一种基于多源数据的配电线路雷击故障识别方法及系统与流程
本技术属于配电线路故障识别,具体涉及一种基于多源数据的配电线路雷击故障识别方法及系统。
背景技术:
1、现有配电线路故障处理通常分为两类,一类是侧重故障区段或故障点定位,通过故障录波、行波、拓扑、设备状态、气象先验等数据判断故障位置,另一类侧重雷害风险评估,通过雷电地闪密度、杆塔参数、海拔、地形倾角、弧垂等因素划分高风险杆塔或高风险区段。这些方法对配电线路的运维具有参考价值,但其目标是“定位故障点”或“预测/评估雷害风险”,并不能直接判断某已发生的故障是否与先前的雷击事件有关,即判断是否为雷击故障。
2、对于配电线路雷击故障辨识,现有方法常采用人工经验或简单时空关联,在故障发生时刻附近查询雷电定位记录,若存在时间接近或空间较近的雷击,则倾向判断为雷击故障。这种方法易在雷电密集、高原山地线路和复杂气象条件下发生误判,将非雷击造成的线路故障识别为雷击故障。
技术实现思路
1、本技术提出了一种基于多源数据的配电线路雷击故障识别方法及系统,能够解决现有技术在雷击密集和复杂地形下,易将非雷击造成的配电线路故障识别为雷击故障,导致故障原因分析错误的问题。
2、本技术的第一方面提供了一种基于多源数据的配电线路雷击故障识别方法,所述方法包括:
3、根据线路故障事件对应的瞬时电气参数,确定故障点,并采集故障行波数据、雷电定位数据、配电线路地理信息和气象数据;
4、根据配电线路地理信息,通过计算监测终端分别与故障点和线路杆塔的相对距离,从线路杆塔中选出故障点的故障参考杆塔;
5、基于所述故障参考杆塔和所述瞬时电气参数的突变时刻,通过雷电定位数据计算每个候选雷击事件的故障关联度,选出所述故障关联度最大的候选雷击事件作为最可能导致所述线路故障事件的第一雷击事件;
6、将所述第一雷击事件的故障关联度与预设的动态阈值进行比较,得到所述线路故障事件的故障识别结果。
7、上述方案通过采集和采用多源数据识别线路故障类型,从根本上解决了传统单一数据源判别法准确率低、适应性差的问题。首先通过采集的多源数据,识别出线路故障发生前后的电气参数变化,以瞬时电气参数的突变时刻作为雷击故障识别的时间基准。另外还引入了故障参考杆塔作为中间锚点,将故障点与实际的杆塔位置关联起来,为雷电定位数据的空间筛选提供了具体、可计算的基准,是计算雷击与故障点之间的空间距离的统一基准,降低高原山地线路中平面距离与实际线路长度不一致造成的候选雷击空间匹配误差。考虑到在雷击频发时段和复杂地形区域,相邻杆塔海拔差会导致球面水平距离与线路实际距离偏差较大,因此通过每个候选雷击事件与故障点之间的空间、时间差距,从众多的候选雷击事件中选出最可能导致本次线路故障事件的那一个,减少了人工研判的主观性和工作量。采用动态阈值而非固定阈值进行最终判定,使方法能随气象环境、季节时段等外部条件自适应调整敏感度,既保证了雷雨高发期的检出率,又降低了干燥季节的误报率,进一步提升雷击故障识别的精度。
8、在第一方面的一种可能的实现方法中,根据线路故障事件对应的瞬时电气参数,确定故障点,并采集故障行波数据、雷电定位数据、配电线路地理信息和气象数据,具体为:
9、当检测到配电线路的瞬时电气参数的突变幅值超过第一阈值时,判定配电线路上发生线路故障事件;
10、根据所述线路故障事件对应的瞬时电气参数,将所述线路故障事件的发生位置作为故障点,所述突变时刻作为所述线路故障事件的发生时刻;
11、发生所述线路故障事件后,基于所述发生时刻,同步采集故障行波数据、雷电定位数据、配电线路地理信息和气象数据。
