(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202111454918.X (22)申请日 2021.12.02 (65)同一申请的已公布的文献号 申请公布号 CN 114065875 A (43)申请公布日 2022.02.18 (73)专利权人 山东石油化工学院 地址 257000 山东省东营市北二路271号 (72)发明人 杨扬　崔巍　刘道杰　 (74)专利代理 机构 东营辛丁知联专利代理事务 所(普通合伙) 37334 专利代理师 罗文远 (51)Int.Cl. G06K 9/62(2022.01) G06F 40/18(2020.01) G06F 16/2458(2019.01) G06Q 10/04(2012.01) G06Q 10/00(2012.01) G06Q 50/06(2012.01) G01R 31/08(2006.01)(56)对比文件 CN 106253486 A,2016.12.21 CN 110826740 A,2020.02.21 CN 103472351 A,2013.12.25 CN 107015123 A,2017.08.04 CN 105486917 A,2016.04.13 CN 112348697 A,2021.02.09 US 6718271 B1,20 04.04.06 IN 202041047385 A,2020.1 1.06 CN 103618383 A,2014.0 3.05 CN 106682818 A,2017.0 5.17 CN 113131515 A,2021.07.16 CN 107991525 A,2018.0 5.04 CN 110610212 A,2019.12.24 CN 104462779 A,2015.0 3.25 CN 104778550 A,2015.07.15 CN 108132425 A,2018.0 6.08 江秀臣 等.电力设备状态大 数据分析的研 究和应用. 《高电压技 术》 .2018,第4 4卷(第4期), (续) 审查员 黄文琪 (54)发明名称 基于大数据的电力电网故障识别系统 (57)摘要 本发明涉及电力电网技术领域中的一种基 于大数据的电力电网故障识别系统， 用于解决现 有的在电力电网的故障管控分析中， 往往仅通过 单一、 零散的数据进行故障识别， 且难以对电网 产生的故障进行快速准确的判断分析， 故电网故 障识别的方式存在较大的误差性和不准确性的 问题。 本发明包括数据采集单元、 初步故障识别 单元、 精细故障识别单元、 融合分析单元、 故障预 警单元和显示终端。 通过比对分析、 符号标定、 矩 阵输出以及公式化处理的方式对运行数据分别 进行表征分析挖掘和客观论证， 再将两者进行数 据整合分析， 从而在提高电力电网故障识别准确 性的同时， 也保障了电力电网运行的安全性。 [转续页] 权利要求书3页 说明书8页 附图1页 CN 114065875 B 2022.11.11 CN 114065875 B (56)对比文件 高森.大气环境下高压电网输电线路故障识 别方法. 《环境 技术》 .2021, 张宇翔.基 于多数据源融合的实时电网故障 分析与实现. 《自动化应用》 .2019, 杨扬.胜利油田1 10 kV输电线路在线监测系 统的研制与应用. 《电子设计 工程》 .2021,第2 9卷 (第1期), yang yang  .Researc h on Health Evaluati on and Operati on and Mai ntenance Decision of Intelligent Dist ribution Network Based o n Health I ndex Theory.《Researc h Square》 .2021, Jianping Wu 等.Sensors I nformati on Fusion System w ith Fault Detecti on Based on Multi- Manifold Regularizati on Neighborho od Preservi ng Embed ding. 