[發明專利]一種快速識別線路故障原因的裝置及方法

在審

• 申請號: 202010712533.8
• 申請日: 2020-07-22
• 公開（公告）號: CN111880046A
• 公開（公告）日: 2020-11-03
• 發明（設計）人: 王鑫明;李世輝;張飛飛;賈曉卜;郜建祥;蘇玉京;尹楠;孟憲朋
• 申請（專利權）人: 國網河北省電力有限公司;國家電網有限公司
• 主分類號: G01R31/08
• 分類號: G01R31/08
• 代理公司: 石家莊新世紀專利商標事務所有限公司 13100
• 代理人: 呼春輝

1.一種快速識別線路故障原因的裝置，其特征在于：包括獲取故障錄波信息模塊、建立故障特征模型模塊和智慧分析模塊共三個程序模塊，獲取故障錄波信息模塊，用于獲取故障時刻的故障錄波信息并供建立故障特征模型模塊使用，所述故障錄波信息包括故障電壓信息和故障電流信息；建立故障特征模型模塊，用于從故障錄波信息中提取出故障特征量，建立故障特征量與故障原因之間的映射關系并形成故障特征模型；智慧分析模塊，用于將獲取的故障錄波信息輸入故障特征模型并獲得相應的故障原因。

2.根據權利要求1所述的一種快速識別線路故障原因的裝置，其特征在于：還包括故障錄波系統和服務器，所述故障錄波系統與服務器連接并單向通信，獲取故障錄波信息模塊，還用于故障錄波系統獲取故障時刻的故障錄波信息并發送至服務器；建立故障特征模型模塊，還用于服務器接收故障錄波系統發來的故障時刻的故障錄波信息，從故障錄波信息中提取出與故障發生密切相關的特征量；智慧分析模塊，還用于服務器獲取故障錄波信息，輸入故障特征模型并找到故障原因。

3.根據權利要求1所述的一種快速識別線路故障原因的裝置，其特征在于：還包括獲取雷電定位信息模塊，用于獲取落雷信息并供建立故障特征模型模塊使用，所述落雷信息包括雷電定位信息和雷電流；建立故障特征模型模塊，還用于從故障錄波信息和雷電定位信息中提取出故障特征量，建立故障特征量與故障原因之間的映射關系并形成故障特征模型；智慧分析模塊，還用于將獲取的故障錄波信息及落雷信息輸入故障特征模型并獲得相應的故障原因。

4.根據權利要求2所述的一種快速識別線路故障原因的裝置，其特征在于：還包括雷電定位系統以及獲取雷電定位信息模塊，所述雷電定位系統與服務器連接并單向通信，獲取雷電定位信息模塊，用于雷電定位系統獲取落雷信息并發送至服務器，所述雷電定位信息即落雷地點；建立故障特征模型模塊，還用于服務器接收雷電定位系統發來的落雷信息，從故障錄波信息和雷電定位信息中提取出與故障發生密切相關的特征量；智慧分析模塊，還用于服務器獲取故障錄波信息及落雷信息，輸入故障特征模型并找到故障原因。

5.根據權利要求3所述的一種快速識別線路故障原因的裝置，其特征在于：在建立故障特征模型模塊中，所述故障特征量包括故障電壓中的諧波成分、故障電流中的直流分量和落雷地點；將故障特征量和故障原因的數據保存并形成故障原因信息庫。

6.根據權利要求3所述的一種快速識別線路故障原因的裝置，其特征在于：在建立故障特征模型模塊中，從故障錄波信息中提取故障零序電流波形、故障相電壓、相電流直流含量及諧波分量以及重合閘信息作為故障數值特征，從落雷信息中提取雷電定位信息作為故障數值特征，利用BP神經網絡建立故障特征量與故障原因之間的映射關系，將故障錄波信息及落雷信息作為輸入向量，將故障原因作為輸出向量，建立的故障特征模型為故障特征BP網絡模型。

7.一種快速識別線路故障原因的裝置，包括存儲器和處理器，其特征在于：還包括存儲在存儲器中并可在處理器上運行的獲取故障錄波信息模塊、獲取雷電定位信息模塊、建立故障特征模型模塊和智慧分析模塊共四個程序模塊。

8.一種快速識別線路故障原因的裝置，為計算機可讀存儲介質，其特征在于：所述計算機可讀存儲介質存儲有獲取故障錄波信息模塊、獲取雷電定位信息模塊、建立故障特征模型模塊和智慧分析模塊共四個程序模塊。

9.一種快速識別線路故障原因的方法，其特征在于：基于故障錄波系統和服務器，所述故障錄波系統與服務器連接并單向通信，還包括如下步驟，第一步，故障錄波系統獲取故障時刻的故障錄波信息并發送至服務器，所述故障錄波信息包括故障電壓信息和故障電流信息；第二步，服務器接收故障錄波系統發來的故障時刻的故障錄波信息，從故障錄波信息中提取出故障特征量，建立故障特征量與故障原因之間的映射關系并形成故障特征模型；第三步，服務器將獲取的故障錄波信息輸入故障特征模型并獲得相應的故障原因。

10.根據權利要求9所述的一種快速識別線路故障原因的方法，其特征在于：還基于雷電定位系統，所述雷電定位系統與服務器連接并單向通信，在第一步中，雷電定位系統獲取落雷信息并發送至服務器，所述落雷信息包括雷電定位信息和雷電流；在第二步中，服務器接收雷電定位系統發來的落雷信息，從故障錄波信息和雷電定位信息中提取出故障特征量，建立故障特征量與故障原因之間的映射關系并形成故障特征模型；即從故障錄波信息中提取故障零序電流波形、故障相電壓、相電流直流含量及諧波分量以及重合閘信息作為故障數值特征，從落雷信息中提取雷電定位信息作為故障數值特征，利用BP神經網絡建立故障特征量與故障原因之間的映射關系，將故障錄波信息及落雷信息作為輸入向量，將故障原因作為輸出向量，建立的故障特征模型為故障特征BP網絡模型；在第三步中，服務器將獲取的故障錄波信息及落雷信息輸入故障特征模型并獲得相應的故障原因。