基于广域录波数据和FCM聚类的电网故障诊断方法.PDFVIP

第３９卷 第６期 电 力 自 动 化 设 备 Ｖｏｌ．３９ Ｎｏ．６ ２０１９年６月 Ｅｌｅｃｔｒｉｃ Ｐｏｗｅｒ Ａｕｔｏｍａｔｉｏｎ Ｅｑｕｉｐｍｅｎｔ Ｊｕｎ． ２０１９ 　　 基于广域录波数据和ＦＣＭ聚类的电网故障诊断方法 何俊涛，车仁飞，孟庆萌，张　 昊 （山东大学 电网智能化调度与控制教育部重点实验室，山东 济南 ２５００６１） 摘要：断路器和保护设备存在误动和拒动的可能性，不正确的动作会引入错误的故障信息干扰电网故障诊 断。 针对上述问题提出了一种基于广域故障录波数据和模糊Ｃ均值（ＦＣＭ）聚类的电网故障诊断方法。 对母 线、输电线路和变压器这３种电网元件的故障录波数据进行挖掘分析，从中提取能够有效区分故障元件的特 征；建立基于模糊Ｃ均值聚类的电网故障元件诊断模型。 对故障后的元件进行聚类分析，并计算各元件的故 障可信度，最终确定故障元件。 新英格兰３９ 节点系统的仿真和实际算例表明所提方法能够快速准确定位故 障元件且不受故障类型和位置的影响。 关键词：电网故障诊断；广域故障录波；模糊Ｃ均值分析；小波分析；故障特征；故障可信度 － 中图分类号：ＴＭ７６１ 文献标志码：Ａ ＤＯＩ：１０．１６０８１／ ｊ．ｉｓｓｎ．１００６ ６０４７．２０１９．０６．０２６ ０　 引言 障诊断，从录波电气量数据中提取表征电网元件是 否故障的特征量，并结合模糊Ｃ均值（ＦＣＭ）聚类算 大电网互联提高了系统运行的稳定性，但是输 法将获得的广域元件特征进行融合处理，通过对元 电网络发生局部故障仍然不可避免。 在发生电网局 件的聚类分析计算各扰动元件的故障可信度，最终 部故障后进行故障元件的快速准确定位，能够帮助 实现电网故障诊断。 算例分析结果表明本文方法不 调度人员制定正确的调度策略，恢复电网运行。 近 受错误告警信息干扰，且能够快速确定电网故障 年来，国内外的专家学者在这一领域进行了大量的 元件。 研究，提出了许多故障诊断方法，包括专家系统 ［１］ ［２⁃３］ ［４⁃５］ ［６⁃７］ 法 、贝叶斯理论 、Ｐｅｔｒｉ 网 、神经网络法 、 １　 基于ＦＣＭ聚类的故障元件定位算法建模 ［８⁃９］ 解析模型 等。 所提方法大多利用保护系统和开 １．１　 ＦＣＭ聚类 关信息进行故障诊断，但在实际运行中，保护系统的 ＦＣＭ聚类是在分类数规定的情况下，根据特定 误动和拒动以及信息的传输错误会干扰诊断过程。 ［１６］ 的分类规则实现研究对象的最佳分类 。 对于一 为了减少错误告警信息对故障诊断的影响，文 ＝ 组数据Ｘ ｛ｘ ，ｘ ，…，ｘ ，…，ｘ ｝⊂Ｒ ，其包含Ｈ