【技术实现步骤摘要】
本专利技术涉及电力系统故障判别领域，具体指一种基于故障样本时空扩展的电力系统线路故障诊断方法。
技术介绍
1、电网中的故障类型主要以线路故障为主，且线路故障一旦发生，可能会引起电网运行状态失稳，如果不能及时清除故障，严重的情况下，会导致电网解列甚至部分电网瘫痪。因此及时的进行故障检测和诊断，能够帮助电网及时找到故障症结所在，以实现快速清除，对维护电网稳定状态，保证电网安全运行具有重要意义。
2、在现阶段的大规模智能电网中，大量的数据采集设备和通信设备被用于电网中的各类设备的信息采集和工况判断，由他们构成的数据采集与监视控制系统(supervisorycontrol and data acquisition,scada)和广域测量系统(wide area measurementsystem,wams)能够及时的采集海量的电网运行数据，这提供了仅依靠电力数据实现故障诊断的可能。而深度学习则是通过学习数量充足的数据样本蕴含的数据特征，从而实现高精度故障诊断的极佳方法，该技术在各个领域的应用都表现了出色的效果。但在实际电网中，随着电网的建设，故障发生次数逐渐减少，系统采集到的电力数据主要是正常的电力数据，故障信息较少，能采集到的少量故障样本并不能支撑以故障诊断为目标的深度神经网络模型的训练。
3、针对样本数目过少这一问题，此前的许多方法多是从样本均衡的角度，利用数学方法基于现有少量故障样本生成理论上可能存在的新故障样本，并通过聚类定义新生成的虚拟样本所属故障类型。但是在训练过程中加入这些新生成的数据样本训练出的神
技术实现思路
1、本专利技术根据现有技术的不足，提出一种基于故障样本时空扩展的电力系统线路故障诊断方法，通过scada系统采集到的输电线路有功功率、无功功率等电力数据和实际电网记录的事故信息表，自主生成电网拓扑结构，通过对样本的时空扩展，截取数据中所有包含故障信息的有效样本，在对所得数据样本按线路进行归一化后，将样本集用于长短时记忆网络(long short term memory,lstm)模型的训练，训练后的模型具有良好的故障诊断准确度，与实际电网适配性好。
2、为了解决上述技术问题，本专利技术的技术方案为：
3、一种基于故障样本时空扩展的电力系统线路故障诊断方法，包括如下步骤：
4、s1、根据电网系统运行日志中的事故信息表获取所记载事故包含的信息，整合scada系统采集的线路时间数据中每条线路两端的变电所名，结合上述信息以实现故障样本的空间扩展样本数。
5、s1-1、对记录的电网事故信息表的关键信息进行提取，制成故障信息表，每个故障都包含：涉及变电所、故障类型、故障发生时间、结束时间、故障电压等级。
6、s1-2、获取scada系统采集的全网qs文件中交流线路表中线路数据包含的所有线路名和线路两端的变电所名，对应变电所即为该线路两端的拓扑节点，而交流线路表中的线路即为实际投入运营的电力线路。
7、s1-3、以变电所为唯一索引，获取每个变电所连接的所有线路，并将线路按照电压等级进行划分。
8、s1-4、遍历故障信息表，获取该事故所涉变电所作为电网节点所连接的对应故障电压等级下的所有线路，并根据所记录的故障时间段，向交流线路表获取对应线路含有故障信息的电力数据，每个线路的电力数据对应一个故障样本，故障标签即为对应故障。
9、s2、在各线路故障数据采集完毕后，将不同长度的故障样本，通过时间窗滑动的方法按照相同的时间长度进行截取，从时间维度扩展样本数。
10、s3、通过线路数据中的开关属性是否变化来筛除时空扩展带来的无关样本，当开关属性发生跳变时将扩展样本当作有效样本保留，如无变化则去除该样本。
11、s4、对筛除无关样本后的故障数据，分别进行数据属性归一化。
12、s5、建立lstm模型并利用归一化后的样本集训练lstm模型，将训练完毕的lstm模型进行电网故障线路的故障类型判别。
13、作为优选，所述步骤s1-2中，通过scada系统采集至少为期一个月的交流线路表数据以获取电网在较长时间内所有曾经投入运营的电力线路以获取更完备的拓扑信息。
