【技术实现步骤摘要】
一种基于大数据分析的高压电力线路运行故障检测方法
[0001]本专利技术涉及电力系统领域，且更具体地涉及一种基于大数据分析的高压电力线路运行故障检测方法
。
技术介绍
[0002]在过去的几十年里，随着电力系统规模的不断扩大和电力需求的增长，高压电力线路运行故障对供电可靠性和安全稳定运行的影响日益显著；传统的故障检测方法主要基于人工巡查和离线测试，无法满足大规模电力线路的实时监测和故障预警需求；而随着大数据技术的发展，基于大数据分析的高压电力线路运行故障检测方法得到了广泛应用和研究；这种方法通过收集
、
存储和分析大量的实时监测数据，利用机器学习
、
数据挖掘等技术手段，实现对电力线路的故障状态进行实时监测和预测，以提高电力系统的可靠性和运行效率；然而，尽管基于大数据分析的高压电力线路故障检测方法具有很多优势，但仍存在一些缺点；大数据分析的可靠性和准确性依赖于数据的质量；然而，在电力系统中，由于设备故障
、
通信中断等原因，监测数据可能存在异常
、
不准确或缺失，从而影响故障检测算法的效果和可靠性；高压电力线路的监测数据通常包含多维度
、
高维度的信息，如电流
、
电压
、
温度等；提取有效的特征来表征线路的状态是一个关键问题；然而，目前的特征提取方法主要基于经验和规则，很难捕捉到潜在的细微变化和复杂关联，导致检测算法的局限性；大数据分析方法可能存在一定的漏检和误报问题；某些故障模式可能在大数据分析...
【技术保护点】
【技术特征摘要】
1.
一种基于大数据分析的高压电力线路运行故障检测方法，其特征在于：包括以下步骤：步骤一
、
通过动态采集模块实时采集电力线路的电流
、
电压
、
温度
、
湿度
、
功率和频率参数；步骤二
、
通过数据质量管理机制监测和记录监测数据传输过程和存储情况，以确保数据的完整性
、
准确性和及时性；步骤三
、
通过信号处理模型对数据进行滤波和归一化操作，以消除噪声并提高数据质量；所述信号处理模型通过异常检测算法识别和处理数据中的异常点，并通过插值和平滑方法修复异常数据；步骤四
、
通过特征提取模型对信号处理模型输出的监测数据进行特征提取操作；所述特征提取模型通过时间序列分析
、
频域分析和小波变换分析方法捕捉电力线路的动态变化和故障行为；步骤五
、
通过合成数据方法生成虚拟故障样本，以扩充训练集规模，增强故障预警模型泛化能力；步骤六
、
通过故障预警模型对电力线路进行故障检测和预测；所述故障预警模型通过时间序列分析方法对电力线路的历史数据和实时数据进行分析，以发现潜在故障；步骤七
、
通过故障鉴别模型对检测到的故障进行诊断
、
定位和故障原因解释；所述故障鉴别模型通过特征重要性分析和特征影响度量方法解释模型的判断依据和决策过程，以提高算法的可信度和可解释性；步骤八
、
通过实时监测系统定期采集
、
处理和分析电力线路的监测数据，所述实时监测系统通过实时通信和语音信息播报方法对故障发出警告；步骤九
、
通过数据可视化模块将监测数据和故障检测结果进行展示，以便用户理解和决策
。2.
根据权利要求1所述的一种基于大数据分析的高压电力线路运行故障检测方法，其特征在于：所述数据质量管理机制包括数据采集质量监测模块
、
数据清洗校验模块和数据质量评估模块；所述数据采集质量监测模块包括数据传输监测单元和数据存储监测单元；所述数据传输监测单元通过差错校验方法验证传输过程中的数据异常情况，以确保数据传输的完整性和及时性；所述数据存储监测单元通过数据校验和去重方法监测数据在存储过程中的完整性和唯一性，以避免出现重复数据；所述数据清洗校验模块包括异常值检测单元
、
缺失值处理单元和数据准确性校验单元；所述异常值检测单元通过箱线图法对数据进行异常值检测和处理，以确保数据的准确性和可靠性；所述缺失值处理单元通过插值法和回归模型填充缺失数据，以避免对数据分析结果产生影响；所述数据准确性校验单元通过哈希码对采集到的监测数据进行校验，以预防错误标记
、
重复采样和噪声干扰问题；所述数据质量评估模块包括评价指标定义单元和评估算法单元；所述评价指标定义单元通过专家系统和规则引擎定义数据质量评价指标，所述数据质量评价指标至少包括数据完整性
、
精确度
、
一致性和可靠性；所述评估算法单元通过统计学方法对监测数据进行评估和分析
。3.
根据权利要求1所述的一种基于大数据分析的高压电力线路运行故障检测方法，其特征在于：所述信号处理模型包括滤波模块
、
归一化模块
、
错误识别模块和数据修复模块；所述滤波模块通过数字滤波器对采集到的数据进行滤波操作，以去除噪声干扰，提高数据
质量；所述归一化模块通过线性变换方法将不同范围的数据映射到统一的数值范围，以降低算法对数据绝对值的敏感度；所述错误识别模块通过异常检测算法识别和标记数据异常点，以便后续处理和修复；所述数据修复模块包括插值单元和平滑单元；所述插值单元通过线性插值和多项式插值方法填补缺失值或异常值，以恢复数据的连续性；所述平滑单元通过移动平均和指数平滑操作减少数据中的噪声和抖动，以提高数据质量
。4.
根据权利要求1所述的一种基于大数据分析的高压电力线路运行故障检测方法，其特征在于：所述异常检测算法通过概率密度函数分析异常点数据，以识别离群点以及与正常行为不符的异常模式，其中的概率密度函数通过将数据样本的概率密度与预设的阈值进行比较识别异常事件，概率密度函数的公式表达式如下：
ꢀꢀ
（1）在公式（1）中，表示概率密度函数，是数据的平均值，是数据的标准差，
e 是自然对数的底，
π 是圆周率；在对数据分析完成之后，异常检测算法通过自动编码函数学习数据的低维表示，并重构输入数据；异常检测算法通过比较原始数据和自动编码器重构的数据之间的误差，以识别出异常数据；自动编码函数的公式表达式如下：
ꢀꢀꢀ
（2）在公式（2）中，
N
表示自动编码函数，
i
表示自动编码器的输入数据，
b
是隐藏层的表示，
z
表示重构的数据，和是偏置向量，表示激活函数，表示重构误差；输入数据重构完成，通过累积和统计公式比较当前样本与之前累积值的差异，计算出检测统计量，当超过预设的阈值时，则判断为异常，以对时间序列数据进行异常检测；累积和统计公式表达式为：
ꢀꢀ
（3）在公式（3）中，
R
表示累积和统计公式，
P
表示检测统计量，
S
表示预期的均值，
m
表示控制参数
。5.
根据权利要求1所述的一种基于大数据分析的高压电力线路运行故障检测方法，其特征在于：所述特征提取模型包括时间序列分析模块
、
频域分析模块和小波变换分析模块；所述时间序列分析模块包括离散分析单元
、
相关分析单元和窗口统计单元；所述离散分析单元通过数学统计方法计算监测数据的均值和方差，以描述数据集中程度和离散程度；所述相关分析单元通过自相关性和偏自相关性分析方法对监测数据在不同滞后阶段的相关性进行分析，以获取时间序列的周期性和趋势性...
【专利技术属性】
技术研发人员：董静，
申请(专利权)人：河南博兆电子科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。