一种电网安全稳定控制系统状态监测与故障诊断方法与流程

本发明涉及电力系统自动化，具体为一种电网安全稳定控制系统状态监测与故障诊断方法。

背景技术：

1、电网安全稳定控制系统是保障电力系统可靠运行的重要防线，其状态监测与故障诊断能力直接影响故障处置的及时性和准确性。广域测量系统的部署使得电网可同步获取多节点的电压相量、电流相量和频率数据，为实时掌握系统动态行为提供了数据基础。利用同步相量测量单元的高频采样数据实现电网运行状态评估与故障诊断，已成为该领域的关注焦点。

2、现有的电网状态监测与故障诊断方法多基于模型驱动思路，通过构建电力系统暂态仿真模型，将实时量测数据输入模型计算暂态稳定裕度或匹配预设故障模式。该方法对系统模型的精度依赖较大，且在线计算负担重，面对复杂电网拓扑和多重不确定性因素时，模型误差容易被放大，导致状态评估结果偏离实际。另一类数据驱动方法直接从同步相量测量数据中提取统计特征或时频特征，再借助分类器实现故障诊断。该类方法通常将多节点量测信息视为孤立的时序信号，未充分利用电网拓扑所蕴含的空间关联关系，也难以刻画机电暂态过程中的设备级动态交互特征。当电网发生暂态失稳或复杂故障时，广域量测信息中隐含的时空关联模式无法被充分挖掘，故障元件定位的准确率和状态评估的精细化程度受到制约。

3、为此，需要解决在机电暂态时间尺度下如何从同步相量测量数据中重构出能够表征设备级运行态势的特征图，以及如何从这类包含复杂时空依赖关系的特征图中有效提取电网运行状态信息的问题。

技术实现思路

1、本发明旨在提供一种电网安全稳定控制系统状态监测与故障诊断方法，从同步相量测量数据中重构设备级运行态势特征图并利用时空图卷积网络提取电网时空运行状态特征，以解决现有方法对电网时空关联特性挖掘不充分、故障诊断精度受限的问题。

2、为了实现上述目的，本发明提供如下技术方案：本发明提供一种电网安全稳定控制系统状态监测与故障诊断方法，该方法包括以下步骤：获取电网广域测量系统中多个同步相量测量单元采集的电压相量数据、电流相量数据和频率数据；根据所述电压相量数据、电流相量数据和频率数据构建时空同步数据矩阵；基于电力系统机电暂态时间尺度约束，对所述时空同步数据矩阵进行状态拓扑重构处理，生成设备级运行态势特征图；调用预训练的时空图卷积网络模型对所述设备级运行态势特征图进行多维度特征提取处理，得到电网时空运行状态特征；根据所述电网时空运行状态特征进行电网运行状态评估与故障诊断操作。该方法通过融合广域量测信息与深度学习模型，能够有效捕获电网动态过程在时间和空间上的耦合特性，提升状态感知与故障识别精度。

3、作为本发明的一个技术方案，获取电网广域测量系统中多个同步相量测量单元采集的电压相量数据、电流相量数据和频率数据的过程包括：确定电网中各节点部署的同步相量测量单元的设备标识和通信地址；通过广域通信网络向每个同步相量测量单元发送高频采样指令；接收每个同步相量测量单元返回的包含时间标签的电压幅值、电压相角、电流幅值、电流相角和频率测量值；对所述电压幅值、电压相角、电流幅值、电流相角和频率测量值进行时钟同步校准操作，生成带有统一时间基准的电压相量数据、电流相量数据和频率数据。该方案利用全网统一时间基准的高频同步量测数据，为后续时空特征分析提供高精度数据基础。

4、优选的，构建时空同步数据矩阵时，将所述电压相量数据、电流相量数据和频率数据按照时间标签进行时间维度对齐，生成连续时间序列数据；设置滑动时间窗口，对所述连续时间序列数据进行分帧处理，得到多个时间窗口数据帧；对每个时间窗口数据帧中的电压相量数据、电流相量数据和频率数据进行空间维度排序操作，按照电网拓扑结构中各节点的电气距离进行排列；将排列后的数据帧按照时间维度堆叠，生成三维时空同步数据矩阵。该处理方式保留了量测数据在时间和空间上的固有关联，便于后续模型从中提取时空演化规律。

5、进一步地，生成设备级运行态势特征图时，提取所述时空同步数据矩阵中的电压相角数据，计算各节点电压相角在预设时间窗口内的相角变化率；基于所述相角变化率，通过时域信号处理技术识别电力系统机电暂态过程中的主导振荡模式；根据所述主导振荡模式的振荡频率和阻尼比，确定各发电机节点的功角摇摆轨迹；对所述功角摇摆轨迹进行相空间重构处理，生成各发电机节点的状态轨迹映射点；将各发电机节点的状态轨迹映射点与负荷节点的电压幅值轨迹映射点进行空间拓扑关联，构建包含节点状态和边连接关系的设备级运行态势特征图。该特征图能够直观表征关键设备在机电暂态过程中的动态行为及其交互关系，为后续图模型处理提供结构化的输入。

6、作为本发明的一个优选实施例，调用预训练的时空图卷积网络模型进行多维度特征提取时，所采用的时空图卷积网络模型包括输入层、多个时空图卷积模块和输出层。将所述设备级运行态势特征图输入所述输入层，对所述设备级运行态势特征图进行节点特征归一化处理和边权重初始化处理；通过每个时空图卷积模块对前一层输出的特征图进行空间域图卷积操作，提取节点邻域空间特征；对所述节点邻域空间特征进行时间域因果卷积操作，提取时间依赖特征；通过门控机制对每个时空图卷积模块输出的空间特征和时间特征进行动态融合，生成中间特征图；将最后一个时空图卷积模块输出的中间特征图输入所述输出层，进行全连接映射处理，得到电网时空运行状态特征。该模型能够自适应地捕捉电网拓扑约束下的空间传播特性和时序演变规律，融合后的特征具有更强的判别能力。

