基于典型電壓暫降波形匹配的電壓暫降原因識別方法
【專利摘要】本發(fā)明公開了一種基于典型電壓暫降波形匹配的電壓暫降原因識別方法，包括以下步驟，步驟（A），采集典型電壓暫降歷史事件的歷史監(jiān)測波形；步驟（B），建立形成典型電壓暫降事件波形庫；步驟（C），提取待識別的電壓暫降波形；步驟（D），對提取待識別的電壓暫降波形的波段與典型電壓暫降波形庫進行波形匹配分析；步驟（E），識別當前電壓暫降事件波形產(chǎn)生的原因。本發(fā)明在波形的層面上對電壓暫降進行匹配分析，更為基礎(chǔ)也更為準確，能夠快速準確的識別電壓暫降產(chǎn)生的原因，對于電壓暫降的預防和治理具有十分重要的參考價值，具有良好的應用前景。
【專利說明】
基于典型電壓暫降波形匹配的電壓暫降原因識別方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及一種基于典型電壓暫降波形匹配的電壓暫降原因識別方法，屬于電能 質(zhì)量分析技術(shù)領(lǐng)域。
【背景技術(shù)】
[0002] 電壓暫降，又稱為電壓驟降、電壓凹陷或電壓跌落，電壓暫降是供電電壓方均根值 在短時間內(nèi)突然下降后又迅速恢復到正常狀態(tài)的事件，一般典型時間為0.5~30個周波的 時間。
[0003] 隨著經(jīng)濟的快速發(fā)展，敏感電力電子設(shè)備在工業(yè)中的廣泛應用，電壓暫降造成的 損失也顯著增多。根據(jù)國外某電力公司的調(diào)查，關(guān)于電壓暫降的投訴占電能質(zhì)量投訴的 80%，電壓暫降已經(jīng)成為最重要的電能質(zhì)量問題。
[0004]引起電壓暫降的主要原因分為三大類，分別為：電力系統(tǒng)短路故障、感應電機啟 動、變壓器投運，其中，電力系統(tǒng)短路故障又根據(jù)實際情況分為四種，分別為單相接地短路 故障、相間短路故障、兩相接地短路故障以及三相接地短路故障，其中不同原因引起的電壓 暫降有不同的特征，在電壓暫降幅值、持續(xù)時間、電壓變化趨勢、相位跳變以及三相暫降不 平衡度等有著很大的差異。如何根據(jù)不同暫降原因引起的電壓暫降特征的不同識別電壓暫 降產(chǎn)生原因，對于電壓暫降的預防和治理措施的制定具有十分重要的意義，同時也是協(xié)調(diào) 用戶和電力企業(yè)之間糾紛的重要依據(jù)。
[0005] 目前，對電壓暫降原因的識別已經(jīng)有了一定的研究，常見的電壓暫降原因識別方 法主要有以下兩步：首先提取電壓暫降的主要特征量如電壓暫降幅值、持續(xù)時間、相位跳 變、三相不平衡度、下降斜率以及上升斜率等，然后通過將這些主要特征量與典型常見類型 的電壓暫降特征量進行相似度的分析來進行電壓暫降原因的識別。目前，各個方法的區(qū)別 主要存在于電壓暫降特征量的提取以及與典型事件波形的相似度分析上，其中，電壓暫降 特征量的提取方法主要有傅立葉變換、S變換、小波變換等方法，匹配識別的方法主要包括 神經(jīng)網(wǎng)絡(luò)、模糊推理、支持向量機、ID3算法等。然而，上述方法中，對于電壓暫降特征量的提 取，一般提取的特征量不超過10個，并且一些在實際情況中較為重要的特征量不能被很好 的發(fā)掘出來，從而影響識別結(jié)果的準確性;而采用模糊推理等方法需要設(shè)定一定的閾值，在 實際情況中，電力系統(tǒng)的短路容量、變壓器的接線方式以及負荷類型等都會在一定程度上 影響電壓暫降的特征，因此，很難確定固定的閾值使得識別結(jié)果十分準確;而且，神經(jīng)網(wǎng)絡(luò) 需要大量的訓練樣本，而在實際中實測數(shù)據(jù)不夠豐富，從而影響神經(jīng)網(wǎng)絡(luò)方法的應用。

【發(fā)明內(nèi)容】

[0006] 本發(fā)明的目的是為了克服現(xiàn)有技術(shù)中對電壓暫降原因識別方法的不足。本發(fā)明提 供的基于典型電壓暫降波形匹配的電壓暫降原因識別方法，建立典型電壓暫降事件波形 庫，在波形的層面上對電壓暫降進行匹配分析，更為基礎(chǔ)也更為準確，能夠快速準確的識別 電壓暫降產(chǎn)生的原因，對于電壓暫降的預防和治理具有十分重要的參考價值，具有良好的 應用前景。
