本發(fā)明涉及電網(wǎng)，尤其涉及一種線路故障智慧診斷方法和系統(tǒng)。

背景技術(shù)：

1、隨著社會經(jīng)濟的發(fā)展，電力已成為現(xiàn)代社會不可或缺的重要能源之一；電網(wǎng)作為電力傳輸?shù)闹饕d體，承擔著將發(fā)電廠生產(chǎn)的電能高效、可靠地輸送到千家萬戶的任務(wù)；電網(wǎng)線路的安全穩(wěn)定運行直接影響到電力供應(yīng)的質(zhì)量與可靠性，進而影響到國民經(jīng)濟和社會生活的各個方面；近年來，隨著智能電網(wǎng)技術(shù)的發(fā)展，越來越多的先進技術(shù)和設(shè)備被應(yīng)用于電網(wǎng)線路的監(jiān)控與維護之中，極大地提高了電網(wǎng)運行的智能化水平。

2、因此，確保電網(wǎng)線路的正常運行，及時發(fā)現(xiàn)并排除潛在故障，對于保障電力系統(tǒng)的安全穩(wěn)定至關(guān)重要；但傳統(tǒng)線路故障巡視主要依賴現(xiàn)場運行人員采用“無人機+人工”巡視手段進行放電點排查，結(jié)合運行人員故障篩選經(jīng)驗，進行線路故障消缺閉環(huán)，但是該方式過于依賴現(xiàn)場運行人員經(jīng)驗，受數(shù)據(jù)收集條件制約，在故障定位精度、故障類型識別準確性等方面存在局限性，使得運維人員無法及時有效地處置故障，并且常受惡劣天氣影響，時效性難以保證。

3、因此，亟需一種能夠自動、精準地進行故障檢測與診斷的方法，以提高電網(wǎng)線路的運維效率和可靠性。

技術(shù)實現(xiàn)思路

1、鑒于以上技術(shù)問題中的至少一項，本發(fā)明提供了一種線路故障智慧診斷方法和系統(tǒng)，可以有效地提高線路故障診斷的準確性。

2、根據(jù)本發(fā)明的第一方面，提供一種線路故障智慧診斷方法，包括以下步驟：

3、s00：建立線路庫，將相鄰兩個塔桿之間的線路記為一個線路區(qū)段，在線路庫內(nèi)存儲各個線路區(qū)段的基礎(chǔ)信息；

4、實時檢測各個線路區(qū)段的電流、電壓波形和各類桿塔監(jiān)測數(shù)據(jù)，輸入至線路庫，與相應(yīng)的各個線路區(qū)段對應(yīng)儲存；

5、將各個線路區(qū)段相關(guān)臺賬信息、環(huán)境信息及運維信息，與相應(yīng)的各個線路區(qū)段對應(yīng)儲存至線路庫，形成不定期更新信息；

6、建立研判因子庫，用于存儲與故障相關(guān)信息；

7、s10：線路故障時，記錄行波到達不同線路區(qū)段的時間，以及行波的特征信息，作為故障行波信息；記錄故障錄波和其發(fā)生的線路區(qū)段為故障錄波信息；并將線路庫內(nèi)存儲的對應(yīng)線路故障的線路信息，轉(zhuǎn)化為線路故障信息存儲至研判因子庫；將發(fā)生故障的線路信息和其對應(yīng)的基礎(chǔ)信息作為此次的線路故障信息存儲在研判因子庫中；

8、s20：根據(jù)故障錄波信息和故障行波信息，構(gòu)筑故障波形辨識模型，獲得故障時間、故障距離、故障絕緣特性和波形特征參量信息，并存儲至研判因子庫內(nèi)與線路故障信息對應(yīng)；

9、s30：根據(jù)故障錄波計算故障點所處的線路區(qū)段并記為模擬線路區(qū)段，根據(jù)模擬路線區(qū)段和故障錄波信息中發(fā)生故障的線路區(qū)段是否一致；如果一致，則進入后續(xù)步驟；

10、s40：獲取線路故障點所處線路區(qū)段的各類桿塔監(jiān)測數(shù)據(jù)、不定期更新信息輸入至研判因子庫，并與線路故障信息對應(yīng)；

