一種電網報警篩選過濾方法
2023-10-11 18:06:34 2
專利名稱：一種電網報警篩選過濾方法
技術領域：
本發明涉及電網調度與故障分析領域，尤其涉及一種電網報警篩選過濾方法。
背景技術：
EMS系統的報警主要包括(1) PT、 CT檢測到的狀態變化，如開關變位、 變壓器油溫過高；(2)測量值的越限報警，如輸電線過載、母線的電壓跌落以 及過電壓；(3)與子站通信中斷的報警；(4) EMS系統硬體或者軟體故障報 警。隨著電網規模的擴大，電網能測、能觀的變量大幅度增加。各變量由於測 量點的不同，同一事件將產生多個不同的報警。例如，輸電線的斷裂，將使鄰 近的線路產生電壓跌落和線路過載。此時的報警信息不止是斷裂輸電線的開關、 刀閘動作，還包括鄰近線路測量變量的越限報警。加拿大Hydro Quebec電網調 度中心的研究顯示
1、 當其調度區域內一臺變壓器故障時，2s中內將產生150條各類報警；
2、 當變電站故障時，大約產生2000條各類報警，其中前5s產生了 300條 報警；
3、 當雷暴天氣時，每秒產生20條報警；
4、 當系統解裂時，前5s各控制中心收到的報警信息多達15000條。 面對巨大的信息量，即使訓練有素的調度人員也很難在短時間內及時做出
有效判斷，調度人員承受著巨大壓力。研究表明，適度的壓力是有益的，但壓
力過大，將導致運行人員判斷力的急劇下降。
發明內容
本發明的目的在於針對現有技術的不足，提供一種電網報警篩選過濾方法。 本發明所採用的技術方案是 一種電網報警篩選過濾方法，包括以下步驟-
1、 通過資訊理論確定樣本的數目範圍10-106。
2、 選取訓練樣本對序貫最小化方法(SMO)方法進行訓練，根據己有的知識、 經驗、仿真結果生成規則；
選取訓練樣本集丁 = {(^;0，(^;;2)"."(^>;,)}，其中x,ei "， y,e{+l，-l}， /為 樣本的個數，尋找X上的判別函數f(x):義—:r，以便能通過f(;c)判別x對應的y 值。取判別函數為f(jc) = Sgn(J>, ，(x,序貫最小化方法(SMO)的核 函數為K(;c,,x》=exp(-||jc,-;c」|2/2c72)，其中l/2o"2=0.4。3、 選擇節點的電壓向量構造觀測器；v = (Vy，《)，_/e"，其中"為節點數，Vj
為第y節點的電壓值，《為第y節點的電壓相角；該系統可能發生的故障類型記 為y二^，乃，…,:^。
4、 當發生故障^時，節點/的電壓向量為Ov《)，得到全系統的電壓向 量:",(Vp《，V2,《，…,^《)^R2"根據判別函數f(;c)-sgn(2:，^(;c,")-6。)得到電 壓向量與故障類型之間的映射關係,即/(V^) = ((Vl,《,V2;2,...,v ，《),,W。
5、 按照警報的嚴重等級對其進行初步的篩選，留下有用的警報；其次按照警報 的時間和拓撲特性對警報進行故障事件組合，獲取故障發生的時間和節點電壓 ，KM，M，^i，.，^A)。"是電壓幅值，v為電壓相角。
6、 根據規則庫，通過對故障時的節點電壓比較來判斷故障類型，生成警報提示 給調度員。
本發明的有益效果是將現有的數據採集設備、成熟的技術與前沿的理論 知識相結合。提出基於序貫最小化和資訊理論協同的電網報警篩選過濾方法。該 方法根據穩定域邊界理論設計了電網報警篩選過濾的觀測器，用資訊理論的方法 探討了電力系統大規模故障情況下，機器學習訓練樣本的生成問題，並給出了 訓練樣本的數目範圍。針對電力系統支持向量的數目本身較多，由於SMO針對 二元分類問題效果較好，固採用固定樣本集的SMO方法提高運算速度，通過求 解小規模(原決策變量的一個合適子集)的凸二次規劃問題，獲得原問題的解。
具體實施例方式
下面根據附圖
詳細描述本發明，本發明的目的和效果將變得更加明顯。
1、 通過資訊理論確定樣本的數目範圍10-106。
2、 選取訓練樣本對序貫最小化方法(SMO)方法進行訓練，根據已有的知識、 經驗、仿真結果生成規則；
選取訓練樣本集T—(x^)，(X2，h)，…,(x,，乃)j，其中;c,e/T， y,e{+l，-1}， /為 樣本的個數，尋找X上的判別函數fW:iT —y，以便能通過f(x)判別x對應的y 值。取判別函數為f(x) = Sgn(J>,cr,^(V;c)-6。)，序貫最小化方法(SMO)的核 函數為《(jc,，jc》=exp(-;c』72cr2)，其中l/2o"2=0.4。
