[发明专利]一种输电线路雷击故障预警方法和系统

说明书

本发明公开了一种输电线路雷击故障预警方法和系统，将落雷信息输入PSO‑LM‑BP神经网络模型，得到预测结果，通过预测结果和雷击故障阈值判断输电线路是否会发生雷击故障；所述PSO‑LM‑BP神经网络模型训练步骤包括：将不同宽度输电走廊下的故障和正常样本输入通过粒子群算法和LM算法训练得到的初始BP神经网络，得到各个均方差，将均方差最小的输电走廊宽度所对应的样本作为神经网络的最终训练样本，重新通过最终训练样本和粒子群算法、LM算法训练得到最终的BP神经网络。本发明以线路雷击故障预警为目标，解决了传统雷区预报方法在预报准确性与雷区识别精度之间的矛盾，实际证明对线路雷击故障预警有较高的准确度。

技术领域

本发明属于电力系统故障预警技术领域，涉及一种输电线路雷击故障预警方法和系统。

背景技术

雷击故障是输电线路故障的主要原因。关于如何降低线路雷击故障率，较为直接的方法是提高输电线路的防雷水平，但会降低输电线路的经济性，且无法避免雷击故障。因此，需要在雷击故障发生前，对雷击故障进行短时间预警，做好控制措施，减少雷击故障引起的停运损失。而传统雷区预报方法在预报准确性与雷区识别精度之间存在矛盾，难以进一步提高雷击故障预测的准确性。

发明内容

本发明的目的在于提供了一种输电线路雷击故障预警方法和系统，解决了现有雷击故障预测不准确的问题。

实现本发明目的的技术解决方案为：一种输电线路雷击故障预警方法，包括以下步骤：

将落雷信息输入PSO-LM-BP神经网络模型，得到预测结果，通过预测结果和雷击故障阈值判断输电线路是否会发生雷击故障；

所述PSO-LM-BP神经网络模型训练步骤包括：

将不同宽度输电走廊下的故障和正常样本输入通过粒子群算法和LM算法训练得到的初始BP神经网络，得到各个样本的均方差，将均方差最小的输电走廊宽度所对应的样本作为神经网络的最终训练样本，重新通过最终训练样本和粒子群算法、LM算法训练得到最终的BP神经网络。

进一步的，落雷信息包括：

线路走廊内的落雷个数X₁；距离线路最近的落雷点与线路间的距离X₂；线路走廊内的平均雷电流强度X₃；距离线路最近的落雷的雷电流强度X₄。

进一步的，故障样本和正常样本生成过程为：

针对每个雷暴，以设定的时间步长，将雷暴过程划分为离散的时间段，将统计出来的一个时间步长内的落雷信息与下一个时间步长内的雷击故障信息作为一个样本，生成故障样本；

线路存在落雷信息但没有发生故障，生成原始正常样本，对原始正常样本采用随机下采样的方法生成正常样本。

进一步的，通过粒子群算法和LM算法训练得到初始BP神经网络，包括：

应用粒子群优化算法优化BP神经网络输入层神经元与隐层神经元间的初始权值；应用LM算法训练BP神经网络。

进一步的，应用粒子群优化算法优化BP神经网络输入层神经元与隐层神经元间的初始权值，包括步骤：

将初始种群设置为数个pq+q维行向量，每个粒子包含网络所有权值信息，使用BP神经网络的均方误差e表示每个粒子的适应度值：