本發(fā)明涉及狀態(tài)檢測(cè)，尤其涉及一種用于配電網(wǎng)合環(huán)的檢測(cè)系統(tǒng)及方法。

背景技術(shù)：

1、狀態(tài)檢測(cè)技術(shù)領(lǐng)域主要涉及對(duì)設(shè)備、系統(tǒng)或網(wǎng)絡(luò)的工作狀態(tài)進(jìn)行監(jiān)控和分析，其核心在于通過實(shí)時(shí)或定期的監(jiān)測(cè)，確保系統(tǒng)的穩(wěn)定性和安全性，并避免由于設(shè)備故障或異常操作帶來的損失。

2、用于配電網(wǎng)合環(huán)的檢測(cè)系統(tǒng)主要目的是通過檢測(cè)配電網(wǎng)中的電流、電壓、相位角等參數(shù)，判斷合環(huán)操作是否正常，確保配電網(wǎng)在合環(huán)操作時(shí)的安全和可靠性，旨在防止由于合環(huán)操作不當(dāng)而導(dǎo)致的電力系統(tǒng)故障，保證配電網(wǎng)的正常運(yùn)行。

3、傳統(tǒng)系統(tǒng)依賴于簡(jiǎn)單的靜態(tài)監(jiān)測(cè)手段，難以實(shí)時(shí)捕捉配電網(wǎng)中的動(dòng)態(tài)變化，在處理復(fù)雜波動(dòng)和突發(fā)故障時(shí)，響應(yīng)速度和準(zhǔn)確性均有限，傳統(tǒng)系統(tǒng)在狀態(tài)轉(zhuǎn)換分析方面依賴于預(yù)設(shè)的經(jīng)驗(yàn)?zāi)Ｐ?，缺乏?duì)異常狀態(tài)的深度分析，容易導(dǎo)致潛在故障的漏檢或誤檢，分布式處理能力的缺乏，導(dǎo)致在復(fù)雜網(wǎng)絡(luò)中風(fēng)險(xiǎn)識(shí)別能力不足，配電網(wǎng)在合環(huán)操作過程中面臨較大的故障風(fēng)險(xiǎn)，可能引發(fā)系統(tǒng)不穩(wěn)定甚至停電等嚴(yán)重后果。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的是解決現(xiàn)有技術(shù)中存在的缺點(diǎn)，而提出的一種用于配電網(wǎng)合環(huán)的檢測(cè)系統(tǒng)及方法。

2、為了實(shí)現(xiàn)上述目的，本發(fā)明采用了如下技術(shù)方案：一種用于配電網(wǎng)合環(huán)的檢測(cè)系統(tǒng)包括：

3、時(shí)序監(jiān)測(cè)模塊：基于電氣狀態(tài)參數(shù)，采用自回歸積分滑動(dòng)平均模型，實(shí)時(shí)采集變化率，通過對(duì)比波動(dòng)幅度，提取異常波動(dòng)特征，計(jì)算波動(dòng)差異，生成動(dòng)態(tài)波動(dòng)檢測(cè)結(jié)果；

4、隱狀態(tài)分析模塊：基于動(dòng)態(tài)波動(dòng)檢測(cè)結(jié)果，分析狀態(tài)轉(zhuǎn)換路徑，識(shí)別異常狀態(tài)，通過對(duì)比轉(zhuǎn)換頻率和穩(wěn)定性，判定故障顯著性，生成隱性異常狀態(tài)識(shí)別結(jié)果；

5、數(shù)據(jù)壓縮模塊：基于隱性異常狀態(tài)識(shí)別結(jié)果，壓縮多維電氣參數(shù)，提取關(guān)鍵影響因素，計(jì)算相關(guān)性，簡(jiǎn)化冗余特性，匹配歷史運(yùn)行特征，生成壓縮特征數(shù)據(jù)；

