【技术实现步骤摘要】
本专利技术实施例涉及电力系统，尤其涉及一种基于迁移学习的输电线路故障定位方法与系统。
技术介绍
1、随着电力系统的日益复杂化，输电线路作为电力系统的重要组成部分，其运行状态直接关系到整个电网的安全稳定。在恶劣天气或意外情况下，输电线路可能会发生短路、断线等故障，这些故障不仅会导致大面积停电，影响人们的正常生活，还会对电力设备造成损害，增加维修成本。因此，快速准确地定位输电线路故障位置对于及时恢复供电、减少经济损失具有重要意义。
2、目前，输电线路故障定位主要依赖于行波法、阻抗法和信号注入法等传统技术。行波法利用故障产生的暂态电压或电流波形传播特性来确定故障距离；阻抗法则通过测量线路两端的电压与电流来计算等效阻抗，进而推算出故障点的位置；而信号注入法则是在线路中注入特定频率的测试信号，通过分析响应信号来判断故障位置。行波法和阻抗法对线路参数变化敏感，如温度、湿度、线路老化等因素会影响波形和阻抗值的准确性，导致定位误差增大;在长距离输电线路上，由于数据量庞大，传统方法需要进行大量的计算，耗时较长，难以满足实时性的要求;传统方法通常针对特定类型的故障设计，当遇到不同类型的故障或新的故障模式时，往往需要重新调整算法参数，缺乏足够的灵活性和自适应能力。
技术实现思路
1、本专利技术实施例提供一种基于迁移学习的输电线路故障定位方法与系统，用以解决现有技术中环境因素干扰大、定位误差大、难以满足实时性要求、缺乏足够的灵活性和自适应能力的问题。
2、第一方面，本专利技术实施例
3、收集目标输电线路的实时监测数据，结合气象信息以及卫星遥感影像，使用深度神经网络和图像识别技术分析所述目标输电线路周围的环境变化，得到环境变化信息，利用变分自编码器对所述环境变化信息进行异常检测，得到异常数据集，基于所述异常数据集构建综合故障特征空间；
4、基于综合故障特征空间，采用对抗领域适应算法减小已有故障数据集与所述异常数据集间的分布差距，得到优化故障特征空间；
5、基于所述优化故障特征空间，应用训练后长短期记忆网络分析所述异常数据集中故障特征之间的长期依赖关系，并结合注意力机制算法从故障特征中选择关键特征，利用图卷积网络分析所述目标输电线路的网络结构的影响，得到结构影响结果，基于所述长期依赖关系、所述关键特征以及所述结构影响结果，生成增强后故障特征表示；
6、构建基于贝叶斯优化的集成学习框架，利用所述增强后故障特征表示对所述集成学习框架中的基础学习器进行训练，得到多个初步基础模型，利用每个所述初步基础模型分别对所述目标输电线路进行预测，得到对应的预测结果，通过自适应加权策略整合所有所述初步基础模型对应的预测结果，生成初始故障概率分布；
7、利用地理信息系统技术和拓扑排序算法，基于所述初始故障概率分布确定所述目标输电线路的故障定位信息。
8、可选地，所述利用地理信息系统技术和拓扑排序算法，基于所述初始故障概率分布确定所述目标输电线路的故障定位信息，包括：
9、利用拓扑排序算法对所述目标输电线路的网络结构进行分析，以确定网络结构内节点之间的拓扑关系，得到目标拓扑排序结果，所述拓扑排序算法包括卡恩算法；
10、基于所述目标拓扑排序结果优化所述初始故障概率分布，得到目标故障概率分布，以缩小故障定位的范围；
11、利用地理信息系统技术，将所述目标故障概率分布中的目标概率值在目标输电线路地图中对应的地理位置坐标确定为所述目标输电线路的故障定位信息，所述目标概率值是高于预设概率值的故障概率值。
12、可选地，所述利用拓扑排序算法对所述目标输电线路的网络结构进行分析，以确定网络结构内节点之间的拓扑关系，得到目标拓扑排序结果，所述拓扑排序算法包括卡恩算法，包括：
13、应用图遍历算法分析所述目标输电线路的网络结构，提取所有节点和线路段的信息，得到节点和线路段的信息列表,所述节点表征所述目标输电线路中的网络连接点，所述节点包括输电塔、变电站以及开关站，所述线路段表征连接两个节点之间的输电线路部分，所述线路段包括一段导线或电缆；
14、基于所述节点和线路段的信息列表，构建网络图模型；
15、基于所述网络图模型，使用卡恩算法对网络结构内节点进行拓扑排序，得到初始拓扑排序结果，验证所述初始拓扑排序结果，验证通过得到中间拓扑排序结果，所述验证通过的条件为所有节点入度值为0；
16、将所述中间拓扑排序结果与所述目标输电线路的网络结构进行匹配，以使中间拓扑排序结果中的节点顺序与所述网络结构中的节点之间的拓扑关系一致；在匹配成功后，基于所述中间拓扑排序结果，对所述网络结构中的节点进行聚类，得到聚类结果；
17、结合所述聚类结果优化所述中间拓扑排序结果，生成目标拓扑排序结果。
18、可选地，所述基于所述网络图模型，使用卡恩算法对网络结构内节点进行拓扑排序，得到初始拓扑排序结果，验证所述初始拓扑排序结果，验证通过得到中间拓扑排序结果，所述验证通过的条件为所有节点入度值为0，包括：
19、遍历所述网络图模型中的边，统计所述边中每个节点的入度值，将所有入度值为0的节点加入队列，得到初始化入度表和队列，所述入度值表征指向节点的边的数量，所述入度值为0的节点作为拓扑排序的起始点；
