本发明涉及电力系统领域，尤其涉及一种基于多源数据的电力系统输电线路故障诊断方法及系统。
背景技术：
电力系统发生故障情况下，快速、准确的故障诊断对减少电能中断时间和增强供电可靠性意义重大，作为事故后恢复的第一步，就应实现快速、准确的故障诊断以隔离故障元件，并采取相应措施恢复非故障区域的供电。
线路故障占电网故障的80％以上，做好线路故障诊断，是电网稳定运行的基本要求。线路故障诊断是根据事发环境下各类信息进行故障识别的过程。随着电网数字化水平和电力调度自动化水平的不断提高，利用采集的各类信息进行电力系统线路故障诊断成为可能。但现阶段，由于电力系统专业化特点，现有故障诊断策略大都偏重于利用单个诊断对象的局部信息，不能综合多源信息从全局的角度实现诊断；同时，一些研究都是在现有模型基础上引入新的智能算法，缺乏对电网物理模型和故障数据特点的综合考虑。
随着电网各信息系统不断完善，系统间的交互愈来愈紧密，用于电网故障诊断的相关信息可以由多个系统获得，数据采集与监视控制系统(scada系统)能提供大量的开关量信息和动态电气量信息，保信系统能提供保护动作信息，录波联网系统提供录波暂态电气量信息。综合利用故障的多源数据进行故障处理，实现各故障信息之间的互联共享，可有效进行故障诊断，并提高故障诊断的准确性。
技术实现要素：
本发明的目的是建立一种基于多源数据的电力系统输电线路故障诊断方法，综合利用故障的多源数据进行故障分析，可有效进行故障诊断，并提高故障诊断的准确性。
本发明为实现上述发明目的所采用的技术方案是：
提供一种基于多源数据的电力系统输电线路故障诊断方法，包括以下步骤：
步骤1：从多源故障诊断系统采集电力系统输电线路多源故障数据，包括电气量数据、开关量数据、保护动作信号；
步骤2：对采集的电气量数据进行特征量的提取，转换为对应的模式状态矩阵，与预设的标准模式状态矩阵进行匹配，识别出不良电气量数据并替换；
步骤3：对保护动作信号进行识别和修正，并基于电气量数据对开关量数据进行不良数据辨识与恢复；
步骤4：对发生故障前的线路状态判断，并基于时序因果网络进行故障定位。
接上述技术方案，该故障诊断方法还包括：
步骤5：将采集的故障线路的电气量数据输入预先训练好的故障类型辨识模型，得到故障类型辨识结果。
接上述技术方案，所述多源故障诊断系统包括scada系统、录波联网系统、保信主站系统。
接上述技术方案，所述电气量数据包括三相电压幅值和三相电流幅值特征量的提取。
接上述技术方案，具体将不良电气量数据用不良数据出现前正常运行数据的均值替代。
接上述技术方案，步骤3具体包括：
步骤3.1：对比scada系统和保信主站系统采集的保护动作信号，进行辨识与恢复；
步骤3.2：采用电流突变量启动判据进行故障启动判断，并运用电气量信息进行断路器位置信号修正。
接上述技术方案，步骤4的具体包括：
步骤4.1：对故障前线路状态进行初步判断，在停电区域内搜索可能故障线路；
步骤4.2：查找可能故障线路的因果网络，建立相应的规则矩阵g；
步骤4.3：根据报警信息向量b和后备保护元件信息向量k，利用因果网络得到关系矩阵t和可能故障向量p；
步骤4.4：求得故障元件向量i＝b×gt和变异故障元件向量v＝k×gt；
步骤4.5：求得故障向量f＝(i-v)&p，确定故障线路。
接上述技术方案，步骤5的具体包括：
步骤5.1：根据故障线路，采集故障线路的动态和暂态电气量信息作为输入数据；
步骤5.2：使用z-score方法对输入数据标准化处理，并运用变分自动编码器vae方法进行降维处理；
步骤5.3：基于历史数据运用xgboost算法进行故障类型辨识模型训练，将采集的实时数据输入故障类型辨识模型，得到故障类型辨识结果。
本发明还提供一种基于多源数据的电力系统输电线路故障诊断系统，包括：
数据采集模块，用于从多源故障诊断系统采集电力系统输电线路多源故障数据，包括电气量数据、开关量数据、保护动作信号；
