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，實(shí)現(xiàn)對電力網(wǎng)絡(luò)以及電力用戶的相關(guān)信息智能化管理，研究配電網(wǎng)空間數(shù)據(jù)庫的故障診斷模型，結(jié)合對配電網(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)庫的規(guī)劃設(shè)計，采用智能故障分析和診斷技術(shù)，實(shí)現(xiàn)對配電網(wǎng)空間數(shù)據(jù)庫的故障智能診斷分析，結(jié)合對配電網(wǎng)的規(guī)劃設(shè)計、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)庫的運(yùn)行穩(wěn)定性，相關(guān)的配電網(wǎng)空間數(shù)據(jù)庫故障智能診斷方法研究具有重要應(yīng)用價值[2]。

對配電網(wǎng)空間數(shù)據(jù)庫的故障智能診斷是建立在對故障數(shù)據(jù)分類檢測和特征分析基礎(chǔ)上，提取配電網(wǎng)空間數(shù)據(jù)庫網(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方法，進(jìn)行配電網(wǎng)空間數(shù)據(jù)庫的故障智能診斷識別[3-5]，采用機(jī)器學(xué)習(xí)、專家系統(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)庫故障診斷的模糊度較大，智能性不好[6]。針對上述問題，本文提出基于小波網(wǎng)絡(luò)的配電網(wǎng)空間數(shù)據(jù)庫故障診斷方法。構(gòu)建配電網(wǎng)空間數(shù)據(jù)庫的分布模型，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)庫故障狀態(tài)特征提取，根據(jù)故障特征的聚類性進(jìn)行配電網(wǎng)絡(luò)空間數(shù)據(jù)庫的結(jié)構(gòu)重組和故障特性辨識，結(jié)合模糊統(tǒng)計分析方法，實(shí)現(xiàn)對配電網(wǎng)空間數(shù)據(jù)庫的故障智能診斷。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)庫及特征集構(gòu)造

1.1 配電網(wǎng)空間數(shù)據(jù)庫構(gòu)建

為了實(shí)現(xiàn)配電網(wǎng)空間數(shù)據(jù)庫故障診斷和數(shù)據(jù)分類，利用模糊粗糙集聚類方法構(gòu)建配電網(wǎng)空間數(shù)據(jù)庫分布式檢測模型，結(jié)合對配電網(wǎng)空間數(shù)據(jù)庫的拓?fù)浣Y(jié)構(gòu)分析，進(jìn)行空間數(shù)據(jù)庫建模，提取配電網(wǎng)空間數(shù)據(jù)庫的統(tǒng)計特征量，采用模糊關(guān)聯(lián)分析方法進(jìn)行故障診斷模型設(shè)計，采用最近鄰點(diǎn)分布式檢測方法，進(jìn)行配電網(wǎng)空間數(shù)據(jù)庫的優(yōu)先分布式特征挖掘和數(shù)據(jù)聚類處理，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)庫故障檢測和大數(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)庫故障檢測和信息分類識別，提取配電網(wǎng)空間數(shù)據(jù)庫的關(guān)聯(lián)規(guī)則集，采用期望頻繁項（EFI）與概率頻繁項（PFI）融合分析方法[8]，得到配電網(wǎng)空間數(shù)據(jù)庫的模糊聚類函數(shù)為：

其中，xj(t)表示取配電網(wǎng)空間數(shù)據(jù)庫特征量化分布集D 中的模糊信息熵，描述了在第j 個配電網(wǎng)空間數(shù)據(jù)庫調(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)庫的故障樣本在第t 代學(xué)習(xí)的樣本集，計算配電網(wǎng)空間數(shù)據(jù)庫故障數(shù)據(jù)在第j 個聚類中心的輸出標(biāo)簽屬性。采用直流配電網(wǎng)的電壓暫降特征檢測方法分析配電網(wǎng)空間數(shù)據(jù)庫故障特征量，結(jié)合電網(wǎng)諧波、不平衡等因素進(jìn)行數(shù)據(jù)分類，采用標(biāo)量序列分析方法得到配電網(wǎng)空間數(shù)據(jù)庫的存儲樣本模型為：

其中，m，n 分別是配電網(wǎng)空間數(shù)據(jù)庫采樣節(jié)點(diǎn)和故障檢測點(diǎn)數(shù)，設(shè)D 為配電網(wǎng)空間數(shù)據(jù)庫的不確定信息分量，Ti為配電網(wǎng)空間數(shù)據(jù)庫的分類元素，對海量配電網(wǎng)空間數(shù)據(jù)庫樣本數(shù)據(jù)進(jìn)行自適應(yīng)分類，得到統(tǒng)計分布概率為pi，采用直流母線電壓檢測方法，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)庫模型的基礎(chǔ)上，以少量的樣本類別數(shù)據(jù)為測試集，采用層次聚類方法對配電網(wǎng)空間數(shù)據(jù)庫故障樣本進(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]，在模糊層次聚類中心中，配電網(wǎng)空間數(shù)據(jù)庫的數(shù)據(jù)碼元元素t的期望支持度esup(D)大于閾值θ，則稱配電網(wǎng)空間數(shù)據(jù)庫故障樣本為一個頻繁項，即，滿足約束條件的所有配電網(wǎng)空間數(shù)據(jù)庫故障數(shù)據(jù)的聚斂特征滿足：

