一种低压台区层级化网架结构的异常溯源定位与关联研判方法与流程

本发明涉及电力系统配电网运维，特别涉及一种低压台区层级化网架结构的异常溯源定位与关联研判方法。

背景技术：

1、传统人工排查技术是低压台区异常处置的传统基础手段，至今仍在部分数字化程度较低的老旧台区应用。其核心流程为：台区配电网发生电压异常、故障跳闸等问题后，运维人员根据故障告警的大致范围，携带检测设备赴现场开展逐段、逐节点的人工排查，通过测量各分支、各节点的电气量参数，结合运维经验判断异常发生位置，并分析异常产生的简单原因。该技术无需依赖自动化监测和分析系统，适用于无数据采集设备的台区，但核心依赖运维人员的现场经验，存在排查效率低、定位精度差、无法分析多异常关联关系等固有缺陷，且仅能在异常发生后开展被动排查，无法实现提前研判。

2、随着用电信息采集系统、台区智能监测终端的普及，结合单一监测数据的异常定位技术成为当前低压台区异常处置的主流技术，也是最接近本发明的同类现有技术。其核心思路为：通过台区变压器、一级分支箱等关键节点部署的监测设备，采集电压、电流、功率等单一电气量监测数据，当监测数据超出预设阈值时触发异常告警，系统根据告警节点的位置信息，初步定位异常发生的大致层级或区域；部分技术可结合简单的电气量变化趋势，对异常原因做单一维度的判断，如电压低于阈值则判定为线路压降过大、电流骤增则判定为短路故障。

3、该技术实现了台区异常的自动化告警和初步定位，替代了传统的人工盲查模式，大幅提升了异常处置的基础效率，但其仅能依托单一电气量数据和有限节点监测信息开展分析，未结合台区网架的层级化拓扑结构特征，也未实现多源数据的融合分析，仅能完成异常的单点、单维度定位，无法实现精准的溯源分析，更不具备多异常之间的关联研判能力，难以适配现代智慧配电网对台区异常处置精准化、智能化、系统化的需求。

4、现有技术仅能根据变压器、一级分支箱等少数节点的告警信息，定位异常发生的台区或一级分支范围，无法精准溯源至末级分支、用户计量箱等下层节点，更无法确定异常的具体发生位置及传播路径，运维人员仍需赴现场开展二次排查。

5、低压台区网架结构相互关联，单一异常易引发连锁反应，多个异常也可能存在共性诱因，但现有技术仅能对单个异常做独立判断和处置，无法分析多个异常之间的关联关系，易出现漏判、误判，导致异常处置不彻底，反复发生。

6、台区配电网常因设备新增、线路切改、负荷转供等出现网架拓扑动态变化，但现有技术的异常分析模型为固定化设置，未与网架拓扑的更新做联动，当网架结构变化后，异常定位和分析结果易出现偏差，适配性差。

技术实现思路

1、本发明的目的是提供一种低压台区层级化网架结构的异常溯源定位与关联研判方法，解决现有低压台区异常定位粗放、研判孤立及模型固化的问题，通过构建基于全层级拓扑的精准溯源模型与多异常关联研判体系，并引入拓扑动态联动机制，实现异常的精细化溯源、共性诱因识别及模型动态适配。

2、为了实现以上目的，本发明是通过以下技术方案实现的：

3、一种低压台区层级化网架结构的异常溯源定位与关联研判方法，其特点是，包括以下步骤：s1，获取台区全层级拓扑数据、电气量监测数据和运维历史数据；s2，基于所述电气量监测数据进行异常检测，当检测到异常时触发告警，获取告警节点信息；s3，加载台区全层级拓扑结构获取最新的台区全层级拓扑数据，以告警节点为起点，结合台区全层级拓扑结构进行异常传播路径分析；s4，提取所述异常传播路径分析所确定的溯源范围内节点的多源特征数据，基于所述多源特征数据计算各节点为异常根源的概率，判断异常根源节点，并标记异常位置与传播路径；s5，收集预设时间段内的异常告警，构建异常关联图；s6，基于所述异常关联图进行异常时序与空间分布分析，定位共性诱因节点。

4、进一步地，所述的步骤s1中对获取的数据进行格式转换、时标对齐和异常值剔除处理；所述台区全层级拓扑数据包括台区变压器、一级分支、末级分支和用户计量箱之间的连接关系数据。

5、进一步地，所述的步骤s2中基于所述电气量监测数据进行异常检测，包括：判断所述电气量监测数据是否超出预设阈值，若超出则触发告警；以及对未超出预设阈值的电气量监测数据进行趋势分析，判断是否呈现持续变化趋势，若呈现则触发告警。

6、进一步地，所述异常传播路径分析包括向上溯源和向下溯源；所述步骤s3中，所述向上溯源为从告警节点向台区变压器方向溯源，排查上游节点是否存在异常；所述向下溯源为从告警节点向末级分支和用户计量箱方向逐层溯源。

7、进一步地，所述的步骤s4中，所述多源特征数据包括电气量变化特征、设备运行特征和负荷特性；所述电气量变化特征包括异常发生前后各节点电压、电流和功率的变化趋势及突变幅度，所述设备运行特征包括节点对应设备的历史故障记录、运行年限和检修状态，所述负荷特性包括节点的实时负荷、历史负荷曲线和用电类型。

8、进一步地，所述的步骤s4中，判断异常根源节点，还包括：基于所述多源特征数据，通过特征匹配算法计算各节点为异常根源的概率，将概率最高的节点判定为初步异常根源节点；对所述初步异常根源节点进行多源数据交叉验证，若验证不通过，则调整异常传播路径分析的权重，重新执行溯源和判断步骤。

9、进一步地，所述的步骤s5中以异常告警节点为顶点，以所述台区全层级拓扑数据中的连接关系为边，构建异常关联图；所述步骤s5还包括：判断所述预设时间段内的异常数量是否大于或等于2，若是，则执行所述步骤s6；若否，则按照单异常流程处理。

10、进一步地，所述步骤s6中，所述进行异常时序与空间分布分析，包括：对比各异常的发生时间，判断是否存在时序因果关系；以及基于所述异常关联图，判断多个异常是否共享同一上游节点，判断是否存在空间聚集性。

11、进一步地，所述步骤s6中定位共性诱因节点，包括：当多个异常存在时序因果关系或空间聚集性时，提取共享的上游节点的电气量及设备状态数据，定位共性诱因节点；并生成包含异常因果链、共性诱因节点和处置建议的关联研判报告。

12、进一步地，所述判断所述电气量监测数据是否超出预设阈值，包括：判断电压是否低于198v或高于235v，以及判断电流是否过载和功率是否越限。

13、本发明与现有技术相比，具有以下优点：

14、1.针对现有技术仅能实现台区或一级分支粗粒度定位、无法精细化层级溯源的问题，建立基于全层级拓扑的异常传播分析模型，实现异常从告警节点到末级分支、用户计量箱的精准溯源定位，明确异常在层级化网架中的传播路径，解决运维人员需现场二次排查的痛点；

15、2.针对现有技术仅能单点独立分析异常、无法识别异常连锁反应及共性诱因的问题，构建多异常关联研判体系，实现对异常之间因果关系、连锁传播关系及共性诱因的智能识别，解决异常处置不彻底、反复发生的问题；

16、3.针对现有技术异常研判模型固定化、无法适配台区网架动态变化的问题，建立拓扑动态更新与异常研判模型自适应联动机制，实现异常分析模型随台区设备新增、线路切改、负荷转供等拓扑变化实时调整，解决网架变动后异常定位与分析结果偏差的问题。