59、电力系统故障检测与分类：基于随机矩阵理论和合成少数类过采样技术的方法

电力系统故障检测与分类：基于随机矩阵理论和合成少数类过采样技术的方法

1. 研究背景与文献综述

在电力系统中，为了实现不间断供电，系统需要尽快识别各种故障，以避免完全停电。过去的一些研究方法存在一定的局限性。例如，Ozay等人提出的半监督在线决策框架及特征级融合算法，虽可检测虚假数据注入攻击，但无法定义故障影响在系统中的传播；He等人结合状态向量估计器和卷积深度信念网络的方法，能处理误差传播问题，但不能明确故障类型；还有利用前馈神经网络模型识别配电攻击的方法，不适用于协调攻击情况，会导致电力系统稳定性问题。

此外，研究还发现数据类别不平衡是一个关键问题，故障数据与稳定数据相比大多不平衡。为解决这一问题，采用了数据驱动的方法进行故障检测和分类，并引入随机矩阵理论（RMT）来避免坏数据的影响，因为RMT能处理模拟运行中的传播问题和类别不平衡情况。同时，为解决目标成本未与传统误分类成本整合的问题，添加了合成少数类过采样技术（SMOTE）。

2. 常见线路故障类型

电力系统中的故障表现为测量向量偏离其标称值或状态。正常情况下，电力系统设备或线路的测量向量正常，保证电网安全平稳运行；而故障发生时，测量向量会出现偏差。常见的不对称故障包括：
- 单线路接地故障（LG） ：是最常见的故障之一，约占电力系统故障发生总数的70 - 80%。通常在短路后，线路与地面之间形成通路而发生。
- 线路间故障（LL） ：当带电导体相互靠近时产生，如大风等自然原因可能导致架空导体摆动接触，约占总报告故障的15 - 20%。
- 双线路接地故障（LLG）