10kv线路的N-1校验方法、系统、终端及存储介质

技术领域

本发明属于供电技术领域，具体涉及一种10kv线路的N-1校验方法、系统、终端及存储介质。

背景技术

10kv以上电压的输电线路是输电配电网络中的重要成员，其稳定性对输送电的质量至关重要。现有的稳定性检测方法常用到N-1校验方法，n-1原则，又称为单一故障安全检验法则，它是从电网安全运行的角度提出的一项技术要求。正常运行方式下的电力系统中任一元件（如线路、发电机、变压器、直流单极等）无故障或因故障断开，电力系统应能保持稳定运行和正常供电，其他元件不过负荷，电压和频率均在允许范围内。

现有的N-1校验方法，都是建立电网拓扑后，随机选择一条线路作为故障线路进行故障模拟，遍历所有线路后，得到最终的校验结果。这种方式无法完全还原真实的故障场景，得到的校验结果与实际故障场景下的稳定性并不十分相符。

发明内容

针对现有技术存在的与真实故障场景存在一定差异导致的校验结果不够精确的问题，本发明提供一种10kv线路的N-1校验方法、系统、终端及存储介质，以解决上述技术问题。

第一方面，本发明提供一种10kv线路的N-1校验方法，包括：

采集历史故障信息，利用关联规则算法挖掘故障线路之间的关联性；

基于故障线路之间的关联性在预先构建的电网拓扑上模拟故障场景；

获取电网拓扑的元件在故障场景中的第一模拟参数及故障场景消除时的第二模拟参数；

将第一模拟参数与第二模拟参数与元件的标准参数进行比对，筛选出与标准参数不匹配的异常参数；

记录异常参数的类型、所属的元件以及相应的故障场景，所述类型为第一模拟参数或第二模拟参数中的任一种。

在一个可选的实施方式中，采集历史故障信息，利用关联规则算法挖掘故障线路之间的关联性，包括：

将故障元件名、故障类型、故障元件在电网拓扑中的位置、故障发生时间和故障持续时间设置为标签；

建立分类器链，分类器链中的分类器与标签一一对应，每个分类器均对标签进行二分类；

利用分类器链从每条故障信息中提取有效信息，所述有效信息包括故障元件名、故障类型、故障元件在电网拓扑中的位置、故障发生时间和故障持续时间；

将从历史故障信息中提取的所有有效信息进行汇总，得到数据集；

利用关联规则算法从数据集挖掘同一故障时间下，故障元件位置之间的关联关系；

统计历史故障信息中的故障类型和故障持续时间。

在一个可选的实施方式中，利用关联规则算法从数据集挖掘同一故障时间下，故障元件位置之间的关联关系，包括：

设置时间差阈值；

计算有效信息之间的故障发生时间差；

为故障发生时间差在所述时间差阈值范围内的有效信息生成关联标记；

利用标记后的有效信息对关联规则算法进行训练，得到故障元件位置之间的关联关系。

在一个可选的实施方式中，基于故障线路之间的关联性在预先构建的电网拓扑上模拟故障场景，包括：

将电网拓扑中除单辐射线路和负荷为0的线路以外的线路标记为待检线路；

从电网拓扑的待检线路中随机选取元件作为目标故障元件；

基于所述目标故障元件在电网拓扑中的位置，以及故障元件位置之间的关联关系，获取目标故障元件的关联故障元件；

基于故障类型和故障维持时间的统计结果，为电网拓扑中的目标故障元件和关联故障元件随机分配故障类型和故障维持时间。

第二方面，本发明提供一种10kv线路的N-1校验系统，包括：

信息挖掘模块，用于采集历史故障信息，利用关联规则算法挖掘故障线路之间的关联性；

场景模拟模块，用于基于故障线路之间的关联性在预先构建的电网拓扑上模拟故障场景；

第一获取模块，用于获取电网拓扑的元件在故障场景中的第一模拟参数及故障场景消除时的第二模拟参数；

第二获取模块，用于将第一模拟参数与第二模拟参数与元件的标准参数进行比对，筛选出与标准参数不匹配的异常参数；

结果记录模块，用于记录异常参数的类型、所属的元件以及相应的故障场景，所述类型为第一模拟参数或第二模拟参数中的任一种。

在一个可选的实施方式中，所述信息挖掘模块包括：

标签设置单元，用于将故障元件名、故障类型、故障元件在电网拓扑中的位置、故障发生时间和故障持续时间设置为标签；

分类建立单元，用于建立分类器链，分类器链中的分类器与标签一一对应，每个分类器均对标签进行二分类；

