[發明專利]一種輸電線路故障原因識別方法及系統

在審

• 申請號: 202010522516.8
• 申請日: 2020-06-10
• 公開（公告）號: CN111898729A
• 公開（公告）日: 2020-11-06
• 發明（設計）人: 楊毅;范棟琛;宋亮亮;宋爽;黃哲忱;李現軍;武凱;崔玉;杜云龍;高磊;曹海歐
• 申請（專利權）人: 國網江蘇省電力有限公司電力科學研究院;國家電網有限公司;國網江蘇省電力有限公司;山東山大電力技術股份有限公司;江蘇省電力試驗研究院有限公司
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/08;G01R31/08;G01R31/58;G01W1/10
• 代理公司: 南京縱橫知識產權代理有限公司 32224
• 代理人: 史俊軍

1.一種輸電線路故障原因識別方法，其特征在于：包括，

獲取輸電線路的故障數據和氣象數據；

根據故障數據、氣象數據和預設特征提取準則，提取故障數據特征和氣象數據特征；

將故障數據特征和氣象數據特征組合成綜合特征向量；

將綜合特征向量輸入預先訓練的神經網絡模型，識別出輸電線路故障原因。

2.根據權利要求1所述的一種輸電線路故障原因識別方法，其特征在于：預設特征提取準則為，

特征與故障原因類型關聯，且各特征之間互相獨立；

特征能有效提取，且用于特征提取的數據能在故障后獲取。

3.根據權利要求1所述的一種輸電線路故障原因識別方法，其特征在于：將故障數據特征和氣象數據特征均采用數值量化，將量化的數值組合成綜合特征向量。

4.根據權利要求3所述的一種輸電線路故障原因識別方法，其特征在于：氣象數據特征包括天氣類特征、季節類特征、時段類特征；其中天氣類特征包括晴天、陰天、雷雨、霧霾和雨雪，季節類特征包括春、夏、秋和冬，時段類特征包括清晨、白天、傍晚和午夜；故障數據特征包括重合閘、過渡電阻、過渡電阻伏安特性、故障相電流直流含量和故障相電流諧波含量。

5.根據權利要求4所述的一種輸電線路故障原因識別方法，其特征在于：故障數據特征和氣象數據特征采用數值量化，具體如下，

氣象數據特征和重合閘：采用0和1量化，其中，0表示對應的特征沒有發生，1表示對應的特征發生；

過渡電阻：采用故障期間一個周期內的過渡電阻均值量化；

過渡電阻伏安特性：采用故障期間一個周期內過渡電阻瞬時值的標準偏差量化；

故障相電流直流含量：采用直流分量與基波分量的比值量化；

故障相電流諧波含量：采用電流三次諧波分量與基波分量的比值量化。

6.根據權利要求1所述的一種輸電線路故障原因識別方法，其特征在于：響應于識別出的輸電線路故障原因與實際故障原因無偏差，用該識別結果調整神經網絡模型訓練樣本庫，重新訓練神經網絡模型。

7.根據權利要求6所述的一種輸電線路故障原因識別方法，其特征在于：響應于識別出的輸電線路故障原因與實際故障原因無偏差，用該識別結果調整神經網絡模型訓練樣本庫，重新訓練新的神經網絡模型，具體過程為，

響應于識別出的輸電線路故障原因與實際故障原因無偏差，將該輸電線路故障原因和對應的綜合特征向量作為新樣本，替換神經網絡模型訓練樣本庫中的一個樣本；

響應于當前使用神經網絡模型準確度低于閾值，基于替換后的神經網絡模型訓練樣本庫重新訓練神經網絡模型。

8.一種輸電線路故障原因識別系統，其特征在于：包括，

數據獲取模塊：獲取輸電線路的故障數據和氣象數據；

特征提取模塊：根據故障數據、氣象數據和預設特征提取準則，提取故障數據特征和氣象數據特征；

綜合特征向量模塊：將故障數據特征和氣象數據特征組合成綜合特征向量；

識別模塊：將綜合特征向量輸入預先訓練的神經網絡模型，識別出輸電線路故障原因。

9.一種存儲一個或多個程序的計算機可讀存儲介質，其特征在于：所述一個或多個程序包括指令，所述指令當由計算設備執行時，使得所述計算設備執行根據權利要求1至7所述的方法中的任一方法。

10.一種計算設備，其特征在于：包括，

一個或多個處理器、存儲器以及一個或多個程序，其中一個或多個程序存儲在所述存儲器中并被配置為由所述一個或多個處理器執行，所述一個或多個程序包括用于執行根據權利要求1至7所述的方法中的任一方法的指令。