[0007] 為了達到上述目的，本發(fā)明所采用的技術(shù)方案是：
[0008] 基于典型電壓暫降波形匹配的電壓暫降原因識別方法，其特征在于:包括以下步 驟，
[0009] 步驟(A)，采集典型電壓暫降歷史事件的歷史監(jiān)測波形
[0010]通過暫降錄波儀采集典型電壓暫降歷史事件的歷史監(jiān)測波形，并提取歷史監(jiān)測波 形所對應的電壓暫降產(chǎn)生原因；
[0011] 步驟(B)，建立形成典型電壓暫降事件波形庫
[0012] 將步驟(A)中采集到的歷史監(jiān)測波形和對應的電壓暫降產(chǎn)生原因，保存到典型電 壓暫降事件波形庫中，建立電壓暫降波形特征量和產(chǎn)生原因的對應關(guān)系表，形成典型電壓 暫降事件波形庫；
[0013] 步驟(C)，提取待識別的電壓暫降波形
[0014] 將采集檢測到的當前電壓暫降事件波形作為測試波形；
[0015] 步驟(D)，對提取待識別的電壓暫降波形的波段與典型電壓暫降波形庫進行波形 匹配分析
[0016] 基于動態(tài)彎曲距離相似度算法，對步驟(C)中提取待識別的電壓暫降波形與典型 電壓暫降波形庫中的典型電壓暫降事件波形進行逐一匹配分析，得到一組匹配度系數(shù)；
[0017] 步驟(E)，識別當前電壓暫降事件波形產(chǎn)生的原因
[0018] 對步驟(D)中得到的匹配度系數(shù)按大小進行排序，選取匹配度最大的典型電壓暫 降事件波形作為最佳的匹配波形，提取典型電壓暫降事件波形對應的電壓暫降所產(chǎn)生的原 因，為當前電壓暫降事件波形產(chǎn)生原因的識別結(jié)果。
[0019] 前述的基于典型電壓暫降波形匹配的電壓暫降原因識別方法，其特征在于：步驟 (A)提取歷史監(jiān)測波形所對應的電壓暫降產(chǎn)生原因，包括以下6種原因：三相短路故障、單相 接地故障、兩相接地故障、相間短路故障、感應電機啟動、變壓器投運。
[0020] 前述的基于典型電壓暫降波形匹配的電壓暫降原因識別方法，其特征在于：步驟 (A)為保證所采集到的典型電壓暫降歷史事件的歷史監(jiān)測波形具有典型性，每種典型電壓 暫降歷史事件至少采集10個波形，并選取其中最為典型的波形作為歷史監(jiān)測波形，選取過 程，包括以下步驟，
[0021] (A1)計算某一電壓暫降產(chǎn)生的原因所有電壓暫降波形典型特征量Χ= {χι，Χ2，Χ3, X4,X5,X6,X7}，其中，XI~X7為列向量，每個列向量表示電壓暫降產(chǎn)生的原因中所有電壓暫降 波形7個典型特征量之一，包括電壓暫降平均幅值、最小幅值、持續(xù)時間、電壓下降斜率、電 壓恢復斜率、電壓相角跳變、三相幅值不平衡度，每個向量的維數(shù)表示該產(chǎn)生原因?qū)碾?壓暫降中所采集到的波形個數(shù)；
[0022] (A2)求取所有波形的每個特征值平均值$，得到向
[0023] (A3)逐一計算所有波形的典型特征量向量與平均值向量的歐氏距離；
[0024] (A4)取所有波形中的歐氏距離最小值，并提取歐氏距離最小值對應的波形為最為 典型的波形。
[0025]前述的基于典型電壓暫降波形匹配的電壓暫降原因識別方法，其特征在于：步驟 (C)，提取待識別的電壓暫降波形，包括以下步驟，
[0026] (Cl)在檢測到原因未明的當前電壓暫降事件并且計劃對該電壓暫降進行電壓暫 降原因識別時，記錄該電壓暫降事件發(fā)生時的三相波形；
[0027] (C2)提取三相波形其中發(fā)生電壓暫降的部分波段，作為待識別的電壓暫降波形。
[0028] 前述的基于典型電壓暫降波形匹配的電壓暫降原因識別方法，其特征在于：步驟 (D)，基于動態(tài)彎曲距離相似度算法，對步驟(C)中提取待識別的電壓暫降波形與典型電壓 暫降波形庫中的典型電壓暫降事件波形進行逐一匹配分析，得到一組匹配度系數(shù)，包括以 下步驟，