6、分布式處理模塊：基于壓縮特征數(shù)據(jù)，分配至計(jì)算節(jié)點(diǎn)，采用梯度提升樹分析節(jié)點(diǎn)間安全系數(shù)，判斷局部安全性，識(shí)別局部風(fēng)險(xiǎn)，生成局部風(fēng)險(xiǎn)識(shí)別結(jié)果；

7、異常響應(yīng)模塊：基于局部風(fēng)險(xiǎn)識(shí)別結(jié)果和隱性異常狀態(tài)識(shí)別結(jié)果，分析聯(lián)動(dòng)效應(yīng)，判定連鎖反應(yīng)，計(jì)算不穩(wěn)定因素，調(diào)用應(yīng)急機(jī)制，生成連鎖風(fēng)險(xiǎn)預(yù)警；

8、故障預(yù)測(cè)模塊：基于連鎖風(fēng)險(xiǎn)預(yù)警和壓縮特征數(shù)據(jù)，分析故障概率和影響范圍，識(shí)別故障模式，判斷潛在故障點(diǎn)，生成故障預(yù)測(cè)模型。

9、作為本發(fā)明的進(jìn)一步方案，所述時(shí)序監(jiān)測(cè)模塊包括參數(shù)采集子模塊、波動(dòng)分析子模塊、差異計(jì)算子模塊，其中：

10、參數(shù)采集子模塊：基于電氣狀態(tài)參數(shù)，采用自回歸積分滑動(dòng)平均模型，進(jìn)行各參數(shù)的實(shí)時(shí)變化率采集，通過監(jiān)控時(shí)間段內(nèi)的連續(xù)數(shù)據(jù)，識(shí)別每個(gè)參數(shù)在不同時(shí)刻的具體變化，整合所有采集到的變化率數(shù)據(jù)，生成實(shí)時(shí)變化數(shù)據(jù)；

11、波動(dòng)分析子模塊：基于所述實(shí)時(shí)變化數(shù)據(jù)，進(jìn)行各參數(shù)在不同時(shí)間段的波動(dòng)幅度計(jì)算，通過分析每個(gè)時(shí)間段內(nèi)參數(shù)的波動(dòng)程度，識(shí)別出與正常波動(dòng)不同的特征，提取與異常波動(dòng)相關(guān)的特征集，生成異常波動(dòng)特征集；

12、差異計(jì)算子模塊：基于所述異常波動(dòng)特征集，進(jìn)行關(guān)鍵電氣參數(shù)之間的差異計(jì)算，通過對(duì)各參數(shù)之間的差異數(shù)據(jù)進(jìn)行分類和標(biāo)記，歸納差異特征，得到各類參數(shù)的波動(dòng)差異，生成動(dòng)態(tài)波動(dòng)檢測(cè)結(jié)果。

13、作為本發(fā)明的進(jìn)一步方案，所述自回歸積分滑動(dòng)平均模型，按照公式：

14、

15、其中：yt為時(shí)間點(diǎn)t處的電氣狀態(tài)參數(shù)的實(shí)時(shí)變化率，δ為常數(shù)項(xiàng)，φ1為自回歸系數(shù)，θ1為移動(dòng)平均系數(shù)，t為時(shí)間點(diǎn)t處的隨機(jī)誤差，β1為權(quán)重系數(shù)，γ1為權(quán)重系數(shù)，zt為當(dāng)前時(shí)間點(diǎn)t的環(huán)境溫度參數(shù)。

16、作為本發(fā)明的進(jìn)一步方案，所述隱狀態(tài)分析模塊包括路徑分析子模塊、轉(zhuǎn)換識(shí)別子模塊、故障判定子模塊，其中：

17、路徑分析子模塊：基于所述動(dòng)態(tài)波動(dòng)檢測(cè)結(jié)果，進(jìn)行電氣參數(shù)的狀態(tài)轉(zhuǎn)換路徑分析，通過跟蹤各狀態(tài)在不同時(shí)間段的轉(zhuǎn)換順序，識(shí)別各路徑的轉(zhuǎn)換模式，確定狀態(tài)轉(zhuǎn)換的具體路徑和序列，生成狀態(tài)轉(zhuǎn)換路徑圖；

