摘 要：當(dāng)對(duì)區(qū)域電網(wǎng)故障定位時(shí)，現(xiàn)有定位方法存在定位結(jié)果與實(shí)際故障位置偏差較大的問題。為了解決該問題，本文引入孤立森林算法，進(jìn)行區(qū)域電網(wǎng)故障自動(dòng)定位方法研究。利用孤立森林算法，提取區(qū)域電網(wǎng)故障數(shù)據(jù)特征。對(duì)區(qū)域電網(wǎng)故障進(jìn)行自動(dòng)定位，并將其隔離。試驗(yàn)結(jié)果表明，本文定位方法可以準(zhǔn)確找到區(qū)域電網(wǎng)發(fā)生故障的區(qū)域，并將其進(jìn)行有效隔離，從而提高區(qū)域電網(wǎng)整體運(yùn)行穩(wěn)定性。

關(guān)鍵詞：孤立森林算法；電網(wǎng)故障；自動(dòng)定位

中圖分類號(hào)：TM 755" " " " " " " 文獻(xiàn)標(biāo)志碼：A

在現(xiàn)代社會(huì)，電力是支撐經(jīng)濟(jì)發(fā)展和日常生活的基礎(chǔ)能源，其穩(wěn)定供應(yīng)至關(guān)重要。區(qū)域電網(wǎng)是電力系統(tǒng)的重要組成部分，其安全運(yùn)行直接影響廣大用戶的用電質(zhì)量和電力企業(yè)的經(jīng)濟(jì)效益。然而，電網(wǎng)故障通常無(wú)法避免，可能導(dǎo)致電力中斷，甚至引起更嚴(yán)重的安全事故。因此，快速、準(zhǔn)確地定位故障點(diǎn)，對(duì)及時(shí)恢復(fù)供電、減少損失具有重要意義。

目前，電網(wǎng)故障定位的方法主要包括文獻(xiàn)[1]基于保護(hù)狀態(tài)信息與凝聚層次聚類的電網(wǎng)故障定位算法、文獻(xiàn)[2]基于FRFT-RBF網(wǎng)絡(luò)的船舶電網(wǎng)故障定位方法等。文獻(xiàn)[1]方法通常依基于故障發(fā)生后保護(hù)設(shè)備的動(dòng)作狀態(tài)信息，利用邏輯推理或?qū)＜蚁到y(tǒng)來(lái)推斷故障位置。但是這種方法在復(fù)雜電網(wǎng)中可能會(huì)因保護(hù)配置不合理或保護(hù)設(shè)備誤動(dòng)作等而導(dǎo)致定位結(jié)果不準(zhǔn)確。文獻(xiàn)[2]方法利用故障產(chǎn)生的行波在電網(wǎng)中的傳播特性來(lái)定位故障點(diǎn)。該方法具有較高的精度，但是在實(shí)際應(yīng)用中需要安裝專門的行波測(cè)量裝置，對(duì)電網(wǎng)結(jié)構(gòu)的變化和故障類型的多樣性適應(yīng)能力有限。

目前，隨著人工智能技術(shù)快速發(fā)展，基于人工智能算法的故障定位方法逐漸成為研究熱點(diǎn)。針對(duì)現(xiàn)有方法的不足，本文提出了基于孤立森林算法的區(qū)域電網(wǎng)故障自動(dòng)定位方法。

1 基于孤立森林算法的區(qū)域電網(wǎng)故障數(shù)據(jù)特征提取

為了提升區(qū)域電網(wǎng)故障數(shù)據(jù)的處理效率，本文采用孤立森林算法進(jìn)行特征提取和異常點(diǎn)檢測(cè)。該方法利用孤立森林的強(qiáng)大能力，在智能儀表（客戶機(jī)）和供電接口（分支箱）收集的數(shù)據(jù)中快速識(shí)別離群值，即潛在的故障信號(hào)[3]，分析電力終端與智能儀表在特定時(shí)間段內(nèi)的負(fù)荷變化情況，獲取故障前、后的負(fù)荷動(dòng)態(tài)。為了降低電路噪聲的影響，應(yīng)用低通濾波技術(shù)來(lái)平滑數(shù)據(jù)[4]。利用離散傅里葉變換（DFT），對(duì)故障前、后的每一相進(jìn)行變換，從而捕獲高相角信號(hào)的特性。這有助于更深入地理解信號(hào)在故障發(fā)生前、后的變化模式，同時(shí)關(guān)注流速和氣壓的相位差在故障發(fā)生前、后的變化。由于故障點(diǎn)前、后的統(tǒng)計(jì)特性通常存在顯著差異，因此孤立森林能夠有效地揭示這些變化，有助于準(zhǔn)確識(shí)別故障階段。為了提高計(jì)算效率，本文設(shè)置多個(gè)基分類器在數(shù)據(jù)分布的不同邊界上，以實(shí)現(xiàn)更快的異常檢測(cè)速度[5]?；趇Tree的個(gè)數(shù)和樣本個(gè)數(shù)對(duì)孤立森林的輸出效率有較大影響，但是受限于節(jié)點(diǎn)內(nèi)的iTree個(gè)數(shù)和樣本數(shù)目的限制。節(jié)點(diǎn)中iTree數(shù)目約束如公式（1）所示。