识别和修正模块，用于对采集的电气量数据进行特征量的提取，转换为对应的模式状态矩阵，与预设的标准模式状态矩阵进行匹配，识别出不良电气量数据并替换；并对保护动作信号进行识别和修正，并基于电气量数据对开关量数据进行不良数据辨识与恢复；
故障定位模块，用于对发生故障前的线路状态判断，并基于时序因果网络进行故障定位。
接上述技术方案，还包括：
故障类型辨识模块，用于将采集的故障线路的电气量数据输入预先训练好的故障类型辨识模型，得到故障类型辨识结果。
本发明产生的有益效果是：本发明基于电力系统的多源数据的输电线路故障诊断方法，可以综合多源信息从全局的角度实现诊断，且本发明能够准确地判别并恢复电气量和开关量的不良数据，不会对正常的数据产生错误辨识，有效地提高了数据的质量水平。且计算耗时远小于数据的采样间隔时间，满足不良数据辨识与恢复的实时性要求。
进一步地，采用的xgboost模型比其他机器学习模型具有更高的准确度和更好的泛化能力。使得对系统线路故障类型识别具有更高的精度，能够最大程度避免在实际电网工作中出现误判的情况。
附图说明
下面将结合附图及实施例对本发明作进一步说明，附图中：
图1本发明实施例线路状态判断逻辑图；
图2为本发明实施例基于多源数据的电力系统输电线路故障诊断方法流程图；
图3是本发明实施例基于多源数据的电力系统输电线路故障诊断系统结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
本发明实施例基于多源数据的电力系统输电线路故障诊断方法，如图2所示，主要包括以下步骤：
步骤1：多源故障诊断系统(以下简称系统)获取电力系统输电线路多源故障数据；
步骤2：基于模式状态矩阵的电气量不良数据的辨识与恢复；
步骤3：基于电气量数据的开关量不良数据辨识与恢复；这两个步骤(步骤2和步骤3)分别对电气量和开关量不良数据的修正，主要针对由于数据采集、传输、存储等过程中由于数据本身问题导致产生的不良数据。例如：针对电气量不良数据列举了常见四类(短暂数值尖峰、正常值与零值跳变、持续时间为零值、持续时间为极值)；针对开关量不良数据运用电气量信息进行开关量信号修正。
步骤4：系统对故障前线路状态判断(如图1所示)，并基于时序因果网络进行故障定位；
步骤5：基于机器学习xgboost算法的故障类型辨识。
步骤1的输电线路多源故障数据为：
scada系统：获取动态电气量数据、保护动作信号和断路器状态等开关量数据、报警信息；开关量数据主要是指保护有无动作、断路器处于合闸或者跳闸状态的数据，也就是0和1；而电气量数据是模拟量数据，采集的是电压、电流值等数据。保护动作信号主要是指当保护动作时所发出的信号，表明保护有无动作的信号；而报警信号主要是指由于系统某部分发生异常、故障等所发出的报警信号，用于输出该部位发生异常的情况。
录波联网系统：获取暂态电气量数据；
保信主站系统：获取保护动作信号数据。
各故障信息获取接口如下表所述：
步骤2的具体实施步骤为：
步骤2.1：对采集的电气量数据进行特征量的提取，转换为对应的模式状态矩阵，其中包含三相电压幅值和三相电流幅值特征量的提取；
三相电压幅值uφ特征量为电压变化率大小δuφ[t]表示：
式中，t表示采样时刻，δt表示采样间隔，φ表示相别。
三相电流幅值iφ特征量为电流变化率大小δiφ[t]表示：
将特征量进行组合，得到模式状态矩阵x和数值矩阵w：
按照式(4)将式(3)转换为表征变化趋势的逻辑矩阵yl。其元素yl(i,j)为：
式中：ks_low、ks_up分别为电气量下降和上升的阈值。
按照式(5)将式(3)转换为表征测量绝对值大小的逻辑矩阵zl。其元素zl(i,j)为：
式中：xlim_low、xlim_up分别为电气量大小的阈值。
步骤2.2：针对常见的不良数据类型，得到其对应的标准模式状态矩阵，通过将电气量模式状态矩阵与标准模式状态矩阵进行匹配实现不良数据的辨识；
为了保证辨识结果的准确性，根据实际电气量不良数据的特点，有针对性设计了时序相对变化量变化趋势矩阵yset(p)和时序数值矩阵zset(p)，构成了标准模式状态矩阵。
常见四种标准模式状态矩阵特征列举如下：