18、轉(zhuǎn)換識(shí)別子模塊：基于所述狀態(tài)轉(zhuǎn)換路徑圖，進(jìn)行各路徑中狀態(tài)轉(zhuǎn)換的識(shí)別，通過逐一分析每條路徑上的轉(zhuǎn)換頻率和穩(wěn)定性，確定各路徑上異常的轉(zhuǎn)換點(diǎn)，并將其分類標(biāo)記，生成異常轉(zhuǎn)換狀態(tài)集；

19、故障判定子模塊：基于所述異常轉(zhuǎn)換狀態(tài)集，進(jìn)行故障顯著性的判定，通過比對(duì)異常狀態(tài)與歷史故障數(shù)據(jù)，識(shí)別可能引發(fā)故障的特征，確定潛在的故障類型，生成隱性異常狀態(tài)識(shí)別結(jié)果。

20、作為本發(fā)明的進(jìn)一步方案，所述數(shù)據(jù)壓縮模塊包括多維參數(shù)篩選子模塊、關(guān)鍵因素提取子模塊、歷史匹配子模塊，其中：

21、多維參數(shù)篩選子模塊：基于所述隱性異常狀態(tài)識(shí)別結(jié)果，進(jìn)行多維電氣參數(shù)的篩選，通過分析各參數(shù)的變化幅度，選擇變化明顯的參數(shù)，并進(jìn)行分類和排序，生成篩選參數(shù)集合；

22、關(guān)鍵因素提取子模塊：基于所述篩選參數(shù)集合，進(jìn)行關(guān)鍵影響因素的提取，通過對(duì)比各參數(shù)在不同狀態(tài)下的變化規(guī)律，并提取關(guān)鍵因素，同時(shí)進(jìn)行標(biāo)記和歸納，生成關(guān)鍵影響因素集；

23、歷史匹配子模塊：基于所述關(guān)鍵影響因素集，進(jìn)行與歷史運(yùn)行數(shù)據(jù)的匹配，通過逐項(xiàng)對(duì)比當(dāng)前數(shù)據(jù)與歷史數(shù)據(jù)的變化特征，歸納當(dāng)前運(yùn)行狀態(tài)的特征，簡(jiǎn)化冗余信息，生成壓縮特征數(shù)據(jù)。

24、作為本發(fā)明的進(jìn)一步方案，所述分布式處理模塊包括數(shù)據(jù)分配子模塊、節(jié)點(diǎn)安全分析子模塊、局部風(fēng)險(xiǎn)識(shí)別子模塊，其中：

25、數(shù)據(jù)分配子模塊：基于所述壓縮特征數(shù)據(jù)，進(jìn)行數(shù)據(jù)在各計(jì)算節(jié)點(diǎn)間的分配，通過評(píng)估各節(jié)點(diǎn)的計(jì)算能力，合理分配數(shù)據(jù)流量，確保各節(jié)點(diǎn)能處理相應(yīng)的數(shù)據(jù)量，生成節(jié)點(diǎn)數(shù)據(jù)分布圖；

26、節(jié)點(diǎn)安全分析子模塊：基于所述節(jié)點(diǎn)數(shù)據(jù)分布圖，采用梯度提升樹，進(jìn)行各節(jié)點(diǎn)安全系數(shù)的分析，通過逐一評(píng)估各節(jié)點(diǎn)的運(yùn)行狀態(tài)，對(duì)比安全系數(shù)標(biāo)準(zhǔn)，判斷節(jié)點(diǎn)運(yùn)行的安全性，生成節(jié)點(diǎn)安全分析結(jié)果；