（1）

式中：xn為節(jié)點(diǎn)中iTree數(shù)量；Xmin為iTree數(shù)目的最小值；n為節(jié)點(diǎn)編號(hào)；N為節(jié)點(diǎn)總數(shù)。

iTree中樣本數(shù)據(jù)量約束如公式（2）所示。

yn≥Ymin （2）

式中：yn為節(jié)點(diǎn)中任意iTree的樣本數(shù)據(jù)量；Ymin為任意iTree樣本數(shù)據(jù)量的最小值。區(qū)域電網(wǎng)中配電邊緣代理裝置上的每一棵iTree的最大計(jì)算量如公式（3）所示。

（3）

式中：Wmax為最大計(jì)算量。

在推進(jìn)項(xiàng)目的過(guò)程中，本文針對(duì)配電網(wǎng)電價(jià)的邊緣Agent進(jìn)行數(shù)據(jù)采集，并建立相應(yīng)的數(shù)據(jù)庫(kù)。為了更精準(zhǔn)地分析電價(jià)波動(dòng)，特別選取了電價(jià)失效前、后的關(guān)鍵數(shù)據(jù)，建立數(shù)據(jù)訓(xùn)練樣本集。對(duì)部分?jǐn)?shù)據(jù)無(wú)法直接用于構(gòu)建獨(dú)立樹的情況，采用迭代策略采集這些樣本中的子樣本，直至保證每一個(gè)分析點(diǎn)都能獨(dú)立參與后續(xù)的分析[6]。進(jìn)而利用這些獨(dú)立樹，以整合多個(gè)獨(dú)立森林的方式來(lái)捕捉和識(shí)別電價(jià)數(shù)據(jù)的統(tǒng)計(jì)特性。在這個(gè)階段，本文引入指派值的概念，對(duì)統(tǒng)計(jì)量進(jìn)行再分割，以進(jìn)一步提高分析的準(zhǔn)確性。為了進(jìn)一步挖掘數(shù)據(jù)的深層規(guī)律，采用遞推方法構(gòu)建一系列特定的統(tǒng)計(jì)探測(cè)節(jié)點(diǎn)。這些節(jié)點(diǎn)有助于更全面地理解電價(jià)數(shù)據(jù)中的異常特征，最終形成異常數(shù)據(jù)特征集。孤立樹模型是由多個(gè)獨(dú)立的樹結(jié)構(gòu)聚合而成的，每一棵樹都承載了豐富的信息[7]。在孤立樹中，每一個(gè)節(jié)點(diǎn)不僅是數(shù)據(jù)的交匯點(diǎn)，而且是信息的匯聚處，共同構(gòu)成分析電價(jià)波動(dòng)的強(qiáng)大工具。

2 區(qū)域電網(wǎng)故障自動(dòng)定位與隔離

孤獨(dú)森林的配電網(wǎng)故障精確定位方法包括8個(gè)關(guān)鍵步驟，見表1，旨在利用數(shù)據(jù)分析和模型訓(xùn)練實(shí)現(xiàn)故障點(diǎn)的快速定位。

當(dāng)按照表1內(nèi)容進(jìn)行區(qū)域電網(wǎng)故障定位時(shí)，電壓或電流信號(hào)的全周期傅里葉變換如公式（4）所示。

X（f）=∫∞ -∞x（t）e-j2πftdt " " " " " " "（4）

式中：X（f）為全周期傅里葉變換結(jié)果；f為頻率變量；x（t）為電壓或電流信號(hào)；e-j2πft為時(shí)域函數(shù)；t為時(shí)間變量。

