一种智能架空输电线路故障类型诊断方法及系统与流程

1.本发明涉及输电线路故障诊断技术领域，具体涉及一种智能架空输电线路故障类型诊断方法及系统。


背景技术：

2.目前，在输电线路故障诊断时主要基于人工经验，采取排除法逐一分析输电线路故障类型和计算故障点位置，缺少系统综合的分析诊断技术，尤其在多源信息条件下，无法给出明确的故障原因，造成输电线路故障分析和查找效率低下，严重影响输电线路的安全稳定运行。
3.输电线路故障主要包括雷击、风偏、鸟闪、污闪、树闪及山火故障等原因造成的故障。对故障起因的识别需要以对各种故障原理及过程的理解为前提，在此基础上对特定故障的特征进行挖掘分析，以此形成原因辨识的依据，因此需对各种故障类型进行故障机理分析。同时故障的发生与输电线路的运行环境有关，而不同种类故障的特征在录波数据上表现不同，因此在原理分析的基础上对线路发生时刻的天气、时间、季节等外部因素以及重合闸情况、故障相电流非周期分量特征以及过渡电阻等录波数据所表现的内部因素进行挖掘，寻找特征规律，从而为后续分类模型的建立提供数据来源。


技术实现要素：

4.为了解决上述问题，本发明提供了一种智能架空输电线路故障类型诊断方法及系统，具体技术方案如下：
5.一种智能架空输电线路故障类型诊断方法，包括以下步骤：
6.s1：对发生故障的系统判断是否装有分布式故障监测装置、输电线路走廊环境监测装置；若装有所述分布式故障监测装置、输电线路走廊环境监测装置，则进行步骤s2，否则进行步骤s4；
7.s2：搜索关联的暂态行波特征，形成特征向量组合，输入第一支持向量机，开展雷击、非雷击故障类型诊断；
8.s21：若为雷击故障，查询雷电定位系统，结合故障定位，得到与故障跳闸时刻最接近的雷电流数据，对雷击故障概率p
lightning
进行修正，雷击故障概率修正函数为f1；
9.s22：若为非雷击故障，系统进一步查询包括山火监测系统、覆冰系统、气象系统的外部在线监测业务平台，对故障时刻的工频波形进行计算和特征提取，得到特征组合，输入第二支持向量机，得到故障原因及其概率；
10.结合多源信息中的山火、气象、覆冰数据对故障结果进行修正；
11.s4：发生故障的系统未装有分布式故障监测装置、输电线路走廊环境监测装置，依据调度系统信息所提供的故障时刻、重合闸状态、故障相别，结合气象信息，得到可输入于贝叶斯网络的特征组合；对于已经收集到的证据信息，直接得到对应的故障外部特征先验概率分布。
12.优选地，所述步骤s21中对雷击故障概率p
lightning
进行修正具体为：
13.p
lightning
‑
new
＝f1(p
lightning
‑
old
)＝a (1
‑
a)(p
lightning
‑
old
)；
14.其中，p
lightning
‑
new
表示修正后的雷击故障概率，p
lightning
‑
old
表示修正前的雷击故障概率，a为雷击故障概率修正参数；
15.所述修正参数a依据在雷电定位系统中查到的到该故障点最近的雷电流的幅值a及距离d综合判断，计算公式为：
[0016][0017]
优选地，还包括在第一向量机中采用修正后的雷击故障概率对除雷击外的其他原因故障概率进行修正，具体如下：
[0018][0019]
其中，p
other
‑
new
表示修正后的其他原因故障概率，p
other
‑
old
表示修正前的其他原因故障概率。
[0020]
优选地，所述步骤s22中采用多源信息中的山火对故障结果进行修正，具体如下：
[0021]
p
fire
‑
new
＝f2(p
fire
‑
old
)＝b (1
‑
b)(p
fire
‑
old
)；
[0022]
其中，p
fire
‑
new
表示修正后的山火故障概率，p
fire
‑
old
表示修正前的山火故障概率，f2为山火故障概率修正函数，b为山火故障概率修正参数；
[0023]
山火故障概率修正参数b的计算方式如下：
[0024][0025]
t为火点温度。
[0026]
优选地，所述步骤s22中采用多源信息中的风偏对故障结果进行修正，具体如下：
[0027]
p
wind
‑
new
＝f3(p
wind
‑
old
)＝c (1
‑
c)(p
fwind
‑
old
)；
[0028]
其中，p
wind
‑
new
表示修正后的风偏故障概率，p
wind
‑
old
表示修正前的风偏故障概率，f3为风偏故障概率修正函数，c为风偏故障概率修正参数；
[0029]
风偏故障概率修正参数c的计算方式如下：
[0030]
c＝[min(w,12) 2]/14；
[0031]
w为线路走廊最大风速。
[0032]
优选地，所述步骤s22中采用多源信息中的覆冰对故障结果进行修正，具体如下：