27、局部風(fēng)險(xiǎn)識(shí)別子模塊：基于所述節(jié)點(diǎn)安全分析結(jié)果，進(jìn)行局部風(fēng)險(xiǎn)的識(shí)別，通過分析各節(jié)點(diǎn)間的風(fēng)險(xiǎn)分布，判斷是否存在局部風(fēng)險(xiǎn)，并將風(fēng)險(xiǎn)區(qū)域進(jìn)行標(biāo)識(shí)，生成局部風(fēng)險(xiǎn)識(shí)別結(jié)果。

28、作為本發(fā)明的進(jìn)一步方案，所述梯度提升樹，按照公式：

29、

30、其中：m為迭代次數(shù)，γm表示第m輪迭代中的最佳系數(shù)，hm(x)為基于節(jié)點(diǎn)數(shù)據(jù)分布圖的弱分類器結(jié)果，α為節(jié)點(diǎn)響應(yīng)時(shí)間的權(quán)重系數(shù)，r為節(jié)點(diǎn)的平均響應(yīng)時(shí)間，β為節(jié)點(diǎn)負(fù)載的權(quán)重系數(shù)，v為節(jié)點(diǎn)的當(dāng)前負(fù)載，λ為網(wǎng)絡(luò)延遲的權(quán)重系數(shù)，u為節(jié)點(diǎn)的網(wǎng)絡(luò)延遲值，δ為節(jié)點(diǎn)環(huán)境溫度的權(quán)重系數(shù)，t為節(jié)點(diǎn)所在環(huán)境的溫度值。

31、作為本發(fā)明的進(jìn)一步方案，所述異常響應(yīng)模塊包括聯(lián)動(dòng)效應(yīng)分析子模塊、連鎖反應(yīng)判定子模塊、應(yīng)急機(jī)制調(diào)用子模塊，其中：

32、聯(lián)動(dòng)效應(yīng)分析子模塊：基于所述局部風(fēng)險(xiǎn)識(shí)別結(jié)果和所述隱性異常狀態(tài)識(shí)別結(jié)果，分析各風(fēng)險(xiǎn)點(diǎn)的關(guān)聯(lián)數(shù)據(jù)，識(shí)別風(fēng)險(xiǎn)點(diǎn)間的聯(lián)動(dòng)關(guān)系，比對(duì)每個(gè)風(fēng)險(xiǎn)點(diǎn)的相互影響程度，并進(jìn)行聯(lián)動(dòng)路徑標(biāo)記，生成聯(lián)動(dòng)效應(yīng)結(jié)果；

33、連鎖反應(yīng)判定子模塊：基于所述聯(lián)動(dòng)效應(yīng)結(jié)果，通過逐項(xiàng)分析風(fēng)險(xiǎn)點(diǎn)的傳導(dǎo)機(jī)制，識(shí)別各風(fēng)險(xiǎn)點(diǎn)的連鎖反應(yīng)，并分析傳導(dǎo)路徑的有效性，生成連鎖反應(yīng)判定結(jié)果；

34、應(yīng)急機(jī)制調(diào)用子模塊：基于所述連鎖反應(yīng)判定結(jié)果，通過啟動(dòng)應(yīng)急響應(yīng)機(jī)制，進(jìn)行相應(yīng)的應(yīng)急措施部署，逐一激活必要的應(yīng)急處理流程，確保每個(gè)風(fēng)險(xiǎn)點(diǎn)得到控制和管理，生成連鎖風(fēng)險(xiǎn)預(yù)警。

35、作為本發(fā)明的進(jìn)一步方案，所述故障預(yù)測(cè)模塊包括故障概率分析子模塊、故障模式識(shí)別子模塊、故障點(diǎn)判定子模塊，其中：

36、故障概率分析子模塊：基于所述連鎖風(fēng)險(xiǎn)預(yù)警和所述壓縮特征數(shù)據(jù)，通過對(duì)比歷史故障數(shù)據(jù)，逐一分析當(dāng)前數(shù)據(jù)與歷史數(shù)據(jù)的差異，計(jì)算故障發(fā)生的概率，生成故障概率結(jié)果；