7、在上述方案中，进行空间域图卷积操作时，获取前一层输出的特征图中每个节点的特征向量和节点之间的邻接矩阵；计算所述邻接矩阵的拉普拉斯矩阵，对所述拉普拉斯矩阵进行特征分解，得到拉普拉斯矩阵的特征值和特征向量；基于所述特征值和特征向量构建图傅里叶变换基，将每个节点的特征向量通过所述图傅里叶变换基映射至谱域；在谱域中引入可学习的滤波核参数，对映射后的谱域特征进行卷积操作；将卷积后的谱域特征通过逆图傅里叶变换映射回空间域，得到节点邻域空间特征。优选的，可学习的滤波核参数采用切比雪夫多项式近似进行参数化表示，以降低谱域卷积的计算复杂度，提高模型在大规模电网中的实用性。

8、作为本发明的又一技术方案，进行电网运行状态评估与故障诊断操作时，将所述电网时空运行状态特征输入预训练的多层次状态评估模型，计算电网各区域的暂态稳定裕度指标；根据所述暂态稳定裕度指标与预设的稳定阈值的比较结果，对电网各区域的运行状态进行等级划分，生成运行状态标签集。同时，将所述电网时空运行状态特征输入预训练的故障诊断分类器，通过所述故障诊断分类器中的全连接层和softmax激活函数，输出电网故障类型判别结果、故障元件定位结果和故障严重程度评估结果。该方案实现了对电网运行态势的量化评估和对故障事件的精细化诊断。

9、具体而言，故障诊断分类器的处理流程为：将所述电网时空运行状态特征输入故障诊断分类器的第一全连接层，进行第一维度压缩操作，得到压缩特征向量；将所述压缩特征向量输入故障诊断分类器的故障类型判别分支，通过第二全连接层和第一softmax激活函数，输出电网故障类型概率分布，选取概率最大值对应的故障类型作为电网故障类型判别结果；将所述压缩特征向量输入故障诊断分类器的故障元件定位分支，通过第三全连接层和第二softmax激活函数，输出电网各元件的故障概率分布，选取概率最大值对应的元件作为故障元件定位结果；将所述压缩特征向量输入故障诊断分类器的故障严重程度评估分支，通过第四全连接层和第三softmax激活函数，输出电网故障严重程度等级概率分布，选取概率最大值对应的等级作为故障严重程度评估结果。多分支并行处理的方式能够同时完成故障类型识别、元件定位和严重程度评估，满足电网稳定控制系统对多重诊断信息的实时需求。

10、在模型训练方面，所述时空图卷积网络模型在预训练阶段采用基于历史故障数据的监督学习策略，以交叉熵损失和均方误差损失加权组合作为模型训练的损失函数，使模型能够兼顾分类准确性和特征表示能力。

11、通过上述方法，电网广域测量数据被整合为时空同步矩阵，并重构为设备级运行态势特征图，利用时空图卷积网络挖掘深层时空特征，最终实现运行状态在线评估与故障智能诊断，为电网安全稳定控制提供可靠决策依据。

12、在上述技术方案中，本发明提供的技术效果和优点：

13、根据电压相量数据、电流相量数据和频率数据构建时空同步数据矩阵后，基于电力系统机电暂态时间尺度约束进行状态拓扑重构处理。具体由时空同步数据矩阵提取电压相角数据，计算预设时间窗口内的相角变化率；通过时域信号处理技术识别机电暂态过程中的主导振荡模式，并依据振荡频率和阻尼比确定各发电机节点的功角摇摆轨迹；对功角摇摆轨迹执行相空间重构，生成各发电机节点的状态轨迹映射点，同时将状态轨迹映射点与负荷节点的电压幅值轨迹映射点进行空间拓扑关联，构建包含节点状态和边连接关系的设备级运行态势特征图。该处理不再将各节点量测数据视为独立时间序列，而是将机电暂态中发电机功角摇摆的动力学特征和节点间电气关联共同嵌入图结构，使得特征图能够直接表达各设备在暂态过程中的行为差异及其相互牵连关系，有效保留了广域测量信息中的设备级暂态演化细节。

14、利用预训练的时空图卷积网络模型对设备级运行态势特征图进行多维度特征提取处理。时空图卷积网络模型中的每个时空图卷积模块对前一层输出的特征图执行空间域图卷积操作，提取节点邻域空间特征；对节点邻域空间特征再进行时间域因果卷积操作，提取时间依赖特征，并通过门控机制对空间特征和时间特征进行动态融合。空间域图卷积中，借助可学习的滤波核参数实现对图结构的自适应特征提取，切比雪夫多项式近似参数化方式则降低了谱域卷积的计算开销。逐模块串行堆积的空间域图卷积与时间域因果卷积，使得模型能够逐层抽象电网暂态过程中跨越时间和空间的关联模式，而门控融合机制则自适应调整每一层中空间特征与时间特征的信息保留比例，从而获得更具判别力的电网时空运行状态特征。基于这样的特征进行故障诊断分类时，故障类型判别分支、故障元件定位分支和故障严重程度评估分支能够分别输出准确率更高的判别结果和定位结果，不容易将机电暂态过程中相邻元件的响应混淆，对振荡中心迁移等复杂工况的适应性也更强。