一种基于智能模型的线路故障原因辨识方法及系统技术方案

技术编号:43816105 阅读:32 留言:0更新日期:2024-12-27 13:29
本发明专利技术公开了一种基于智能模型的线路故障原因辨识方法及系统,获取故障辨识数据;基于故障辨识数据对每种故障类型的故障判断项目进行赋值,基于故障判断项目预设的权重与赋值,获取每种故障类型的故障判断结果;基于故障判断结果生成故障机理判别结果分数矩阵,对故障机理判别结果分数矩阵进行处理,生成归一化机理判别矩阵;建立故障数据集,通过训练后的智能模型输出判别概率分布矩阵;对归一化机理判别矩阵以及判别概率分布矩阵进行处理,生成融合矩阵;基于线路故障时气象信息与故障原因的关联关系,建立气象关联矩阵;通过融合矩阵以及气象关联矩阵相乘,建立最终故障原因辨识矩阵,基于最终故障原因辨识矩阵对线路故障原因进行辨识。

【技术实现步骤摘要】

本专利技术涉及交流输电线路继电保护 ,更具体地,涉及一种基于智能模型的线路故障原因辨识方法及系统


技术介绍

1、随着能源转型加快推进,保供压力不断增大。近年来,供电负荷持续攀升,负荷高峰期易与极端天气叠加,设备故障停运严重削弱网架结构,威胁电网安全和供电可靠。高压输电线路作为公司的重要资产及电能传输的主干道,其故障后停运后快速、准确地判别故障类型和原因,有助于辅助现场运维人员和调度运行人员开展故障处置和设备抢修,有效提升生产一线员工的工作质效,进一步夯实电网本质安全基础。

2、现有技术1,(申请名称:基于高低频小波特征关联的输电线路故障原因辨识方法),提出了基于高低频小波特征关联的输电线路故障原因辨识方法,通过建立高频行波数据的小波特征与低频录波数据的小波特征的关联模型,采用低频录波数据实现故障原因的辨识。首先,提取多种故障相电流样本并建立数据库,通过小波变换和bp神经网络提取低频和高频特征向量。其次根据上述结果建立故障特征量与故障类型的关联关系模型。最后,将待测故障原因的样本的特征量依次带入多种故障类型的关联关系模型,选取拟合度最大且大于设本文档来自技高网...

【技术保护点】

1.一种基于智能模型的线路故障原因辨识方法,所述方法包括:

2.根据权利要求1所述的方法,所述故障类型包括:雷击故障、风偏故障、低阻异物故障、高阻异物故障、山火故障、污闪故障、覆冰舞动故障、覆冰闪络故障、树闪故障、鸟害故障以及机械外力故障;

3.根据权利要求1所述的方法,所述基于所述故障判断结果生成故障机理判别结果分数矩阵,对所述故障机理判别结果分数矩阵进行归一化处理,生成归一化机理判别矩阵,包括:

4.根据权利要求1所述的方法,所述故障数据集包括电气量特征数据以及与故障类型对应的标签;建立所述故障数据集包括:

5.根据权利要求1所述的方法...

【技术特征摘要】

1.一种基于智能模型的线路故障原因辨识方法,所述方法包括:

2.根据权利要求1所述的方法,所述故障类型包括:雷击故障、风偏故障、低阻异物故障、高阻异物故障、山火故障、污闪故障、覆冰舞动故障、覆冰闪络故障、树闪故障、鸟害故障以及机械外力故障;

3.根据权利要求1所述的方法,所述基于所述故障判断结果生成故障机理判别结果分数矩阵,对所述故障机理判别结果分数矩阵进行归一化处理,生成归一化机理判别矩阵,包括:

4.根据权利要求1所述的方法,所述故障数据集包括电气量特征数据以及与故障类型对应的标签;建立所述故障数据集包括:

5.根据权利要求1所述的方法,还包括建立智能模型:

6.根据权利要求5所述的方法,还包括通过如下步骤对所述智能模型进行训练:

7.根据权利要求1所述的方法,所述对所述归一化机理判别矩阵以及所述判别概率分布矩阵进行融合处理,生成融合矩阵,包括:

8.根据权利要求7所述的方法,所述通过所述融合矩阵以及所述气象关联矩阵相乘,建立最终故障原因辨识矩阵,包括:

9.一种基于智能模型的线路故障原因辨识系统,所述系统包括:<...

【专利技术属性】
技术研发人员:杨国生杜丁香曹虹王书扬李仲青张烈申华宋勇辉许翠娟
申请(专利权)人:中国电力科学研究院有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1