[0029] (D1)設(shè)置典型電壓暫降事件波形的時間窗長度為Du個周波，提取各典型電壓暫降 事件波形每個時間窗的特征量，形成每個典型電壓暫降事件波形的時間序列形特征量集合 盡=憶，4稱為樣本波形時間序列特征量集合，其中，i = 1，2，…，6，表示典型電壓 暫降事件波形庫中共有6種典型波形，nu為第i種典型電壓暫降事件波形總的時間窗個數(shù)， rlk為第i個典型電壓暫降事件波形第k個時間窗的特征量，1?=1，2，···，ΠΗ，特征量rlk為以下6 個量:最大值、最小值、平均值、方差、峰度和偏度；
[0030] (D2)設(shè)置待識別的電壓暫降波形的時間窗口長度為D2個周波，提取待識別的電壓 暫降波形的每個時間窗的特征量，形成每個測試電壓暫降波形時間序列特征量集合T = {^山，…，^}，稱為測試波形時間序列特征量集合，其中，η為總的時間窗個數(shù)，^為測試電 壓暫降波形第Ν個時間窗的特征量，N=l，2, ···，!!，特征量tn為以下6個量:最大值、最小值、 平均值、方差、峰度和偏度；
[0031] (D3)基于動態(tài)彎曲距離相似度算法，分別計算每個典型電壓暫降事件的樣本波形 時間序列特征量集合心與測試波形時間序列特征量集合T的相似度，得到一組匹配度系數(shù)。 [0032]前述的基于典型電壓暫降波形匹配的電壓暫降原因識別方法，其特征在于：（D3) 基于動態(tài)彎曲距離相似度算法，分別計算每個典型電壓暫降事件的樣本波形時間序列特征 量集合h與測試波形時間序列特征量集合T的相似度，得到一組匹配度系數(shù)，包括以下步 驟，
[0033] (1)取兩數(shù)據(jù)維數(shù)分別為η和nu的時間序列T '和Ri '，即T ' = (t，t2，…，tn)T，Ri ' = ^，^，…，^，，其中"定義為測試時間序列幾'定義為樣本時間序列；
[0034] (2)將時間序列T '和Ri '按照相應的時間序列的位置排序，構(gòu)造時間序列距離矩陣 AnXmi，如公式（12)所示，
[0035]
C12) 1 λ 仏內(nèi)，q / … 認、1n"mr，
[0036] 其中，AnXmi中元f
表示時間序列點tp和rq之間的歐氏距 離；
[0037] (3)對于時間序列距離矩陣4">^，將每一組相鄰元素組成的集合成為彎曲路徑W = (?1，《2，一，呢），彎曲路徑1中的第8'個元素 1，= (&[^，，且此路徑滿足如下條件，&)有界性： max{mi，n} <S<mi+n_l ;b)臨界條件：wi = aii，ws = anmi; c)連續(xù)性與單調(diào)性：對于ws，= "<1)5，，其鄰接元素 1，-1 = "，(1，）5，-1下標滿足0彡？-?/彡1，0彡(1-(1 /彡1;?、(1分別為彎曲路 徑1的％，在距離矩陣AnXmi中對應元素的行下標和列下標;p '、q'分別為彎曲路徑W的Ws，^在 距離矩陣4">^中對應元素的行下標和列下標；
[0038] (4)計算時間序列T '和Ri '的最小彎曲路徑0DTW，如公式(13)所示，
[0039]
(13)
[0040] 其中，口 = 1，2,3，~，11;9=1，2,3，>"，111；[;厶中彎曲路徑最小累加值為0(11，111；0 ;0(口， q)表示距離矩陣元素 aPq與其前段的彎曲路徑部分長度最小累計值之和； <>表示該位置的 P或q為取范圍內(nèi)的任意值；
[0041] (5)根據(jù)（1)-(4)分別計算每個典型電壓暫降事件的樣本波形時間序列特征量集 合心與測試波形時間序列特征量集合的最小彎曲距離^(η,ΠΗ);
[0042] (6)將最小彎曲距離01(11，1111)根據(jù)公式（14)進行變換，表示時間序列Τ'和 Ri '之間的變換相似度，取值范圍為[0，100 % ]，其取值越大說明最小彎曲距離Di (η，nu)越 小，時間序列Τ'和t之間的相似度越大，即ΜΤ,?ω為得到的一組匹配度系數(shù)；
[0043]
<14)〇
[0044] 本發(fā)明的有益效果是:本發(fā)明的基于典型電壓暫降波形匹配的電壓暫降原因識別 方法，建立典型電壓暫降事件波形庫，在波形的層面上對電壓暫降進行匹配分析，更為基礎(chǔ) 也更為準確，能夠快速準確的識別電壓暫降產(chǎn)生的原因，對于電壓暫降的預防和治理具有 十分重要的參考價值，并具有以下特點，