短暂数值尖峰不良数数据的标准模式状态矩阵为：
正常值与零值跳变不良数数据的标准模式状态矩阵为：
持续时间为零值不良数数据的标准模式状态矩阵为：
持续时间为极值后恢复正常不良数数据的标准模式状态矩阵为：
步骤2.3：将识别的电气量不良数据用出现前正常运行数据的均值替代。
式中：m表示电气量类型；nsam为选取的正常数据的采样点总个数。
步骤3的具体实施步骤为：
步骤3.1：保护动作信号修正，对比scada系统和保信主站系统采集的保护动作信号，进行辨识与恢复；
步骤3.2：断路器位置信号修正，采用电流突变量启动判据进行故障启动判断，并运用电气量信息进行断路器位置信号修正。
采用电流突变量启动判据，启动判据定义为：
δf(t)＝||f(t)-f(t-n)|-|f(t-n)-f(t-2n)||＞1.25im.max(11)
其中：
式中：ia(t)、ib(t)、ic(t)为三相电流在t时刻的瞬时值；im.max为正常运行时最大负荷电流的幅值；n为采样周期。
设断路器靠近线路一侧的电压幅值测量值为ua、ub、uc，建立断路器位置判断判据s为：
式中：φ为相别；uset为电压阈值。
当任意一相满足式(13)时，则判定断路器为分位。
步骤4的具体实施步骤为：
步骤4.1：对故障前线路状态进行初步判断，在停电区域内搜索可能故障线路；
故障前线路状态判断(如图1所示)：如果线路各侧至少有一个断路器处于合闸状态，且该线路电流不为零，则线路处于运行状态；如果线路两侧断路器均处于断开状态，且该线路电流为零，则线路处于停运状态；如果线路处于停运状态、有线路的保护动作信息和故障录波数据且线路所关联的母线电压无波动，则判定该线路处于保护试验状态。
针对处于运行状态电路，搜索线路电压电流具备典型故障特征，即电压降低，电流增大。则判定为可能故障线路，形成可能故障向量p。
步骤4.2：查找可能故障线路的因果网络，建立相应的规则矩阵g；
因果理论中运用图论中的节点关系得到规则矩阵g，假设保护动作为事件为di、相应断路器跳闸事件为dj，保护动作导致相应断路器跳闸，因此di和dj二者之间存在因果关系，用因果网络图表达即为事件di指向事件dj，表示为di→dj。规则矩阵中元素的定义为：
定义事件di发生的时刻为tb(di)，事件di发生时刻的时间点约束为tc(di)，事件di与事件dj相互关联，则两个事件的时间约束为td(di,dj)。设t0时刻发生故障，对应保护设备的保护整定时间为tp，时间误差为τp。
则保护时间段的时间点约束为：
tc(p)∈[t0 tp-τp,t0 tp τp](15)
式(15)表示保护设备p启动的时间范围在这个区间，超出范围，事件无效。
设保护在t1时刻发出跳闸命令，时间误差为τc，断路器分闸时长tc，则断路器时间段约束为：
tc(c)∈[t1 tc-τc,t1 tc τc](16)
事件di与事件dj之间的时间约束为：
td(di,dj)∈[tc-τc,tc τc](17)
时序特性一致性约束为：
步骤4.3：根据报警信息向量b和后备保护元件信息向量k，利用因果网络得到关系矩阵g和可能故障向量p；
报警信息向量b中的元素为：
后备保护元件信息向量k中的元素为：
可能故障向量p中的元素为：
步骤4.4：求得故障元件向量i＝b×gt和变异故障元件向量y＝k×gt；
步骤4.5：求得故障向量f＝(i-y)&p，确定故障线路。
步骤5的具体实施步骤为：
步骤5.1：根据故障线路，采集故障线路的动态和暂态电气量信息作为输入数据；为了增加故障类型辨识输入数据的准确性以及辨识精度，这里是采集经过不良数据修正后的动态和暂态电气量数据。
步骤5.2：使用z-score方法对输入数据标准化处理，并运用变分自动编码器vae方法进行降维处理；
z-score对电气量数据进行标准化处理：
定义数据为y为电气量数据，m为采样数。用z-score对y的归一化如下：
式中：yi是第i个采样数据，m(y)是数据y的均值，s(y)是数据y的标准差，y′i是由样本yi归一化的样本数据。
