基于孤立森林算法的區域電網故障自動定位

摘 要：當對區域電網故障定位時，現有定位方法存在定位結果與實際故障位置偏差較大的問題。為了解決該問題，本文引入孤立森林算法，進行區域電網故障自動定位方法研究。利用孤立森林算法，提取區域電網故障數據特征。對區域電網故障進行自動定位，并將其隔離。試驗結果表明，本文定位方法可以準確找到區域電網發生故障的區域，并將其進行有效隔離，從而提高區域電網整體運行穩定性。

關鍵詞：孤立森林算法；電網故障；自動定位

中圖分類號：TM 755" " " " " " " 文獻標志碼：A

在現代社會，電力是支撐經濟發展和日常生活的基礎能源，其穩定供應至關重要。區域電網是電力系統的重要組成部分，其安全運行直接影響廣大用戶的用電質量和電力企業的經濟效益。然而，電網故障通常無法避免，可能導致電力中斷，甚至引起更嚴重的安全事故。因此，快速、準確地定位故障點，對及時恢復供電、減少損失具有重要意義。

目前，電網故障定位的方法主要包括文獻[1]基于保護狀態信息與凝聚層次聚類的電網故障定位算法、文獻[2]基于FRFT-RBF網絡的船舶電網故障定位方法等。文獻[1]方法通常依基于故障發生后保護設備的動作狀態信息，利用邏輯推理或專家系統來推斷故障位置。但是這種方法在復雜電網中可能會因保護配置不合理或保護設備誤動作等而導致定位結果不準確。文獻[2]方法利用故障產生的行波在電網中的傳播特性來定位故障點。該方法具有較高的精度，但是在實際應用中需要安裝專門的行波測量裝置，對電網結構的變化和故障類型的多樣性適應能力有限。

目前，隨著人工智能技術快速發展，基于人工智能算法的故障定位方法逐漸成為研究熱點。針對現有方法的不足，本文提出了基于孤立森林算法的區域電網故障自動定位方法。

1 基于孤立森林算法的區域電網故障數據特征提取

為了提升區域電網故障數據的處理效率，本文采用孤立森林算法進行特征提取和異常點檢測。該方法利用孤立森林的強大能力，在智能儀表（客戶機）和供電接口（分支箱）收集的數據中快速識別離群值，即潛在的故障信號[3]，分析電力終端與智能儀表在特定時間段內的負荷變化情況，獲取故障前、后的負荷動態。為了降低電路噪聲的影響，應用低通濾波技術來平滑數據[4]。利用離散傅里葉變換（DFT），對故障前、后的每一相進行變換，從而捕獲高相角信號的特性。這有助于更深入地理解信號在故障發生前、后的變化模式，同時關注流速和氣壓的相位差在故障發生前、后的變化。由于故障點前、后的統計特性通常存在顯著差異，因此孤立森林能夠有效地揭示這些變化，有助于準確識別故障階段。為了提高計算效率，本文設置多個基分類器在數據分布的不同邊界上，以實現更快的異常檢測速度[5]。基于iTree的個數和樣本個數對孤立森林的輸出效率有較大影響，但是受限于節點內的iTree個數和樣本數目的限制。節點中iTree數目約束如公式（1）所示。

（1）

式中：xn為節點中iTree數量；Xmin為iTree數目的最小值；n為節點編號；N為節點總數。

iTree中樣本數據量約束如公式（2）所示。

yn≥Ymin （2）

式中：yn為節點中任意iTree的樣本數據量；Ymin為任意iTree樣本數據量的最小值。區域電網中配電邊緣代理裝置上的每一棵iTree的最大計算量如公式（3）所示。

（3）

式中：Wmax為最大計算量。

在推進項目的過程中，本文針對配電網電價的邊緣Agent進行數據采集，并建立相應的數據庫。為了更精準地分析電價波動，特別選取了電價失效前、后的關鍵數據，建立數據訓練樣本集。對部分數據無法直接用于構建獨立樹的情況，采用迭代策略采集這些樣本中的子樣本，直至保證每一個分析點都能獨立參與后續的分析[6]。進而利用這些獨立樹，以整合多個獨立森林的方式來捕捉和識別電價數據的統計特性。在這個階段，本文引入指派值的概念，對統計量進行再分割，以進一步提高分析的準確性。為了進一步挖掘數據的深層規律，采用遞推方法構建一系列特定的統計探測節點。這些節點有助于更全面地理解電價數據中的異常特征，最終形成異常數據特征集。孤立樹模型是由多個獨立的樹結構聚合而成的，每一棵樹都承載了豐富的信息[7]。在孤立樹中，每一個節點不僅是數據的交匯點，而且是信息的匯聚處，共同構成分析電價波動的強大工具。

2 區域電網故障自動定位與隔離

孤獨森林的配電網故障精確定位方法包括8個關鍵步驟，見表1，旨在利用數據分析和模型訓練實現故障點的快速定位。

當按照表1內容進行區域電網故障定位時，電壓或電流信號的全周期傅里葉變換如公式（4）所示。

X（f）=∫∞ -∞x（t）e-j2πftdt " " " " " " "（4）

式中：X（f）為全周期傅里葉變換結果；f為頻率變量；x（t）為電壓或電流信號；e-j2πft為時域函數；t為時間變量。

在實際應用中，由于數據是離散的，因此通常使用離散傅里葉變換（DFT）或其快速算法（FFT）。在步驟五中，需要計算定位結果間的偏差值，通常涉及計算2個定位結果間的距離、差異或相似度。具體的計算公式取決于所使用的偏差度量方法。如果定位結果可以表示為多維空間中的點，那么可以使用歐氏距離來衡量它們之間的差異，如公式（5）所示。