[0045] (1)有利于提高電壓暫降產(chǎn)生原因識別的準確性，從波形層面上對電壓暫降進行 匹配分析，避免了電壓暫降典型特征量提取遺漏等問題；
[0046] (2)簡化匹配分析的不確定程度，相比于其它人工智能算法，本方法無需使用大量 的樣本，無需為各個特征量進行閾值的選取等，降低了人為因素造成的判斷失誤；
[0047] (3)有利于提高電壓暫降產(chǎn)生原因的識別速度，本方法中的計算主要產(chǎn)生在波形 時間窗特征量以及動態(tài)彎曲距離的計算過程中，相比于人工智能算法，大大提升了計算速 度，有利于電壓暫降產(chǎn)生原因識別速度的提高。
【附圖說明】
[0048] 圖1是本發(fā)明的基于典型電壓暫降波形匹配的電壓暫降原因識別方法的流程圖。
[0049] 圖2為本發(fā)明進行動態(tài)彎曲距離計算的路徑示意圖。
【具體實施方式】
[0050] 下面將結(jié)合說明書附圖，對本發(fā)明做進一步說明。以下實施例僅用于更加清楚地 說明本發(fā)明的技術(shù)方案，而不能以此來限制本發(fā)明的保護范圍。
[0051] 如圖1所示，本發(fā)明的基于典型電壓暫降波形匹配的電壓暫降原因識別方法，包括 以下步驟，
[0052] 步驟(A)，采集典型電壓暫降歷史事件的歷史監(jiān)測波形
[0053] 通過暫降錄波儀采集典型電壓暫降歷史事件的歷史監(jiān)測波形，并提取歷史監(jiān)測波 形所對應的電壓暫降產(chǎn)生原因，電壓暫降產(chǎn)生原因，包括以下6種原因：三相短路故障、單相 接地故障、兩相接地故障、相間短路故障、感應電機啟動、變壓器投運。為保證所采集到的典 型電壓暫降歷史事件的歷史監(jiān)測波形具有典型性，每種典型電壓暫降歷史事件至少采集10 個波形，，選取過程，包括以下步驟，
[0054] (A1)計算某一電壓暫降產(chǎn)生的原因所有電壓暫降波形典型特征量Χ= {χι，Χ2，Χ3, X4,X5,X6,X7}，其中，XI~X7為列向量，每個列向量表示電壓暫降產(chǎn)生的原因中所有電壓暫降 波形7個典型特征量之一，包括電壓暫降平均幅值、最小幅值、持續(xù)時間、電壓下降斜率、電 壓恢復斜率、電壓相角跳變、三相幅值不平衡度，每個向量的維數(shù)表示該產(chǎn)生原因?qū)碾?壓暫降中所采集到的波形個數(shù)；
[0055] (A2)求取所有波形的每個特征值平均值ζ，得到向j
[0056] (A3)逐一計算所有波形的典型特征量向量與平均值向量的歐氏距離；
[0057] (A4)取所有波形中的歐氏距離最小值，并提取歐氏距離最小值對應的波形為最為 典型的波形；
[0058] 詳細的具體過程為，
[0059] (1)以第P個波形為例，各個特征量的計算方法分別為，
[0060] 電壓暫降平均幅值:設(shè)電壓暫降從發(fā)生到結(jié)束共有Μ個周波，UPQ表示第P個暫降波 形中的第Q個周波幅值，在電壓暫降發(fā)生時刻Q=l，在電壓暫降結(jié)束時刻Q = M，電壓暫降平 均幅值Upave3表示為：
[0061] ⑴
[0062] 電壓暫降最小幅值:電壓暫降Μ個周波中，最小的周波幅值UPmin表示為：
[0063] Upmin=min(UpQ) (2)
[0064] 其中，Q=1，2，."，M;
[0065] 電壓暫降持續(xù)時間：設(shè)電壓暫降開始時間為tPs，暫降結(jié)束時間為tPe，電壓暫降持 續(xù)時間tpdur可表示為：
[0066] tpdur=tPe-tPs (3)
[0067] 電壓下降斜率:電壓從開始出現(xiàn)下降到電壓降到最低值的平均斜率1^_可以表示 為：
[0068] kpdown= ( 1-Upmin)/ | tPmin-tPs (4)
[0069] 其中，tPmin表示電壓暫降幅值達到最小的時間；
[0070] 電壓上升斜率：電壓從電壓達到最小值恢復到正常電壓水平的的平均斜率1^~可 以表示為：
[0071 ] kpup = ( 1-Upmin) / | tPmin-tPe (5)
[0072]電壓相角跳變:電壓暫降前電壓過零點相位角為吟，電壓暫降過程中電壓過零點 相位角為，則電壓相角跳變?yōu)椋?br>[0073]
(6)
