【技术实现步骤摘要】
本专利技术涉及非健全通信场景配电网故障定位，尤其涉及一种非健全通信场景配电网故障定位方法及系统。
技术介绍
1、随着经济和科技飞速发展，电能需求压力日益加大，而配电系统网络结构愈发复杂、运行状态愈发多样。当配电网发生故障时，只有尽快诊断出系统故障位置，才能及时减少影响范围并采取恢复措施。因此，配电网故障分析及定位对提升系统的性能和可靠性具有十分重要的意义。
2、然而，目前的配电网故障定位方法相关研究仍存在一些不足：首先，在偏远地区，线路较长、分段较多、通信环境较差的情况下，现有方法可能面临终端设备通信中断、信号漏报等非健全通信场景的故障定位挑战；其次，如长短时记忆网络(lstm)、卷积神经网络(cnn)和图神经网络(gnn)等深度学习方法已经在配电网故障定位领域取得了应用，虽然这些方法能够自动提取原始输入数据中的关键特征，但训练结果表明，这些算法在准确性上不能得到令人满意的结果，在模型准确率和效率上还有提升的空间。
技术实现思路
1、本部分的目的在于概述本专利技术的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和专利技术名称中可能会做些简化或省略以避免使本部分、说明书摘要和专利技术名称的目的模糊，而这种简化或省略不能用于限制本专利技术的范围。
2、鉴于上述现有存在的问题，提出了本专利技术。
3、因此，本专利技术提供了一种非健全通信场景配电网故障定位方法及系统，能够解决
技术介绍
中提到的问题。
4、为解决上述技
5、对待测配电网进行区域划分，采集划分后的区域中各测量点的信号数据，对采集到的信号数据中故障数据进行筛选，并对筛选后的故障数据进行滑动窗口采样，获取原始故障数据集；
6、对所述原始故障数据集进行预处理，所述预处理包括标准化处理、缺失值生成以及异常值检测，所述缺失值生成通过改进gan网络进行操作；
7、根据预处理结果，结合autoformer构建配电网故障定位模型；
8、根据实时故障数据结合所述配电网故障定位模型，完成非健全通信场景配电网故障定位。
9、作为本专利技术所述的非健全通信场景配电网故障定位方法的一种优选方案，其中：所述对待测配电网进行区域划分，采集划分后的区域中各测量点的信号数据，对采集到的信号数据中故障数据进行筛选，并对筛选后的故障数据进行滑动窗口采样，获取原始故障数据集包括：
10、对整个待测配电网进行区域划分，采用one-hot编码形式对区域配置标签，将每个区域中各量测点pmu装置传输给主网及配网scada系统的三相电压幅值、三相电流幅值、零序电流幅值作为数据来源；
11、分别截取故障前后各一周期的信号波形数据，其中故障数据类型至少包括：单相接地故障、两相短路故障以及两相接地故障；
12、故障合闸角包括：0°、30°、60°、90°、120°、150°；
13、对选取的故障数据进行采样，采样频率为10khz，滑动一个窗口截取一段长度固定的连续波形数据，作为模型的一个输入样本，并重复此过程以获得更多的数据样本，将截取的波形数据统一化处理存入csv数据集。
14、作为本专利技术所述的非健全通信场景配电网故障定位方法的一种优选方案，其中：所述对所述原始故障数据集进行预处理，所述预处理包括标准化处理、缺失值生成以及异常值检测，所述缺失值生成通过改进gan网络进行操作包括：
15、所述预处理包括标准化处理、缺失值生成以及异常值检测，具体处理过程为：
16、首先，进行标准化处理，根据z-score标准化方法对数据进行标准化，获取原始数据的均值和标准差，原数据减去均值后与标准差的商为新数据；
17、其次，通过改进gan网络进行缺失值生成，将传统gan架构中的生成器和判别器均改进为由lstm网络组成，并对数据中输入特征之间的相关性和时间依赖关系进行建模；
18、再次，将标准化处理后的数据集输入改进后的gan模型，在生成器中lstm被配置为接受前一时间步的输入和隐藏状态，并生成当前时间步的输出，并将缺失值作为生成器的输入，并尝试预测缺失值，辨别器被配置为接受一个序列作为输入，并输出序列中每个时间步的二元分类结果，表示该时间步是否为真实数据，辨别器的目标是学会区分真实数据和生成器生成的数据；
19、最后，基于isolation forest异常检测算法，递归随机划分缺失值生成后的数据集并建立局部模型，其中每棵孤立树用来识别特定属性子样本，计算出每个样本点的异常得分进行排序，将异常得分接近于1的样本点断为异常点，将标记为异常点的样本点直接删除。
20、作为本专利技术所述的非健全通信场景配电网故障定位方法的一种优选方案，其中：所述对所述原始故障数据集进行预处理，所述预处理包括标准化处理、缺失值生成以及异常值检测，所述缺失值生成通过改进gan网络进行操作还包括：
