田園，黃其兵

（1. 云南電網(wǎng)有限責(zé)任公司信息中心，昆明 650217；2. 云南電網(wǎng)有限責(zé)任公司，昆明 650011）

0 前言

隨著配電網(wǎng)中電源、負(fù)荷和儲(chǔ)能等數(shù)據(jù)的不斷增大，需要構(gòu)建配電網(wǎng)空間數(shù)據(jù)庫(kù)，實(shí)現(xiàn)對(duì)電力網(wǎng)絡(luò)以及電力用戶(hù)的相關(guān)信息智能化管理，研究配電網(wǎng)空間數(shù)據(jù)庫(kù)的故障診斷模型，結(jié)合對(duì)配電網(wǎng)的電能質(zhì)量分析，構(gòu)建配電網(wǎng)的空間規(guī)劃設(shè)計(jì)模型，提高配電網(wǎng)的運(yùn)行控制能力[1]。配電網(wǎng)的空間數(shù)據(jù)庫(kù)運(yùn)行狀態(tài)直接影響了配電網(wǎng)的運(yùn)行效率和輸配電質(zhì)量，為了提高配電網(wǎng)的電能質(zhì)量，需要進(jìn)行配電網(wǎng)空間數(shù)據(jù)庫(kù)的規(guī)劃設(shè)計(jì)，采用智能故障分析和診斷技術(shù)，實(shí)現(xiàn)對(duì)配電網(wǎng)空間數(shù)據(jù)庫(kù)的故障智能診斷分析，結(jié)合對(duì)配電網(wǎng)的規(guī)劃設(shè)計(jì)、運(yùn)行控制和拓?fù)浣Y(jié)構(gòu)，提高配電網(wǎng)空間數(shù)據(jù)庫(kù)的運(yùn)行穩(wěn)定性，相關(guān)的配電網(wǎng)空間數(shù)據(jù)庫(kù)故障智能診斷方法研究具有重要應(yīng)用價(jià)值[2]。

對(duì)配電網(wǎng)空間數(shù)據(jù)庫(kù)的故障智能診斷是建立在對(duì)故障數(shù)據(jù)分類(lèi)檢測(cè)和特征分析基礎(chǔ)上，提取配電網(wǎng)空間數(shù)據(jù)庫(kù)網(wǎng)絡(luò)故障數(shù)據(jù)的關(guān)聯(lián)特征量，采用抗干擾的濾波檢測(cè)方法，進(jìn)行配電網(wǎng)空間數(shù)據(jù)庫(kù)的故障智能診斷識(shí)別[3-5]，采用機(jī)器學(xué)習(xí)、專(zhuān)家系統(tǒng)等方法，進(jìn)行故障的智能化診斷，但傳統(tǒng)方法進(jìn)行配電網(wǎng)空間數(shù)據(jù)庫(kù)故障診斷的模糊度較大，智能性不好[6]。針對(duì)上述問(wèn)題，本文提出基于小波網(wǎng)絡(luò)的配電網(wǎng)空間數(shù)據(jù)庫(kù)故障診斷方法。構(gòu)建配電網(wǎng)空間數(shù)據(jù)庫(kù)的分布模型，采用高維特征分解方法進(jìn)行配電網(wǎng)空間數(shù)據(jù)庫(kù)的特征分解，結(jié)合小波網(wǎng)絡(luò)學(xué)習(xí)方法進(jìn)行配電網(wǎng)空間數(shù)據(jù)庫(kù)故障狀態(tài)特征提取，根據(jù)故障特征的聚類(lèi)性進(jìn)行配電網(wǎng)絡(luò)空間數(shù)據(jù)庫(kù)的結(jié)構(gòu)重組和故障特性辨識(shí)，結(jié)合模糊統(tǒng)計(jì)分析方法，實(shí)現(xiàn)對(duì)配電網(wǎng)空間數(shù)據(jù)庫(kù)的故障智能診斷。最后進(jìn)行仿真實(shí)驗(yàn)分析，展示了本文方法在提高配電網(wǎng)空間數(shù)據(jù)庫(kù)故障診斷能力方面的優(yōu)越性能。

