何晓爽

（广东电网有限责任公司湛江供电局 广东省湛江市 524000）

传统的人工编制一份“一故障一分析报告”的时间约为30 分钟，若每起故障均编制“一故障一分析报告”，将极大地占用配电班组员工的工作时间。故急需开发一套《配网故障智能分析报告应用程序》，根据故障报表的内容信息智能生成一故障一分析的分析报告，替代传统的人工手动完成的一故障一分析的剖析报告，减轻基层班组工作负担，提高工作效率。

1 大数据视角下智能配电网状态监测和故障处理的基本方案

1.1 整体策略

在大数据视角下，为了监测配电网运行状态，需要进行离群点监测，并根据离群点之间的关联关系，将故障点进行定位。而基于大数据的视角则是对每次监测得到的数据录入大数据库之中，通过对每次监测的结果大数据分析，达到研判智能配电网所处的状态和故障点。

1.2 方案设计

1.2.1 预处理数据

筛选传感设备上传的各种原始数据并进行预处理，降低数据量，同时自动生成文本式的状态检测与故障处理需要的最初特征量矩阵。

1.2.2 融合数据

第一步，将单时段、电气特征量的状态监测矩阵进行融合；第二步，扩充此矩阵的时间序列；第三步：得到高维时空状态监测矩阵。

1.2.3 处理数据

第一步：多维尺度算法处理之前得到的高维时空状态监测矩阵，但是需要确保各对象的相对关系不变，在低维空间中呈现高维数据，实现数据可视化和融合数据；第二步：对时空状态矩阵进行降维后检测器离群点，在线辨识智能电网所处状态。

1.2.4 状态识别和处理

第一步：根据数据分析状态；第二步：根据状态针对性处理，内容主要包含两个方面：

（1）非正常状态，需要状态优化，修正、控制而预防、降低 故障；

（2）故障状态，主要是进行故障定位和隔离。

但是需要注意以下问题：高维时空状态监测矩阵具有高度稀疏的特点，不能直接检测离散点，在检测前需要进行监测矩阵数据降维。

2 大数据视角下智能配电网状态监测和故障处理的思路分析

2.1 预处理数据

2.1.1 做好特征量的选取

图1

图2

图3

图4

在智能配电网中，常见的故障类型较多，比如单相、两相短路接地，以及两相相间短路和三相短路等，不同的故障类型，其故障特点也不同。本文选取特征量如下：

（1）三相电流；

（2）零序电流；

（3）负序电流；

（4）零序有功功率；

（5）零序无功功率。

这主要是本文研究的需要而决定，这样能有效地将故障节点局部的异常因子识别，同时还能有效地进行故障识别。

2.1.2 构建网络关联矩阵

构建网络关联矩阵需要按照以下方式来进行：第一步，每个配电网测控一体化终端作为一个节点，编号EJ；第二步：节点间区域编号ZJ；第三步根据节点区域关系和对应关联值形成网络关联矩阵，由于节点与编号对网络关联矩阵并无实质性影响，所以在编号时不用按照特定规则来编号。

2.1.3 强化区域差分处理

配网在绝大多数的时间均在正常地运行，在配网状态监测时得到的数据也以正常数据为主。按照区域差分矩阵=网络关联矩阵×每个节点终端所上传的有关特征量数据组合而成的列矩阵原理，构建单时段、单特征量状态的监测矩阵，实现区域差分处理。

2.2 融合数据--以高维时空状态监测矩阵为载体

（1）数据融合以高维时空状态监测矩阵得到单时段的状态监测矩阵；

（2）将空间拓展成单时段、多特征量的状态监测矩阵；

（3）将视角序列拓展成多时段、多特征量的高维时空状态监测矩阵。

2.3 数据可视化处理

2.3.1 多维尺度降维

多维尺度降维旨在确保每个对象的相关关系在基本不变的原则下，将高维数据采用低维的方式表示出来，在达到数据降维效果的同时达到数据可视化的目的。

2.3.2 离群点检测

第一步，对低位时空状态监测矩阵中的每个对象的K 距离进行确定，其中对象的K 距离是对象与除自身之外距离中的最近的第K个对象的距离。

第二步：按照K距离对每个对象的K领域进行计算，即对NK（P）进行计算。

第三步：对每个对象的局部可达距离及其可达密度进行计算，最后得出每个对象的局部异常因子。

2.4 故障判定和处理

2.4.1 故障判定依据

广域状态下监测矩阵无离群点，每个节点LOF 约为1。为提升保护方法的可靠性和灵敏性，在进行状态检测和故障处理时，所采取的状态监测应在故障启动方面采取以下判定依据：一是若规定的LOF 的值比5 时，属于故障节点；二是故障节点需要启动保护。

2.4.2 明确故障处理判定依据

传感器故障而导致的保护误判和误动的问题。所以需要在配电网的最外层的广义节点LOF 值进行校验，具体的方法如下：若存在故障单一，且广义节点区域电力系统故障，广义节点LOF 值大于整定值，那么就说明其属于电力系统故障。若广义节点值没有达到整定值，那么就说明其属于传感器故障，LOF 值的最大节点就是故障节点所在。

3 大数据视角下智能配电网状态监测和故障算法的验证

3.1 配网正常状态下的验证

从图1（a）中可以看出，每个节点都分别对应了空间中的某个点，其纵横坐标主要是表示每个点之间相对应的关系，空中每个点的间距主要是表示配电网中每个节点之间的相似性，当相似性越高时，节点在空间的间距就会越小。从图1（b）来看，LOF 的横坐标是1到17 的整数，1-16 表示的是配网中对应的节点，17 表示的是故障检验所需的广义节点，而纵向坐标表示的是LOF 值。节点1 到17具有高度相似的特点，当处于二维空间时，其对应点全部集中在坐标原点处的点区域，没有离群点，LOF 约等于1，表示配网中没有故障。

3.2 单相接地故障验证

图2（a）和（b）中，节点13、14、17 与其他节点远离，为离群点，这样在二维空间中的每个节点并非聚集在坐标原点处的点区域，在多维尺度降维中存在离群点往坐标原点的左侧偏离的情况，非离群点则往坐标原点的右侧偏离的情况，此时，节点13 和14、17的LOF均在96左右，根据故障判定依据，意味着配网有电力故障，故障点在节点13、14 所在区域，最后数据中心就会向测控一体化终端发送跳闸指令，将这一区域隔离，有效地满足故障处理的效果。

3.3 两相接地故障验证

图3（a）和（b）中，节点2、3、2、17 与其他节点远离，为离群点，LOF 在270 左右，根据故障判定依据，意味着配网有电力故障，故障点在节点2 和3 以及12 所在的区域，最后数据中心就会向测控一体化终端发送跳闸指令，将这一区域隔离，有效地满足故障处理的效果。

3.4 传感器失效

图4（a）和（b）中节点3、5 与其他节点远离，形成了离群点，但是17 与其他节点聚焦，根据故障判定依据，意味着配电网的传感器存在故障，故障在节点4 的位置，最后数据中心就会发出警告信息，确保每个节点所在的测控一体化终端可靠不动作，将这一区域隔离，有效地满足故障处理的效果。

4 结语

综上所述，本文严格按照网络关联矩阵与区域差分规则，对每个节点测控一体化终端采集电流、功率数据，并对其进行预处理。并基于时间、空间的视角，对预处理结果实施数据融合处理，得到高维时空状态下的监测矩阵。将得到的高维时空状态监测矩阵实施多维度降维，并检测局部异常因子，将每个节点中局部存在的异常因子进行计算。最终研究结果表明，本文所提出方法的科学性和可行性达到了测试和验证的预期。