电力线路故障定位方法、装置、计算机和存储介质制造方法及图纸

本申请涉及一种电力线路故障定位方法、装置、计算机设备和存储介质。方法包括：获取待定位线路的线路故障数据；获取预先训练获得的线路故障定位模型；解析线路故障定位模型，获得多个故障集分组的主成分矩阵和第一特征信息；将线路故障数据与多个主成分矩阵进行降维计算，得到多个第二特征信息；将第二特征信息与第一特征信息对比，计算得到各第二特征信息与各第一特征信息之间的欧式距离；以最小的欧式距离对应的第二特征信息对应故障集分组定位待定位线路的故障。从而高效、精确的定位出线路的故障状态。

【技术实现步骤摘要】
电力线路故障定位方法、装置、计算机和存储介质
本申请涉及电力线路故障定位
，特别是涉及一种电力线路故障定位方法、装置、计算机设备和存储介质。
技术介绍
线路发生故障时会引起断面潮流的变化，但潮流信息数据庞大，想通过潮流数据直接判断故障信息存在很大难度，而且量测数据在采集、传递、交换的整个过程中，不可能保证所有数据都是准确无误的，进行故障定位时难以把所有因素考虑完整。目前常用的故障定位方法，如告警性能分析法、替换法、配置数据分析法、基于故障指示器和智能分析主站定位等。以上方法需要构建专家系统模型或基于硬件设备，实现复杂。
技术实现思路
基于此，有必要针对上述技术问题，提供一种能够电力线路故障定位方法、装置、计算机设备和存储介质。一种电力线路故障定位方法，所述方法包括：获取待定位线路的线路故障数据；获取预先训练获得的线路故障定位模型；解析所述线路故障定位模型，获得多个故障集分组的主成分矩阵和第一特征信息；将所述线路故障数据与多个主成分矩阵进行计算，得到多个第二特征信息；...

【技术保护点】
1.一种电力线路故障定位方法，所述方法包括：/n获取待定位线路的线路故障数据；/n获取预先训练获得的线路故障定位模型；/n解析所述线路故障定位模型，获得多个故障集分组的主成分矩阵和第一特征信息；/n将所述线路故障数据与多个主成分矩阵进行计算，得到多个第二特征信息；/n将所述第二特征信息与所述第一特征信息分别一一对比，计算得到各所述第二特征信息与各所述第一特征信息之间的欧式距离；/n以最小的所述欧式距离对应的故障集分组定位所述待定位线路的故障。/n

【技术特征摘要】
1.一种电力线路故障定位方法，所述方法包括：
获取待定位线路的线路故障数据；
获取预先训练获得的线路故障定位模型；
解析所述线路故障定位模型，获得多个故障集分组的主成分矩阵和第一特征信息；
将所述线路故障数据与多个主成分矩阵进行计算，得到多个第二特征信息；
将所述第二特征信息与所述第一特征信息分别一一对比，计算得到各所述第二特征信息与各所述第一特征信息之间的欧式距离；
以最小的所述欧式距离对应的故障集分组定位所述待定位线路的故障。


2.根据权利要求1所述的方法，其特征在于，所述获取预先训练获得的线路故障定位模型的步骤之前包括：
获取多个故障集分组；
对每一所述故障集分组进行降维计算，得到主成分矩阵和第一特征信息；
对各所述主成分矩阵和第一特征信息进行训练，得到所述线路故障定位模型。


3.根据权利要求2所述的方法，其特征在于，所述获取多个故障集分组的步骤包括：
获取样本故障数据；
对所述样本故障数据进行清洗处理，剔除缺失数值的所述样本故障数据；
对清洗处理后的所述样本故障数据进行分组，得到多个所述故障集分组。


4.根据权利要求3所述的方法，其特征在于，所述对清洗处理后的所述样本故障数据进行分组，得到多个所述故障集分组的步骤包括：
解析所述样本故障数据，获得故障识别信息；
根据所述故障识别信息，对清洗处理后的所述样本故障数据进行分组，得到多个所述故障集分组。


5.根据权利要求2所述的方法，其特征在于，所述对每一所述故障集分组进行降维计算，得到主成分矩阵和第一特征信息的步骤中，降维计算的失真度阈值设为1.000。


6.根据权利要求1所述的方法，其特征在于，所述以最小的所述欧式距离对应的故障...

【专利技术属性】
技术研发人员：刘奇，阮少炜，陈蔼峻，黄泽阳，张伟军，伍玉林，刘延乐，刘兵，王飞，王志强，郑绪伟，
申请(专利权)人：广州供电局有限公司，
类型：发明
国别省市：广东;44