信息提取单元，用于利用分类器链从每条故障信息中提取有效信息，所述有效信息包括故障元件名、故障类型、故障元件在电网拓扑中的位置、故障发生时间和故障持续时间；

信息汇总单元，用于将从历史故障信息中提取的所有有效信息进行汇总，得到数据集；

关联挖掘单元，用于利用关联规则算法从数据集挖掘同一故障时间下，故障元件位置之间的关联关系；

信息统计单元，用于统计历史故障信息中的故障类型和故障持续时间。

在一个可选的实施方式中，所述关联挖掘单元包括：

阈值设置子单元，用于设置时间差阈值；

时间计算子单元，用于计算有效信息之间的故障发生时间差；

关联标记子单元，用于为故障发生时间差在所述时间差阈值范围内的有效信息生成关联标记；

算法训练子单元，用于利用标记后的有效信息对关联规则算法进行训练，得到故障元件位置之间的关联关系。

在一个可选的实施方式中，所述场景模拟模块包括：

线路精简单元，用于将电网拓扑中除单辐射线路和负荷为0的线路以外的线路标记为待检线路；

目标选取单元，用于从电网拓扑的待检线路中随机选取元件作为目标故障元件；

关联获取单元，用于基于所述目标故障元件在电网拓扑中的位置，以及故障元件位置之间的关联关系，获取目标故障元件的关联故障元件；

参数分配单元，用于基于故障类型和故障维持时间的统计结果，为电网拓扑中的目标故障元件和关联故障元件随机分配故障类型和故障维持时间。

第三方面，提供一种终端，包括：

处理器、存储器，其中，

该存储器用于存储计算机程序，

该处理器用于从存储器中调用并运行该计算机程序，使得终端执行上述的终端的方法。

第四方面，提供了一种计算机存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述各方面所述的方法。

本发明的有益效果在于，本发明提供的10kv线路的N-1校验方法、系统、终端及存储介质，通过从历史故障信息中挖掘故障之间的关联性，然后在随机选取目标故障元件之后，基于关联性模拟故障场景，故障场景能够贴近真实的故障情况，进而得到更加准确的验证结果。此外，通过获取故障发生及恢复的元件参数，并对这些数据进行处理，能够关注到故障发生和消失时对电网拓扑的影响，进一步提升了验证结果的全面性。

此外，本发明设计原理可靠，结构简单，具有非常广泛的应用前景。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明一个实施例的方法的示意性流程图。

图2是本发明一个实施例的系统的示意性框图。

图3为本发明实施例提供的一种终端的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明中的技术方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。

下面对本发明中出现的关键术语进行解释。

Apriori算法是一种挖掘关联规则的频繁项集算法，其核心思想是通过候选集生成和情节的向下封闭检测两个阶段来挖掘频繁项集。而且算法已经被广泛的应用到商业、网络安全等各个领域。

本发明实施例提供的10kv线路的N-1校验方法由计算机设备执行，相应地，10kv线路的N-1校验系统运行于计算机设备中。

图1是本发明一个实施例的方法的示意性流程图。其中，图1执行主体可以为一种10kv线路的N-1校验系统。根据不同的需求，该流程图中步骤的顺序可以改变，某些可以省略。

如图1所示，该方法包括：

步骤110，采集历史故障信息，利用关联规则算法挖掘故障线路之间的关联性；

步骤120，基于故障线路之间的关联性在预先构建的电网拓扑上模拟故障场景；

步骤130，获取电网拓扑的元件在故障场景中的第一模拟参数及故障场景消除时的第二模拟参数；

步骤140，将第一模拟参数与第二模拟参数与元件的标准参数进行比对，筛选出与标准参数不匹配的异常参数；

步骤150，记录异常参数的类型、所属的元件以及相应的故障场景，所述类型为第一模拟参数或第二模拟参数中的任一种。

为了便于对本发明的理解，下面以本发明10kv线路的N-1校验方法的原理，结合实施例中对10kv线路进行N-1校验的过程，对本发明提供的10kv线路的N-1校验方法做进一步的描述。

