配电物联网端设备状态在线监测方法

作     者：邵南 

作者单位：山东理工大学 

学位级别：硕士

导师姓名：陈羽

授予年度：2022年

学科分类：0808[工学-电气工程] 080802[工学-电力系统及其自动化] 08[工学] 0804[工学-仪器科学与技术] 080402[工学-测试计量技术及仪器] 

主      题：配电物联网 时空相关性 异常数据检测与识别 密度聚类 模糊逻辑 

摘      要：配电物联网作为泛在电力物联网的重要组成部分,可进一步提升配电网自动化和信息化水平。低压配电监控终端作为配电物联网感知层的感知单元,其量测数据的可靠性对配电物联网故障处理与高级应用影响较大。在实际配电网端设备获得的大量量测数据中,不可避免的存在一部分由多种原因导致的量测数据突变,例如低压配电网一次系统中出现故障、二次监控设备故障、数据传输或存储故障等,一次系统故障导致的数据突变需及时上报主站告警并采取应对措施,二次监控设备故障导致量测数据的误报与漏报会严重影响配电物联网决策的可靠性,甚至引发安全事故,需及时维护。如何从端设备的量测数据中辨别、提取这些数据,并通过区分变化数据的来源来判断端设备工作状态是否正常,对提高配电物联网系统运行可靠性与系统设备管理水平具有重要的意义。针对配电物联网端设备数据异常的检测问题,提出了一种基于聚类的配电物联网端设备数据异常在线检测方法。首先,针对传统相似性度量方法对高维数据进行相似性度量时效果差的问题,综合考虑了量测序列的局部相似性与全局相似性,提出了复合时间序列的相似性距离度量准则,提升了聚类时输入数据的准确性。然后为克服传统的基于密度的聚类算法(Density-Based Spatial Clustering of Applications with Noise,DBSCAN)对全局密度参数选取敏感的问题,提出一种全局密度参数自适应生成的DBSCAN算法,利用预处理后的端设备历史量测数据自适应生成全局密度参数,通过聚类训练获取核心数据点用以检测量测数中发生了异常变化的数据。对比仿真结果显示改进的DBSCAN算法在检出率较高的情况下,误报率较低,有较高的实用价值。针对配电物联网端设备突变数据的来源识别问题,提出了一种基于模糊逻辑的配电物联网端设备数据异常来源识别方法。首先,利用配电物联网数据的空间相关性,采用滑动时间窗口算法计算数据发生异常变化的端设备与其近邻端设备间的空间互相关系数,并从中提取空间互相关系数的几何特征作为模糊逻辑系统的输入。然后,针对难以通过某种定量计算公式得到对节点空间相关性的评价的问题,选用了基于模糊集理论的模糊逻辑算法,并结合配电物联网数据的时空相关性,设计了一种评价端设备间空间相关程度的级联模糊逻辑系统,通过评价端设备间的空间相关性程度来确认变化的数据是来源于一次系统故障还是二次监控设备故障。最后,对比仿真结果显示在不同端设备分布密度的配电物联网中均获得了较高的准确率,能够在线正确确认端设备的工作状态。