变分自动编码器vae方法对归一化后的电气量数据进行降维处理：
假设低维表达z服从d维独立正态分布，即z～n(μ,b)，μ为d维平均值向量；b为只有对角元素不为零的d阶协方差矩阵。对于数目为n的样本数据y′i，vae的编码层将y′i映射得到zi的平均值μi和协方差bi：
μi＝f(w1y′i b1)(23)
bi＝f(w2y′i b2)(24)
式中：w1、w2为网络编码权值参数矩阵；b1、b2为网络编码偏置参数向量。
假设ε服从n维独立正态分布n(o,i)，其中，o为零矩阵；i为单位矩阵。对zi进行随机采样，其采样值z′i为：
z′i＝μi f3(f2(f1(b/2)),ε)(26)
式中：f1()的自变量为n阶方阵，函数值为由该n阶方阵对角线元素顺序组成的n维向量；f2()的自变量为任意矩阵，函数值为对该矩阵各元素取以e为底的指数后形成的矩阵；f3()的自变量为2个相同规模的矩阵，该矩阵的元素为2个自变量矩阵对应位置元素的乘积。
重构y′i，得到
式中：w3为网络解码权值参数矩阵；b3为网络解码偏置参数向量。
损失函数定义为：
式中：λ为正则项乘子；w1为元素均为1的向量，f4()的自变量为任意矩阵，函数值为对该矩阵各元素取以2为底的对数形成后的矩阵。
采用误差反向传播算法进行参数更新，当l取到最小值时，那么就获得了对高维数据的低维表达z，即高阶特征。
步骤5.3：基于历史数据运用xgboost算法进行故障类型辨识模型训练，将采集的实时数据输入故障类型辨识模型，得到故障类型辨识结果。
运用历史不同故障类型电气量数据构建训练集，利用xgboost算法对训练集进行分类训练，得到线路故障故障类型辨识模型。将采集待诊断的电气量数据输入训练后得到的线路故障故障类型辨识模型，以判断电力系统线路故障类型。
xgboost模型可表示为：
式中，i＝1,2,…,n，n为样本数量；f是对应所有回归树的集合，fk是f中的函数。目标函数包含：误差项l(θ)(误差函数)和正则化项ω(θ)(衡量模型的复杂度)两项。目标函数f表示为：
式中：
对目标函数中模型复杂度进行定义。对f细化，可将回归树划分为树的结构部分q和叶子权重部分ω，即：
fi(x)＝ωq(x)，ω∈rt，q:rt→{1,2,…,t}(31)
将问题转化为求解二次函数的最小值问题。解得：
xgboost采用“贪心法”使fobj找到最优的树结构。增益计算公式如下：
式中，第1项表示分割后左子树产生的增益；第2项表示分割后右子树产生的增益；第3项表示不进行分割的增益γ表示由于分割加入新叶子带来的复杂度代价。
本发明实施例基于多源数据的电力系统输电线路故障诊断系统，如图3所示，包括：
数据采集模块，用于从多源故障诊断系统采集电力系统输电线路多源故障数据，包括电气量数据、开关量数据、保护动作信号；
识别和修正模块，用于对采集的电气量数据进行特征量的提取，转换为对应的模式状态矩阵，与预设的标准模式状态矩阵进行匹配，识别出不良电气量数据并替换；并对保护动作信号进行识别和修正，并基于电气量数据对开关量数据进行不良数据辨识与恢复；
故障定位模块，用于对发生故障前的线路状态判断，并基于时序因果网络进行故障定位。
该故障诊断系统还包括：故障类型辨识模块，用于将采集的故障线路的电气量数据输入预先训练好的故障类型辨识模型，得到故障类型辨识结果。
综上，与现有技术相比，本发明具有以下优点：
1、本发明一种基于多源数据的电力系统输电线路故障诊断方法，所提出的方法能够准确地判别并恢复电气量和开关量的不良数据，不会对正常的数据产生错误辨识，有效地提高了数据的质量水平。且计算耗时远小于数据的采样间隔时间，满足不良数据辨识与恢复的实时性要求。
2、本发明一种基于多源数据的电力系统输电线路故障诊断方法，经过时序的处理可以很好地识别报警信息中的误报信息、漏报信息，有效保障了报警信息的准确性，提高了故障定位的准确性。
3、本发明一种基于多源数据的电力系统输电线路故障诊断方法，采用的xgboost模型比其他机器学习模型具有更高的准确度和更好的的泛化能力。使得对系统线路故障类型识别具有更高的精度，能够最大程度避免在实际电网工作中出现误判的情况。