3、 選擇節點的電壓向量構造觀測器；v = (V"《.)je"，其中"為節點數，" 為第_/節點的電壓值，《為第y節點的電壓相角；該系統可能發生的故障類型記 為Y二^，h，.'"J^。
4、 當發生故障乂時，節點y的電壓向量為 ，《)，得到全系統的電壓向 量:M, =(Vl,《,V2"2，...，v ,。, ￡股2"根據判別函數f (x) = SgnQ>,c^:(Vx)-6。)得到電
壓向量與故障類型之間的映射關係，即/0^) = ((Vl，《，v2;2,...，V ，6U,>0。
45、 按照警報的嚴重等級對其進行初步的篩選，留下有用的警報；其次按照警報 的時間和拓撲特性對警報進行故障事件組合，獲取故障發生的時間和節點電壓 P=(M，Vyi，...,％，v")。"是電壓幅值，v為電壓相角。
6、 根據規則庫，通過對故障時的節點電壓比較來判斷故障類型，生成警報提示 給調度員。
本發明提供了一種電網報警篩選過濾方法，將現有的數據採集設備、成熟 的技術與前沿的理論知識相結合。提出基於序貫最小化和資訊理論協同的電網報 警篩選過濾方法。該方法根據穩定域邊界理論設計了電網報警篩選過濾的觀測 器，用資訊理論的方法探討了電力系統大規模故障情況下，機器學習訓練樣本的 生成問題，並給出了訓練樣本的數目範圍。針對電力系統支持向量的數目本身 較多，由於SMO針對二元分類問題效果較好，固採用固定樣本集的SMO方法 提高運算速度，通過求解小規模(原決策變量的一個合適子集)的凸二次規劃 問題，獲得原問題的解。
權利要求
1、一種電網報警篩選過濾方法，其特徵在於，包括以下步驟(1)通過資訊理論確定樣本的數目範圍10-106。(2)選取訓練樣本對序貫最小化方法進行訓練，根據已有的知識、經驗、仿真結果生成規則；具體為選取訓練樣本集T＝{(x1，y1)，(x2，y2)，...，(x1，y1)}，其中xi∈Rn，yi∈{+1，-1}，l為樣本的個數，尋找X上的判別函數f(x)X→Y，以便能通過f(x)判別x對應的y值。取判別函數為<![CDATA[ f ( x )=sgn ( i yi i0 K ( x ix) - b0 ), ]]> top= "65" left = "98"/>序貫最小化方法(SMO)的核函數為K(xi，xj)＝exp(-||xi-xj||2i/2σ2)，其中1/2σ2＝0.4。(3)選擇節點的電壓向量構造觀測器；v＝(vj，θj)，j∈n，其中n為節點數，vj為第j節點的電壓值，θj為第j節點的電壓相角；該系統可能發生的故障類型記為y＝y1，y2，...，ym。(4)當發生故障yi時，節點j的電壓向量為(vij，θij)，得到全系統的電壓向量 top= "108" left = "30"/>根據判別函數<![CDATA[ f ( x )=sgn ( i yi i0 K ( x ix) - b0 ) ]]> top= "109" left = "116"/>得到電壓向量與故障類型之間的映射關係，即f(v，θ)＝((v1，θ1，v2，θ2，...，vn，θn)i，yi)。(5)按照警報的嚴重等級對其進行初步的篩選，留下有用的警報；其次按照警報的時間和拓撲特性對警報進行故障事件組合，獲取故障發生的時間和節點電壓V＝(u1，v1，u2，v2，...，un，vn)。u是電壓幅值，v為電壓相角。(6)根據規則庫，通過對故障時的節點電壓比較來判斷故障類型，生成警報提示給調度員。
全文摘要
本發明公開了一種電網報警篩選過濾方法，該方法選擇節點的電壓向量構造觀測器；選取樣本對序貫最小化方法進行訓練，根據已有的知識、經驗、仿真結果生成規則；以採集到的節點電壓作為輸入，根據生成的規則對報警信息進行篩選、過濾得到報警結果。
文檔編號H02J3/00GK101651344SQ20091015252
公開日2010年2月17日 申請日期2009年9月17日 優先權日2009年9月17日
發明者彭明偉, 朱少華, 王曉嬌, 郭創新, 馬韜韜 申請人:浙江大學