12、上述方案进一步细化了多源数据的具体采集内容和时间范围,为每类数据赋予了物理明确、可量化的特征维度,使得后续的关联度计算和推理判断具备坚实的数学和物理基础。并将瞬时电气参数的突变幅值过大的时刻作为线路故障事件发生的时刻,以精准定位线路故障的发生时间。
13、在第一方面的一种可能的实现方法中,基于所述发生时刻,同步采集故障行波数据、雷电定位数据、配电线路地理信息和气象数据,具体为:
14、采集所述发生时刻的前一特定时间范围和后一特定时间范围内的瞬时电气参数,得到故障行波数据;
15、根据所述发生时刻和故障点构建的数据采集范围,采集雷电发生时刻、雷击点经纬度、回击峰值电流、雷电流极性和参与雷电定位的观测站总数,得到雷电定位数据;
16、根据配电线路的拓扑结构和各杆塔的经纬度及高程,得到配电线路地理信息;
17、采集所述发生时刻对应的气象类型、季节和时段,得到气象数据。
18、上述方案在采集故障行波数据时,既捕获了故障初始行波和反射行波的关键波头信息,又兼顾了行波传播衰减特性,为精确测距和极性辨识提供充分样本。就雷电定位数据而言,明确收集雷电发生时刻、经纬度、回击峰值电流、极性和观测站总数,这五项参数分别从时间、空间、能量、极性和置信度五个维度刻画每一次雷击,其中观测站总数还能反映定位精度和可靠性。就气象数据而言,明确采集气象类型、季节和时段,这三个因子是雷电活动规律的主要外在表征,引入这些数据可使动态阈值调整更有针对性。
19、在第一方面的一种可能的实现方法中,通过计算监测终端分别与故障点和线路杆塔的相对距离,从线路杆塔中选出故障点的故障参考杆塔,具体为:
20、从配电线路地理信息中提取出配电线路上各杆塔的经纬度和高程;基于所述经纬度和所述高程,自监测终端起沿配电线路方向累加各杆塔之间的距离,得到各杆塔相对于监测终端的累计距离;
21、根据配电线路长度、故障行波数据和行波传播速度,得到故障点到监测终端的第一相对距离;
22、计算所述第一相对距离与所述累计距离之间的差值,选取所述差值最小的线路杆塔作为所述故障参考杆塔。
23、上述方案将故障点从连续空间中的理论位置映射到实际线路上的离散杆塔实体,通过提取各杆塔的经纬度和高程,并沿线路方向累加得到各杆塔相对于监测终端的累计距离,这一过程充分考虑了线路的曲折走向和地形起伏,避免了大范围内用直线代替折线引入的累计误差,特别适用于山区、丘陵等非平坦地形的配电线路。其次采用行波测距得到故障点到监测终端的第一相对距离,然后将第一相对距离与杆塔累计距离进行映射匹配,并选取最近杆塔作为故障参考杆塔。故障参考杆塔的确定不仅能用于雷击事件筛选,还能有效缩小了故障排查范围,提升了巡线效率。
24、在第一方面的一种可能的实现方法中,基于所述故障参考杆塔和所述瞬时电气参数的突变时刻,通过雷电定位数据计算每个候选雷击事件的故障关联度,选出所述故障关联度最大的候选雷击事件作为最可能导致所述线路故障事件的第一雷击事件,具体为:
25、通过每个候选雷击事件的雷电发生时刻和雷击点经纬度,计算每个候选雷击事件与所述故障参考杆塔之间的距离差,每个候选雷击事件与所述突变时刻之间的时间差;
26、根据所述距离差、所述时间差、雷电流极性和参与雷电定位的观测站总数,计算每个候选雷击事件的故障关联度,将所述故障关联度的最大值对应的候选雷击事件作为所述第一雷击事件。
