一种电容式电压互感器电容击穿故障在线诊断方法

摘要

本申请涉及一种电容式电压互感器电容击穿故障在线诊断方法，包括以下具体步骤：S1.CVT在线监测系统收集同母线上同相同一型号CVT的二次电压幅值数据，构建数据集并贴上相应标签；S2.利用组间幅值比参量构造特征向量集，对经过预处理后的数据集进行特征提取；S3.采用KNN机器学习的方式，训练KNN模型，调整相应超参数，输出最优KNN模型；S4.将CVT在线监测系统中的二次电压幅值数据输入最优KNN模型，对待测CVT的电容击穿状态进行实时诊断。本发明对CVT电容击穿故障进行在线诊断，实时反馈CVT中电容所处状态，进而保证电网运行的稳定性及安全性能。

说明书

技术领域

本申请涉及电容击穿故障在线诊断领域，具体涉及一种电容式电压互感器电容击穿故障在线诊断方法。

背景技术

电容式电压互感器（CVT）相较于传统电磁式互感器具有抗铁磁谐振能力强，制造成本低，体积小，重量轻等特点。然而因为CVT内部结构复杂，运行状态易受环境因素影响，在长期运行过程中容易出现误差超差及绝缘性能劣化等异常状态，从而影响电能计量的准确性及电力系统的安全性。其中，作为影响CVT状态的一个主要因素，绝缘性能的状态主要由CVT内绝缘结构中的电容和绝缘介质状态决定。相较于存在许多成熟的表征状态方法的绝缘介质，目前没有一个准确的方法能够在线表征电容状态。 而对电容状态进行实时在线监测，能够对CVT的状态做出及时的判断，方便相关运行维护人员进行检修维护工作。如果不能及时发现电容状态异常，将导致互感器状态异常，从而影响电网运行，甚至引起爆炸造成人员安全问题。为避免二次信息系统信息源的不准确，并减少电能计量的损失和保证测控保护装置的正常运行，如何准确进行CVT电容击穿故障在线诊断是一项技术难题。

发明内容

本申请实施例的目的在于提供一种电容式电压互感器电容击穿故障在线诊断方法，对CVT电容击穿故障进行在线诊断，实时反馈CVT中电容所处状态，进而保证电网运行的稳定性及安全性能。

为实现上述目的，本申请提供如下技术方案：

本申请实施例提供一种电容式电压互感器电容击穿故障在线诊断方法，包括以下具体步骤：

S1.CVT在线监测系统收集同母线上同相同一型号CVT的二次电压幅值数据，构建数据集并贴上相应标签；

S2.利用组间幅值比参量构造特征向量集，对经过预处理后的数据集进行特征提取；

S3.采用KNN机器学习的方式，训练KNN模型，调整相应超参数，输出最优KNN模型；

S4.将CVT在线监测系统中的二次电压幅值数据输入最优KNN模型，对待测CVT的电容击穿状态进行实时诊断。

所述构建数据集的具体方法为，从在线监测系统中筛选一条母线上的所有采用同种接线方式的同种型号且同相的CVT的二次电压幅值和计量误差的历史数据，根据电容击穿和CVT变比的关系可将各时刻样本数据进行人工分类，电容击穿状态类别为