[0074]三相幅值不平衡度：系統(tǒng)發(fā)生電壓暫降之后，三相電壓暫降情況在很大一部分情 況下不盡相同，三相幅值不平衡度υΡε可以表示為：
[0075]
(7)
[0076] 其中，UpA、UpB、UpC分別為tmin時刻A、B、C三相基波電壓幅值，max(UpA、UpB、Upc)為Upa、 Upb、Upc中的最大值，min ( Upa、Upb、Upc)為Upa、Upb、Upc中的最小值，Upn為電壓標稱值；
[0077] (2)求取所有波形某個特征值的平均值?；，可以表示為：
[0078] (8)
[0079]興十，J = i，z，···，?，衣小電壓暫降波形的7個典型特征量，Q表示該類電壓暫降共 采集到Q個電壓波形，J = l，2,…，Q;
[0080] 分別計算每個特征量的平均值，得到向量V4,.V、,.Y(,、X7)
[0081] (3)逐一計算9個波形的典型特征量向量幻=(111412 0113，1114 4115，1116 4117)與平均 值向量.v = (\ .Vp , .V,, Λ·4, , .Y(、, Λ·- j 的歐氏距離，
[0082]
(9)
[0083] 其中，J = 1，2，-_，Q，表示該類電壓暫降共采集到Q個電壓波形；
[0084] (4)取Q個波形中的歐氏距離最小值，并提取相應的波形作為最為典型的電壓暫降 事件波形；
[0085] 步驟(B)，建立形成典型電壓暫降事件波形庫
[0086] 將步驟(A)中采集到的歷史監(jiān)測波形和對應的電壓暫降產(chǎn)生原因，保存到典型電 壓暫降事件波形庫中，建立電壓暫降波形特征量和產(chǎn)生原因的對應關(guān)系表，形成典型電壓 暫降事件波形庫；
[0087] 步驟(C)，提取待識別的電壓暫降波形
[0088] 將采集檢測到的當前電壓暫降事件波形作為測試波形，包括以下步驟，
[0089] (C1)在檢測到原因未明的當前電壓暫降事件并且計劃對該電壓暫降進行電壓暫 降原因識別時，記錄該電壓暫降事件發(fā)生時的三相波形；
[0090] (C2)提取三相波形其中發(fā)生電壓暫降的部分波段，作為待識別的電壓暫降波形；
[0091] 步驟(D)，對提取待識別的電壓暫降波形的波段與典型電壓暫降波形庫進行波形 匹配分析
[0092] 基于動態(tài)彎曲距離相似度算法，對步驟(C)中提取待識別的電壓暫降波形與典型 電壓暫降波形庫中的典型電壓暫降事件波形進行逐一匹配分析，得到一組匹配度系數(shù)，包 括以下步驟，
[0093] (D1)設(shè)置典型電壓暫降事件波形的時間窗長度為Du個周波，提取各典型電壓暫降 事件波形每個時間窗的特征量，形成每個典型電壓暫降事件波形的時間序列形特征量集合 民#】1，心，一，4,}，稱為樣本波形時間序列特征量集合，其中，1 = 1，2，~，6，表示典型電壓 暫降事件波形庫中共有6種典型波形，nu為第i種典型電壓暫降事件波形總的時間窗個數(shù)， rlk為第i個典型電壓暫降事件波形第k個時間窗的特征量，1?=1，2，···，ΠΗ，特征量rlk為以下6 個量:最大值、最小值、平均值、方差、峰度和偏度；
[0094] (D2)設(shè)置待識別的電壓暫降波形的時間窗口長度為D2個周波，提取待識別的電壓 暫降波形的每個時間窗的特征量，形成每個測試電壓暫降波形時間序列特征量集合T = {^山，…，^}，稱為測試波形時間序列特征量集合，其中，η為總的時間窗個數(shù)，^為測試電 壓暫降波形第Ν個時間窗的特征量，N=l，2, ···，!!，特征量tn為以下6個量:最大值、最小值、 平均值、方差、峰度和偏度，
[0095] (D1)和(D2)中時間序列特征量集合的具體計算方法如下：
[0096] (1)確定滑動窗口的長度L;
[0097] (2)滑動窗口從該天第一個周波開始，每滑動一次，窗口就向后移動一個周波，例 如對于第v個窗口wv={x(k):k = v-L+l，v-L+2, . . .，v}，分別計算該窗口的最大值、最小值、 平均值、方差、偏度和峰度。其中偏度和峰度的具體計算方法如下：
[0098]偏度有多種定義，正態(tài)分布以及所有對稱分布的偏度都為0,并且廣泛采用的計算 公式為：
[0099]
(.10).