27、上述方案从时空、电气和置信度三个层面精准识别最具致灾嫌疑的雷击事件。通过计算每个候选雷击事件与故障参考杆塔之间的距离差、与突变时刻之间的时间差,完成对时空接近性的定量刻画,即距离越近、时间越近的雷击,其致灾可能性自然越高。然后进一步引入了雷电流极性和故障行波极性,这是因为雷击引起的绝缘闪络通常会导致行波波头极性特定变化,若极性不符则极大概率是非本线雷击或非雷击故障,该判据有效剔除了虽近在咫尺但实际不会引起故障的雷电活动,为确定最合理的第一雷击事件提供基础。
28、在第一方面的一种可能的实现方法中,所述候选雷击事件的提取过程为:以所述故障参考杆塔为空间基准,以所述瞬时电气参数的突变时刻为时间基准,提取在所述线路故障事件发生前后且在预设的空间范围内的全部雷击事件作为所述候选雷击事件;其中,所述空间范围由故障点和配电线路的地理位置确定。
29、在第一方面的一种可能的实现方法中,所述故障关联度的计算公式为:
30、ck= ((1 - dnsk) / (1 +δxk/l +δtk/t))·(1 - (pkxor pwave));
31、其中,ck为第k个候选雷击事件的故障关联度,d为参与雷电定位的观测站总数的可靠性衰减系数,nsk为参与雷电定位的观测站总数,δxk为第k个候选雷击事件的所述距离差,δtk为第k个候选雷击事件的所述时间差,l为所述候选雷击事件的空间筛选尺度,t为所述候选雷击事件的时间筛选尺度,xor为异或操作,pk为雷电流极性,pwave为故障行波极性。
32、在第一方面的一种可能的实现方法中,将所述第一雷击事件的故障关联度与预设的动态阈值进行比较,得到所述线路故障事件的故障识别结果,具体为:
33、根据气象数据,确定所述动态阈值的大小;
34、如果所述第一雷击事件的故障关联度大于等于所述动态阈值,则判定所述线路故障事件为雷击故障,所述线路故障事件是由所述第一雷击事件导致的;
35、如果所述第一雷击事件的故障关联度小于所述动态阈值,则判定所述线路故障事件为非雷击故障。
36、上述方案通过动态阈值比较给出最终的故障判定结果,进一步提升判定结果的可信度。该动态阈值而非固定阈值,其大小随气象环境变化而浮动——在雷电频发的强对流天气下,即使关联度中等偏高也有较大概率是雷击故障,此时降低阈值可提高检出率,避免漏判;而在晴朗干燥天气下,即使出现微弱关联雷击也大概率是巧合,此时提高阈值可减少误报,防止将设备老化、外力破坏等故障错误归咎于雷击,降低了误判率。
37、在第一方面的一种可能的实现方法中,根据气象数据,确定所述动态阈值的大小,具体为:
38、从气象数据中提取出发生所述线路故障事件时的气象类型、季节和时段;
39、将所述气象类型、季节和时段量化为对应的调整因子,采用所述调整因子对预设的基础阈值进行修正,得到所述动态阈值。
40、本技术第二方面提供了一种基于多源数据的配电线路雷击故障识别系统,所述系统包括:数据采集模块、故障参考杆塔定位模块、雷击事件筛选模块和故障类型识别模块;
41、其中,数据采集模块用于根据线路故障事件对应的瞬时电气参数,确定故障点,并采集故障行波数据、雷电定位数据、配电线路地理信息和气象数据;
42、故障参考杆塔定位模块用于根据配电线路地理信息,通过计算监测终端分别与故障点和线路杆塔的相对距离,从线路杆塔中选出故障点的故障参考杆塔;
43、雷击事件筛选模块用于基于所述故障参考杆塔和所述瞬时电气参数的突变时刻,通过雷电定位数据计算每个候选雷击事件的故障关联度,选出所述故障关联度最大的候选雷击事件作为最可能导致所述线路故障事件的第一雷击事件;
44、故障类型识别模块用于将所述第一雷击事件的故障关联度与预设的动态阈值进行比较,得到所述线路故障事件的故障识别结果。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com