所述利用组间幅值比参量构造特征向量集，对经过预处理后的数据集进行特征提取具体为，

将数据集D拆分为训练集和测试集；

对训练集中的样本进行归一化处理；

根据组间幅值比参量构建CVT电容击穿在线诊断的特征向量用以消除一次电压对电容击穿在线诊断结果产生的影响。

将数据集D拆分为训练集和测试集具体方法是，设置训练集和测试集的样本比例为7：3，若数据集D的样本数量为

所述对训练集中的样本进行归一化处理具体为，

采用z-score归一化进行训练集

其中

组间幅值比参量

其中

其中

将形式转换后的比差公式代入组间幅值比参量

由于两个CVT接入同一母线上，且为同一型号，表征同一相，可以认为其一次电压和额定变比相同，即上式可以简化为

即近似认为两个组间CVT的二次电压值与两个CVT的比差相关，从而消除一次电压值的影响，在同一条母线中，假设存在n组同一型号的CVT，

将该特征向量集合，作为电容击穿在线诊断的特征向量集，对完成归一化操作后的训练集进行特征向量集提取后，则训练集的样本为

所述采用KNN机器学习的方式，训练KNN模型，调整相应超参数，输出最优KNN模型具体为，

S31.通过本领域知识和经验选择KNN中的超参数

S32.从测试集中选取一个样本，计算其与所有训练样本的距离，其中使用的距离度量是闵式距离

其中

S33.选择上一步计算得到的所有距离中最近的

S34.选出的训练样本对应的类分别为

S35.重复步骤S32至步骤S34，将测试集合中的所有样本都进行归类，得到对应类别集合

S36.根据步骤S31选取的

所述步骤S4具体为，采集当前时刻的CVT在线监测系统中的幅值，经过数据预处理后，输入具有含有最佳超参数

与现有技术相比，本发明的有益效果是：

提出了一种基于KNN的电容式电压互感器电容击穿故障在线诊断的方案。根据组间幅值比参量构造特征向量，利用KNN构造电容式电压互感器电容击穿在线诊断模型。将CVT在线监测系统实时数据输入训练好的KNN模型，对当前CVT电容击穿故障状态进行实时诊断。对CVT电容击穿故障进行在线诊断，实时反馈CVT中电容所处状态，进而保证电网运行的稳定性及安全性能。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，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相关的附图。

图1是本申请实施例方法流程示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行描述。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

本发明第一方面提供了一种电容式电压互感器电容击穿故障在线诊断方法，如图1所示，

Step1：数据集的采集

通过CVT在线监测系统采集二次电压幅值信息。具体方式是从在线监测系统中筛选一条母线上的所有采用同种接线方式的同种型号且同相的CVT的二次电压幅值和计量误差的历史数据，根据电容击穿和CVT变比的关系可将各时刻样本数据进行人工分类，电容击穿状态类别为

Step2:数据预处理

Step2.1 数据集拆分

将step1收集的CVT历史数据集合

Step2.2 归一化处理

对训练集

其中

Step2.3 特征向量的构建

根据组间幅值比参量构建CVT电容击穿在线诊断的特征向量用以消除一次电压对电容击穿在线诊断结果产生的影响。组间幅值比参量

其中

其中

将形式转换后的比差公式代入组间幅值比参量

由于两个CVT接入同一母线上，且为同一型号，表征同一相，可以认为其一次电压和额定变比相同，即上式可以简化为

即近似认为两个组间CVT的二次电压值与两个CVT的比差相关，从而消除一次电压值的影响，在同一条母线中，假设存在n组同一型号的CVT，

将该特征向量集合，作为电容击穿在线诊断的特征向量集，对完成归一化操作后的训练集进行特征向量集提取后，则训练集的样本为

Step3:采用KNN对CVT进行电容击穿在线诊断的分类

Step3.1 通过领域知识和经验选择KNN中的超参数

Step3.2 从测试集中选取一个样本，计算其与所有训练样本的距离。其中使用的距离度量是闵式距离

其中

Step3.3选择step3.2计算得到的所有距离中最近的

Step3.4选出的训练样本对应的类分别为

Step3.5重复step3.2-step3.4，将测试集合中的所有样本都进行归类，得到对应类别集合

Step3.6根据step3.1选取的

Step4: 采用KNN对CVT进行电容击穿在线诊断的分类

采集当前时刻的CVT在线监测系统中的幅值，经过数据预处理后，输入具有含有最佳超参数

本申请的具体应用实例：

一、构建仿真电路实验平台，在110kV的母线上连接6组三相四线的同一类型的CVT，选取A相，按秒记录各组A相CVT的二次电压幅值，共15000个样本。

对每个样本按如下规律进行了标记：

标签1：电容未击穿时对应的比差变化约0

标签2：当单个高压电容击穿时对应的比差变化约为0.4%:；

标签3：两个高压电容击穿时对应的比差变化约为0.8%；

标签4：单个中压电容击穿时对应的比差变化约为-0.4%；

标签5：两个中压电容击穿时对应的比差变化约为-0.8%。

即每个采集样本包含六个CVT的二次电压幅值及对应标签。采集数据集合分析如下表所示

采集样本数据集中包括600个正常样本，2400个仅1号CVT发生故障的样本（四个异常状态的样本各600个），2400个仅2号CVT发生故障的样本（四个异常状态的样本各600个），2400个仅3号CVT发生故障的样本（四个异常状态的样本各600个），2400个仅4号CVT发生故障的样本（四个异常状态的样本各600个），2400个仅5号CVT发生故障的样本（四个异常状态的样本各600个），2400个仅6号CVT发生故障的样本（四个异常状态的样本各600个）。

二、对故障CVT进行在线监测的分析，即构造六个数据集，

数据集

三、基于经验，将

如表所示，精度最高的方案在5，10，15时取得，由于基于经验设置的

本申请实施例提出了一种基于KNN的电容式电压互感器电容击穿故障在线诊断的方案。根据组间幅值比参量构造特征向量，利用KNN构造电容式电压互感器电容击穿在线诊断模型。将CVT在线监测系统实时数据输入训练好的KNN模型，对当前CVT电容击穿故障状态进行实时诊断。

以上所述仅为本申请的实施例而已，并不用于限制本申请的保护范围，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。