基于多源信息融合的特高压直流输电线路故障原因辨识方法技术

本发明专利技术涉及一种基于多源信息融合的特高压直流输电线路故障原因辨识方法，其包括：获取特高压直流输电线路的电气量故障数据和非电气量信息；提取特高压直流输电线路电气特征量，构造电气特征输入向量；提取特高压直流输电线路非电气特征量，构造非电气特征输入向量；对雷击、山火、污秽、风偏、鸟害分别构建综合神经网络辨识模型，神经网络模型的隐含层的层数采用最小误差的方法选取；采用自学习的方法进行具体故障原因辨识。本发明专利技术综合电气量信息和非电气量信息，寻找特征规律，利用神经网络本身的融合性将多源信息的进行融合，利用大数据方法的思想，利用多源故障信息，结合神经网络算法，进行原因的辨识，充分保证了原因辨识的准确性。

【技术实现步骤摘要】
基于多源信息融合的特高压直流输电线路故障原因辨识方法
本专利技术涉及高压输电线路运维领域，具体的说是一种基于多源信息融合的特高压直流输电线路故障原因辨识方法。
技术介绍
特高压直流输电线路长度可达上千公里，大多位于山区丘陵等地段，容易受到各种自然灾害、外力破坏等影响发生故障，而及时的故障原因的辨识研究可以指导巡线，加快检修及线路供电恢复。输电线路故障主要包括由雷击、山火、污秽、鸟害和风偏等原因造成的故障。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。其中，故障特征包括电气量的故障特征和非电气量的故障特征，不同原因下的电气量特征存在着相似性，非电气量也存在着特有的因素，仅仅依靠一种因素无法准确识别。目前还没有一套完整的针对特高压直流输电线路故障原因辨识的方法，在输电线路发生故障后，无法给运行检修人员提供决策上的辅助。因此有必要提供一种基于电气量和非电气量等多源信息融合的特高压直流输电线路故障原因辨识方法。
技术实现思路
本专利技术要解决的技术问题是提供一种基于多源信息融合的特高压直流输电线路故障原因辨识方法，该方法结本文档来自技高网...

【技术保护点】
1.一种基于多源信息融合的特高压直流输电线路故障原因辨识方法，其特征是包括如下步骤：步骤1)获取特高压直流输电线路的电气量故障数据和非电气量信息；步骤2)提取特高压直流输电线路电气特征量，构造电气特征输入向量；步骤3)提取特高压直流输电线路非电气特征量，构造非电气特征输入向量；步骤4)对雷击、山火、污秽、风偏、鸟害分别构建综合神经网络辨识模型，神经网络模型的隐含层的层数采用最小误差的方法选取；步骤5)采用自学习的方法进行具体故障原因辨识。

【技术特征摘要】
1.一种基于多源信息融合的特高压直流输电线路故障原因辨识方法，其特征是包括如下步骤：步骤1)获取特高压直流输电线路的电气量故障数据和非电气量信息；步骤2)提取特高压直流输电线路电气特征量，构造电气特征输入向量；步骤3)提取特高压直流输电线路非电气特征量，构造非电气特征输入向量；步骤4)对雷击、山火、污秽、风偏、鸟害分别构建综合神经网络辨识模型，神经网络模型的隐含层的层数采用最小误差的方法选取；步骤5)采用自学习的方法进行具体故障原因辨识。2.如权利要求1所述的基于多源信息融合的特高压直流输电线路故障原因辨识方法，其特征是在步骤1)中，特高压直流输电线路的电气量故障数据从保护信息系统中获取，非电气量信息从气象系统、雷电定位系统、地理信息系统、山火监测系统中获取；当发生的故障很少，样本的数量不足时，则通过PSACD仿真故障来获取数据。3.如权利要求1所述的基于多源信息融合的特高压直流输电线路故障原因辨识方法，其特征是在步骤2)中，设故障发生时刻为t1，提取特高压直流输电线路发生故障后的数据作为电气特征量，提取的时间范围视保护动作时间而定，一般为几毫秒到几十毫秒。电气特征量包括故障电流最大幅值、电压电流幅频图的特征、过渡电阻均值、过渡电阻标准差等；故障电流最大幅值为|I|；其中电流I为故障电流的值，为正或为负；电压电流幅频图的特征需要对数据进行离散傅里叶分解获得，根据公式对电流电压傅里叶变换，得到频域的波形，进而提取得到电压电流幅频图的特征量；根据公式得到过渡电阻均值；根据公式过渡电阻标准差E；建立电气特征输入向量。4.如权利要求1所述的基于多源信息融合的特高压直流输电线路故障原因辨识方法，其特征是在步骤3)中，将非电气特征量分为天气、时段、季节、地形、雷电活动频度、温度、湿度、风力和历史故障信息9个特征量，通过有序的二进制数来表示，建立非电气特征输入向量。5.如权利要求1所述的基于多源信息融合的特高压直流输电线路故障原因辨识方法，其特征是在步骤4)中，采用三层BP神经网络结构，输入层节点数为33，隐含层采用最小误差的方法选取，输出层节点数为5；隐含层和输出层的激活函数均采用log-sigmoid型函数，可以将输出控制在0-1范围之内；训练方法采用trainlm算法，训练目标误差设置为1e-4，训练次数设置为1000次。6.如权利要求5所述的基于多源信息融合的特高压直流输电线路故障原因辨识方法，其特征是BP神经网络是根据误差反向传播算法训练的多层前馈神经网络，设输入层包含N个神经元，输出层包含M个神经元，输入向量为X，输出向量为Y，隐含层包含L个神经元节点，wij表示输入层到隐含层之间的连接权值，wjk表示隐含层到输出层之间的连接权值，θj表示隐含层神经元的阈值，θk表示输出层神经元的阈值，表示隐含层的激活函数，φ(·)表示输出层的激活函数。S型的对数函数为：隐含层第j个神经元节点的输出信号oj为：输出层第k个神经元节点的输出信号yk为：设有P个训练样本，对于每个训练样本,误差的二次型准则函数为：网络对P个训练样本的总体误差函数为：其中和分别表示输入训练样本为p时，输出层第k个神经元节点的期望输出和实际输出。7.如权利...

【专利技术属性】
技术研发人员：李玉敦，李宽，施雨，苏欣，张繁斌，王志远，刘萌，赵斌超，张婉婕，杨超，王昕，麻常辉，张国辉，王永波，
申请(专利权)人：国网山东省电力公司电力科学研究院，
类型：发明
国别省市：山东,37