基于数据处理的配电馈线和台区智能诊断管理方法及系统技术方案

本发明专利技术属于电力系统数据处理领域，具体涉及一种基于数据处理的配电馈线和台区智能诊断管理方法及系统，其包括以下步骤：步骤一：获取现有配电馈线量和台区上的测装置网络所采集的数据进行构图；步骤二：若高通滤波器的输出检测到对应的高频分量，则判定为对应的量测装置采集的数据出现了异常，并进入步骤三；步骤三提取出各子图中特定图频率分量的子图信号分量F

【技术实现步骤摘要】
基于数据处理的配电馈线和台区智能诊断管理方法及系统


[0001]本专利技术属于电力系统数据处理领域，具体涉及一种基于数据处理的配电馈线和台区智能诊断管理方法及系统。

技术介绍

[0002]配电网处于电力系统的末端，具有地域分布广、电网规模大、设备种类多、网络连接多样、运行方式多变等鲜明特点。随着城镇化建设和用电需求的增长，配电网一直在不断地改造和扩建，其规模也不断扩大，国网公司系统内大多数县级以上配电网的规模都已达到百条馈线以上，一些中、大型城市的中压馈线已达到或超过千条。
[0003]在日益复杂的配电网中，产生了繁杂且海量的数据，且这些数据都属于非结构化数据。常规的数据处理法已难以适用于复杂的电网模型。
[0004]图信号处理(Graph Signal Processing,GSP) 是一种新兴的数据处理概念，通过将数据信号结构嵌入在图之上，从时间和空间角度都能够有效捕捉数据样本之间的关联性信息。

