[发明专利]一种数字孪生环境下的能源互联网故障诊断方法及装置

说明书

本发明提供一种数字孪生环境下的能源互联网故障诊断方法及装置，所述方法包括：获取预设时间段内的能源互联网数据；基于第一空间分布确定规则，确定所述能源互联网数据对应的目标空间分布；基于所述目标空间分布以及数字孪生环境中能源互联网故障类型与空间分布的对应关系，确定所述能源互联网数据对应的故障类型。本发明的方法通过确定所述能源互联网数据对应的目标空间分布，并基于数字孪生环境中能源互联网故障类型与空间分布的对应关系，能够快速实现能源互联网故障类型确定。

技术领域

本发明涉及互联网技术领域，具体是一种数字孪生环境下的能源互联网故障诊断方法及装置。

背景技术

能源互联网借鉴互联网理念，在特定区域内实现电源、电网、负荷以及储能等环节的互联和供需平衡，以局部消纳优先、广域互联在后的原则，自下而上构建新型能源基础设施。能源互联网的任务是输送与分配电能，改变电压。能源互联网故障诊断是对各级各类保护装置、断路器的动作信息以及电压电流等电气量的测量信息进行分析,根据保护动作的逻辑和运行人员的经验来推断可能的故障位置和故障类型，为调度员的决策提供相关的判据。当能源互联网发生故障时，准确、快速、自动的故障诊断对迅速恢复能源互联网供电具有重要意义。

根据分析所使用的数据类型、诊断方法的不同，能源互联网故障诊断的发展可以分为四个阶段。

在第一阶段，由于测量手段有限，可以获取的数据类型和数量非常少，这个阶段的故障诊断主要依靠人工实现。基于经验的故障诊断可靠性很低，同时，效率也很低，故障定位要占到整个故障处理时间的三分之一以上。

第二阶段主要依靠数据采集与监视控制系统(SCADA，Supervisory Control AndData Acquisition)，采集的数据类型主要是保护装置和断路器的动作信息。这一阶段的故障诊断主要是依靠故障后电力系统的一系列事件数据。使用的方法主要是专家系统，即通过建立故障信息知识库，通过逻辑约束产生事件信息和故障之间的对应关系。专家系统方法的优点是能源互联网中保护动作和故障之间的关系可以用直观的、模块化的规则表达出来，解释能力强。缺点是能源互联网规模比较大时，构建和更新知识库难；主动学习能力差。在第二阶段中，基本已经实现了有效的故障诊断，但是由于不采集暂态波形信息，无法完成对故障信息的直接分析。

在第三阶段中，由于故障信息系统的使用，克服了这个问题。通过采集故障时暂态录波信息，加强了对故障信息的直接分析。在第四阶段，广域信息系统(WAMS,Wide AreaMeasurement System)信息系统兼具了SCADA系统和故障录波系统的功能。其前置PMU单元可以高频率的采集能源互联网电流、电压信息，同时计算出功角、有功、无功等信息。WAMS最大的特点是通过全球定位系统(GPS)校对，可以保证各个监测点数据的同步性。由于WAMS的使用大大丰富了可供使用的数据类型和数量，传统基于逻辑推理方法的实施难度很大，因此一批基于机器学习的方法得到广泛应用，主要包括人工神经网络、支持向量机、Petri网、贝叶斯网络、粗糙集等方法。

未来随着由传统能源互联网向能源互联网发展，网络的拓扑结构越来越复杂，传感器数量的越来越多，可供分析和挖掘的数据量和数据类型也越来越多。随着数据量的增大，数据中所蕴含的信息量也更大，但是其中冗余的信息也成倍增加，对于大数据的故障诊断所耗费的时间和精力也成倍增加。

因此，传统的技术方案对基于大数据的故障诊断分析存在效率低的缺陷。

数字孪生环境的成熟使得信息物理融合(CPS)理念达到极致，是充分利用物理模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真过程，在虚拟空间中完成映射，从而反映相对应的实体装备的全生命周期过程。数字孪生尤其在虚拟环境下开展故障诊断、故障定位等工作，并模拟优化和决策支持的效果，可以解决利用人工智能进行数据分析过程中的故障样本不足和效率低下等问题。

发明内容