基于大数据分析的电网故障诊断及追踪方法研究

Traditionally, in power systems, the fault components are determined using only the fault information uploaded by the protection devices and circuit breakers. However, with the development of power information acquisition system and the perfection of the information integration platform in smart substation, many kinds of fault information will be uploaded once a fault occurs. These mass information, on the one hand, imposes great difficulties to the operators to recognize the condition of the power system, on the other hand, makes it a great challenge to manage and apply these fault information. In this project, a new power system fault diagnosis and fault trace method based on big data mining is proposed. It can extend the fault diagnosis data source to the substation layer. Different kinds of fault information is handled using the big data processing tool: Spark. In this way, it can efficiently solve the problem of information management. By analyzing the fault information using the data mining technology, it can not only determine the fault components, but also can give the reason of the fault by reversely trace the fault according to the operation of protective devices and circuit breakers. This can further optimize the fault diagnosis method. Compare with the present fault diagnosis method which determines the fault by using the fault information only comes from the accident level, the proposed method can not only make good use of the monitoring data from the substation but also can get the root of the matter of the fault.

传统的电网故障诊断方法仅通过保护及断路器报警信息确定故障元件。而随着电力信息采集系统以及智能变电站信息一体化平台的不断完善，各种可以被故障诊断及追踪所用的信息，例如GOOSE采样异常、保护装置告警、CT/PT线路出错、一次设备在线监测等信息都会被收集并上传。这些海量信息增加了调度人员对电网状态掌控的同时，也给目前的电力故障数据管理及应用提出了新的挑战。本课题提出了一种基于大数据挖掘的电网故障诊断及追踪方法，将故障诊断数据源延展至变电站层，利用Spark作为大数据处理工具对各类故障信息进行处理，有效的解决了海量监控数据的管理问题。通过数据挖掘技术对故障信息进行分析，找到故障元件的同时能够对保护或断路器的不正确动作进行反向追踪，给出故障原因，使电网故障诊断的功能得到进一步优化。相比于目前依靠事故级报警信息的电网故障诊断，本课题提出的方法能够有效利用变电站层的各级监控数据，对故障做到追本溯源。

传统的电网故障诊断方法仅通过保护及断路器报警信息确定故障元件。而随着电力信息采集系统以及智能变电站信息一体化平台的不断完善，各种可以被故障诊断及追踪所用的信息，例如GOOSE采样异常、保护装置告警、CT/PT线路出错、一次设备在线监测等信息都会被收集并上传。这些海量信息增加了调度人员对电网状态掌控的同时，也给目前的电力故障数据管理及应用提出了新的挑战。基于此，本课题研究提出了一种基于大数据技术的故障数据及诊断平台架构，给出了各模块的功能、模块之间协调配合的机制机理，并给出了相应的算法及实现方法。.（1）采用Apache Hadoop建立了大数据平台基础框架，在此基础上实现了故障监控数据的采集、存储与管理、发布与订阅、处理与分析的多层架构，完成了故障告警从收集获取、发送、存储和分析计算的基本功能，有效的解决了海量监控数据的管理问题。.（2）通过数据挖掘技术对故障信息进行分析，利用故障追踪方法对保护或断路器的不正确动作进行反向推理诊断，给出故障原因，使电网故障诊断的功能得到进一步优化。.（3）多数据源分布式收集与故障元件集中式诊断相结合的系统框架及诊断方法，可考虑三类数据（事故级信息、预告级信息和录波文件）传输的不同时性，将整个系统划分为实时处理系统、准实时处理系统和批处理系统三个子系统，并通过它们之间的配合完成故障诊断及追踪工作。相比于目前依靠事故级报警信息的电网故障诊断，本课题提出的方法能够有效利用变电站层的各级监控数据，对故障做到追本溯源。.（4）考虑系统特殊接线（3/2接线方式）及告警信息缺失情况的各种故障诊断新方法的提出，大大提高了故障诊断结果的可靠性，提升了故障诊断方法的适用性及诊断效率，为故障诊断方法的在线实现提供了技术支持。