(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111622400.2 (22)申请日 2021.12.28 (71)申请人 国网辽宁省电力有限公司 地址 110004 辽宁省沈阳市和平区宁波路 18号 申请人 国网电力科 学研究院有限公司 　 哈尔滨工业大 学　 中国电力科 学研究院有限公司 　 国家电网有限公司 　 国网辽宁省电力有限公司电力科 学 研究院 (72)发明人 唐俊刺　皮俊波　余建明　单连飞　 陈刚　王明凯　高梓济　唐井峰　 王超　崔岱　李铁　姜枫　姜狄　 史东宇　李正文　孙文涛　张津辉　 苑经纬　胡博　许静　胡锦景　吕旭明　丛培贤　张宏宇　许小鹏　 王爱华　高凯　葛延峰　刘淼　 何晓洋　李桐　孙茜　王琛　周志　 韩秋　蔡壮　李佳泽　 (74)专利代理 机构 武汉开元知识产权代理有限 公司 42104 专利代理师 李满 (51)Int.Cl. G06K 9/62(2022.01) G06V 10/46(2022.01) G06V 10/774(2022.01) G06V 10/764(2022.01) G06F 16/2458(2019.01) H02J 3/00(2006.01) H02J 13/00(2006.01) (54)发明名称 一种基于潮流指纹图谱的电网强关联故障 分析系统及方法 (57)摘要 本发明公开了一种基于潮流指纹图谱的强 关联故障分析系统及方法， 将故障潮流指纹图谱 作为模型的输入， 该故障潮流指纹图谱对应的电 网故障作为输出， 通过大量样本对模型进行训 练， 生成电网故障诊断SVM分类器； 同时， 周期获 取电网断面数据， 对比相邻周期电网断面数据并 生成潮流指纹图谱， 将潮流指纹图谱输入电网故 障诊断SVM分类器， 判断是否存在设备故障的诊 断结果， 若诊断结果是电网存在故障， 则发布电 网强关联告警。 相较传统告警基于电网模型和运 行机理， 本方法主要依赖遥信变位及遥测变化的 方式更加快速， 且不依赖单一信号而导致漏告或 误告， 与传统告警结果有机结合， 提升告警准确 率。 权利要求书2页 说明书5页 附图1页 CN 114548209 A 2022.05.27 CN 114548209 A 1.一种基于潮流指纹图谱的强关联故障分析系统， 其特征在于： 它包括故障诊断模型 生成模块(1)、 电网强关联故障感知模块(2)； 所述故障诊断模型生成模块(1)用于生成强关联设备故障样本集， 并形成与强关联设 备故障样本集对应的故障潮流指纹图谱， 将故障潮流指纹图谱作为基础的SVM分类器的输 入， 该故障潮流指纹图谱对应的电网故障作为基础的SVM 分类器的输出， 通过强关联设备故 障样本集对基础的SVM分类 器进行训练， 生成电网故障诊断SVM分类 器； 所述电网强关联故障感知模块(2)用于获取电网断面数据， 对比相邻周期电网断面数 据并生成对应的潮流指纹图谱， 将潮流指纹图谱输入所述故障诊断模型生成模块(1)生成 的电网故障诊断SVM 分类器， 判断是否存在设备故障的诊断结果， 若诊断结果是电网存在故 障， 则发布电网强关联告警。 2.基于权利要求1所述的一种基于潮流指纹图谱的强关联故障分析系统， 其特征在于： 所述故障诊断模型生成模块(1)包括 自适应故障事件集建模模块(11)、 故 障潮流指纹 图谱 绘制模块(12)和故障诊断模型训练模块(13)； 所述自适应故障事件集建模模块(11)基于D5000平台的在线安全分析模块， 采用离线 仿真和在线安全分析计算方式进行强关联设备N ‑2、 N‑3计算， 生成强关联设备故障样本集； 所述故障潮流指纹图谱绘制模块(12)用于生成电网故障潮流指纹图谱， 其具体实现方 法包括模型图构建和图元着色； 所述模型图构建是以不同图元代表不同类型设备， 形成以 图元形式构成的电网模型； 所述图元着色是仿真强关联设备故障， 根据潮流变化的大小对 图元进行着色， 将电网潮流变化抽象成易于 机器学习的故障潮流指纹图谱； 所述诊断模型训练模块(13)利用图像特征SIFT提取算法提取所述故障潮流指纹图谱 的SIFT图谱特征， 将所述故障潮流指纹图谱的SIFT图谱特征作为训练电网故障诊断SVM分 类器的输入， 所述潮流指纹图谱对应的电网故障作为输出， 通过所述自适应故障事件集建 模模块(11)生成的强关联设备故障样本集对电网故障诊断SVM分类器基础模型进行训练， 生成适用于电网故障诊断的电网故障诊断SVM分类 器。 