4、本发明一种基于多源数据的电力系统输电线路故障诊断方法，提出的模型具有处理速度快的特点，可以进行在线应用，辅助电网工作人员在实际电网运行中发生线路故障时快速报警，识别故障类型，在线路故障发生前及时采取措施，避免造成更大的损失。
应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。
1.一种基于多源数据的电力系统输电线路故障诊断方法，其特征在于，包括以下步骤：
步骤1：从多源故障诊断系统采集电力系统输电线路多源故障数据，包括电气量数据、开关量数据、保护动作信号；
步骤2：对采集的电气量数据进行特征量的提取，转换为对应的模式状态矩阵，与预设的标准模式状态矩阵进行匹配，识别出不良电气量数据并替换；
步骤3：对保护动作信号进行识别和修正，并基于电气量数据对开关量数据进行不良数据辨识与恢复；
步骤4：对发生故障前的线路状态判断，并基于时序因果网络进行故障定位。
2.根据权利要求1所述的基于多源数据的电力系统输电线路故障诊断方法，其特征在于，该故障诊断方法还包括：
步骤5：将采集的故障线路的电气量数据输入预先训练好的故障类型辨识模型，得到故障类型辨识结果。
3.根据权利要求1所述的基于多源数据的电力系统输电线路故障诊断方法，其特征在于，所述多源故障诊断系统包括scada系统、录波联网系统、保信主站系统。
4.根据权利要求1所述的基于多源数据的电力系统输电线路故障诊断方法，其特征在于，所述电气量数据包括三相电压幅值和三相电流幅值特征量的提取。
5.根据权利要求1所述的基于多源数据的电力系统输电线路故障诊断方法，其特征在于，具体将不良电气量数据用不良数据出现前正常运行数据的均值替代。
6.根据权利要求1所述的基于多源数据的电力系统输电线路故障诊断方法，其特征在于，步骤3具体包括：
步骤3.1：对比scada系统和保信主站系统采集的保护动作信号，进行辨识与恢复；
步骤3.2：采用电流突变量启动判据进行故障启动判断，并运用电气量信息进行断路器位置信号修正。
7.根据权利要求1所述的基于多源数据的电力系统输电线路故障诊断方法，其特征在于，步骤4的具体包括：
步骤4.1：对故障前线路状态进行初步判断，在停电区域内搜索可能故障线路；
步骤4.2：查找可能故障线路的因果网络，建立相应的规则矩阵g；
步骤4.3：根据报警信息向量b和后备保护元件信息向量k，利用因果网络得到关系矩阵t和可能故障向量p；
步骤4.4：求得故障元件向量i＝b×gt和变异故障元件向量v＝k×gt；
步骤4.5：求得故障向量f＝(i-v)&p，确定故障线路。
8.根据权利要求1所述的基于多源数据的电力系统输电线路故障诊断方法，其特征在于，步骤5的具体包括：
步骤5.1：根据故障线路，采集故障线路的动态和暂态电气量信息作为输入数据；
步骤5.2：使用z-score方法对输入数据标准化处理，并运用变分自动编码器vae方法进行降维处理；
步骤5.3：基于历史数据运用xgboost算法进行故障类型辨识模型训练，将采集的实时数据输入故障类型辨识模型，得到故障类型辨识结果。
9.一种基于多源数据的电力系统输电线路故障诊断系统，其特征在于，包括：
数据采集模块，用于从多源故障诊断系统采集电力系统输电线路多源故障数据，包括电气量数据、开关量数据、保护动作信号；
识别和修正模块，用于对采集的电气量数据进行特征量的提取，转换为对应的模式状态矩阵，与预设的标准模式状态矩阵进行匹配，识别出不良电气量数据并替换；并对保护动作信号进行识别和修正，并基于电气量数据对开关量数据进行不良数据辨识与恢复；
故障定位模块，用于对发生故障前的线路状态判断，并基于时序因果网络进行故障定位。
10.根据权利要求9所述的基于多源数据的电力系统输电线路故障诊断系统，其特征在于，还包括：
故障类型辨识模块，用于将采集的故障线路的电气量数据输入预先训练好的故障类型辨识模型，得到故障类型辨识结果。
技术总结