1 配電網(wǎng)空間數(shù)據(jù)庫(kù)及特征集構(gòu)造

1.1 配電網(wǎng)空間數(shù)據(jù)庫(kù)構(gòu)建

為了實(shí)現(xiàn)配電網(wǎng)空間數(shù)據(jù)庫(kù)故障診斷和數(shù)據(jù)分類(lèi)，利用模糊粗糙集聚類(lèi)方法構(gòu)建配電網(wǎng)空間數(shù)據(jù)庫(kù)分布式檢測(cè)模型，結(jié)合對(duì)配電網(wǎng)空間數(shù)據(jù)庫(kù)的拓?fù)浣Y(jié)構(gòu)分析，進(jìn)行空間數(shù)據(jù)庫(kù)建模，提取配電網(wǎng)空間數(shù)據(jù)庫(kù)的統(tǒng)計(jì)特征量，采用模糊關(guān)聯(lián)分析方法進(jìn)行故障診斷模型設(shè)計(jì)，采用最近鄰點(diǎn)分布式檢測(cè)方法，進(jìn)行配電網(wǎng)空間數(shù)據(jù)庫(kù)的優(yōu)先分布式特征挖掘和數(shù)據(jù)聚類(lèi)處理，結(jié)合分布式拓?fù)浞治龇椒ㄟM(jìn)行配電網(wǎng)空間數(shù)據(jù)庫(kù)故障檢測(cè)和大數(shù)據(jù)挖掘[7]，根據(jù)上述分析，構(gòu)建配電網(wǎng)空間數(shù)據(jù)庫(kù)的拓?fù)浣Y(jié)構(gòu)模型如圖1 所示。

圖1 配電網(wǎng)空間數(shù)據(jù)庫(kù)結(jié)構(gòu)模型

根據(jù)圖1 所示的拓?fù)浣Y(jié)構(gòu)模型，采用自適應(yīng)的關(guān)聯(lián)規(guī)則調(diào)度方法進(jìn)行配電網(wǎng)空間數(shù)據(jù)庫(kù)故障檢測(cè)和信息分類(lèi)識(shí)別，提取配電網(wǎng)空間數(shù)據(jù)庫(kù)的關(guān)聯(lián)規(guī)則集，采用期望頻繁項(xiàng)（EFI）與概率頻繁項(xiàng)（PFI）融合分析方法[8]，得到配電網(wǎng)空間數(shù)據(jù)庫(kù)的模糊聚類(lèi)函數(shù)為：

其中，xj(t)表示取配電網(wǎng)空間數(shù)據(jù)庫(kù)特征量化分布集D 中的模糊信息熵，描述了在第j 個(gè)配電網(wǎng)空間數(shù)據(jù)庫(kù)調(diào)度中心的樣本子集，lj(t)表示在取配電網(wǎng)空間數(shù)據(jù)庫(kù)的故障樣本在第t 代學(xué)習(xí)的樣本集，計(jì)算配電網(wǎng)空間數(shù)據(jù)庫(kù)故障數(shù)據(jù)在第j 個(gè)聚類(lèi)中心的輸出標(biāo)簽屬性。采用直流配電網(wǎng)的電壓暫降特征檢測(cè)方法分析配電網(wǎng)空間數(shù)據(jù)庫(kù)故障特征量，結(jié)合電網(wǎng)諧波、不平衡等因素進(jìn)行數(shù)據(jù)分類(lèi)，采用標(biāo)量序列分析方法得到配電網(wǎng)空間數(shù)據(jù)庫(kù)的存儲(chǔ)樣本模型為：

其中，m，n 分別是配電網(wǎng)空間數(shù)據(jù)庫(kù)采樣節(jié)點(diǎn)和故障檢測(cè)點(diǎn)數(shù)，設(shè)D 為配電網(wǎng)空間數(shù)據(jù)庫(kù)的不確定信息分量，Ti為配電網(wǎng)空間數(shù)據(jù)庫(kù)的分類(lèi)元素，對(duì)海量配電網(wǎng)空間數(shù)據(jù)庫(kù)樣本數(shù)據(jù)進(jìn)行自適應(yīng)分類(lèi)，得到統(tǒng)計(jì)分布概率為pi，采用直流母線(xiàn)電壓檢測(cè)方法，配電電能質(zhì)量分布為：