3.基于权利要求2所述的一种基于潮流指纹图谱的强关联故障分析系统， 其特征在于： 所述自适应故障事 件集建模 模块(11)中的强关联设备故障样本集的生成方法为： 模拟多种电网运行状态， 仿真某设备故障， 记录故障前后电网所有一 次设备有功变化， 形成与该故障对应的特征值， 仿 真所有强关联设备在不同电网运行状态下的N ‑2、 N‑3故障； 同时， 收集实际工作中的经验形成故障事 件集； 所述电网运行状态包括最大运行方式、 最小运行方式、 峰谷不同时刻负荷变化和网架 拓扑变化的电网状态。 4.基于权利要求2所述的一种基于潮流指纹图谱的强关联故障分析系统， 其特征在于： 所述故障潮流指纹图谱绘制模块(12)中的模型图构建的具体实现方法为： 首先， 以不同图元代表不同类型设备， 以五角形代表线路、 圆形代表负荷、 菱形代表主 变、 正方形代表机组； 其次， 对图形化转换后的所有设备进行矩阵式布局， 将某一厂站内所 有设备以图元形式排成一行； 从左到右设备类型依次为线路、 负荷、 主变、 机组， 每种类型的 设备从左到右按电压等级由高到低排序； 统计各厂站每类设备数量， 以单个厂站所属设备 数量最大值作为该类设备的列数； 所有 厂站多行排列， 形成以图元 形式构成的电网模型。 5.基于权利要求1所述的一种基于潮流指纹图谱的强关联故障分析系统， 其特征在于，权　利　要　求　书 1/2 页 2 CN 114548209 A 2它还包括电网事 件告警信息归并整理模块(3)； 所述电网事件告警信息归并整理模块(3)用于基于所述电网强关联故障感知模块(2) 发布的电网强关联告警作为触发， 汇总电网频率、 断面潮流越限、 线路跳闸和机组跳闸信 息， 归并作为强关联告警的关联详细信息 。 6.基于权利要求5所述的一种基于潮流指纹图谱的强关联故障分析系统， 其特 征在于： 所述电网事件告警信息归并整理模块(3)包括多渠道数据接入模块、 故障信息整合模 块和多屏联动及可视化大屏推送展示模块； 所述多渠道数据接入模块采用多种数据接入方式使用多线程处理技术接入多种渠道 的数据； 所述多种渠道的数据包括 故障时间、 故障设备电压等级及所属厂站、 断面遥测有功 值以及故障前后电网运行关键信息； 所述故障前后电网运行关键信息包括电网频率、 动态 ACE和关键断面监视； 所述故障信息整合模块对所述多种渠道的数据进行故障信息整合以 及筛选过滤， 并抽取与故障相关的有效数据； 所述多屏联动及可视化大屏推送展示模块针 对所述电网强关联故障感知模块(2)发布的电网强关联告警信息中的强关联故障时间点为 中心， 收集汇总所述故障信息整合模块抽取 的有效数据， 向故障影响范围内的调度机构进 行推送。 7.基于权利要求6所述的一种基于潮流指纹图谱的强关联故障分析系统， 其特 征在于： 所述多种数据接入方式为文件交互、 消息总 线、 实时库读取和广域事件服务； 采用文件 交互数据接入方式的数据包括雷电、 山火和气象信息， 采用消息总线数据接入方式的数据 包括保护数据和WAMS数据， 采用实时库读取数据接入方式的数据包括 故障设备相关量测数 据。 8.基于权利要求6所述的一种基于潮流指纹图谱的强关联故障分析系统， 其特 征在于： 所述故障信息整合是将基本故障信息、 重要断面信息、 自定义监视对象多形式的故障 信息整合。 9.一种基于潮流指纹图谱的强关联故障分析 方法， 其特 征在于： 它包括如下步骤： 步骤1， 采用故障诊断模型生成模块(1)生成强关联设备故障样本集， 并形成与强关联 设备故障样本集对应的故障潮流指纹图谱； 步骤2， 故障诊断模型生成模块(1)利用人工智能算法构建故障诊断SVM分类器， 将步骤 1生成的故障潮流指纹图谱作为基础的SVM 分类器的输入， 该故障潮流指纹图谱对应的电网 故障作为基础的SVM 分类器的输出， 通过强关联设备故障样 本集对基础的SVM分类器进 行训 练， 生成电网故障诊断SVM分类 器； 步骤3， 电网强关联故障感知模块(2)获取电网断面数据， 对比相邻周期电网断面数据 并生成对应的潮流指纹图谱， 将潮流指纹 图谱输入步骤2生成的电网故障诊断SVM分类器， 判断是否存在设备故障的诊断结果， 若 诊断结果是电网存在故障， 则发布电网强关联告警。权　利　要　求　书 2/2 页 3 CN 114548209 A 3