[发明专利]基于数据挖掘技术的电网故障追踪方法

说明书

技术领域

本发明涉及电网故障技术领域，特别是涉及基于数据挖掘技术的电网故障追踪方法。

背景技术

从目前故障诊断算法的研究成果来看，在保护及断路器均正确动作的前提下，对故障元件的分析会非常准确。但是在保护或断路器发生拒动的情况下，很多诊断算法只是根据远后备的动作情况判断出有拒动的情况发生，并不能推断出是保护还是断路器拒动，更不能对拒动的原因进行故障追踪。

电网故障追踪在本发明中的含义是指在调度端对收集到的报警信息调用故障诊断算法之后，发现有断路器及保护有不正确动作，或者报警信息有丢失的情况，运用数据挖掘技术对变电站内部的数据进行分类抽取，进而找出错误动作及信息丢失根源的过程。

导致目前故障追踪研究较为少见的根源在于当前的诊断算法完全依赖上传至调度端的事故级报警信息，未能对在变电站层的故障断面进行全面的分析。如果要深入到变电站层进行数据分析，需要解决怎样在海量的站内数据中提取出能够被故障追踪算法所用数据的问题。本发明将运用数据挖掘技术解决变电站层数据的分析及故障追踪方法。

综上所述，现有技术中对于怎样在海量的站内数据中提取出能够被故障追踪算法所用数据的问题，尚缺乏有效的解决方案。

发明内容

为了解决现有技术的不足，本发明提供了基于数据挖掘技术的电网故障追踪方法，本发明的目的在于解决了目前的故障诊断仅能够判断出故障元件的弊端，能够将诊断结果深入到变电站层，找出保护或断路器拒动的原因。

基于数据挖掘技术的电网故障追踪方法，包括以下步骤：

智能变电站的各类数据采集系统作为原始数据来源；

选择决策树对站内信息进行分类，对调度端的故障追踪程序提供决策支持；

分类步骤：训练集首先进入归纳算法，若样本在监督模型中，则成为监督模型上层节点中的树叶；

若不在监督模型中，则按照信息增益最大原则选取最佳分类的变量分割为一个节点，根据监督模型的中间逻辑，为该分割变量的节点分配一个分枝；

当训练集所有样本都存在于某个节点，则分割停止，决策树分类完成；

通过决策树过滤后的数据按照监督模型分为三大类：保护拒动信号类、信号通道故障信号类、断路器拒动信号类；

决策树对训练样本的分类算法完成之后，对未知类别的数据集进行预测，对应于电网故障追踪的过程，即对变电站层的各种数据进行分析，给出保护或断路器拒动原因。

进一步的，所述基于数据挖掘技术的电网故障追踪方法采用大数据平台下的分布式决策树故障追踪算法，该分布式算法底层由运行在各厂站端的局部决策树归纳算法组成，该算法负责提取本厂站内部的各种报警信号，通过监督模型将其递归分割为决策树的一枝子树；上层为运行在调动中心的最终决策树，该算法汇集故障区域内各变电站的监督模型以及决策子树，形成最终决策树预测模型。

本发明的采用上述方案的意义在于：变电站端分布式数据划分与调度端决策树集中生成相结合的方法，不仅避免了数据在调度端的大量堆积，而且能够和目前的电力信息一体化平台紧密结合，根据电力系统网络的特点使运行速度最大化。

进一步的，故障追踪算法具体为：

各变电站内调用局部算法：对站内报警信息进行预处理，形成训练样本集，按监督模型对局部报警信息进行分类；

厂站在选择当前监督模型时，将当前样本集的属性按照监督模型传给调度端全局算法；

全局算法：综合各厂站传来的监督模型，求出最大信息增益量返回给各厂站的局部算法；

局部算法根据最大信息增益量建立数据的一个节点，继续分割各自的报警信息，进而形成局部决策树；

当各厂站的所有样本被划分完毕后，形成的局部决策树被传送至全局算法，在调动端形成最终决策树；

最终决策树根据输入的分类数据以及增益数值，给出预测结果。

进一步的，所述保护拒动信号类包括主要元件故障及外围硬件故障，主要元件故障为保护主要元件故障信号，包括保护闭锁及保护未闭锁，保护闭锁为导致保护闭锁信号，保护闭锁信号包括直流供电电源故障告警、RAM故障信号、定值区内容损坏信号、保护A/D故障信号、DSP故障信号，保护未闭锁为导致保护未启动信号，包括保护软压板未投入告警、采样数据异常/无效告警、对端保护装置告警；

外围硬件故障为外围硬件故障信号，包括保护内部通讯异常告警、保护出口故障告警。