一种电网智能报警方法

摘要

本发明公开了一种电网智能报警方法，在PMU布点优化的基础上，构造基于母线节点电压的电网观测器，使故障和节点电压对应起来，提出决策树和支持向量机协同的算法对电网故障进行报警；该方法采用决策树来减小分类组合数，并构造了分类性能值表征每一类的可分度；此外，引入PMU布点优化降低观测器的维数，从而大大提高了判别速度，满足故障报警的实时要求。

主权项

1.一种电网智能报警方法，其特征在于，包括以下步骤：(1)故障仿真及样本选择：对电网中可能发生的故障进行仿真，并记录故障发生时刻的节点电压向量，形成样本集之后采用PMU布点优化算法减小样本的维度，形成样本集T′；其中，y为故障类型，为故障y所对应的电压向量，l₁和l₂分别为故障y₁和y₂所对应的电压向量的个数；(2)训练样本集：采用支持向量机算法训练仿真得来的样本集，获取故障的判别模型函数根据几何关系把求解最优函数转换为如下问题：在该不等式约束条件下的二次优化问题存在唯一解为：$w_0=\underset{i=1}{\overset{l}{\Sigma }}{\alpha }_i^0{y}_i{x}_i,$式中，对所有为Langrange乘子，其中非零所对应的x_i为支持向量；其中为了提高模型的处理速度和正确率，通过比较类中心距$(d^R(c_{\Phi },c_{\Phi }^{\prime })=\sqrt{\left(\underset{i=1}{\overset{n_1}{\Sigma }}\underset{j=1}{\overset{n_2}{\Sigma }}K(x_i,x_j)\right)/n_1^2-2\left(\underset{i=1}{\overset{n_1}{\Sigma }}\underset{j=1}{\overset{n_2}{\Sigma }}K(x_i,x_j^{\prime })\right)/\left(n_1{n}_2\right)+\left(\underset{i=1}{\overset{n_2}{\Sigma }}\underset{j=1}{\overset{n_2}{\Sigma }}K(x_i^{\prime },x_j^{\prime })\right)/n_2^2})$的大小来排列故障的诊断顺序；其中，K(x_ix_j)为核函数，用于非线性样本的维度扩张；c′_Ф为某类故障，c_Ф为该类故障的样本中心；(3)EMS警报的预处理：按照警报的严重等级对其进行初步的筛选，留下有用的警报；其次按照警报的时间和拓扑特性对警报进行故障事件组合，获取故障发生的时间和节点电压u是电压幅值，v为电压相角；(4)警报生成：根据模型库，通过对故障时的节点电压比较来判断故障类型，生成警报提示给调度员。