（5）

式中：d（p，q）為2個定位結果間的歐氏距離；p和q分別為2個定位結果；pi和qi分別為2個定位結果對應在各個維度上的值。

在實際應用中構建一個詳細的配電網絡模型，該模型應包括配電網絡中的各個關鍵模塊。在配電網絡模型中，對各個模塊進行故障仿真，模擬故障情況，并記錄故障路徑上的三相電壓數據。采用加性高斯白噪聲法對三相電壓和電流進行模擬測量，以引入測量誤差，如公式（6）所示。

Vm=Vt+N'（0，σ2） （6）

式中：Vm為模擬測量得到的三相電壓；Vt為模擬測量得到的三相電壓；N'為高斯白噪聲；σ2為方差。

對包括誤差的三相電壓和電流進行全周期的傅里葉轉換，得到頻譜信息。傅里葉轉換公式如公式（7）所示。

（7）

式中：X[k]為傅里葉變換的結果；x[n]為離散時間信號。

比較線路兩端的電氣量和線路參數，得出初始的故障位置。當配電網發生故障時，采集故障線路兩端的三相電壓和電流數據。使用已訓練好的神經網絡模型，處理采集的數據，得到準確的故障位置。

確定故障區段后，操作與該區段連接的開關以隔離故障，步驟如下所示。第一步，初始化變量。設定一個變量j，并為其賦初值為1。第二步，檢查條件。檢查特定條件fi（j）是否為1。如果結果不為1，就繼續下一步；如果為1，就直接跳到第四步。第三步，遞增變量并判斷。將j的值加1，然后檢查j是否≤4。如果是，就返回第二步；如果不是，那么整個流程結束。第四步，再次初始化變量。設定另一個變量k，并對其賦初值1。第五步，識別與隔離。判斷r（j，k）是否為0。r（j，k）表示區域電網關聯矩陣中的元素。如果r（j，k）為0，就繼續下一步；如果不為0，那么表明di（k）是故障區段的一個邊界開關。此時，控制中心會向這個開關發送跳閘信號，使其斷開，并繼續進行下一步。第六步，循環與結束條件。將k的值加1，并檢查k是否≤ddi，ddi表示開關集的維度。如果滿足條件，那么返回第五步；如果不滿足，那么再次遞增j的值，并返回第二步。

通過上述流程，可以有效識別并隔離故障區段的邊界開關，從而保證電網穩定，并保障其安全運行。

3 對比試驗

在上文基礎上，結合孤立森林算法提出一種全新的電網故障定位方法。為了驗證該方法的應用效果，以某區域電網為例，分別利用本文方法、文獻[1]方法和文獻[2]方法對該電網故障進行定位。基于區域電網的各節點拓撲結構如圖1所示。

從圖1可以看出，該區域電網中包括8個聯絡開關節點和35個分段開關節點。該區域電網運行參數見表2。

3種方法的故障定位結果如圖2～圖4所示。

從圖2可以看出，本文方法定位的故障點與實際故障點完全一致，標記點重疊，可將該區域網絡中的3個故障位置全部找出。

在文獻[1]方法故障定位結果中，定位故障點與實際故障點間均存在一定偏差，無法成功找到故障位置，如圖3所示。

從圖4可以看出，文獻[2]方法無法對故障點進行準確定位，并且定位故障點為2個，實際故障點為3個，存在遺漏情況。

試驗結果證明，本文提出的定位方法定位精度更高，可以將區域電網中的故障問題全部找出，具有更高的應用價值。

4 結語

本文提出的基于孤立森林算法的區域電網故障自動定位方法將電網故障數據的特性和孤立森林算法的優勢相結合，能夠對電網故障點進行快速、準確定位。該方法不僅克服了傳統故障定位方法的局限性和不足，還提高了故障定位的實時性和自動化水平，為電力系統的安全運行提供了有力支持。展望未來，隨著智能電網技術不斷發展和完善，電網故障定位技術也將面臨更多的挑戰和機遇。未來會將孤立森林算法與其他先進算法進一步結合，提高故障定位的準確性和效率，并將該方法應用于更廣泛的電力系統場景中，推動電力系統的智能化和自動化水平不斷提升。

參考文獻

[1]何森，陳義森，張厚榮，等.基于保護狀態信息與凝聚層次聚類的電網故障定位算法[J].電器與能效管理技術，2022（2）：1-5，20.

[2]王高陽，劉峰.基于FRFT-RBF網絡的船舶電網故障定位方法[J].武漢船舶職業技術學院學報，2023，22（6）：77-84.

[3]張紅瑛，陳苑婷，吳炳超，等.電網運維大數據背景下的繼電保護通信系統故障定位方法研究[J].今日制造與升級，2024（1）：12-14.

[4]張裕，羅晨，王斌，等.基于改進BES算法的光伏型電網分區故障定位研究[J].中國工程機械學報，2024，22（1）：128-131，136.

[5]張鵬昊.含分布式能源直流-交流混合電網故障定位研究[J].現代電子技術，2023，46（18）：125-132.

[6]任濤，步雅楠，周君，等.基于電網運維大數據背景下的繼電保護故障定位分析[J].電工技術，2023（17）：232-234，239.

[7]張靜，高鵬飛.應用于環形電網故障定位的新型雙端行波測距法[J].金陵科技學院學報，2023，39（2）：23-30.