本發明涉及電力系統，具體為一種計量故障特征子模式提取和故障診斷方法及系統。

背景技術：

1、電力用戶現場運行狀況復雜，日常運行中的計量異常事件種類繁多，很難對異常告警事件進行全面有效地分析。目前針對計量自動化系統所能給出的所有計量告警事件并沒有一套統一高效的分析方法，大多采用傳統的方法進行異常分析或僅針對單個異常告警事件進行分析處理，面對多個告警事件同時出現場景，大多需要依靠計量人員的經驗進行判斷分析，結果容易受主觀因素影響，且缺乏理論支撐。同時，在基層計量低壓故障運維工作后，現場運維人員會在工單完成后會上報故障類別，但是由于現場運維人員填報故障類別時不會詳細描述，同一個故障類別或許存在多種故障原因。基于此，結合故障類別和告警事件，開展計量低壓側故障告警事件的特征子模式提取，可以實現同一類故障類別內不同故障原因的故障告警事件特征子模式的精細化識別和提取，對提升計量低壓側故障診斷的準確率具有重要意義。

2、對此，本發明方法以計量自動化系統運維工單故障類別和告警事件記錄為基礎，提出基于k-medoids算法和手肘法的計量故障特征子模式提取和故障診斷方法，實現故障特征子模式的精細化提取和管理，基于此結合故障特征子模式和實時告警事件開展故障診斷，提升計量低壓側故障診斷的準確率，支撐計量低壓運維工單生成。

技術實現思路

1、鑒于上述存在的問題，提出了本發明。

2、因此，本發明解決的技術問題是：現有的計量告警事件分析方法存在缺乏統一高效的分析手段，無法有效整合和分析多種類型的計量異常事件，以及如何在多個告警事件同時出現的情況下，進行不同故障原因的精細化識別的優化問題。

3、為解決上述技術問題，本發明提供如下技術方案：一種計量故障特征子模式提取和故障診斷方法，包括：

4、計量主站獲取計量低壓運維工單的故障類別樣本數據；

5、計量主站獲取故障類別的告警事件記錄特征樣本數據；

6、基于k-medoids聚類算法，設置計量低壓故障特征子模式聚類算法和聚類參數，計算計量低壓故障特征子模式聚類標準，計算并更新故障特征子模式聚類中心，獲取聚類數k的計量低壓故障特征子模式；

7、基于手肘法確定故障特征子模式最優聚類數，獲取最終的故障特征子模式；

8、基于故障特征子模式和實時告警事件開展故障診斷，支撐計量低壓運維工單生成。

9、作為本發明所述的計量故障特征子模式提取和故障診斷方法的一種優選方案，其中：將所述故障類別按照故障類別排序，故障類別n記為yn。

10、作為本發明所述的計量故障特征子模式提取和故障診斷方法的一種優選方案，其中：所述告警事件包括計量設備告警、用電異常告警、光伏用戶告警和其他告警；

11、所述告警事件按照告警事件順序進行排序，每個告警事件排序為第xn個向量。

12、作為本發明所述的計量故障特征子模式提取和故障診斷方法的一種優選方案，其中：所述設置計量低壓故障特征子模式聚類算法和聚類參數包括

13、設置聚類數為k，在告警事件記錄特征向量數據樣本隨機選取k個數據樣本作為初始聚類中心，記為第k個聚類中心為[ok,1,ok,2,…,ok,j,…,o56,]。

14、作為本發明所述的計量故障特征子模式提取和故障診斷方法的一種優選方案，其中：所述計算計量低壓故障特征子模式聚類標準包括采用誤差平方和衡量第q個告警事件記錄特征向量數據樣本和第k個聚類中心的距離，作為計量低壓故障特征子模式聚類標準，表示為，

15、

16、其中，φk,q為第q個告警事件記錄特征向量數據樣本和第k個聚類中心的誤差平方和；

17、計算出第q個告警事件記錄特征向量數據樣本和k個聚類中心的誤差平方和后，若某告警事件記錄特征向量數據樣本與某聚類中心的誤差平方和最小，則將此樣本歸類為該聚類簇中。

18、作為本發明所述的計量故障特征子模式提取和故障診斷方法的一種優選方案，其中：所述計算并更新故障特征子模式聚類中心包括在第k個聚類簇內，依次以聚類簇內的每個告警事件記錄特征向量數據樣本分別作為聚類中心，計算其他樣本與聚類中心的誤差平方和，誤差平方和最小的聚類中心對應的告警事件記錄特征向量數據樣本更新為該聚類簇的聚類中心。

19、作為本發明所述的計量故障特征子模式提取和故障診斷方法的一種優選方案，其中：所述獲取最終的故障特征子模式包括采用手肘法將誤差平方和值和k值關系曲線的首尾相連，得到一條直線，記為y＝ax+b；

20、當聚類數為k時，誤差平方和值與該直線的值的差值記為lk，lk最大時對應的k值為最優聚類數；

21、計算不同k值下的誤差平方和，計算不同聚類數k值下的lk，lk最大時對應的k值作為最優聚類數，該聚類數下的計量低壓故障特征子模式即為故障類別yi的計量低壓故障特征子模式，記故障類別yi最終的計量低壓故障特征子模式為[es,i,1,es,i,2,…,es,i,j,…,es,i,56]，s∈[1,…,ui]，ui為故障類別yi的最優聚類數。

22、本發明的另外一個目的是提供一種計量故障特征子模式提取和故障診斷系統，其能通過構建計量故障特征子模式提取和故障診斷系統，解決了現有計量自動化系統中的故障原因識別不精細、主觀判斷影響結果問題。

23、為解決上述技術問題，本發明提供如下技術方案：一種計量故障特征子模式提取和故障診斷系統，包括：樣本獲取模塊、告警記錄模塊、聚類分析模塊、優化聚類模塊以及故障診斷模塊；所述樣本獲取模塊用于計量主站獲取計量低壓運維工單的故障類別樣本數據；所述告警記錄模塊用于計量主站獲取故障類別的告警事件記錄特征樣本數據；所述聚類分析模塊用于基于k-medoids聚類算法，設置計量低壓故障特征子模式聚類算法和聚類參數，計算計量低壓故障特征子模式聚類標準，計算并更新故障特征子模式聚類中心，獲取聚類數k的計量低壓故障特征子模式；所述優化聚類模塊用于基于手肘法確定故障特征子模式最優聚類數，獲取最終的故障特征子模式；所述故障診斷模塊用于基于故障特征子模式和實時告警事件開展故障診斷，支撐計量低壓運維工單生成。

24、一種計算機設備，包括存儲器和處理器，所述存儲器存儲有計算機程序，所述處理器執行所述計算機程序時實現如上所述計量故障特征子模式提取和故障診斷方法的步驟。

25、一種計算機可讀存儲介質，其上存儲有計算機程序，所述計算機程序被處理器執行時實現如上所述計量故障特征子模式提取和故障診斷方法的步驟。

26、本發明的有益效果：本發明提供的計量故障特征子模式提取和故障診斷方法以計量自動化系統運維工單故障類別和告警事件記錄為基礎，提出基于k-medoids算法和手肘法的計量故障特征子模式提取和故障診斷方法，實現故障特征子模式的精細化提取和管理，基于此結合故障特征子模式和實時告警事件開展故障診斷，提升計量低壓側故障診斷的準確率，支撐計量低壓運維工單生成。另一方面，可以進一步按低壓臺區區域屬性、臺區用戶規模、終端類型、組網方式以及其他需求進行數據樣本分類，從而可以實現個性化的計量故障特征子模式提取，達到更好故障特征子模式提取和故障診斷效果。