[0033]
p
ice
‑
new
＝f4(p
ice
‑
old
)＝d (1
‑
d)(p
fice
‑
old
)；
[0034]
其中，p
ice
‑
new
表示修正后的覆冰故障概率，p
ice
‑
old
表示修正前的覆冰故障概率，f4为覆冰故障概率修正函数，d为覆冰故障概率修正参数；
[0035]
覆冰故障概率修正参数d的计算方式如下：
[0036]
d＝0.5log(h 1)；
[0037]
h为线上监测最大覆冰厚度。
[0038]
优选地，所述步骤s5中的概率分布包括：
[0039]
设故障天气为事件a；重合闸动作为事件b；故障相别为事件c；故障月份为事件d；
故障时间为事件e；故障风力等级为事件f；假设上述事件互相独立，故障类型为事件v
i
，i＝1,2,3,4,5,6，分别代表雷击故障、风偏故障、鸟害故障、树闪故障和山火故障；则故障概率的计算方式如下：
[0040][0041]
在得到故障概率后，再次查询多源信息，利用修正函数对故障概率进行相同的修正，再输出最终的结果。、
[0042]
一种智能架空输电线路故障类型诊断系统，包括系统判断模块、数据模块、修正模块；所述系统判断模块、数据模块、修正模块依次连接；
[0043]
所述系统判断模块用于对发生故障的系统判断是否装有分布式故障监测装置、输电线路走廊环境监测装置；
[0044]
所述数据模块用于根据系统判断模块的判断结果进行数据处理，具体如下：
[0045]
若系统判断模块对发生故障的系统判断装有分布式故障监测装置、输电线路走廊环境监测装置，数据模块则搜索关联的暂态行波特征，形成特征向量组合，输入第一向量机，开展雷击、非雷击故障类型诊断；
[0046]
若诊断为雷击故障，则数据模块查询雷电定位系统，结合故障定位，得到与故障跳闸时刻最接近的雷电流数据，所述修正模块通过修正函数对雷击概率进行修正；
[0047]
若诊断为非雷击故障，数据模块进一步查询包括山火监测系统、覆冰系统、气象系统的外部在线监测业务平台；对故障时刻的工频波形进行计算和特征提取，得到特征组合，输入第二支持向量机，得到故障原因及其概率；所述修正模块结合多源信息中的山火、气象、覆冰数据，对故障结果进行修正；
[0048]
若系统判断模块对发生故障的系统判断没有装有分布式故障监测装置、输电线路走廊环境监测装置，数据模块依据调度系统信息所提供的故障时刻、重合闸状态、故障相别，结合气象信息，得到可输入于贝叶斯网络的特征组合；对于已经收集到的证据信息，直接得到对应的故障外部特征先验概率分布。
[0049]
优选地，所述修正函数为：
[0050]
p
lightning
‑
new
＝f1(p
lightning
‑
old
)＝a (1
‑
a)(p
lightning
‑
old
)；
[0051]
其中，p
lightning
‑
new
表示修正后的雷击故障概率，p
lightning
‑
old
表示修正前的雷击故障概率，a为雷击故障概率修正参数。
[0052]
本发明的有益效果为：
[0053]
本发明能够智能识别发生故障的系统是否装有分布式故障监测装置、输电线路走廊环境监测装置，采集的输电线路本体数据和线路走廊环境监测数据，修正判断故障类型。对已安装的分布式故障监测与诊断装置的系统，先利用行波特征判断是否为雷击，若为雷击，则利用雷电定位系统修正其雷电故障概率，给出雷击故障结果。若为非雷击，则进一步计算故障工频特征，再通过山火、覆冰、气象等输电线路走廊的监测信息，然后再修正故障原因相匹配的概率，输出诊断结果。最后对于未安装分布式故障监测与诊断装置的系统，直接利用调度系统所提供的故障时刻、重合闸状态、故障相别等信息，计算各种故障原因类型
对应的概率，结合输电线路走廊监测信息进行修正，给出诊断结果。本发明准确定位输电线路故障，开展线路跳闸故障原因分析，可大大减小巡线工作量，并可提高供电可靠性。
附图说明
[0054]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见的，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
[0055]
图1为本发明的方法流程图；
[0056]
图2为本发明的系统结构图。
具体实施方式
[0057]
为了更好的理解本发明，下面结合附图和具体实施例对本发明作进一步说明：
[0058]
如图1所示，一种智能架空输电线路故障类型诊断方法，包括以下步骤：
[0059]
s1：对发生故障的系统判断是否装有分布式故障监测装置、输电线路走廊环境监测装置；若装有所述分布式故障监测装置、输电线路走廊环境监测装置，则进行步骤s2，否则进行步骤s4；
