一种输电线路的故障类型预测方法及装置制造方法及图纸

本发明专利技术涉及电网防灾减灾预测技术领域，具体提供了一种输电线路的故障类型预测方法及装置，包括：获取输电线路的故障影响因素的实时数据；将所述故障影响因素的实时数据输入预先建立的机器学习模型，获取所述预先建立的机器学习模型的输出，并基于所述预先建立的机器学习模型的输出确定输电线路的故障类型。本发明专利技术提供的技术方案，能够利用线路所处环境的信息以及线路自身信息，通过机器学习算法构建的故障预测模型实现输电线路故障类型的精准预测。测。测。

【技术实现步骤摘要】
一种输电线路的故障类型预测方法及装置


[0001]本专利技术涉及电网防灾减灾预测
，具体涉及一种输电线路的故障类型预测方法及装置。

技术介绍

[0002]气象灾害逐年递增的趋势给电网的安全运行带来了严重的威胁，输电线路遍布全国，跨越不同地理气候区域，因此导致线路故障频发。气象灾害对输电线路造成的危害主要有：1)对线路的机械损伤，如金具疲劳磨损，导线断股断线，子导线及相间间隔棒断裂，横担塔头扭曲，甚至倒塔；2)电气危害，如跳闸停电或引起输电线烧伤，甚至电网裂解。由于自然气象灾害导致的线路故障是一种多因素互相耦合作用的结果，致灾机理复杂，因此利用传统的理论分析方法预测气象灾害给输电线路造成故障结果并不理想。
[0003]目前线路故障中跳闸的实时预测与判断相关研究较为缺乏，主要由通过雷电定位预测线路跳闸，基于雷电预测从而预测线路跳闸两大类方向。只是针对输电线路跳闸这一种故障类型的预测，未能实现输电线路故障多类型发生概率的预测。

技术实现思路

[0004]为了克服上述缺陷，本专利技术提出了一种输电线路的故障类型预测方法及装本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种输电线路的故障类型预测方法，其特征在于，所述方法包括：获取输电线路的故障影响因素的实时数据；将所述故障影响因素的实时数据输入预先建立的机器学习模型，获取所述预先建立的机器学习模型的输出，并基于所述预先建立的机器学习模型的输出确定输电线路的故障类型。2.如权利要求1所述的方法，其特征在于，所述输电线路的故障影响因素的确定过程包括：在既定故障影响因素中选取与输电线路发生故障相关的既定故障影响作为输电线路的故障影响因素。3.如权利要求2所述的方法，其特征在于，所述在既定故障影响因素中选取与输电线路发生故障相关的既定故障影响作为输电线路的故障影响因素，包括：计算既定故障影响因素与输电线路发生故障之间的相关系数；若所述相关系数大于预设值，则该既定故障影响因素为输电线路的故障影响因素，否则，该既定故障影响因素不是输电线路的故障影响因素。4.如权利要求3所述的方法，其特征在于，所述计算既定故障影响因素与输电线路发生故障之间的相关系数，包括：采用斯皮尔曼等级算法计算既定故障影响因素与输电线路发生故障之间的相关系数。5.如权利要求3所述的方法，其特征在于，所述既定故障影响因素包括下述中的至少一种：所处地形因素、舞动时气象因素和结构因素。6.如权利要求5所述的方法，其特征在于，所述所处地形因素至少包括下述中的一种：所处地形、海拔高度和舞动段线路走向；所述地形因素至少包括下述中的一种：海拔高度和舞动段线路走向；所述舞动时气象因素包括下述中的至少一种：风速、风向、风向与舞动段线路走向夹角、温度、湿度、降水形式和导线覆冰厚度；所述结构因素包括下述中的至少一种：档距、导线直径、杆塔回路数、导线型号、导线排列方式、导线分裂数和电压等级。7.如权利要求6所述的方法，其特征在于，所述所处地形包括下述中的至少一种：山区、丘陵和平原；所述降水形式包括下述中的至少一种：雨凇、雾凇和湿雪；所述导线排列方式包括下述中的至少一种：垂直、水平和三角。8.如权...

【专利技术属性】
技术研发人员：张振宇，马晓伟，牛拴保，褚云龙，王智伟，刘鑫，王文倬，李征，崔伟，王聪，汉京善，樊嘉杰，张亚刚，王嘉豪，李蛟，
申请(专利权)人：中国电力科学研究院有限公司国家电网有限公司，
类型：发明
国别省市：