[發明專利]基于行波數據深度學習的輸電線路故障選線與定位方法

有效

• 申請號: 202210040970.9
• 申請日: 2022-01-14
• 公開（公告）號: CN114325245B
• 公開（公告）日: 2023-07-14
• 發明（設計）人: 萬望龍;王瑞;秦拯;鄧名高;張吉昕;歐露;高詩慧;尹鍵溶
• 申請（專利權）人: 湖南大學;湖南湘能智能電器股份有限公司
• 主分類號: G01R31/08
• 分類號: G01R31/08
• 代理公司: 湖南岑信知識產權代理事務所(普通合伙) 43275
• 代理人: 谷萍

1.一種基于行波數據深度學習的輸電線路故障選線與定位方法，其特征在于，包括如下步驟：

S1：獲取多個輸電線路組的時序行波數據，對所述時序行波數據標注標簽后形成數據集，將所述數據集分為訓練集和測試集；

S2：提取所述數據集的特征，然后將提取的特征及其標簽送入循環神經網絡模型進行多次迭代訓練，將訓練好的模型采用所述測試集進行測試，得到輸電線路故障選線模型；

S3：針對任意線路組內的線路故障，采用所述輸電線路故障選線模型確定故障線路，然后將故障線路的行波數據兩等分形成兩個滑動窗口，逐漸減小其中一個所述滑動窗口的大小，此時另外一個滑動窗口的大小對應增加，確保兩個滑動窗口完全包含所述故障線路的全部行波數據，將兩個所述滑動窗口的行波數據分別送入孿生神經網絡模型的兩個子網絡中輸出對應的表征，計算兩個表征的歐式距離，得到兩個所述滑動窗口行波數據的相似程度，當兩個所述滑動窗口的相似程度達到最大時，則此時兩個所述滑動窗口相接位置所對應的點即為線路故障點；

S4：分別記錄線路兩端接收到故障點信號的時間，計算兩個接收時間的比值，即為線路故障點分別到故障線路兩端的距離比值，確定線路故障點的具體位置。

2.根據權利要求1所述的基于行波數據深度學習的輸電線路故障選線與定位方法，其特征在于，所述時序行波數據為電流行波數據或電壓行波數據。

3.根據權利要求1所述的基于行波數據深度學習的輸電線路故障選線與定位方法，其特征在于，所述輸電線路組中包含若干條正常線路和一條故障線路，標注的過程是為了每條線路的時序行波數據打上標簽，故障線路標記為1，正常線路標記為0。

4.根據權利要求1所述的基于行波數據深度學習的輸電線路故障選線與定位方法，其特征在于，所述數據集中訓練集與測試集的比例為8:2。

5.根據權利要求1所述的基于行波數據深度學習的輸電線路故障選線與定位方法，其特征在于，提取的特征包括行波數據的平均歐式偏離度、平均差分偏離度、最大歐式偏離度、最小歐式偏離度，最大差分偏離度及最小差分偏離度。