[0060]
s2：搜索关联的暂态行波特征，形成特征向量组合，输入第一支持向量机，开展雷击、非雷击故障类型诊断；
[0061]
s21：若为雷击故障，查询雷电定位系统，结合故障定位，得到与故障跳闸时刻最接近的雷电流数据，对雷击故障概率p
lightning
进行修正，雷击故障概率修正函数为f1；对雷击故障概率p
lightning
进行修正具体为：
[0062]
p
lightning
‑
new
＝f1(p
lightning
‑
old
)＝a (1
‑
a)(p
lightning
‑
old
)；
[0063]
其中，p
lightning
‑
new
表示修正后的雷击故障概率，p
lightning
‑
old
表示修正前的雷击故障概率，a为雷击故障概率修正参数；
[0064]
所述修正参数a依据在雷电定位系统中查到的到该故障点最近的雷电流的幅值a及距离d综合判断，计算公式为：
[0065][0066]
由于整体数据样本中雷击故障较多，因此在第一支持向量机中，为了达到比较理想的分类效果，控制雷击故障标签的惩罚系数，在调参过程中，调节的值较大，使得更多的非雷击故障容易被误判为雷击故障，故需要根据雷电流的幅值和距离，修正雷击故障的概率；修正雷击概率后，为了使所有原因概率之和唯一，将其他故障原因按比例修正，具体如下：
[0067][0068]
其中，p
other
‑
new
表示修正后的其他原因故障概率，p
other
‑
old
表示修正前的其他原因故障概率。
[0069]
s22：若为非雷击故障，系统进一步查询包括山火监测系统、覆冰系统、气象系统的外部在线监测业务平台，对故障时刻的工频波形进行计算和特征提取，得到特征组合，输入第二支持向量机，得到故障原因及其概率；
[0070]
结合多源信息中的山火、气象、覆冰数据对故障结果进行修正；
[0071]
采用多源信息中的山火对故障结果进行修正，具体如下：
[0072]
p
fire
‑
new
＝f2(p
fire
‑
old
)＝b (1
‑
b)(p
fire
‑
old
)；
[0073]
其中，p
fire
‑
new
表示修正后的山火故障概率，p
fire
‑
old
表示修正前的山火故障概率，f2为山火故障概率修正函数，b为山火故障概率修正参数；
[0074]
山火故障概率修正参数b的计算方式如下：
[0075][0076]
t为火点温度。
[0077]
采用多源信息中的风偏对故障结果进行修正，具体如下：
[0078]
p
wind
‑
new
＝f3(p
wind
‑
old
)＝c (1
‑
c)(p
fwind
‑
old
)；
[0079]
其中，p
wind
‑
new
表示修正后的风偏故障概率，p
wind
‑
old
表示修正前的风偏故障概率，f3为风偏故障概率修正函数，c为风偏故障概率修正参数；
[0080]
风偏故障概率修正参数c的计算方式如下：
[0081]
c＝[min(w,12) 2]/14；
[0082]
w为线路走廊最大风速。
[0083]
采用多源信息中的覆冰对故障结果进行修正，具体如下：
[0084]
p
ice
‑
new
＝f4(p
ice
‑
old
)＝d (1
‑
d)(p
fice
‑
old
)；
[0085]
其中，p
ice
‑
new
表示修正后的覆冰故障概率，p
ice
‑
old
表示修正前的覆冰故障概率，f4为覆冰故障概率修正函数，d为覆冰故障概率修正参数；
[0086]
覆冰故障概率修正参数d的计算方式如下：
[0087]
d＝0.5log(h 1)；
[0088]
h为线上监测最大覆冰厚度。
[0089]
对于未收集到的证据信息，如故障时刻系统未能查到气象信息，则对应的概率分布为1。
[0090]
s4：发生故障的系统未装有分布式故障监测装置、输电线路走廊环境监测装置，依据调度系统信息所提供的故障时刻、重合闸状态、故障相别，结合气象信息，得到可输入于贝叶斯网络的特征组合；对于已经收集到的证据信息，直接得到对应的故障外部特征先验概率分布。概率分布包括：
[0091]
设故障天气为事件a；重合闸动作为事件b；故障相别为事件c；故障月份为事件d；故障时间为事件e；故障风力等级为事件f；假设上述事件互相独立，故障类型为事件v
i
，i＝1,2,3,4,5,6，分别代表雷击故障、风偏故障、鸟害故障、树闪故障和山火故障；则故障概率的计算方式如下：
[0092][0093]
在得到故障概率后，再次查询多源信息，利用修正函数对故障概率进行相同的修正，再输出最终的结果。
[0094]
