[发明专利]故障线路识别方法及装置、电子设备

说明书

本申请公开了一种故障线路识别方法及装置、电子设备。其中，该方法包括：获取参数集合，参数集合包括线路的运行参数；根据预设规则，从参数集合中选取预设参数子集；根据预设参数子集，得到预设参数子集的组合值和指标值；根据组合值和指标值建立关系模型；根据关系模型，预测参数集合中的全部参数值。本申请解决了目前故障线路分析模型不能处理大量数据的技术问题。

技术领域

本申请涉及电力领域，具体而言，涉及一种故障线路识别方法及装置、电子设备。

背景技术

随着的工业经济的快速发展，电力工业日益体现其不可替代的重要作用。在整个电力工业系统中，输电线路系统作为其中的一个重要环节，连接发电厂、变电站和供配电设备等。因此，输电线路系统的运行状况直接关系到电力系统的可靠运行，影响着客户的用电安全和质量。但是，输电线路具有运送距离长、覆盖区域广等特点，受天然环境及人为成分的影响较多，致使线路的运作维护工作存在较大的困难。如何有效提高输电线路的运行和维护的质量，确保电网稳定安全运行是目前急需解决的问题之一。

随着现代科技的快速发展，信息记录的方式也更加多样化，积累了大量的数据，这些数据蕴含着重大的价值。大数据技术的研究使积累的数据得到了实际应用，具有广阔的应用前景。根据电力系统的特点，将大数据技术引入输电线路管理系统，能极大地提高现有系统的性能，实现可视化管理，查询统计，故障分析，辅助决策等功能。

支持向量机(SVM)作为大数据的经典算法之一，在故障诊断方面有其独特的优势，能够有效实现智能化故障诊断。支持向量机具有以下优点：采用结构风险最小化原理，能够有效的避免过拟合问题；支持向量机的求解最终会转化成线性条件下的二次优化问题，避免了局部极值的问题。

然而，传统的SVM模型由于在惩罚系数和核函数参数选择方面耗时过多，构造的模型不适用于大样本数据集。因此，需要对传统的SVM模型进行优化使其能够广泛应用于具有大规模数据的电网行业。目前，传统SVM参数分类问题寻优需要在在给定范内进行穷尽搜索，因此，并不具备处理大量数据的功能。

针对上述的问题，目前尚未提出有效的解决方案。

发明内容

本申请实施例提供了一种故障线路识别方法及装置、电子设备，以至少解决目前故障线路分析模型不能处理大量数据的技术问题。

根据本申请实施例的一个方面，提供了一种故障线路识别方法，包括：获取参数集合,参数集合包括线路的运行参数；根据预设规则，从所述参数集合中选取预设参数子集；根据所述预设参数子集，得到所述预设参数子集的组合值和指标值；根据所述组合值和所述指标值建立关系模型；根据所述关系模型，预测参数集合中的全部参数值。

可选地，所述指标值为所述参数子集的评价指标数值。

可选地，所述组合值为所述参数子集的组合情况参考值。

可选地，所述根据所述组合值和所述指标值建立关系模型包括：获取通过训练得到的所述指标值；获取所述参数子集中的参数组合向量；根据所述指标值和所述参数组合向量，建立模型关系。

可选地，所述根据所述关系模型，预测参数集合中的全部参数值之后，还包括：将根据所述关系模型预测的评价指标替换原有的评价指标。

根据本申请实施例的另一方面，还提供了一种故障线路识别装置，包括：获取模块，用于获取参数集合,参数集合包括线路的运行参数；选择模块，用于根据预设规则，从所述参数集合中选取预设参数子集；生成模块，用于根据所述预设参数子集，得到所述预设参数子集的组合值和指标值；建立模块，用于根据所述组合值和所述指标值建立关系模型；预测模块，用于根据所述关系模型，预测参数集合中的全部参数值。

可选地，所述指标值为所述参数子集的评价指标数值。

可选地，所述组合值为所述参数子集的组合情况参考值。