具体的，所述10kv线路的N-1校验方法包括：

S1、采集历史故障信息，利用关联规则算法挖掘故障线路之间的关联性。

S101、在厂站内根据闭合的开关及其所连接的所有支路形成等值节点(等值节点分析)；然后根据厂站间联络线的连接关系把形成的母线连接成电气岛(电气岛分析) 。其中拓扑分析方法采用树搜索法，树搜索法是当前网络拓扑分析中应用最为广泛的一种拓扑分析方法。它通过搜索节点的相邻节点的方法来进行网络拓扑分析，分为深度优先搜索(depth first search，DFS)和广度优先搜索(breadth first search，BFS)。广度优先搜索法对每个顶点只是进行访问且仅访问一次，而深度优先搜索法需要回溯，故某些节点将被访问多次，增加了算法的开销。本实施方式采用广度优先搜索构建电网拓扑。

S102、在得到电网拓扑后，通过GIS系统采集实际元件数据，并基于实际元件与电网拓扑中的元件的对应关系，将实际元件数据与电网拓扑中相应元件的元件名进行绑定。将绑定后的数据保存至数据库。

从数据库中调取过去一年的故障信息作为历史故障信息，历史故障信息包括故障元件名、故障类型、故障元件在电网拓扑中的位置、故障发生时间和故障持续时间。

由于历史故障信息记录的格式存在不同，需要从中提取有价值的信息，即从中提取故障元件名、故障类型、故障元件在电网拓扑中的位置、故障发生时间和故障持续时间，提取方法如下：

将故障元件名、故障类型、故障元件在电网拓扑中的位置、故障发生时间和故障持续时间设置为标签；建立分类器链，分类器链中的分类器与标签一一对应，每个分类器均对标签进行二分类；利用分类器链从每条故障信息中提取有效信息，所述有效信息包括故障元件名、故障类型、故障元件在电网拓扑中的位置、故障发生时间和故障持续时间。其中，分类器链的标签包含5个标签中每个标签的逻辑回归模型。

S103、将从历史故障信息中提取的所有有效信息进行汇总，得到数据集；利用关联规则算法从数据集挖掘同一故障时间下，故障元件位置之间的关联关系。

设置时间差阈值；计算有效信息之间的故障发生时间差；为故障发生时间差在所述时间差阈值范围内的有效信息生成关联标记；利用标记后的有效信息对关联规则算法进行训练，得到故障元件位置之间的关联关系。

例如，设置时间差阈值为200S，将有效信息的故障发生时间转换为日期和发生时刻，并将发生时刻的时间单位均转换为秒。首先筛选出日期相同的故障发生时间对应的有效信息，划分为同组。对组内成员计算发生时刻的差值，将差值在200内的有效信息标记为关联。

关联规则算法（Apriori算法）的训练方法：

输入:数据集合D,支持度阈值a

输出:最大的频繁k项集

(1 )扫描整个数据集,得到所有出现过的数据,作为候选频繁1项集。k=1 ,频繁0项集为空集。

(2 )挖掘频繁k项集:

a)扫描数据计算候选频繁k项集的支持度；

b)去除候选频繁k项集中支持度低于阈值的数据集得到频繁k项集。如果得到的频繁k项集为空,则直接返回频繁k- 1项集的集合作为算法结果,算法结束。如果得到的频繁k项集只有一项,则直接返回频繁k项集的集合作为算法结果,算法结束;

c)基于频繁k项集,连接生成候选频繁k+1项集。

(3)令k=k+1 ,转入步骤2。

S104、统计历史故障信息中的故障类型和故障持续时间。

提取有效信息中的故障类型和故障持续时间，进行汇总和去重处理，得到统计结果。

S2、基于故障线路之间的关联性在预先构建的电网拓扑上模拟故障场景。

将电网拓扑中除单辐射线路和负荷为0的线路以外的线路标记为待检线路；从电网拓扑的待检线路中随机选取元件作为目标故障元件；基于所述目标故障元件在电网拓扑中的位置，以及故障元件位置之间的关联关系，获取目标故障元件的关联故障元件；基于故障类型和故障维持时间的统计结果，为电网拓扑中的目标故障元件和关联故障元件随机分配故障类型和故障维持时间。