[0100] 其中μ為變量X的平均值，yi為第i階中心矩，E( ·)為期望。
[0101] 峰度是描述所有取值分布形態(tài)陡緩程度的統(tǒng)計量，正態(tài)分布的峰值為3,如果某分 布比正態(tài)分布更為陡峭，則峰值大于3，峰度的計算公式為：
[0102]
(11)
[0103] (3)重復(2)步，滑動到下一個窗口，計算該窗口的特征量集合，這樣就得到所有窗 口的特征量集合；
[0104] (D3)基于動態(tài)彎曲距離相似度算法，分別計算每個典型電壓暫降事件的樣本波形 時間序列特征量集合心與測試波形時間序列特征量集合T的相似度，如圖2所示，得到一組 匹配度系數(shù)，包括以下步驟，
[0105] (1)取兩數(shù)據(jù)維數(shù)分別為η和nu的時間序列T'和Ri '，即T' = (，t2，…，tn)T，Ri ' = ^，^，…，^，，其中"定義為測試時間序列幾'定義為樣本時間序列；
[0106] (2)將時間序列T '和Ri '按照相應的時間序列的位置排序，構(gòu)造時間序列距離矩陣 AnXmi，如公式（12)所示，
[0107]
(1.2) 其中，AnXmi中元壽
，表示時間序列點tP和rq之間的歐氏距離；
[0108] (3)對于時間序列距離矩陣4">^，將每一組相鄰元素組成的集合成為彎曲路徑W = (?1，《2，一，呢），彎曲路徑1中的第8'個元素1，= (&[^，，且此路徑滿足如下條件，&)有界性： max{mi，n} <S<mi+n_l ;b)臨界條件：wi = aii，ws = anmi; c)連續(xù)性與單調(diào)性：對于ws，= "<1)5，，其鄰接元素1，- 1 = "，(1，）5，-1下標滿足0彡？-?/彡1，0彡(1-(1 /彡1，？、(1分別為彎曲路 徑1的％，在距離矩陣AnXmi中對應元素的行下標和列下標;p '、q'分別為彎曲路徑W的ws，^在 距離矩陣4">^中對應元素的行下標和列下標。
[0109] (4)計算時間序列T '和Ri '的最小彎曲路徑0DTW，如公式(13)所示，
[0110]
(1.3.)
[0111 ]其中，p = l，2,3,…，n;q=l，2,3，···，mi ;A中彎曲路徑最小累加值為D(n，mi) ;D(p, q)表示距離矩陣元素 aPq與其前段的彎曲路徑部分長度最小累計值之和； <>表示該位置的 P或q為取范圍內(nèi)的任意值；
[0112] (5)根據(jù)（1)-(4)分別計算每個典型電壓暫降事件的樣本波形時間序列特征量集 合心與測試波形時間序列特征量集合的最小彎曲距離^(η,ΠΗ);
[0113] (6)將最小彎曲距離01(11，1111)根據(jù)公式（14)進行變換，表示時間序列Τ'和 Ri '之間的變換相似度，取值范圍為[0，100 % ]，其取值越大說明最小彎曲距離Di (η，nu)越 小，時間序列Τ'和t之間的相似度越大，即ΜΤ,?ω為得到的一組匹配度系數(shù)；
[0114]
(14);
[0115] 步驟(E)，識別當前電壓暫降事件波形產(chǎn)生的原因
[0116] 對步驟(D)中得到的匹配度系數(shù)按大小進行排序，選取匹配度最大的典型電壓暫 降事件波形作為最佳的匹配波形，提取典型電壓暫降事件波形對應的電壓暫降所產(chǎn)生的原 因，為當前電壓暫降事件波形產(chǎn)生原因的識別結(jié)果。
[0117] 綜上所述，本發(fā)明的基于典型電壓暫降波形匹配的電壓暫降原因識別方法，建立 典型電壓暫降事件波形庫，在波形的層面上對電壓暫降進行匹配分析，更為基礎(chǔ)也更為準 確，能夠快速準確的識別電壓暫降產(chǎn)生的原因，對于電壓暫降的預防和治理具有十分重要 的參考價值，并具有以下特點，
[0118] (1)有利于提高電壓暫降產(chǎn)生原因識別的準確性，從波形層面上對電壓暫降進行 匹配分析，避免了電壓暫降典型特征量提取遺漏等問題；
[0119] (2)簡化匹配分析的不確定程度，相比于其它人工智能算法，本方法無需使用大量 的樣本，無需為各個特征量進行閾值的選取等，降低了人為因素造成的判斷失誤；