在實(shí)際應(yīng)用中，由于數(shù)據(jù)是離散的，因此通常使用離散傅里葉變換（DFT）或其快速算法（FFT）。在步驟五中，需要計(jì)算定位結(jié)果間的偏差值，通常涉及計(jì)算2個(gè)定位結(jié)果間的距離、差異或相似度。具體的計(jì)算公式取決于所使用的偏差度量方法。如果定位結(jié)果可以表示為多維空間中的點(diǎn)，那么可以使用歐氏距離來(lái)衡量它們之間的差異，如公式（5）所示。

（5）

式中：d（p，q）為2個(gè)定位結(jié)果間的歐氏距離；p和q分別為2個(gè)定位結(jié)果；pi和qi分別為2個(gè)定位結(jié)果對(duì)應(yīng)在各個(gè)維度上的值。

在實(shí)際應(yīng)用中構(gòu)建一個(gè)詳細(xì)的配電網(wǎng)絡(luò)模型，該模型應(yīng)包括配電網(wǎng)絡(luò)中的各個(gè)關(guān)鍵模塊。在配電網(wǎng)絡(luò)模型中，對(duì)各個(gè)模塊進(jìn)行故障仿真，模擬故障情況，并記錄故障路徑上的三相電壓數(shù)據(jù)。采用加性高斯白噪聲法對(duì)三相電壓和電流進(jìn)行模擬測(cè)量，以引入測(cè)量誤差，如公式（6）所示。

Vm=Vt+N'（0，σ2） （6）

式中：Vm為模擬測(cè)量得到的三相電壓；Vt為模擬測(cè)量得到的三相電壓；N'為高斯白噪聲；σ2為方差。

對(duì)包括誤差的三相電壓和電流進(jìn)行全周期的傅里葉轉(zhuǎn)換，得到頻譜信息。傅里葉轉(zhuǎn)換公式如公式（7）所示。

（7）

式中：X[k]為傅里葉變換的結(jié)果；x[n]為離散時(shí)間信號(hào)。

比較線路兩端的電氣量和線路參數(shù)，得出初始的故障位置。當(dāng)配電網(wǎng)發(fā)生故障時(shí)，采集故障線路兩端的三相電壓和電流數(shù)據(jù)。使用已訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型，處理采集的數(shù)據(jù)，得到準(zhǔn)確的故障位置。

確定故障區(qū)段后，操作與該區(qū)段連接的開關(guān)以隔離故障，步驟如下所示。第一步，初始化變量。設(shè)定一個(gè)變量j，并為其賦初值為1。第二步，檢查條件。檢查特定條件fi（j）是否為1。如果結(jié)果不為1，就繼續(xù)下一步；如果為1，就直接跳到第四步。第三步，遞增變量并判斷。將j的值加1，然后檢查j是否≤4。如果是，就返回第二步；如果不是，那么整個(gè)流程結(jié)束。第四步，再次初始化變量。設(shè)定另一個(gè)變量k，并對(duì)其賦初值1。第五步，識(shí)別與隔離。判斷r（j，k）是否為0。r（j，k）表示區(qū)域電網(wǎng)關(guān)聯(lián)矩陣中的元素。如果r（j，k）為0，就繼續(xù)下一步；如果不為0，那么表明di（k）是故障區(qū)段的一個(gè)邊界開關(guān)。此時(shí)，控制中心會(huì)向這個(gè)開關(guān)發(fā)送跳閘信號(hào)，使其斷開，并繼續(xù)進(jìn)行下一步。第六步，循環(huán)與結(jié)束條件。將k的值加1，并檢查k是否≤ddi，ddi表示開關(guān)集的維度。如果滿足條件，那么返回第五步；如果不滿足，那么再次遞增j的值，并返回第二步。

通過(guò)上述流程，可以有效識(shí)別并隔離故障區(qū)段的邊界開關(guān)，從而保證電網(wǎng)穩(wěn)定，并保障其安全運(yùn)行。

3 對(duì)比試驗(yàn)

在上文基礎(chǔ)上，結(jié)合孤立森林算法提出一種全新的電網(wǎng)故障定位方法。為了驗(yàn)證該方法的應(yīng)用效果，以某區(qū)域電網(wǎng)為例，分別利用本文方法、文獻(xiàn)[1]方法和文獻(xiàn)[2]方法對(duì)該電網(wǎng)故障進(jìn)行定位?；趨^(qū)域電網(wǎng)的各節(jié)點(diǎn)拓?fù)浣Y(jié)構(gòu)如圖1所示。

