[发明专利]一种适用于低压台区的故障智能诊断方法及其运维系统

说明书

本发明涉及电力系统领域，特别涉及一种适用于低压台区的故障智能诊断方法及其运维系统。该故障智能诊断方法包括如下步骤：步骤一：确定低压台区出现的各个故障类型，以及与各个故障类型关联的多个特征量；并将各个特征量反映的异常特征状态定义为故障标签；步骤二：构建故障感知模型和故障诊断模型；步骤三：实时采集低压台区的特征数据并生成相应的故障标签；步骤四：将特征数据输入到故障感知模型中，判断当前低压台区是否存在故障；步骤五：将生成的故障标签的特征值输入到故障诊断模型中，诊断出引起当前低压台区故障的原因。本发明解决了现有低压台区的运行监测诊断和运维依赖人工，且电力管理的运维系统自动化不足的问题。

技术领域

本发明涉及电力系统领域，特别涉及一种适用于低压台区的故障智能诊断方法及其运维系统。

背景技术

现有的低压台区的运维管理过程中，主要依靠技术人员对系统的运行状态进行管理，针对出现的故障状态进行分析和处理，保持电力系统的稳定运行。这种管理方法对管理人员的能力和经验高度依赖，不利于电力系统的常态化管理，当一线的技术人员发生人员变动时，可能会对电力系统的故障监测、故障原因诊断和系统运维水平带来影响。

此外，以末端业务融合为目标的网格化综合服务是今后电力管理改革探索的重要工作之一，信息化技术发展、大数据应用为开展网格化综合服务提供了技术保障，同时也对基层人员综合素质提出了更高要求。物联网深入推进，低压台区用电业务末端的计量、采集、传感设备数量及种类越来越多，传统台区管理员所掌握的业务技能和专业知识难以满足现代管理业务发展需要，急需通过信息化手段提升低压台区业务自动化水平，适应网格化业务运维管控。

发明内容

基于此，为了解决现有低压台区的运行监测诊断和运维依赖人工，且电力管理的运维系统自动化不足的问题，本发明提供了一种适用于低压台区的故障智能诊断方法及其运维系统。

本发明提供了一种适用于低压台区的故障智能诊断方法，该故障智能诊断方法包括如下步骤：

步骤一：确定低压台区出现的各个故障类型，以及与各个故障类型关联的多个特征量；并将各个特征量反映的异常特征状态定义为一个相应的故障标签。

步骤二：构建用于识别低压台区出现的故障类型的故障感知模型，以及用于分析故障发生原因的故障诊断模型。故障感知模型为基于分类算法的标签模型；故障感知模型的输入为低压台区运行过程中各个特征量的特征值，故障感知模型的输出为不同故障类型的预测结果。故障诊断模型为经过训练的神经网络模型；故障诊断模型中包括与各个故障类型相对应的多个子模型。故障诊断模型的输入为故障感知模型输出的故障预测结果对应的各个故障标签的特征值，故障诊断模型的输出为预测出的故障对应的发生原因。

步骤三：实时采集与低压台区出现的各个故障类型相关的各类特征量的特征数据，并对特征数据进行数据清洗。基于清洗后的特征数据生成相应的故障标签，完成故障标签的赋值。

步骤四：将上步骤清洗后的特征数据输入到故障感知模型中，判断当前低压台区是否存在故障,输出相应的故障预测结果。

步骤五：在低压台区出现故障时，将生成的故障标签的特征值输入到故障诊断模型中，诊断出引起当前低压台区故障的原因。

进一步地，步骤一中，低压台区出现的故障类型包括采集故障、计量故障、用电故障、费控故障、配变故障和台区线损异常。

进一步地，步骤一中，与各个故障类型关联的异常特征状态的对应关系包括：

(a)与采集故障关联的异常特征状态，包括：终端离线、集中器下电表全无数据、采集器下电表全无数据、电能表持续多天无抄表数据。

(b)与计量故障关联的异常特征状态，包括：电能表飞走或突变、电能表倒走、电表示值停走、电能表时钟超差、电能表开盖、电能表开钮盖、电能表零电压、电能表电池欠压。