20、基于所述初始化入度表和队列，使用卡恩算法，随机提取一个节点作为目标节点，减少所述目标节点的邻居节点的入度值，若所述邻居节点的入度值为0，则将所述邻居节点加入所述初始化入度表和队列，重复执行减少所述邻居节点的入度值操作，直至所述初始化入度表和队列为空，生成初始拓扑排序结果，所述初始拓扑排序结果包含目标节点和所有入度值为0的邻居节点，所述初始化入度表和队列为空表征所有节点入度值为0；
21、基于所述初始拓扑排序结果，验证拓扑排序流程是否结束，若所述拓扑排序结果中所有节点的入度值均为0，则确定拓扑排序流程结束，若所述初始化入度表和队列为空，但存在入度值不为0的节点，则确定所述网络图模型存在环路；
22、当所述网络图模型存在环路时，使用循环检测算法确认环路的位置，并采取相应措施消除环路，得到处理后网络图模型，基于所述处理后网络图模型，重复执行卡恩算法，直至所有节点入度值为0，得到中间拓扑排序结果。
23、可选地，所述使用循环检测算法确认环路的位置，并采取相应措施消除环路，得到处理后网络图模型，基于所述处理后网络图模型，重复执行卡恩算法，直至所有节点入度值为0，得到中间拓扑排序结果，包括：
24、基于所述网络图模型，选择循环检测算法中的深度优先搜索算法；
25、基于所述深度优先搜索算法，从所述网络图模型中随机选取初始节点，从所述初始节点开始进行深度优先搜索，记录深度优先搜索过程中每个节点的访问状态，若检测到访问状态为正在访问的节点，则确定存在环路，并生成环路的位置信息，所述访问状态包括本文档来自技高网...
【技术保护点】
1.一种基于迁移学习的输电线路故障定位方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述利用地理信息系统技术和拓扑排序算法，基于所述初始故障概率分布确定所述目标输电线路的故障定位信息，包括：
3.根据权利要求2所述的方法，其特征在于，所述利用拓扑排序算法对所述目标输电线路的网络结构进行分析，以确定网络结构内节点之间的拓扑关系，得到目标拓扑排序结果，所述拓扑排序算法包括卡恩算法，包括：
4.根据权利要求3所述的方法，其特征在于，所述基于所述网络图模型，使用卡恩算法对网络结构内节点进行拓扑排序，得到初始拓扑排序结果，验证所述初始拓扑排序结果，验证通过得到中间拓扑排序结果，所述验证通过的条件为所有节点入度值为0，包括：
5.根据权利要求4所述的方法，其特征在于，所述使用循环检测算法确认环路的位置，并采取相应措施消除环路，得到处理后网络图模型，基于所述处理后网络图模型，重复执行卡恩算法，直至所有节点入度值为0，得到中间拓扑排序结果，包括：
6.根据权利要求1所述的方法，其特征在于，所述构建基于贝叶斯优化的集
7.根据权利要求1所述的方法，其特征在于，所述基于所述优化故障特征空间，应用训练后长短期记忆网络分析所述异常数据集中故障特征之间的长期依赖关系，并结合注意力机制算法从故障特征中选择关键特征，利用图卷积网络分析所述目标输电线路的网络结构的影响，得到结构影响结果，基于所述长期依赖关系、所述关键特征以及所述结构影响结果，生成增强后故障特征表示，包括：
8.一种基于迁移学习的输电线路故障定位系统，其特征在于，包括：
9.一种计算设备，其特征在于，包括处理组件以及存储组件；所述存储组件存储一个或多个计算机指令；所述一个或多个计算机指令用以被所述处理组件调用执行，实现如权利要求1~7任一项所述的一种基于迁移学习的输电线路故障定位方法。
10.一种计算机存储介质，其特征在于，存储有计算机程序，所述计算机程序被计算机执行时，实现如权利要求1~7任一项所述的一种基于迁移学习的输电线路故障定位方法。
...【技术特征摘要】
1.一种基于迁移学习的输电线路故障定位方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述利用地理信息系统技术和拓扑排序算法，基于所述初始故障概率分布确定所述目标输电线路的故障定位信息，包括：
3.根据权利要求2所述的方法，其特征在于，所述利用拓扑排序算法对所述目标输电线路的网络结构进行分析，以确定网络结构内节点之间的拓扑关系，得到目标拓扑排序结果，所述拓扑排序算法包括卡恩算法，包括：
4.根据权利要求3所述的方法，其特征在于，所述基于所述网络图模型，使用卡恩算法对网络结构内节点进行拓扑排序，得到初始拓扑排序结果，验证所述初始拓扑排序结果，验证通过得到中间拓扑排序结果，所述验证通过的条件为所有节点入度值为0，包括：
5.根据权利要求4所述的方法，其特征在于，所述使用循环检测算法确认环路的位置，并采取相应措施消除环路，得到处理后网络图模型，基于所述处理后网络图模型，重复执行卡恩算法，直至所有节点入度值为0，得到中间拓扑排序结果，包括：
6.根据权利要求1所述的方法，其特征在于，所述构建基于贝叶斯优化的集成学习框架，利用所述增强后故障特征表示对所述集成学习框架...
【专利技术属性】
技术研发人员：王志伟，韩迎君，王鹏飞，
申请(专利权)人：北京德昌祥科技有限公司，
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。