在高維特征空間中，對配電網(wǎng)空間數(shù)據(jù)庫的直流數(shù)據(jù)進(jìn)行自適應(yīng)調(diào)制，若具體序列分級及相關(guān)故障類別元素t滿足諧波調(diào)度集，則配電網(wǎng)空間數(shù)據(jù)庫的頻繁項滿足：

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)計特征量的中壓配電等級，在直流電壓諧波中進(jìn)行樣本子集規(guī)劃，計算配電網(wǎng)空間數(shù)據(jù)庫故障元素t出現(xiàn)的次數(shù)。根據(jù)母線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)找到一個點(diǎn)，進(jìn)行高壓直流輸電的故障數(shù)據(jù)庫分析，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)庫的故障樣本元素t在整個實(shí)例集中的統(tǒng)計特征量[11]，得到配電網(wǎng)空間數(shù)據(jù)庫故障特征聚簇中心點(diǎn)輸出為：

2 數(shù)據(jù)庫故障診斷優(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)庫的特征量化分解的基礎(chǔ)上，進(jìn)行數(shù)據(jù)庫故障診斷分析，本文提出基于小波網(wǎng)絡(luò)的配電網(wǎng)空間數(shù)據(jù)庫故障診斷方法。引入配電網(wǎng)空間數(shù)據(jù)庫故障發(fā)生概率和故障數(shù)據(jù)聚類頻次的概念[12]，用它來表示配電網(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)庫故障檢測可以通過不同頻段的電能迭代方式進(jìn)行特征分布式調(diào)度，得到故障檢測的統(tǒng)計特征量可以轉(zhuǎn)化為：

其中numt(D)為配電網(wǎng)空間數(shù)據(jù)庫故障大數(shù)據(jù)的類間聚類特征集，在元素t中，配電網(wǎng)空間數(shù)據(jù)庫故障樣本分布概念集的最大迭代次數(shù)可以通過supt(D)計算得到，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算公式為：

其中，pi為第i個配電網(wǎng)空間數(shù)據(jù)庫故障樣本集出現(xiàn)在判決區(qū)域K 中的概率，pt i,j為前i個配電網(wǎng)空間數(shù)據(jù)庫故障大數(shù)據(jù)分類屬性元組的統(tǒng)計平均值。計算反映直流系統(tǒng)穩(wěn)態(tài)運(yùn)行的特征量，配電網(wǎng)空間數(shù)據(jù)庫故障檢測的模糊學(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個元素上出現(xiàn)，即前i-1 個故障數(shù)據(jù)分類屬性滿足收斂條件，以少量的樣本類別數(shù)據(jù)為測試集，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)庫的關(guān)聯(lián)特征量，使用一個四元組結(jié)構(gòu)來描述配電網(wǎng)空間數(shù)據(jù)庫故障大數(shù)據(jù)的小波多尺度分解的統(tǒng)計特征量，表示為：其中，Xij為配電網(wǎng)空間數(shù)據(jù)庫故障樣本數(shù)據(jù)在Tij時刻中出現(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)聚類中心擾動概率分布值，為當(dāng)前窗口元素出現(xiàn)故障的配電網(wǎng)空間數(shù)據(jù)庫大數(shù)據(jù)頻繁項。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)庫的故障大數(shù)據(jù)檢測[15]，得到配電網(wǎng)空間數(shù)據(jù)庫故障診斷的學(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)計特征量δ，配電網(wǎng)空間數(shù)據(jù)庫故障大數(shù)據(jù)采樣的窗口長度W；

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

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

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

3）按照網(wǎng)絡(luò)中各個節(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），采用采用與電網(wǎng)工頻相對應(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)庫的樣本集，計算配網(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)庫故障狀態(tài)特征提取，計算統(tǒng)計特征分布樣本集，結(jié)合電網(wǎng)工頻的統(tǒng)計特征分析方法，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集合D，進(jìn)行樣本統(tǒng)計分析，得到配電網(wǎng)空間數(shù)據(jù)庫的故障檢測輸出結(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)庫故障診斷分析，得到配電網(wǎng)空間數(shù)據(jù)庫分布集如圖2 所示。

圖2 配電網(wǎng)空間數(shù)據(jù)庫分布集

以圖2 的故障分布集為測試對象，進(jìn)行故障樣本分布式檢測，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)對配電網(wǎng)空間數(shù)據(jù)庫的故障診斷，故障的分辨能力較好，提高了配電網(wǎng)空間數(shù)據(jù)庫的穩(wěn)定性。

4 結(jié)束語

研究配電網(wǎng)空間數(shù)據(jù)庫的故障診斷模型，結(jié)合對配電網(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)庫故障診斷方法。構(gòu)建配電網(wǎng)空間數(shù)據(jù)庫的分布模型，采用直流配電網(wǎng)的電壓暫降特征檢測方法分析配電網(wǎng)空間數(shù)據(jù)庫故障特征量，結(jié)合電網(wǎng)諧波、不平衡等因素進(jìn)行數(shù)據(jù)分類，采用標(biāo)量序列分析方法得到配電網(wǎng)空間數(shù)據(jù)庫的存儲樣本模型，采用小波網(wǎng)絡(luò)分析方法進(jìn)行故障檢測。研究得知，本文方法進(jìn)行配電網(wǎng)空間數(shù)據(jù)庫故障診斷的準(zhǔn)確性較好，分辨能力較強(qiáng)，具有很好的數(shù)據(jù)庫診斷分析能力。