11、s50：將研判因子庫內(nèi)，線路故障信息與線路故障信息對應(yīng)的故障時間、故障距離、故障絕緣特性、波形特征參量信息、各類桿塔監(jiān)測數(shù)據(jù)、不定期更新信息設(shè)定為因子；每一個因子設(shè)定一個相同的初始權(quán)重，將此次線路故障中各個因子的權(quán)重值與研判因子庫中存儲的因子的權(quán)重值相乘獲得各個次因子，構(gòu)筑智慧診斷模型來診斷次因子，得到線路故障診斷結(jié)果；

12、s60：監(jiān)控線路的監(jiān)控人員將線路故障診斷結(jié)果發(fā)送至線路運維人員移動端app；運維人員根據(jù)線路故障診斷結(jié)果進行故障處置及巡視；

13、s70：運維人員的故障處置情況及巡視結(jié)果實時回傳給監(jiān)控人員；根據(jù)故障處置情況及巡視結(jié)果，監(jiān)控人員核實確認線路故障診斷結(jié)果的準確性，并將此次線路故障的因子及真實情況存儲至歷史故障樣本庫。

14、進一步地，還包括步驟s80：根據(jù)歷史故障樣本庫，利用多模態(tài)學習方法，動態(tài)計算研判因子庫中因子的權(quán)重，形成各類故障類型的因子關(guān)聯(lián)性規(guī)則判據(jù)。

15、進一步地，步驟s80中，動態(tài)計算研判因子庫中因子的權(quán)重具體為：

16、在每次歷史故障樣本庫存儲新的故障樣本后，進行動態(tài)更新研判因子庫中與新的故障樣本有關(guān)的因子的權(quán)重；

17、為每一個因子設(shè)定一個初始權(quán)重w(1)；第i個因子的初始權(quán)重為wi(1)；

18、設(shè)立wi(t+1)=wi(t)+δwi；

19、其中，wi(t+1)是因子i在第t+1次更新之后的新權(quán)重，wi(t)是因子i在第t次更新之后的舊權(quán)重，δwi是因子i的權(quán)重增量。

20、進一步地，步驟s80中，權(quán)重增量δwi的計算具體為：

21、當診斷正確時，δwi=α×si；

22、當診斷錯誤時，δwi=(-β)×si；

23、其中，α和β為更新率，是人為設(shè)定的值，是常數(shù)；si是因子i的重要性得分。

24、進一步地，步驟s20中，構(gòu)筑故障波形辨識模型具體為：

25、先對故障錄波信息和故障行波信息進行預(yù)處理；

26、將經(jīng)過預(yù)處理的數(shù)據(jù)從時域、頻域和時頻域三個方面提取故障波形的特征參數(shù)；

27、再將提取到的特征參數(shù)輸入共享隱藏層，從中捕捉故障時間、故障距離、故障絕緣特性和波形特征參量信息之間的特征，并進行特征融合形成通用特征向量輸出；

28、最后將通用特征向量輸入多個輸出層，根據(jù)通用特征向量從中分別細化輸出故障時間、故障距離、故障絕緣特性和波形特征參量信息。

29、進一步地，步驟s20中，建立共享隱藏層具體為：

30、建立第一層特征融合，將從時域ft、頻域ff和時頻域ftf提取的特征初步整合，形成一個包含多種信息的特征向量f1=concat(ft，ff)；

31、建立第二層特征融合，引入加權(quán)機制，不同的特征在融合時有不同的貢獻度；形成一個特征向量f2=concat(w1·f1,w2·ftf)；其中，w1、w2為人為設(shè)定的權(quán)重系數(shù)，是常數(shù)；

32、建立第三層特征融合，引入自適應(yīng)特征融合，根據(jù)當前已有的特征動態(tài)調(diào)整特征的重要性來適應(yīng)故障波形的辨識，形成一個特征向量f3=concat(f2,g)；其中，g為自適應(yīng)函數(shù)，是人為設(shè)定的線性函數(shù)；