21、改进后的gan网络模型的目标函数为：
22、
23、其中，g代表生成器，d代表判别器，x～pdata(x)代表数据x采样于真实分布，而z为噪声变量，z～pz(z)代表z采样于噪声分布。
24、作为本专利技术所述的非健全通信场景配电网故障定位方法的一种优选方案，其中：所述根据预处理结果，结合autoformer构建配电网故障定位模型包括：
25、基于pca主成分分析数据处理算法，对高维度配电网故障数据集进行降维处理，计算样本协方差矩阵之间的特征值λ和对应特征向量，将特征值λ从大到小排序，根据排序顺序，选择前k个样本，并将其对应的k个特征向量取出，得到一组：{(λ1,u1),(λ2,u2),…,(λk,uk)}，将原始特征投影到选取的特征向量上，得到降维后的k维特征。
26、作为本专利技术所述的非健全通信场景配电网故障定位方法的一种优选方案，其中：所述根据预处理结果，结合autoformer构建配电网故障定位模型还包括：
27、在input_embedding层中，由于配电网故障数据集为时序数据，在时序上有先后关系，autoformer的embedding层被配置为调整维度；
28、在auto-correlation机制中，数据经过q，k，v的映射后，先变换到频域，进而在频域中计算平移相似性，autoformer中self-attention的计算方式变为：对故障数据进行平移，度量平移前后的数据的相似性，从而寻找故障数据中的周期性；
29、encoder层结构针对时序数据处理，不使用mask；
30、故障定位属于多分类任务，将autoformer的输出通过全连接层映射到最终的故障区域标签，输出层公式为：
31、output＝softmax(xw+b)
32、其中，x是autoformer最后一层的输出，w和b是全连接层的权本文档来自技高网...
【技术保护点】
1.一种非健全通信场景配电网故障定位方法，其特征在于，包括：
2.如权利要求1所述的非健全通信场景配电网故障定位方法，其特征在于，所述对待测配电网进行区域划分，采集划分后的区域中各测量点的信号数据，对采集到的信号数据中故障数据进行筛选，并对筛选后的故障数据进行滑动窗口采样，获取原始故障数据集包括：
3.如权利要求2所述的非健全通信场景配电网故障定位方法，其特征在于，所述对所述原始故障数据集进行预处理，所述预处理包括标准化处理、缺失值生成以及异常值检测，所述缺失值生成通过改进GAN网络进行操作包括：
4.如权利要求3所述的非健全通信场景配电网故障定位方法，其特征在于，所述对所述原始故障数据集进行预处理，所述预处理包括标准化处理、缺失值生成以及异常值检测，所述缺失值生成通过改进GAN网络进行操作还包括：
5.如权利要求4所述的非健全通信场景配电网故障定位方法，其特征在于，所述根据预处理结果，结合Autoformer构建配电网故障定位模型包括：
6.如权利要求5所述的非健全通信场景配电网故障定位方法，其特征在于，所述根据预处理
7.如权利要求6所述的非健全通信场景配电网故障定位方法，其特征在于，所述根据预处理结果，结合Autoformer构建配电网故障定位模型还包括：
8.一种非健全通信场景配电网故障定位系统，其特征在于，包括：
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
...【技术特征摘要】
1.一种非健全通信场景配电网故障定位方法，其特征在于，包括：
2.如权利要求1所述的非健全通信场景配电网故障定位方法，其特征在于，所述对待测配电网进行区域划分，采集划分后的区域中各测量点的信号数据，对采集到的信号数据中故障数据进行筛选，并对筛选后的故障数据进行滑动窗口采样，获取原始故障数据集包括：
3.如权利要求2所述的非健全通信场景配电网故障定位方法，其特征在于，所述对所述原始故障数据集进行预处理，所述预处理包括标准化处理、缺失值生成以及异常值检测，所述缺失值生成通过改进gan网络进行操作包括：
4.如权利要求3所述的非健全通信场景配电网故障定位方法，其特征在于，所述对所述原始故障数据集进行预处理，所述预处理包括标准化处理、缺失值生成以及异常值检测，所述缺失值生成通过改进gan网络进行操作还包括：
5.如权利要求4所述的非健全通信场景配电网故...
【专利技术属性】
技术研发人员：欧世锋，李克文，俞小勇，陈绍南，陈千懿，张龙飞，秦丽文，廖鹉嘉，周宏瑞，覃宗涛，张维，颜丽娟，
申请(专利权)人：广西电网有限责任公司电力科学研究院，
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。