1.2 配電網(wǎng)空間數(shù)據(jù)庫(kù)的特征量化分解

在上述構(gòu)建了配電網(wǎng)空間數(shù)據(jù)庫(kù)模型的基礎(chǔ)上，以少量的樣本類(lèi)別數(shù)據(jù)為測(cè)試集，采用層次聚類(lèi)方法對(duì)配電網(wǎng)空間數(shù)據(jù)庫(kù)故障樣本進(jìn)行量化分解，根據(jù)配電網(wǎng)暫態(tài)不平衡和穩(wěn)態(tài)不平衡性，構(gòu)建兩極負(fù)荷均衡分配模型[10]，在模糊層次聚類(lèi)中心中，配電網(wǎng)空間數(shù)據(jù)庫(kù)的數(shù)據(jù)碼元元素t的期望支持度esup(D)大于閾值θ，則稱(chēng)配電網(wǎng)空間數(shù)據(jù)庫(kù)故障樣本為一個(gè)頻繁項(xiàng)，即，滿(mǎn)足約束條件的所有配電網(wǎng)空間數(shù)據(jù)庫(kù)故障數(shù)據(jù)的聚斂特征滿(mǎn)足：

在高維特征空間中，對(duì)配電網(wǎng)空間數(shù)據(jù)庫(kù)的直流數(shù)據(jù)進(jìn)行自適應(yīng)調(diào)制，若具體序列分級(jí)及相關(guān)故障類(lèi)別元素t滿(mǎn)足諧波調(diào)度集，則配電網(wǎng)空間數(shù)據(jù)庫(kù)的頻繁項(xiàng)滿(mǎn)足：

其中，δ為電壓偏差與穩(wěn)態(tài)電壓不平衡耦合特征系數(shù)，PW為直流電壓中的交流成分的峰峰值，minsup為超高次諧波，即元素t出現(xiàn)的最少次數(shù)，Ct(ω)表示以ω為統(tǒng)計(jì)特征量的中壓配電等級(jí)，在直流電壓諧波中進(jìn)行樣本子集規(guī)劃，計(jì)算配電網(wǎng)空間數(shù)據(jù)庫(kù)故障元素t出現(xiàn)的次數(shù)。根據(jù)母線(xiàn)電壓中的交流分量的分布特征進(jìn)行排序，采用小波網(wǎng)絡(luò)學(xué)習(xí)方法確定閾值δ，再隨機(jī)找到一個(gè)點(diǎn)，進(jìn)行高壓直流輸電的故障數(shù)據(jù)庫(kù)分析，重復(fù)上述步驟，考慮到直流系統(tǒng)穩(wěn)態(tài)運(yùn)行能力，確定空間數(shù)據(jù)庫(kù)的故障樣本元素t在整個(gè)實(shí)例集中的統(tǒng)計(jì)特征量[11]，得到配電網(wǎng)空間數(shù)據(jù)庫(kù)故障特征聚簇中心點(diǎn)輸出為：

2 數(shù)據(jù)庫(kù)故障診斷優(yōu)化

2.1 故障特征提取

在上述構(gòu)建配電網(wǎng)空間數(shù)據(jù)庫(kù)的分布模型，采用高維特征分解方法進(jìn)行配電網(wǎng)空間數(shù)據(jù)庫(kù)的特征量化分解的基礎(chǔ)上，進(jìn)行數(shù)據(jù)庫(kù)故障診斷分析，本文提出基于小波網(wǎng)絡(luò)的配電網(wǎng)空間數(shù)據(jù)庫(kù)故障診斷方法。引入配電網(wǎng)空間數(shù)據(jù)庫(kù)故障發(fā)生概率和故障數(shù)據(jù)聚類(lèi)頻次的概念[12]，用它來(lái)表示配電網(wǎng)空間數(shù)據(jù)樣本元素t在配電網(wǎng)空間數(shù)據(jù)庫(kù)故障樣本特征出現(xiàn)不同頻次的概率，記為supt(D)，則配電網(wǎng)空間數(shù)據(jù)庫(kù)故障檢測(cè)可以通過(guò)不同頻段的電能迭代方式進(jìn)行特征分布式調(diào)度，得到故障檢測(cè)的統(tǒng)計(jì)特征量可以轉(zhuǎn)化為：

