间窗口内的特征，表示为：

23、xi＝[xi,1,xi,2,...,xi,ti]

24、其中，ti是每个子序列的时间步数，将每个子序列xi输入到已经训练好的lstm模型中。对输出层进行设置，具体为对于n个神经元使用softmax激活函数，定义如下，

25、

26、其中，其中，zj是神经元j的输入，e是自然对数的底数。

27、作为本发明所述基于配网主站分片三遥增量标识故障识别方法的一种优选方案，其中：对于汇总的数据，若数据在传输或采集过程中存在丢失，导致缺失的信息对故障诊断产生影响，则建立一个置信度阈值，只有当标识的置信度高于阈值时，才认为是有效的标识，并多次运行标识算法，确保结果在多次运行中的一致性。若是不同类别的样本数量差异大于m％，导致模型性能下降，则使用过采样或欠采样方法，校正样本分布，并利用生成对抗网络gan生成新的虚拟故障样本，以扩充数据集规模和全面性。若是模型参数出现波动，表示训练过程不稳定，则引入正则化项，对模型参数进行限制，防止过拟合和不稳定性，并使用贝叶斯优化算法来寻找模型的最优参数配置，提升优化速率和效果。

28、第二方面，本发明实施例提供了一种基于配网主站分片三遥增量标识故障识别系统，其包括：收集模块，用于收集三遥增量标识信号数据，并对数据进行预处理。分解提取模块，用于将收集的数据分块进行分解提取特征向量，并使用希尔伯特变换连接成新的特征序列，构建模型，将新的特征序列输入预训练的模型中，获得每片数据块的增量标识结果。处理模块，用于对每块标识结果进行汇总和过滤，得到三遥故障检出结果并对故障进行处理。

29、第三方面，本发明实施例提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其中：所述处理器执行所述计算机程序时实现上述的基于配网主站分片三遥增量标识故障识别方法的任一步骤。

30、第四方面，本发明实施例提供了一种计算机可读存储介质，其上存储有计算机程序，其中：所述计算机程序被处理器执行时实现上述的基于配网主站分片三遥增量标识故障识别方法的任一步骤。

31、本发明有益效果为提出一种基于配网主站的三遥标识方法，通过整合分析配网主站系统内的数据对配网开关进行非自动化开关、二遥开关及三遥开关标记，大大的方便了调度人员及自动化人员分析决策，同时也为其他应用程序提供了底层数据，以免不同应用程序重复分析，也防止了不同应用程序分析方法不同带来标准不一的问题，带来了很大的经济效益。且显著提升了电力系统故障监测的准确性，实时性和自适应性，为电力系统的稳定运行和故障预测提供了更为可靠的解决方案。