37、故障模式識(shí)別子模塊：基于所述故障概率結(jié)果，匹配歷史故障模式，分析當(dāng)前數(shù)據(jù)與已識(shí)別故障模式的對(duì)應(yīng)關(guān)系，并進(jìn)行識(shí)別，生成故障模式結(jié)果；

38、故障點(diǎn)判定子模塊：基于所述故障模式結(jié)果，通過對(duì)各潛在故障點(diǎn)的特征逐一進(jìn)行分析，并判定影響范圍和嚴(yán)重程度，同時(shí)進(jìn)行故障點(diǎn)標(biāo)記，生成故障預(yù)測(cè)模型。

39、一種用于配電網(wǎng)合環(huán)的檢測(cè)方法，所述用于配電網(wǎng)合環(huán)的檢測(cè)方法基于上述用于配電網(wǎng)合環(huán)的檢測(cè)系統(tǒng)執(zhí)行，包括以下步驟：

40、步驟一：基于電氣狀態(tài)參數(shù)，提取各參數(shù)的時(shí)間序列，通過連續(xù)的時(shí)間點(diǎn)數(shù)據(jù)，逐一計(jì)算參數(shù)的實(shí)時(shí)變化率，將所有變化率數(shù)據(jù)進(jìn)行整合與歸納，生成實(shí)時(shí)變化率數(shù)據(jù)集；

41、步驟二：基于所述實(shí)時(shí)變化率數(shù)據(jù)集，計(jì)算各時(shí)間段內(nèi)的參數(shù)波動(dòng)幅度，分析參數(shù)波動(dòng)之間的差異，通過分類和標(biāo)記提取出異常波動(dòng)特征，生成異常波動(dòng)特征集；

42、步驟三：基于所述異常波動(dòng)特征集，逐一對(duì)電氣參數(shù)的狀態(tài)轉(zhuǎn)換路徑進(jìn)行分析，識(shí)別轉(zhuǎn)換頻率與穩(wěn)定性，提取異常狀態(tài)轉(zhuǎn)換路徑并分類標(biāo)記，生成異常轉(zhuǎn)換狀態(tài)集；

43、步驟四：基于所述異常轉(zhuǎn)換狀態(tài)集，篩選多維電氣參數(shù)中的關(guān)鍵因素，逐項(xiàng)比對(duì)各參數(shù)在不同狀態(tài)下的變化，并提取關(guān)鍵因素，歸納運(yùn)行特征，生成關(guān)鍵影響因素集；

44、步驟五：基于所述關(guān)鍵影響因素集，逐一評(píng)估風(fēng)險(xiǎn)，分析各風(fēng)險(xiǎn)點(diǎn)的傳導(dǎo)路徑，判斷風(fēng)險(xiǎn)傳導(dǎo)的有效性，并對(duì)連鎖故障進(jìn)行判定，生成連鎖故障風(fēng)險(xiǎn)預(yù)警。

45、與現(xiàn)有技術(shù)相比，本發(fā)明的優(yōu)點(diǎn)和積極效果在于：

46、本發(fā)明中，通過自回歸積分滑動(dòng)平均模型，通過實(shí)時(shí)采集和處理電氣狀態(tài)參數(shù)的變化率，生成動(dòng)態(tài)波動(dòng)檢測(cè)結(jié)果，有效識(shí)別和提取異常波動(dòng)特征，使系統(tǒng)能夠精確監(jiān)控配電網(wǎng)的運(yùn)行狀態(tài)，減少誤判和漏判的可能性，采用梯度提升樹算法對(duì)壓縮特征數(shù)據(jù)進(jìn)行處理，能夠高效準(zhǔn)確地判斷局部系統(tǒng)的安全性，并識(shí)別局部風(fēng)險(xiǎn)，更好地識(shí)別、預(yù)測(cè)和處理配電網(wǎng)中的異常和故障，從而提升了配電網(wǎng)合環(huán)操作的安全性和可靠性。