其中numt(D)為配電網(wǎng)空間數(shù)據(jù)庫(kù)故障大數(shù)據(jù)的類(lèi)間聚類(lèi)特征集，在元素t中，配電網(wǎng)空間數(shù)據(jù)庫(kù)故障樣本分布概念集的最大迭代次數(shù)可以通過(guò)supt(D)計(jì)算得到，結(jié)合小波網(wǎng)絡(luò)學(xué)習(xí)方法進(jìn)行配電網(wǎng)空間數(shù)據(jù)庫(kù)故障狀態(tài)特征提取，采用分段檢驗(yàn)方法[13]，得到故障特征提取的計(jì)算公式為：

其中，pi為第i個(gè)配電網(wǎng)空間數(shù)據(jù)庫(kù)故障樣本集出現(xiàn)在判決區(qū)域K 中的概率，pt i,j為前i個(gè)配電網(wǎng)空間數(shù)據(jù)庫(kù)故障大數(shù)據(jù)分類(lèi)屬性元組的統(tǒng)計(jì)平均值。計(jì)算反映直流系統(tǒng)穩(wěn)態(tài)運(yùn)行的特征量，配電網(wǎng)空間數(shù)據(jù)庫(kù)故障檢測(cè)的模糊學(xué)習(xí)迭代式為：

其中：β表示直流配電網(wǎng)不同頻段的關(guān)聯(lián)特征量，直流輸電系統(tǒng)直流側(cè)諧波元素t在第i個(gè)元素上出現(xiàn)，即前i-1 個(gè)故障數(shù)據(jù)分類(lèi)屬性滿(mǎn)足收斂條件，以少量的樣本類(lèi)別數(shù)據(jù)為測(cè)試集，采用小波網(wǎng)絡(luò)學(xué)習(xí)方法，進(jìn)行配電網(wǎng)空間數(shù)據(jù)庫(kù)的故障診斷分析[14]。

2.2 小波網(wǎng)絡(luò)學(xué)習(xí)及故障診斷輸出

分析直流配電網(wǎng)不同頻段的抽樣特征序列，提取配電網(wǎng)空間數(shù)據(jù)庫(kù)的關(guān)聯(lián)特征量，使用一個(gè)四元組結(jié)構(gòu)來(lái)描述配電網(wǎng)空間數(shù)據(jù)庫(kù)故障大數(shù)據(jù)的小波多尺度分解的統(tǒng)計(jì)特征量，表示為：其中，Xij為配電網(wǎng)空間數(shù)據(jù)庫(kù)故障樣本數(shù)據(jù)在Tij時(shí)刻中出現(xiàn)的頻次，分析第j次諧波分量元素，用Pij表示為配電網(wǎng)空間數(shù)據(jù)庫(kù)的輸出樣本訓(xùn)練集的最優(yōu)概率，為系統(tǒng)穩(wěn)定前提數(shù)據(jù)聚類(lèi)中心擾動(dòng)概率分布值，為當(dāng)前窗口元素出現(xiàn)故障的配電網(wǎng)空間數(shù)據(jù)庫(kù)大數(shù)據(jù)頻繁項(xiàng)。采小波網(wǎng)絡(luò)學(xué)習(xí)算法，進(jìn)行配電網(wǎng)空間數(shù)據(jù)庫(kù)的故障大數(shù)據(jù)檢測(cè)[15]，得到配電網(wǎng)空間數(shù)據(jù)庫(kù)故障診斷的學(xué)習(xí)迭代式為：

DPSWF 算法：

輸入：配電網(wǎng)空間數(shù)據(jù)庫(kù)故障樣本數(shù)據(jù)的不確定特征序列流DS，配電網(wǎng)空間數(shù)據(jù)庫(kù)故障樣本數(shù)據(jù)的關(guān)聯(lián)規(guī)則分布集minsup，模糊統(tǒng)計(jì)特征量δ，配電網(wǎng)空間數(shù)據(jù)庫(kù)故障大數(shù)據(jù)采樣的窗口長(zhǎng)度W；

輸出：配電網(wǎng)空間數(shù)據(jù)庫(kù)故障診斷的頻繁項(xiàng)集合D。

1）初始化配電網(wǎng)空間數(shù)據(jù)庫(kù)的故障特征分類(lèi)系數(shù)SWF=null，D=null，Pij=0，supki(ω)=0；

2）forXij，隨機(jī)找到直流電壓波動(dòng)點(diǎn)，得到配電網(wǎng)空間數(shù)據(jù)庫(kù)故障數(shù)據(jù)的聚簇中心點(diǎn)；

