一种基于时空相关性分析的配电网异常检测及定位方法

一种基于时空相关性分析的配电网异常
检测及定位方法
摘要：经济建设离不开电力的支撑，电力能源是国民经济健康稳定发展的重要保障。

对于电力企业来说，保证供电的稳定和安全，提高供电服务质量，是新形势下需要解决的首要问题。

由于配电网结构复杂，在实际运行中容易发生线路故障，影响供电企业的服务质量。

配电网是电力系统的重要组成部分，其运行状况直接关系到整个系统的安全。

配电网中的许多异常现象，如过电压、三相不平衡和过载，通常在发生后持续一段时间。

如果不能及时发现和定位，往往会造成严重的后果，如停电或系统崩溃。

然而，配电网异常通常具有复杂性、非线性和变异性的特点。

另外，配电网分支多，结构复杂。

传统的基于模型的异常检测和定位方法难以准确检测和定位这些异常。

关键词：时空相关性分析；配电网；异常检测；定位；方法
随着配电网在线监测设备的应用，可以获得大量的监测数据，其中包含了丰富的配电网运行状态信息。

为了充分挖掘数据中所包含的信息，人们使用了许多先进的数据分析技术来分析配电网的运行数据，如主成分分析、支持向量机、深度自编码、长短期记忆网络等，虽然它们都在不同程度上取得了一定的效果。

但是在配电网馈线异常情况的检测和定位，以及异常情况的处理效率方面还存在一些不足。

一、设计方法实现要素：
本设计方法涉及信息通信领域，公开了一种基于时空相关的传感器网络异常数据检测的设计方法，包括空间维度检测和时间维度检测，可实现无线传感器网络异常数据的检测和分类。

通过检测和分类结果，可以及时响应网络中发生的事件，同时可以通过发送恶意信息来处理恶意信息。

一个恶意节点的数据影响了基站的观测结果，从而降低了网络的可靠性，可以通过降低恶意节点在网络中的可
信度来阻止数据的转发。

当节点的声誉低到一定程度时，该节点将被拉入黑名单，不再接收其数据，从而屏蔽此类恶意节点，维护网络安全。

本设计方法的目的是，提供一种基于时空相关分析的配电网异常检测与定位方法，以解决上述问题。

本设计方法所解决的技术问题，可以采用以下方案来实现：
一种基于时空相关性分析的配电网异常检测及定位方法，包括如下步骤：
1)对于配网中每条馈线的在线监测三相电压数据，叠加形成时空数据矩阵；
2)对于每个采样时刻，获取对应时空数据窗口；
3)从1开始，逐渐去除数据中因子个数p，得到对应残差矩阵；
4)计算残差矩阵协方差矩阵经验谱分布，该计算过程中引入反应数据空间相
关性的因子个数p；
5)对于[0，1]内时间相关性系数b，计算残差协方差矩阵理论谱分布；
6)同时调节p和b，直到残差协方差矩阵的经验谱分布和理论谱分布距离最小。

二、有益效果：
本设计方法采用在配电网中每条主馈线安装有多个监测装置，通过这些监测
装置所收集到的数据形成了待分析的数据集。

就数据结构而言，数据间的空间相
关性和时间相关性包含了重要的馈线运行信息，即当馈线的运行状态发生改变时，数据的时空相关性会发生变化，从而可以通过分析数据的时空相关性来检测和定
位馈线运行异常。

本设计方法能够有效地检测和定位配网馈线异常情况，有效提
高了异常情况处理效率，为相关操作人员进行安全分析和控制策略提供支持。

附图说明：
图1 配电网主馈线拓扑示意图
三、具体实施方式：
为使本设计方法实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本设计方法。

参见图1，本设计方法所述的一种基于时空相关性分析的配电网异常检测及
定位方法，包括如下步骤：
1)对于配网中每条馈线的在线监测三相电压数据，叠加形成时空数据矩阵；
2) 对于每个采样时刻，获取对应时空数据窗口；
3) 从1开始，逐渐去除数据中因子个数p，得到对应残差矩阵；
4) 计算残差矩阵协方差矩阵经验谱分布，该计算过程中引入反应数据空间
相关性的因子个数p；
5)对于[0，1]内时间相关系数b，计算残差协方差矩阵理论谱分布；
6)同时调节p和b，直到残差协方差矩阵的经验谱分布和理论谱分布距离最小，p和b用来标识数据的行为。