《sensors》 .2019,第19卷(第6期), Zuoxun Wang 等.Fault Detecti on of the Power System Based o n the Chaotic Neural Network and Wavelet Transform. 《Complexity》 .2020, W.P.D.R. Perera 等.Fault Detecti on in Distributi on Lines Using Artificial Neural Networks. 《Researc hGate》 .2017,2/2 页 2[接上页] CN 114065875 B1.基于大数据的电力电网故障识别系统， 其特征在于， 包括数据采集单元、 初步故障识 别单元、 精细故障识别单 元、 融合分析 单元、 故障预警单 元和显示终端； 所述数据采集单元用于采集单位时间段的电力电网中所有配电线路的三相电压样本 值以及三相电流样本值， 并将其发送至初步故障识别单元； 以及用于实时采集电力电网中 所有配电线路的线损样本值， 并将其发送至精细故障识别单 元； 所述初步故障识别单元对接收的三相电压样本值和三相电流样本值进行矩阵故障分 析处理， 据此生 成表征正常信号、 表征异常信号和表征考量信号， 并将其 发送至融合分析单 元； 所述精细故障识别单元对接收的线损 样本值进行特征挖掘分析处理， 据此生成实质正 常信号和实质异常信号， 并将其发送至融合分析 单元； 所述融合分析单元用于对接收的电力电网中的表征类型信号数据和实质类型信号数 据进行数据价值分析 处理， 据此生 成安全稳定信号、 故障危险信号以及 摆动故障信号， 并将 其发送至故障预警单 元； 所述故障预警单元用于对接收的安全稳定信号、 故障危险信号以及摆动故障信号进行 预警反馈 分析处理， 据此生 成零级故障信号、 一级故障信号和二级故障信号， 并分别生 成对 应的文字样本发送至 显示终端 进行输出说明； 所述矩阵故障分析处 理的步骤如下： S1： 获取单位时间段的若干三相电压样本值Aij和若干三相电流样本值Bik的符号值G ‑1 或G‑2和H‑1或H‑2， 并将其进行Excel表格统计， 将三相电流符号值项设定为行， 将三相电压 符号值项设定为列， 且取符号 值G‑1或G‑2和H‑1或H‑2的样本个数量均不小于等于10 0个； S2： 将统计后的三相电流电压样本数据的Excel表格进行原始矩阵输出， 将样本数据的 Excel表格的行项和列项分别导入原始矩阵进行输出， 且原始矩阵中的行表示是三相电流 的故障状态情况， 列表示是三相电压的故障状态情况； S3： 将原始矩阵进行状态数据的转换， 若原始矩阵中的列和行交叉处的表现数值为0， 即H‑1∩G‑1＝0， 则表 示该时刻的三相电流和三相电压均为无故障状态； 若原始矩阵中的列 和行交叉处的表现数值为 1， 即H‑1∩G‑2＝1， 则表 示该时刻的三相电流为无故障状态， 且三 相电压为 故障状态； 若原始矩阵中的列和行 交叉处的表现数值为2， 即H ‑2∩G‑1＝2， 则表 示 该时刻的三相电流为故障状态， 且三相电压为无故障状态； 若原始矩阵中的列和行交叉处 的表现数值 为3， 即H‑2∩G‑2＝3， 则表示该时刻的三相电流与三相电压均为故障状态； S4： 对状态转换矩阵中的表现数值0、 1、 2、 3进行分别求和统计， 并将表现数值为0的求 和结果标定 为Gz1， 将表现数值为1的求和结果标定为Gz2， 将表现数值为2的求和结果 标定为 Gz3， 将表现数值为3的求和结果标定为Gz4， 若Gz1＞Gz2+Gz3+Gz4， 则输出表征正常信号， 若 Gz1＜Gz4， 则输出表征异常信号， 若Gz1＜Gz2+Gz3且Gz1＞Gz4， 则输出表征考 量信号。 2.根据权利要求1所述的基于大数据的电力电网故障识别系统， 其特征在于， 三相电压 样本值和三相电流样本值的采集过程如下： 三相电压样本值用于表示单位 时间段的各线路多个关键点的电压值， 通过采集单位 时 间段的三相电压样本值， 并将其标定为Aij， 其中， i＝{1,2,3...n}， j＝{1,2,3...m}， i表示 为线路个数， j 表示一条线路上的若干关键 点， 并将电压 值Aij代入额定电压阈值U额内进行比 对分析， 若电压值Aij处于额定电压阈值U额之内， 则表示电压运行正常， 若电压值Aij处于额权　利　要　求　书 1/3 页 2 CN 114065875 B 3