如图2所示，一种智能架空输电线路故障类型诊断系统，包括系统判断模块、数据模块、修正模块；所述系统判断模块、数据模块、修正模块依次连接；
[0095]
所述系统判断模块用于对发生故障的系统判断是否装有分布式故障监测装置、输电线路走廊环境监测装置；
[0096]
所述数据模块用于根据系统判断模块的判断结果进行数据处理，具体如下：
[0097]
若系统判断模块对发生故障的系统判断装有分布式故障监测装置、输电线路走廊环境监测装置，数据模块则搜索关联的暂态行波特征，形成特征向量组合，输入第一向量机，开展雷击、非雷击故障类型诊断；
[0098]
若诊断为雷击故障，则数据模块查询雷电定位系统，结合故障定位，得到与故障跳闸时刻最接近的雷电流数据，所述修正模块通过修正函数对雷击概率进行修正；
[0099]
若诊断为非雷击故障，数据模块进一步查询包括山火监测系统、覆冰系统、气象系统的外部在线监测业务平台；对故障时刻的工频波形进行计算和特征提取，得到特征组合，输入第二支持向量机，得到故障原因及其概率；所述修正模块结合多源信息中的山火、气象、覆冰数据，对故障结果进行修正；
[0100]
若系统判断模块对发生故障的系统判断没有装有分布式故障监测装置、输电线路走廊环境监测装置，数据模块依据调度系统信息所提供的故障时刻、重合闸状态、故障相别，结合气象信息，得到可输入于贝叶斯网络的特征组合；对于已经收集到的证据信息，直接得到对应的故障外部特征先验概率分布。
[0101]
修正模块针对雷击故障概率的修正函数为：
[0102]
p
lightning
‑
new
＝f1(p
lightning
‑
old
)＝a (1
‑
a)(p
lightning
‑
old
)；
[0103]
其中，p
lightning
‑
new
表示修正后的雷击故障概率，p
lightning
‑
old
表示修正前的雷击故障概率，a为雷击故障概率修正参数。修正参数a依据在雷电定位系统中查到的到该故障点最近的雷电流的幅值a及距离d综合判断，计算公式为：
[0104][0105]
修正模块针对山火故障概率的修正函数为：
[0106]
p
fire
‑
new
＝f2(p
fire
‑
old
)＝b (1
‑
b)(p
fire
‑
old
)；
[0107]
其中，p
fire
‑
new
表示修正后的山火故障概率，p
fire
‑
old
表示修正前的山火故障概率，f2为山火故障概率修正函数，b为山火故障概率修正参数；
[0108]
山火故障概率修正参数b的计算方式如下：
[0109]
[0110]
t为火点温度。
[0111]
修正模块针对风偏故障概率的修正函数为：
[0112]
p
wind
‑
new
＝f3(p
wind
‑
old
)＝c (1
‑
c)(p
fwind
‑
old
)；
[0113]
其中，p
wind
‑
new
表示修正后的风偏故障概率，p
wind
‑
old
表示修正前的风偏故障概率，f3为风偏故障概率修正函数，c为风偏故障概率修正参数；
[0114]
风偏故障概率修正参数c的计算方式如下：
[0115]
c＝[min(w,12) 2]/14；
[0116]
w为线路走廊最大风速。
[0117]
修正模块针对覆冰故障概率的修正函数为：
[0118]
p
ice
‑
new
＝f4(p
ice
‑
old
)＝d (1
‑
d)(p
fice
‑
old
)；
[0119]
其中，p
ice
‑
new
表示修正后的覆冰故障概率，p
ice
‑
old
表示修正前的覆冰故障概率，f4为覆冰故障概率修正函数，d为覆冰故障概率修正参数；
[0120]
覆冰故障概率修正参数d的计算方式如下：
[0121]
d＝0.5log(h 1)；
[0122]
h为线上监测最大覆冰厚度。
[0123]
本发明提供了一种智能架空输电线路故障类型诊断方法及系统，对已安装的分布式故障监测与诊断装置的系统，先利用行波特征判断是否为雷击，若为雷击，则利用雷电定位系统修正其雷电故障概率，给出雷击故障结果。若为非雷击，则进一步计算故障工频特征，再通过山火、覆冰、气象等输电线路走廊的监测信息，然后再修正故障原因相匹配的概率，输出诊断结果。最后对于未安装分布式故障监测与诊断装置的系统，直接利用调度系统所提供的故障时刻、重合闸状态、故障相别等信息，计算各种故障原因类型对应的概率，结合输电线路走廊监测信息进行修正，给出诊断结果。本发明准确定位输电线路故障，开展线路跳闸故障原因分析，可大大减小巡线工作量，并可提高供电可靠性。
[0124]
本发明不局限于以上所述的具体实施方式，以上所述仅为本发明的较佳实施案例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。