33、最終特征向量f3即為共享隱藏層的特征向量。

34、進一步地，步驟s50中，智慧診斷模型具體為：

35、類型識別層級：將線路故障信息與線路故障信息對應(yīng)的故障時間、故障距離、故障絕緣特性、波形特征參量信息、各類桿塔監(jiān)測數(shù)據(jù)、不定期更新信息組成的因子輸入，從因子中將各類信息通過放回抽樣法抽取多個子樣本集；將每個子樣本集中的信息與人為設(shè)定的故障類型比較，得到每個子樣本集最相似的故障類型；將所有子樣本集的故障類型按比例篩選出占比最大的故障類型，從而判斷出線路故障類型及原因；

36、位置估計層級：輸入故障波形信息；根據(jù)時間的推移來進行篩選故障點所處線路區(qū)段之間的電流和電壓波形，記錄電流和電壓波形突變的時間；計算電流和電壓波形突變的時間至線路進入故障點所處線路區(qū)段的初始時間的突變時間，再計算線路進入、流出故障點所處線路區(qū)段的總時間，最終得出突變時間占據(jù)總時間的比例，從而得到故障點位于所處線路區(qū)段長度的比例，判斷出線路故障具體位置；

37、綜合診斷層級：接收類型識別層級判斷出的線路故障類型及原因、位置估計層級判斷出的線路故障具體位置，綜合闡明最終的故障診斷結(jié)果。

38、進一步地，步驟s50中，智慧診斷模型會定期引用歷史故障樣本庫內(nèi)新的故障樣本進行更新模型。

39、進一步地，步驟s30中，計算故障點所處線路區(qū)段具體為：

40、設(shè)定第n對桿塔tn與tn+1之間的檔距dn；記故障錄波中故障點距離桿塔t1的故障距離為df；

41、計算累計距離dc=d1+d2+……+dn；

42、當dc累計至第i對桿塔ti與ti+1，并且dc≥df時，停止計算累計距離dc，并記錄故障點位于此時的第i對桿塔ti與ti+1之間，從而得到故障點所處線路區(qū)段ti與ti+1之間。

43、根據(jù)本發(fā)明的第二方面，還提供了一種線路故障智慧診斷系統(tǒng)，包括：

44、數(shù)據(jù)管理模塊：包括線路庫，用于存儲各個線路區(qū)段的線路信息、電流、電壓波形、各類桿塔監(jiān)測數(shù)據(jù)、不定期更新信息；包括研判因子庫，用于存儲與故障相關(guān)信息；包括歷史故障樣本庫，用于存儲歷史線路故障的因子及其對應(yīng)的真實情況；

45、故障收集模塊：記錄行波到達不同線路區(qū)段的時間獲取故障行波信息；根據(jù)線路信息獲得故障錄波信息；并將線路庫內(nèi)存儲的對應(yīng)線路故障的線路信息，轉(zhuǎn)化為線路故障信息存儲至研判因子庫；獲取線路故障點所處線路區(qū)段的各類桿塔監(jiān)測數(shù)據(jù)、不定期更新信息輸入至研判因子庫，并與線路故障信息對應(yīng)；

46、故障檢測模塊：根據(jù)故障波形辨識模型獲得故障時間、故障距離、故障絕緣特性和波形特征參量信息；根據(jù)桿塔檔距信息計算故障點所處線路區(qū)段；

47、故障診斷模塊：構(gòu)筑智慧診斷模型來診斷研判因子庫內(nèi)的因子，得到線路故障診斷結(jié)果；

48、通信反饋模塊：用于監(jiān)控人員與運維人員的溝通。

49、本發(fā)明的有益效果為：通過收集歷史故障信息，從時域、頻域以及時頻域三個方面提取故障特征參數(shù)，建立故障波形辨識模型，從而得到每類故障波形特征數(shù)據(jù)，結(jié)合故障類型的因子關(guān)聯(lián)性規(guī)則判據(jù)，精確分析并定位線路的故障原因；通過線路故障診斷結(jié)果與故障處置及巡視有效聯(lián)動，實時復(fù)盤線路故障，并納入歷史故障樣本庫，利用多模態(tài)學習方法，動態(tài)計算研判因子庫中的因子權(quán)重，進一步提高線路故障診斷的準確性和可靠性。