[0120] (3)有利于提高電壓暫降產(chǎn)生原因的識別速度，本方法中的計算主要產(chǎn)生在波形 時間窗特征量以及動態(tài)彎曲距離的計算過程中，相比于人工智能算法，大大提升了計算速 度，有利于電壓暫降產(chǎn)生原因識別速度的提高。
[0121]以上顯示和描述了本發(fā)明的基本原理、主要特征及優(yōu)點。本行業(yè)的技術(shù)人員應該 了解，本發(fā)明不受上述實施例的限制，上述實施例和說明書中描述的只是說明本發(fā)明的原 理，在不脫離本發(fā)明精神和范圍的前提下，本發(fā)明還會有各種變化和改進，這些變化和改進 都落入要求保護的本發(fā)明范圍內(nèi)。本發(fā)明要求保護范圍由所附的權(quán)利要求書及其等效物界 定。
【主權(quán)項】
1. 基于典型電壓暫降波形匹配的電壓暫降原因識別方法，其特征在于:包括W下步驟， 步驟(A)，采集典型電壓暫降歷史事件的歷史監(jiān)測波形 通過暫降錄波儀采集典型電壓暫降歷史事件的歷史監(jiān)測波形，并提取歷史監(jiān)測波形所 對應的電壓暫降產(chǎn)生原因； 步驟(B)，建立形成典型電壓暫降事件波形庫 將步驟(A)中采集到的歷史監(jiān)測波形和對應的電壓暫降產(chǎn)生原因，保存到典型電壓暫 降事件波形庫中，建立電壓暫降波形特征量和產(chǎn)生原因的對應關(guān)系表，形成典型電壓暫降 事件波形庫； 步驟(C)，提取待識別的電壓暫降波形 將采集檢測到的當前電壓暫降事件波形作為測試波形； 步驟(D)，對提取待識別的電壓暫降波形的波段與典型電壓暫降波形庫進行波形匹配 分析 基于動態(tài)彎曲距離相似度算法，對步驟(C)中提取待識別的電壓暫降波形與典型電壓 暫降波形庫中的典型電壓暫降事件波形進行逐一匹配分析，得到一組匹配度系數(shù)； 步驟巧），識別當前電壓暫降事件波形產(chǎn)生的原因 對步驟(D)中得到的匹配度系數(shù)按大小進行排序，選取匹配度最大的典型電壓暫降事 件波形作為最佳的匹配波形，提取典型電壓暫降事件波形對應的電壓暫降所產(chǎn)生的原因， 為當前電壓暫降事件波形產(chǎn)生原因的識別結(jié)果。2. 根據(jù)權(quán)利要求1所述的基于典型電壓暫降波形匹配的電壓暫降原因識別方法，其特 征在于:步驟(A)提取歷史監(jiān)測波形所對應的電壓暫降產(chǎn)生原因，包括W下6種原因相短 路故障、單相接地故障、兩相接地故障、相間短路故障、感應電機啟動、變壓器投運。3. 根據(jù)權(quán)利要求1所述的基于典型電壓暫降波形匹配的電壓暫降原因識別方法，其特 征在于:步驟(Α)為保證所采集到的典型電壓暫降歷史事件的歷史監(jiān)測波形具有典型性，每 種典型電壓暫降歷史事件至少采集10個波形，并選取其中最為典型的波形作為歷史監(jiān)測波 形，選取過程，包括W下步驟， (Α1)計算某一電壓暫降產(chǎn)生的原因所有電壓暫降波形典型特征量Χ={Χ1，Χ2，Χ3，Χ4，Χ5， Χ6，Χ7}，其中，XI~Χ7為列向量，每個列向量表示電壓暫降產(chǎn)生的原因中所有電壓暫降波形7 個典型特征量之一，包括電壓暫降平均幅值、最小幅值、持續(xù)時間、電壓下降斜率、電壓恢復 斜率、電壓相角跳變、Ξ相幅值不平衡度，每個向量的維數(shù)表示該產(chǎn)生原因?qū)碾妷簳航?中所采集到的波形個數(shù)； (Α2)求取所有波形的每個特征值平均值^，得到向量(A3)逐一計算所有波形的典型特征量向量與平均值向量的歐氏距離； (Α4)取所有波形中的歐氏距離最小值，并提取歐氏距離最小值對應的波形為最為典型 的波形。4. 根據(jù)權(quán)利要求1所述的基于典型電壓暫降波形匹配的電壓暫降原因識別方法，其特 征在于:步驟(C)，提取待識別的電壓暫降波形，包括W下步驟， (C1)在檢測到原因未明的當前電壓暫降事件并且計劃對該電壓暫降進行電壓暫降原 因識別時，記錄該電壓暫降事件發(fā)生時的Ξ相波形； (C2)提取Ξ相波形其中發(fā)生電壓暫降的部分波段，作為待識別的電壓暫降波形。5. 