具体的，排除明显不能通过校验的数据，并把它们输入到结果表中，另外是筛选明显能通过校验的数据，输入结果表中。明显不能通过校验的数据包括通过拓扑和接线模式分析得到的单辐射线路，这样的线路没有转供路径，一旦变电站母线出线出口段发生故障，必然导致该条出线所供区域大面积停电，直接被判为不能通过校验的线路。明显能通过校验的数据主要是指线路负荷为0情况。这种情况下直接判定该线路通过N-1校验。N-1校验预处理模块有效的减少了所需校验的元件的个数，可以化简校验过程，提高校验速度。

遍历待检线路，并为其模拟故障场景。模拟故障场景的方法是将目标故障元件在电网拓扑中的位置输入步骤S1中得到的能够检测故障位置关联关系的关联规则算法中，得到目标故障元件的关联故障元件。然后利用随机函数从步骤S1中的统计结果随机选取故障类型和故障持续时间，并将随机选取的故障类型和故障持续时间分配给目标故障元件或关联故障元件。之后在电网拓扑中对相应元件模拟故障类型以及故障持续时间，即可模拟故障场景。

S3、获取电网拓扑的元件在故障场景中的第一模拟参数及故障场景消除时的第二模拟参数。

构建潮流计算模型，将故障场景发生时的元件状态变更情况和故障场景消失时的元件状态变更情况输入该模型，即可得到第一模拟参数和第二模拟参数。

具体的，构建最优潮流计算模型，本实施方式中最优潮流计算模型采用牛顿算法，基于电网实际运行数据对牛顿算法进行训练，直至算法收敛。

S4、将第一模拟参数与第二模拟参数与元件的标准参数进行比对，筛选出与标准参数不匹配的异常参数。

其中第一模拟参数和第二模拟参数均为各元件的具体电压值。基于各元件的标准电压值对相应具体电压值进行比对，将与标准电压值不匹配的具体电压值标记为异常参数。

S5、记录异常参数的类型、所属的元件以及相应的故障场景，所述类型为第一模拟参数或第二模拟参数中的任一种。

记录第一模拟参数中的异常参数对应的元件和故障场景；记录第二模拟参数中的异常参数对应的元件和故障场景。

在一些实施例中，所述10kv线路的N-1校验系统200可以包括多个由计算机程序段所组成的功能模块。所述10kv线路的N-1校验系统200中的各个程序段的计算机程序可以存储于计算机设备的存储器中，并由至少一个处理器所执行，以执行（详见图1描述）10kv线路的N-1校验的功能。

本实施例中，所述10kv线路的N-1校验系统200根据其所执行的功能，可以被划分为多个功能模块，如图2所示。所述功能模块可以包括：信息挖掘模块210、场景模拟模块220、第一获取模块230、第二获取模块240和结果记录模块250。本发明所称的模块是指一种能够被至少一个处理器所执行并且能够完成固定功能的一系列计算机程序段，其存储在存储器中。在本实施例中，关于各模块的功能将在后续的实施例中详述。

