[发明专利]基于大数据驱动的电网故障预测和诊断方法

说明书

基于大数据驱动的电网故障预测和诊断方法，以某地区电网N年的大数据集为基础，并通过数据采集与监控系统SCADA提取所记录的事件和故障；时间窗口化阶段：在该阶段，通过处理原始的数据采集与监控系统SCADA，以提取故障前和故障后的时间窗口，为基于数据集的故障表征提供基础；关联规则挖掘阶段：该阶段自动识别代表故障前和故障后窗口的所有强耦合关联规则；关联分类器分析阶段：用于评估数据集的预测‑诊断潜力。本发明一种基于大数据驱动的电网故障预测和诊断方法，能够通过电网中记录的海量运行数据实现预测性维护、执行有效故障诊断和减少后续相关支出，以提高用户用电的可靠性和安全性。

技术领域

本发明涉及配电网故障诊断与预测技术领域，具体涉及一种基于大数据驱动的电网故障预测和诊断方法。

背景技术

随着传统电网向智能电网模式的转变，电网结构愈发复杂，海量监控数据涌入集控主机，仪器仪表、通信和数据分析方面的显著进步，使得引入有效的电网监控和管理解决方案成为可能，从而使得电力系统运行更加可靠，实现了电网的故障诊断和预测。近期的研究显示了大数据分析方法在电力系统中的有效应用。然而，现如今检修模式逐步向预测性维护转变，很少有研究专门致力于电网预测性维护。为此，利用描述电网运行数据集以及记录电网设备故障和报警信号的历史数据指导预测性维护方案的制定显得尤为重要。

发明内容

本发明提供一种基于大数据驱动的电网故障预测和诊断方法，能够通过电网中记录的海量运行数据实现预测性维护、执行有效故障诊断和减少后续相关支出，以提高用户用电的可靠性和安全性。

本发明采取的技术方案为：

基于大数据驱动的电网故障预测与诊断模型建模方法，为了通过电网中记录的海量运行数据实现预测性维护、执行有效故障诊断和减少后续相关支出，以提高用户用电的可靠性和安全性。考虑以数据采集与监控系统SCADA在实际中压配电网络中收集的N年数据集，由基于数据特征提取、时间窗、关联规则挖掘和关联分类器分析的方法进行评估，并自动识别相关性，从故障中断前后时间窗，建立预测-诊断模型。

基于大数据驱动的电网故障预测和诊断方法，包括以下步骤：

步骤一、以某地区电网超N年的大数据集为基础，并通过数据采集与监控系统SCADA提取所记录的事件和故障；

步骤二、时间窗口化阶段：

在该阶段，将数据采集与监控系统SCADA中所记录的未经清洗与降维的数据进行窗口化模块处理，以提取故障前和故障后的时间窗口，为基于数据集的故障表征提供基础；

步骤三：关联规则挖掘阶段：

该阶段自动识别代表故障前和故障后窗口的所有强耦合关联规则；

步骤四：关联分类器分析阶段：

用于评估数据集的预测-诊断潜力。

所述步骤一中，对符合以下三点的故障进行特征提取：

①故障持续事件超过180秒；

②故障位置已被识别；

③故障诱因已被确定；

这些故障事件被认定为永久服务中断PSI，故障事件包含45种不同的故障原因并与30个受不同程度影响的电网组件相关联。

所述步骤二中，

时间窗口指的是：在时间维度上，定义了一个PSI发生前的时间窗口，称为故障前窗口PFW，紧接PSI发生后的时间窗口，称为故障后窗口AFW；