14、作为优选，所述步骤s1-4中，在采集包含故障信息的线路电力数据时，根据电网平均故障时长，以从故障发生到故障结束的中间时刻为样本中间时刻，分别向前和向后取平均故障时长个时刻，以充分获取到每个事故的所有故障信息数据，且只采集scada系统众多数据中的“i端有功、i端无功、j端有功、j端无功、i端开断标志、j端开断标志、i端计算节点、j端计算节点、i端电气岛号、j端电气岛号”这10个属性作为故障样本的故障属性。
15、作为优选，所述步骤s2中，滑动时间窗的长度参考已发生故障持续时长的整体情况进行设定，滑动步长为单次采样时刻。
16、作为优选，所述步骤s5中，会将故障样本集中的各类样本划分为不同样本子集，再将只含有同种故障类型样本的样本子集分别随机打乱，再将打乱顺序后的该样本子集按比例划分为训练集、交叉验证集和测试集，再把多种故障类型的训练子集合为完整训练集，把多种故障类型的交叉验证子集合为完整交叉验证集，把多种故障类型的测试子集合为完整测试集。
17、作为优选，所述步骤s5中，处理好后的完整训练集和完整交叉验证集将用于参数设置完毕的lstm模型的多轮迭代训练；所述lstm模型完成迭代训练后，完整测试集将用于该模型的泛化性能力测试。
18、本专利技术具有以下的特点和有益效果：
19、采用上述技术方案，利用时空扩展方法对scada系统采集到的故障数据样本进行扩充，利用样本数目大大增加后的新数据集对lstm模型进行训练，训练后的模型对实际电网中的线路故障类型诊断具有极高的准确率，且模型学习所接触的样本都是来自scada系统的真实数据，一方面对所采集的电力数据进行了充分运用，另一方面该模型能在较短时间内完成准确率极高的故障诊断，且模型与实际电网适配性好，实用性强，对保证电网的稳定运行有很大帮助。
本文档来自技高网...【技术保护点】
1.一种基于故障样本时空扩展的电力系统线路故障诊断方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于故障样本时空扩展的电力系统线路故障诊断方法，其特征在于，步骤S1具体过程如下：
3.根据权利要求2所述的基于故障样本时空扩展的电力系统线路故障诊断方法，其特征在于，在所述步骤S1-2中，通过SCADA系统采集至少为期一个月的交流线路表数据。
4.根据权利要求2所述的基于故障样本时空扩展的电力系统线路故障诊断方法，其特征在于，在所述步骤S1-4中，在采集包含故障信息的线路电力数据时，根据电网平均故障时长，以从故障发生到故障结束的中间时刻为样本中间时刻，分别向前和向后取平均故障时长个时刻，且只采集SCADA系统众多数据中的“I端有功、I端无功、J端有功、J端无功、I端开断标志、J端开断标志、I端计算节点、J端计算节点、I端电气岛号、J端电气岛号”这10个属性作为故障样本的故障属性。
5.根据权利要求4所述的基于故障样本时空扩展的电力系统线路故障诊断方法，其特征在于，所述步骤S2中，滑动时间窗的长度参考已发生故障持续时长的整体情
6.根据权利要求5所述的基于故障样本时空扩展的电力系统线路故障诊断方法，其特征在于，步骤S3所述筛除时空扩展带来的无关样本具体为：当开关属性发生跳变时将扩展样本当作有效样本保留，如无变化则去除该样本。
...【技术特征摘要】
1.一种基于故障样本时空扩展的电力系统线路故障诊断方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于故障样本时空扩展的电力系统线路故障诊断方法，其特征在于，步骤s1具体过程如下：
3.根据权利要求2所述的基于故障样本时空扩展的电力系统线路故障诊断方法，其特征在于，在所述步骤s1-2中，通过scada系统采集至少为期一个月的交流线路表数据。
4.根据权利要求2所述的基于故障样本时空扩展的电力系统线路故障诊断方法，其特征在于，在所述步骤s1-4中，在采集包含故障信息的线路电力数据时，根据电网平均故障时长，以从故障发生到故障结束的中间时刻为样本中间时刻，分别向前和向后取平均...
【专利技术属性】
技术研发人员：孙畅，夏永祥，姜洋洋，涂海程，刘春山，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。