一种基于互校验机制的单元制配电网故障主动识别方法

1.一种基于互校验机制的单元制配电网故障主动识别方法，包括如下步骤：步骤1：监视全网数据，对全网数据按照单元制划分模块，进行实时数据分类比对分析，实现动态分类识别；步骤2：判断是否存在分类为故障态、预警态的事件，如果存在则进入下一步，如果不存在，则继续监视；步骤3：单元内数据状态校正与补全；步骤4：采用数据互校验方法确认事件成立的可信性，弥补大数据识别分类后存在的误差；步骤5：确认故障事件成立，并调用相应故障类型的故障处理模块处理故障；步骤6：完成故障主动识别；所述步骤1包括：1.1：分类比对分析的算法采用KNN分类算法，完成对数据的分类比对分析；1.2：原始训练数据获取实际运行系统近三年的运行数据作为支撑；1.3：通过对具备相关性关系的数据的比对分析，实现将原始数据转化为特定事件类型；其中特定事件类型分类包含故障态、正常态、预警态，故障态包括：短路故障、小电流接地故障、断线故障；预警态包括：合环运行、重载运行、失去转供路径；所述短路故障是具备开关跳闸、保护动作，跳闸开关下游设备量测归零特征；小电流接地故障是具备变电站母线接地告警、母线电压变化、变电站出现断路器选线结果、配网零序过流动作与零序过流峰值分析、配网故障指示器接地指示与录波波形分析特征；断线故障具备设备量测归零、配变失压特征；所述步骤3包括：3.1：对单元内的数据组进行状态估计，并结合KNN分类算法的经验值进行数据补全与校正工作，补充丢失信号，丢弃错误信号；3.2：通过大量原始数据积累比较，并随着时间的推移动态调整经验值与专家库信息，保证校正参照标准的准确性，从而形成完整的单元内数据信息用于下一步校验使用；所述步骤4包括：4.1：通过对数据分类得到的实时数据组中的不同类型数据，深入挖掘数据与数据之间的相互依赖关系，互相验证其可靠性；4.2：同时验证故障态或预警态下数据本身存在的属性关系与约束关系，以此作为参照，确认故障事件本身是否成立；所述KNN分类算法是一种大数据分析的方法。