7)配电网运行发生异常时，其时空相关性发生改变，即时空相关系数集(p，
b)发生改变，通过比较(p，b)与预先定义的阈值实现异常检测和定位。

四、具体方案如下：
(1)基于配电网主馈线在线监测数据时空矩阵形成
配电网主馈线拓扑结构示意图如图1所示。

配电网中，每条主馈线包含多个变电站和不同等级支线，在这些变电站和支线上安装有配电变压器，在配电变压器低压侧安装有监测装置。

通过这些监测装置，我们能够实时获取到三相电压、三相电流、功率等配网运行状态相关参数。

对于每个监测装置，选用三相电压作为测量量，然后将某条馈线上所有监测装置的三相电压测量量叠加在一起，形成一个时空数据集。

所形成的时空数据集包含了丰富的馈线运行状态信息。

(2)基于因子模型的时空数据分析
因子模型是分析高维数据时对数据降维并提取相关信息的重要数学工具。

对于所形成的大尺寸时空数据矩阵，我们采用移动窗口法对数据进行分析，即以固定大小的滑动窗口在所形成的数据上滑动。

对于每个数据窗口，用因子模型对数据进行建模，将数据分解为主成分和残差。

对于残差部分，作了以下两个假设：
1)残差矩阵数据之间的空间相关性可以通过去除主成分完全消除；
2)残差矩阵数据之间的时间相关性服从ar(1)模型，即ui,t＝bui,t-
1+εi,t，其中ui,t为当前时刻残差矩阵元素，ui,t-1为前一时刻对应元素，b 为时间相关性系数，εi,t为高斯噪音。

我们首先用ar(1)模型对残差矩阵进行建模，基于随机矩阵理论，计算出残差协方差矩阵极限谱分布，即矩阵维度趋于无穷时其特征值概率分布，该计算过程中引入反应数据时间相关性的相关系数b；同时，我们利用去除主成分方法得到实际残差矩阵，计算其经验谱分布，该计算过程中引入反应数据空间相关性的因子个数p。

通过最小化极限谱分布和经验谱分布之间的距离，我们可以获得最优时空相关性相关系数(p，b)估计值。

(3)数据时空相关性和配电网馈线运行状态关系分析
分析配电网馈线在不同运行状态时对应运行状态数据时空相关性。

采用ieee33-bus和57-bus进行仿真分析，通过模拟负荷突增和短路异常，观测在不同运行状态下时空相关性系数变化情况。

五、技术总结
社会化大规模生产的不断推进，增加了对电力能源的需求。

一方面，推动了
电力企业的改革，也增加了电力企业的经营压力。

对于电力企业来说，在新形势
下加强内部管理，做好配电网的线路检查和检测工作，提高服务质量，具有重要
的现实意义。

从目前配电网的运行状态来看，很多线路在长期高负荷运行状态下，很容易出现老化、性能下降，导致运行故障的发生，进而直接影响供电服务质量。

虽然，目前的配电网线路故障检测和定位方法很多，但在实际应用中，存在很多
不足之处。

由于配电网线路的多样性和复杂性，在具体定位方法的确定上还存在
不足，对小电流接地故障的检测和定位效果不是很理想。

对于技术研发人员来说，要不断改进和完善，创新定位检测技术，以便更好地应用于配电网线路故障定位，提高线路运行水平。

本设计方法公开了一种基于时空相关分析的配电网异常检测与定位方法，包
括以下步骤:1)对配电网中各馈线的三相电压数据进行在线监测，叠加形成时空
数据矩阵;2)对于每个采样时刻，获取对应的时空数据窗口;3)从1开始，逐步去
除数据中因子p的个数，得到相应的残差矩阵;4)计算残差矩阵协方差矩阵的经
验谱分布;5)对于[0,1]内的时间相关系数b，计算残差协方差矩阵的理论谱分
布;6)同时调整p和b，直到残差协方差矩阵的经验谱分布与理论谱分布的距离最小。

本设计方法可以有效检测和定位配电网馈线的异常情况，有效提高异常情况
的处理效率，为相关操作人员开展安全分析和控制策略提供支持。

参考文献：
[1]刘扬，王宁，王佰玲，辛国栋，宋佳，黄俊恒.一种基于时空相关性的传感器网络异常数据检测
的设计方法.2016-03-18.
[2]王红伟，刘晋武.10kV配电网中配电线路故障自动定位和隔离技术的应用分析[J].中国电业（技
术版），2015，02：14-16.。