3）按照網(wǎng)絡(luò)中各個(gè)節(jié)點(diǎn)電壓大小的分布情況得到故障交叉概率Pij；

4）if（當(dāng)前窗口未滿(mǎn)），采用采用與電網(wǎng)工頻相對(duì)應(yīng)的方式進(jìn)行故障特征重組；

5）更新當(dāng)前窗口所含配電網(wǎng)空間數(shù)據(jù)庫(kù)的樣本集，計(jì)算配網(wǎng)中微源功率變化，得到隨機(jī)概率分布值supki(ω)；

6）小波網(wǎng)絡(luò)學(xué)習(xí)方法進(jìn)行配電網(wǎng)空間數(shù)據(jù)庫(kù)故障狀態(tài)特征提取，計(jì)算統(tǒng)計(jì)特征分布樣本集，結(jié)合電網(wǎng)工頻的統(tǒng)計(jì)特征分析方法，得到輸出的配電網(wǎng)空間數(shù)據(jù)樣本集為

7）ifQ≥δ

8）將電流諧波含量加入頻繁項(xiàng)集合D，進(jìn)行樣本統(tǒng)計(jì)分析，得到配電網(wǎng)空間數(shù)據(jù)庫(kù)的故障檢測(cè)輸出結(jié)果；

9）else

10）進(jìn)行樣本回歸分析，實(shí)現(xiàn)配電網(wǎng)的空間數(shù)據(jù)庫(kù)故障診斷，輸出診斷量化值SWF；

11）end

3 仿真實(shí)驗(yàn)與結(jié)果分析

在進(jìn)行配電網(wǎng)空間數(shù)據(jù)庫(kù)的故障診斷實(shí)驗(yàn)中，設(shè)定故障樣本集的采樣序列數(shù)為2000，特征分布集為120，各次諧波疊加的統(tǒng)計(jì)特征分布集規(guī)模為300，配電網(wǎng)的輸出電壓偏差為20%，根據(jù)上述仿真參量設(shè)定，進(jìn)行配電網(wǎng)空間數(shù)據(jù)庫(kù)故障診斷分析，得到配電網(wǎng)空間數(shù)據(jù)庫(kù)分布集如圖2 所示。

圖2 配電網(wǎng)空間數(shù)據(jù)庫(kù)分布集

以圖2 的故障分布集為測(cè)試對(duì)象，進(jìn)行故障樣本分布式檢測(cè)，得到結(jié)果如圖3 所示。

圖3 故障樣本分布

分析圖3 得知，采用本文方法能有效實(shí)現(xiàn)對(duì)配電網(wǎng)空間數(shù)據(jù)庫(kù)的故障診斷，故障的分辨能力較好，提高了配電網(wǎng)空間數(shù)據(jù)庫(kù)的穩(wěn)定性。

4 結(jié)束語(yǔ)

研究配電網(wǎng)空間數(shù)據(jù)庫(kù)的故障診斷模型，結(jié)合對(duì)配電網(wǎng)的電能質(zhì)量分析，構(gòu)建配電網(wǎng)的空間規(guī)劃設(shè)計(jì)模型，提高配電網(wǎng)的運(yùn)行控制能力，本文提出基于小波網(wǎng)絡(luò)的配電網(wǎng)空間數(shù)據(jù)庫(kù)故障診斷方法。構(gòu)建配電網(wǎng)空間數(shù)據(jù)庫(kù)的分布模型，采用直流配電網(wǎng)的電壓暫降特征檢測(cè)方法分析配電網(wǎng)空間數(shù)據(jù)庫(kù)故障特征量，結(jié)合電網(wǎng)諧波、不平衡等因素進(jìn)行數(shù)據(jù)分類(lèi)，采用標(biāo)量序列分析方法得到配電網(wǎng)空間數(shù)據(jù)庫(kù)的存儲(chǔ)樣本模型，采用小波網(wǎng)絡(luò)分析方法進(jìn)行故障檢測(cè)。研究得知，本文方法進(jìn)行配電網(wǎng)空間數(shù)據(jù)庫(kù)故障診斷的準(zhǔn)確性較好，分辨能力較強(qiáng)，具有很好的數(shù)據(jù)庫(kù)診斷分析能力。