技术实现思路

[0005]本专利技术的目的是通过提供一种基于数据处理的配电馈线和台区智能诊断管理方法及系统，从而提高配电网的故障诊断效率。
[0006]为实现上述目的，本专利技术采用以下技术方案实现：一种基于数据处理的配电馈线和台区智能诊断管理方法，其包括以下步骤：步骤一：获取现有配电馈线量和台区上的量测装置网络所采集的数据进行构图G=（V，E，W），其中，V为量测装置节点集合，E为图模型中边的集合，W是权矩阵；步骤二：利用图高通滤波器对量测装置网络采集的数据进行检测，若图高通滤波器的输出检测到对应的高频分量，则判定为对应的量测装置采集的数据出现了异常，并进入步骤三；步骤三：建立各个子图的图模型和各个子图的子图信号F
i
，然后提取出各子图中特定图频率分量的子图信号分量F
i
*；步骤四：通过比较各子图信号分量F
i
*中每个节点当前信号值与历史时刻信号值的差值与预先设置的阈值进行比较，筛出疑似异常子图，并将异常子图的中心节点视为疑似异常节点，记为Va;步骤五：将Va与各个子图的节点集合Vi进行匹配筛选，如果Vi∈Va,则说明Vi的中心节点vi是异常节点，即配电馈线或台区故障点。
[0007]进一步的，步骤一中数据的构图方式采用最近邻法则。
[0008]进一步的，步骤二中将量测装置网络采集的数据按照不同的时刻依次送入到图高通滤波器中进行处理。
[0009]较佳的，所述图高通滤波器为基于图拉普拉斯矩阵的滤波器。
[0010]进一步的，步骤三中特定图频率分量的子图信号分量的提取包括以下步骤：步骤3.1：找出第i个子图中的特定图频率ki，ki为第i个子图中当前时刻的频率分量与历史时刻的频率分量的差值最大的图频率；步骤3.2：在ki上进行图逆傅里叶变换，提
取子图信号F
i
特定图频率分量的子图信号分量F
i
*。
[0011]本专利技术还提供一种基于数据处理的配电馈线和台区智能诊断管理系统，包括安装在配电馈线的台区上的量测装置，量测装置用于采集该节点上的电网数据，并上传至配电网智能监控后台；所述配电网智能监控后台安装有图信号处理组件；图信号处理组件用于执行以下步骤：步骤一：将量测装置网络所采集的数据进行构图G=（V，E，W），其中，V为量测装置节点集合，E为图模型中边的集合，W是权矩阵；步骤二：利用图高通滤波器对量测装置网络采集的数据进行检测，若滤波器的输出检测到对应的高频分量，则判定为对应的量测装置采集的数据出现了异常，并进入步骤三；步骤三：建立各个子图的图模型和各个子图的子图信号F
i
，然后是提取出各子图中特定图频率分量的子图信号分量F
i
*；步骤四：通过比较各子图信号分量F
i
*中每个节点当前信号值与历史时刻信号值的差值与预先设置的阈值进行比较，筛出疑似异常子图，并将异常子图的中心节点视为疑似异常节点，记为Va;步骤五：将Va与各个子图的节点集合Vi进行匹配筛选，如果Vi∈Va,则说明Vi的中心节点vi是异常节点，即配电馈线或台区故障点。
[0012]进一步的，步骤一中数据的构图方式采用最近邻法则。
[0013]进一步的，步骤二中将量测装置网络采集的数据按照不同的时刻依次送入到图高通滤波器中进行处理。
[0014]较佳的，所述图高通滤波器为基于图拉普拉斯矩阵的滤波器。
[0015]进一步的，步骤三中特定图频率分量的子图信号分量的提取包括以下步骤：步骤3.1：找出第i个子图中的特定图频率ki，ki为第i个子图中当前时刻的频率分量与历史时刻的频率分量的差值最大的图频率；步骤3.2：在ki上进行图逆傅里叶变换，提取子图信号F
i
特定图频率分量的子图信号分量F
i
*。
[0016]与现有技术相比， 本专利技术将图信号处理结合到配电馈线和台区智能诊断管理中，无需增加额外的硬件设备，即可在海量的非结构化数据中实现对于现有的量测网络中异常节点的检测和定位，从而确定馈线或台区故障点。
附图说明
[0017]图1为本专利技术一实施例的图信号处理中构图示意图。
具体实施方式
[0018]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述。
[0019]配电网发生故障时，在故障点附近的主要电气量都将发生异常变化，进而导致系统的潮流变化，因此，专利技术人想到可以利用现有的量测装置（如馈线终端装置、配电终端单元或智能电表），结合该量测装置所在的地理位置，进行图信号处理，从而获得一种直观的配电馈线和台区智能诊断管理系统及方法。
[0020]一种基于数据处理的配电馈线和台区智能诊断管理方法，其包括以下步骤：步骤一：获取现有配电馈线量和台区上的量测装置网络所采集的数据进行构图G=（V，E，W），其中，V为量测装置节点集合，E为图模型中边的集合，W是权矩阵；如图1所示，图a 为假设其为现有量测装置在地理上的位置。图b为测量点的连接
情况，图c为测量位置及每个位置的测量电压或电流，其中每个节点的垂直方向上的竖线长度表示节点的信号值，而节点之间的连线表示节点之间的某种关联程度。
[0021]步骤二：利用图高通滤波器对量测装置网络采集的数据进行检测，若图高通滤波器的输出检测到对应的高频分量，则判定为对应的量测装置采集的数据出现了异常，并进入步骤三。
[0022]正常传感器网络所采集的数据从频域上来看，具有低频特性。具体而言，相邻传感器所采集的数据是相似的，对于构图之后的传感器网络而言，传感器节点不仅在时间维具有相似性，而且与其邻居节点之间的数据也具有较高的相似度。既然数据之间具有相似特性，并且表现为低频特性。一旦某个传感器采集的数据出现了异常，该节点所采集的数据由于与周围正常邻居所采集的数据之间存在较大的差异，因而在经过高通滤波之后，会出现较为明显的高频分量。
[0023]为了进行故障定位，寻找到异常数据后还需对异常量测本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于数据处理的配电馈线和台区智能诊断管理方法，其特征在于：包括以下步骤：步骤一：获取现有配电馈线量和台区上的量测装置网络所采集的数据进行构图G=（V，E，W），其中，V为量测装置节点集合，E为图模型中边的集合，W是权矩阵；步骤二：利用图高通滤波器对量测装置网络采集的数据进行检测，若图高通滤波器的输出检测到对应的高频分量，则判定为对应的量测装置采集的数据出现了异常，并进入步骤三；步骤三：建立各个子图的图模型和各个子图的子图信号F
i
，然后提取出各子图中特定图频率分量的子图信号分量F
i
*；步骤四：通过比较各子图信号分量F
i
*中每个节点当前信号值与历史时刻信号值的差值与预先设置的阈值进行比较，筛出疑似异常子图，并将异常子图的中心节点视为疑似异常节点，记为Va;步骤五：将Va与各个子图的节点集合Vi进行匹配筛选，如果Vi∈Va,则说明Vi的中心节点vi是异常节点，即配电馈线或台区故障点。2.根据权利要求1所述的基于数据处理的配电馈线和台区智能诊断管理方法，其特征在于：步骤一中数据的构图方式采用最近邻法则。3.根据权利要求1所述的基于数据处理的配电馈线和台区智能诊断管理方法，其特征在于：步骤二中将量测装置网络采集的数据按照不同的时刻依次送入到图高通滤波器中进行处理。4.根据权利要求3所述的基于数据处理的配电馈线和台区智能诊断管理方法，其特征在于：所述图高通滤波器为基于图拉普拉斯矩阵的滤波器。5.根据权利要求1所述的基于数据处理的配电馈线和台区智能诊断管理方法，其特征在于：步骤三中特定图频率分量的子图信号分量的提取包括以下步骤：步骤3.1：找出第i个子图中的特定图频率ki，ki为第i个子图中当前时刻的频率分量与历史时刻的频率分量的差值最大的图频率；步骤3.2：在ki上进行图逆傅里叶变换，提取子图信号F
i
特定图频率分量的子图信号分量F
i
*。6.一种基于数据处理的配电馈线和台区智能诊断管理系统，其特征在于：包括安装在配电馈线...

【专利技术属性】
技术研发人员：荆树志，张磊，徐珂，李泽鹏，刘文哲，李强，张凯，毕中华，宋红贺，田运涛，李效乾，刘效斌，王洋，程金，
申请(专利权)人：国网山东省电力公司菏泽供电公司，
类型：发明
国别省市：