根據(jù)權(quán)利要求1所述的基于典型電壓暫降波形匹配的電壓暫降原因識別方法，其特 征在于:步驟(D)，基于動態(tài)彎曲距離相似度算法，對步驟(C)中提取待識別的電壓暫降波形 與典型電壓暫降波形庫中的典型電壓暫降事件波形進行逐一匹配分析，得到一組匹配度系 數(shù)，包括W下步驟， (D1)設(shè)置典型電壓暫降事件波形的時間窗長度為化1個周波，提取各典型電壓暫降事件 波形每個時間窗的特征量，形成每個典型電壓暫降事件波形的時間序列形特征量集合 巧=財，。稱為樣本波形時間序列特征量集合，其中，i = l，2，···，6,表示典型電壓 暫降事件波形庫中共有6種典型波形，mi為第i種典型電壓暫降事件波形總的時間窗個數(shù)， rik為第i個典型電壓暫降事件波形第k個時間窗的特征量，4=1，2，···，πη，特征量rik為W下6 個量:最大值、最小值、平均值、方差、峰度和偏度； (D2)設(shè)置待識別的電壓暫降波形的時間窗口長度為化個周波，提取待識別的電壓暫降 波形的每個時間窗的特征量，形成每個測試電壓暫降波形時間序列特征量集合T={ti， t2，…，tn}，稱為測試波形時間序列特征量集合，其中，η為總的時間窗個數(shù)，tn為測試電壓暫 降波形第N個時間窗的特征量，N=l，2, ···，!!，特征量tn為W下6個量:最大值、最小值、平均 值、方差、峰度和偏度； (D3)基于動態(tài)彎曲距離相似度算法，分別計算每個典型電壓暫降事件的樣本波形時間 序列特征量集合Ri與測試波形時間序列特征量集合T的相似度，得到一組匹配度系數(shù)。6. 根據(jù)權(quán)利要求5所述的基于典型電壓暫降波形匹配的電壓暫降原因識別方法，其特 征在于：（D3)基于動態(tài)彎曲距離相似度算法，分別計算每個典型電壓暫降事件的樣本波形 時間序列特征量集合Ri與測試波形時間序列特征量集合T的相似度，得到一組匹配度系數(shù)， 包括W下步驟， (1) 取兩數(shù)據(jù)維數(shù)分別為η和ΠΗ的時間序列Τ'和R'l，即T' = (ti，t2，-，，tn)T，R'i=(ri, Γ2,…，m)T，其中Τ'定義為測試時間序列，R'l定義為樣本時間序列； (2) 將時間序列Τ'和R'l按照相應的時間序列的位置排序，構(gòu)造時間序列距離矩陣AnXmi， 如公式(12)所示，(12) 其中，Anxmi中元I，表示時間序列點tp和。之間的歐氏距離； (3) 對于時間序列距離矩陣AnXmi，將每一組相鄰元素組成的集合成為彎曲路徑W=(W1， W2,…，WS)，彎曲路徑W中的第S'個元素 Ws' = (apq)s'，且此路徑滿足如下條件，a)有界性:max {111；[,]1}《5《1111+]1-1;13)臨界條件:訊1 =曰11，訊5 =曰。111。(3)連續(xù)性與單調(diào)性:對于訊3' =(曰。。)3'， 其鄰接元素巧3'-1=(日。'9'）3'-1下標滿足0《9-9/《1，0《9-9/《1;9、9分別為彎曲路徑胖的訊3， 在距離矩陣Anxmi中對應元素的行下標和列下標;P'、q'分別為彎曲路徑W的Ws'-l在距離矩陣 AnXmi中對應元素的行下標和列下標； (4) 計算時間序列τ'和R'i的最小彎曲路徑θ〇?，如公式（13)所示，其中，p = l，2,3,…，n;q=l，2,3,…，mi ;A中彎曲路徑最小累加值為D(n,mi) ;D(p,q)表 示距離矩陣元素 apq與其前段的彎曲路徑部分長度最小累計值之和； <>表示該位置的P或q 為取范圍內(nèi)的任意值； (5) 根據(jù)(1)-(4)分別計算每個典型電壓暫降事件的樣本波形時間序列特征量集合Ri與 測試波形時間序列特征量集合的最小彎曲距離化(η, mO; (6) 將最小彎曲距離化(η, mO根據(jù)公式（14)進行變換，s(T，Ri)表示時間序列Τ'和Ri'之 間的變換相似度，取值范圍為[0，100 % ]，其取值越大說明最小彎曲距離化(η，mi)越小，時間 序列Τ'和Ri'之間的相似度越大，即s(T，Ri)為得到的一組匹配度系數(shù)；
【文檔編號】G06Q50/06GK105976266SQ201610324282
【公開日】2016年9月28日
【申請日】2016年5月16日
【發(fā)明人】陳兵, 顧偉, 史明明, 羅珊珊, 王旭沖, 儲佳偉, 邱海峰, 呂振華
【申請人】國網(wǎng)江蘇省電力公司電力科學研究院, 國家電網(wǎng)公司, 東南大學