信息挖掘模块210，用于采集历史故障信息，利用关联规则算法挖掘故障线路之间的关联性；

场景模拟模块220，用于基于故障线路之间的关联性在预先构建的电网拓扑上模拟故障场景；

第一获取模块230，用于获取电网拓扑的元件在故障场景中的第一模拟参数及故障场景消除时的第二模拟参数；

第二获取模块240，用于将第一模拟参数与第二模拟参数与元件的标准参数进行比对，筛选出与标准参数不匹配的异常参数；

结果记录模块250，用于记录异常参数的类型、所属的元件以及相应的故障场景，所述类型为第一模拟参数或第二模拟参数中的任一种。

可选地，作为本发明一个实施例，信息挖掘模块包括：

标签设置单元，用于将故障元件名、故障类型、故障元件在电网拓扑中的位置、故障发生时间和故障持续时间设置为标签；

分类建立单元，用于建立分类器链，分类器链中的分类器与标签一一对应，每个分类器均对标签进行二分类；

信息提取单元，用于利用分类器链从每条故障信息中提取有效信息，所述有效信息包括故障元件名、故障类型、故障元件在电网拓扑中的位置、故障发生时间和故障持续时间；

信息汇总单元，用于将从历史故障信息中提取的所有有效信息进行汇总，得到数据集；

关联挖掘单元，用于利用关联规则算法从数据集挖掘同一故障时间下，故障元件位置之间的关联关系；

信息统计单元，用于统计历史故障信息中的故障类型和故障持续时间。

可选地，作为本发明一个实施例，关联挖掘单元包括：

阈值设置子单元，用于设置时间差阈值；

时间计算子单元，用于计算有效信息之间的故障发生时间差；

关联标记子单元，用于为故障发生时间差在所述时间差阈值范围内的有效信息生成关联标记；

算法训练子单元，用于利用标记后的有效信息对关联规则算法进行训练，得到故障元件位置之间的关联关系。

可选地，作为本发明一个实施例，场景模拟模块包括：

线路精简单元，用于将电网拓扑中除单辐射线路和负荷为0的线路以外的线路标记为待检线路；

目标选取单元，用于从电网拓扑的待检线路中随机选取元件作为目标故障元件；

关联获取单元，用于基于所述目标故障元件在电网拓扑中的位置，以及故障元件位置之间的关联关系，获取目标故障元件的关联故障元件；

参数分配单元，用于基于故障类型和故障维持时间的统计结果，为电网拓扑中的目标故障元件和关联故障元件随机分配故障类型和故障维持时间。

图3为本发明实施例提供的一种终端300的结构示意图，该终端300可以用于执行本发明实施例提供的10kv线路的N-1校验方法。

其中，该终端300可以包括：处理器310、存储器320及通信模块330。这些组件通过一条或多条总线进行通信，本领域技术人员可以理解，图中示出的服务器的结构并不构成对本发明的限定，它既可以是总线形结构，也可以是星型结构，还可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

其中，该存储器320可以用于存储处理器310的执行指令，存储器320可以由任何类型的易失性或非易失性存储终端或者它们的组合实现，如静态随机存取存储器（SRAM），电可擦除可编程只读存储器（EEPROM），可擦除可编程只读存储器（EPROM），可编程只读存储器（PROM），只读存储器（ROM），磁存储器，快闪存储器，磁盘或光盘。当存储器320中的执行指令由处理器310执行时，使得终端300能够执行以下上述方法实施例中的部分或全部步骤。

处理器310为存储终端的控制中心，利用各种接口和线路连接整个电子终端的各个部分，通过运行或执行存储在存储器320内的软件程序和/或模块，以及调用存储在存储器内的数据，以执行电子终端的各种功能和/或处理数据。所述处理器可以由集成电路(Integrated Circuit，简称IC) 组成，例如可以由单颗封装的IC 所组成，也可以由连接多颗相同功能或不同功能的封装IC而组成。举例来说，处理器310可以仅包括中央处理器(Central Processing Unit，简称CPU)。在本发明实施方式中，CPU可以是单运算核心，也可以包括多运算核心。

通信模块330，用于建立通信信道，从而使所述存储终端可以与其它终端进行通信。接收其他终端发送的用户数据或者向其他终端发送用户数据。

本发明还提供一种计算机存储介质，其中，该计算机存储介质可存储有程序，该程序执行时可包括本发明提供的各实施例中的部分或全部步骤。所述的存储介质可为磁碟、光盘、只读存储记忆体（英文：read-only memory，简称：ROM）或随机存储记忆体（英文：random access memory，简称：RAM）等。

因此，本发明通过从历史故障信息中挖掘故障之间的关联性，然后在随机选取目标故障元件之后，基于关联性模拟故障场景，故障场景能够贴近真实的故障情况，进而得到更加准确的验证结果。此外，通过获取故障发生及恢复的元件参数，并对这些数据进行处理，能够关注到故障发生和消失时对电网拓扑的影响，进一步提升了验证结果的全面性，本实施例所能达到的技术效果可以参见上文中的描述，此处不再赘述。

本领域的技术人员可以清楚地了解到本发明实施例中的技术可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本发明实施例中的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中如U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质，包括若干指令用以使得一台计算机终端（可以是个人计算机，服务器，或者第二终端、网络终端等）执行本发明各个实施例所述方法的全部或部分步骤。

本说明书中各个实施例之间相同相似的部分互相参见即可。尤其，对于终端实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例中的说明即可。

在本发明所提供的几个实施例中，应该理解到，所揭露的系统和方法，可以通过其它的方式实现。例如，以上所描述的系统实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，系统或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。

尽管通过参考附图并结合优选实施例的方式对本发明进行了详细描述，但本发明并不限于此。在不脱离本发明的精神和实质的前提下，本领域普通技术人员可以对本发明的实施例进行各种等效的修改或替换，而这些修改或替换都应在本发明的涵盖范围内/任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。