從圖1可以看出，該區(qū)域電網(wǎng)中包括8個(gè)聯(lián)絡(luò)開關(guān)節(jié)點(diǎn)和35個(gè)分段開關(guān)節(jié)點(diǎn)。該區(qū)域電網(wǎng)運(yùn)行參數(shù)見表2。

3種方法的故障定位結(jié)果如圖2～圖4所示。

從圖2可以看出，本文方法定位的故障點(diǎn)與實(shí)際故障點(diǎn)完全一致，標(biāo)記點(diǎn)重疊，可將該區(qū)域網(wǎng)絡(luò)中的3個(gè)故障位置全部找出。

在文獻(xiàn)[1]方法故障定位結(jié)果中，定位故障點(diǎn)與實(shí)際故障點(diǎn)間均存在一定偏差，無(wú)法成功找到故障位置，如圖3所示。

從圖4可以看出，文獻(xiàn)[2]方法無(wú)法對(duì)故障點(diǎn)進(jìn)行準(zhǔn)確定位，并且定位故障點(diǎn)為2個(gè)，實(shí)際故障點(diǎn)為3個(gè)，存在遺漏情況。

試驗(yàn)結(jié)果證明，本文提出的定位方法定位精度更高，可以將區(qū)域電網(wǎng)中的故障問題全部找出，具有更高的應(yīng)用價(jià)值。

4 結(jié)語(yǔ)

本文提出的基于孤立森林算法的區(qū)域電網(wǎng)故障自動(dòng)定位方法將電網(wǎng)故障數(shù)據(jù)的特性和孤立森林算法的優(yōu)勢(shì)相結(jié)合，能夠?qū)﹄娋W(wǎng)故障點(diǎn)進(jìn)行快速、準(zhǔn)確定位。該方法不僅克服了傳統(tǒng)故障定位方法的局限性和不足，還提高了故障定位的實(shí)時(shí)性和自動(dòng)化水平，為電力系統(tǒng)的安全運(yùn)行提供了有力支持。展望未來(lái)，隨著智能電網(wǎng)技術(shù)不斷發(fā)展和完善，電網(wǎng)故障定位技術(shù)也將面臨更多的挑戰(zhàn)和機(jī)遇。未來(lái)會(huì)將孤立森林算法與其他先進(jìn)算法進(jìn)一步結(jié)合，提高故障定位的準(zhǔn)確性和效率，并將該方法應(yīng)用于更廣泛的電力系統(tǒng)場(chǎng)景中，推動(dòng)電力系統(tǒng)的智能化和自動(dòng)化水平不斷提升。

參考文獻(xiàn)

[1]何森，陳義森，張厚榮，等.基于保護(hù)狀態(tài)信息與凝聚層次聚類的電網(wǎng)故障定位算法[J].電器與能效管理技術(shù)，2022（2）：1-5，20.

[2]王高陽(yáng)，劉峰.基于FRFT-RBF網(wǎng)絡(luò)的船舶電網(wǎng)故障定位方法[J].武漢船舶職業(yè)技術(shù)學(xué)院學(xué)報(bào)，2023，22（6）：77-84.

[3]張紅瑛，陳苑婷，吳炳超，等.電網(wǎng)運(yùn)維大數(shù)據(jù)背景下的繼電保護(hù)通信系統(tǒng)故障定位方法研究[J].今日制造與升級(jí)，2024（1）：12-14.

[4]張?jiān)＃_晨，王斌，等.基于改進(jìn)BES算法的光伏型電網(wǎng)分區(qū)故障定位研究[J].中國(guó)工程機(jī)械學(xué)報(bào)，2024，22（1）：128-131，136.

[5]張鵬昊.含分布式能源直流-交流混合電網(wǎng)故障定位研究[J].現(xiàn)代電子技術(shù)，2023，46（18）：125-132.

[6]任濤，步雅楠，周君，等.基于電網(wǎng)運(yùn)維大數(shù)據(jù)背景下的繼電保護(hù)故障定位分析[J].電工技術(shù)，2023（17）：232-234，239.

[7]張靜，高鵬飛.應(yīng)用于環(huán)形電網(wǎng)故障定位的新型雙端行波測(cè)距法[J].金陵科技學(xué)院學(xué)報(bào)，2023，39（2）：23-30.