[发明专利]一种输电线路故障诊断方法、系统、电子设备和存储介质有效
| 申请号: | 202110277186.5 | 申请日: | 2021-03-15 |
| 公开(公告)号: | CN113049914B | 公开(公告)日: | 2023-02-07 |
| 发明(设计)人: | 欧阳业;胡金磊;黄绍川;李少鹏;潘斌;黎阳羊;何灿 | 申请(专利权)人: | 广东电网有限责任公司清远供电局 |
| 主分类号: | G01R31/08 | 分类号: | G01R31/08;G06N3/04 |
| 代理公司: | 北京品源专利代理有限公司 11332 | 代理人: | 孟金喆 |
| 地址: | 511518 广*** | 国省代码: | 广东;44 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 一种 输电 线路 故障诊断 方法 系统 电子设备 存储 介质 | ||
1.一种输电线路故障诊断方法,其特征在于,包括:
获取输电线路在正常工作下的电力数据、在不同故障类型下的电力数据以及输电线路的参数,所述输电线路的参数包括输电线路的距离;
对所述输电线路在正常工作下的电力数据进行归一化处理确定故障阈值曲线,以及对所述输电线路在不同故障类型下的电力数据进行归一化处理确定故障类型曲线,其中,所述故障阈值曲线以距离为横坐标,以所述电力数据为纵坐标;
根据所述故障阈值曲线和所述输电线路的参数确定所述输电线路在正常工作下的图谱,以及根据所述故障类型曲线和所述输电线路的参数确定所述输电线路在不同故障类型下的图谱;
分别对所述输电线路在正常工作下的图谱和所述输电线路在不同故障类型下的图谱进行特征提取,确定特征数据集;
以所述特征数据集为输入,以故障诊断结果为输出,构建故障诊断模型,所述故障诊断结果包括故障类型和故障位置,所述故障位置为塔杆的标号以及塔杆的坐标;
利用所述故障诊断模型进行所述输电线路故障诊断得到所述输电线路的故障诊断结果;
所述根据所述故障阈值曲线和所述输电线路的参数确定所述输电线路在正常工作下的图谱,以及根据所述故障类型曲线和所述输电线路的参数确定所述输电线路在不同故障类型下的图谱,包括:
在故障阈值曲线和故障类型曲线上拟合输电线路的参数,分别得到输电线路在正常工作下的图谱和输电线路在不同故障类型下的图谱。
2.根据权利要求1所述的一种输电线路故障诊断方法,其特征在于,所述获取输电线路在正常工作下的电力数据、在不同故障类型下的电力数据以及输电线路的参数,之后还包括:
对电力数据进行数据预处理;所述数据预处理包括:滤波、清洗以及去噪。
3.根据权利要求1所述的一种输电线路故障诊断方法,其特征在于,所述以所述特征数据集为输入,以故障诊断结果为输出,构建故障诊断模型,具体包括:
将提取的输电线路在不同故障类型下的图谱特征数据集与对应的故障类型组成第一训练集,并通过所述第一训练集训练第一支路卷积神经网络;
将提取的输电线路在不同故障类型下的图谱特征数据集与对应的故障位置组成第二训练集,并通过第二训练集训练第二支路卷积神经网络;
构建与所述第一支路卷积神经网络和所述第二支路卷积神经网络具有相同中间层结构的并联卷积神经网络,并且把所述第一支路卷积神经网络和所述第二支路卷积神经网络中间层中的权重参数值和偏置参数值复制给并联卷积神经网络的两个支路对应位置;
固定所述并联卷积神经网络支路的参数值不变,利用所述特征数据集训练所述并联卷积神经网络的输入层参数和输出层参数,得到故障诊断模型。
4.根据权利要求1所述的一种输电线路故障诊断方法,其特征在于,所述利用所述故障诊断模型进行所述输电线路故障诊断,之后还包括:
通过浏览器界面结合卫星地图展示所述故障诊断结果,并以短息通报格式将所述故障诊断结果进行发送。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于广东电网有限责任公司清远供电局,未经广东电网有限责任公司清远供电局许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110277186.5/1.html,转载请声明来源钻瓜专利网。





