开云优惠体育网页版入口

专利名称：一种变电站的在线故障分析方法及管控系统

专利类型：发明专利

专利申请号：CN202411110966.0

专利申请（专利权）人：国网甘肃省电力公司白银供电公司
权利人地址：甘肃省白银市白银区人民路6号

专利发明（设计）人：发明人:刘锋,张振,宋强,付智鑫,王程,牛欢欢,张学文,周龙,焦仲涛,张乐桢,张军红,张汉瑞,刘吉平,张珊

专利摘要：本发明涉及线路故障定位技术领域，公开了一种变电站的在线故障分析方法及管控系统，该分析方法，包括以下步骤：采集历史环境数据和输电线路历史故障数据；对历史环境数据和输电线路历史故障数据进行特征工程，生成三维数组；构建动态模型，将特征工程生成的三维数组输入到动态模型中，输出表示输电线路故障类型的分类概率分布和输出表示行波参数的结果；根据动态模型输出的行波参数，应用双端检测法获取输电线路的故障位置；本发明通过在线监测输电线路的环境数据，能够实时分析输电线路的状态，一旦检测到异常，即可迅速启动故障分析流程，缩短了故障响应时间，提高了电力系统的稳定性。

主权利要求：
1.一种变电站的在线故障分析方法，其特征在于，包括以下步骤：步骤101，采集历史环境数据和输电线路历史故障数据，历史环境数据包括过去一年中每天的环境数据，每天的环境数据包括每小时记录的输电线路的温度、湿度和土壤导电率，输电线路历史故障数据包括故障类型、故障时间戳、故障点位置、行波参数和故障发生时的电流峰值和谷值；
步骤102，对历史环境数据和输电线路历史故障数据进行特征工程，生成三维数组；
步骤103，将特征工程生成的三维数组输入到动态模型中，输出表示输电线路故障类型的分类概率分布和输出表示行波参数的结果，输电线路故障类型包括无故障、单相接地短路、两相短路、两相接地短路、三相短路、断线故障、闪络故障、冰冻故障、风灾故障，行波参数包括行波传播速度、反射系数、折射系数、行波频率成分和行波振幅；
步骤104，根据动态模型输出的行波参数，应用双端检测法获取输电线路的故障位置；
动态模型包括输入层、卷积层、池化层、注意力层和全连接层，输入层输入三维数组到卷积层中，卷积层包括第一卷积层和第二卷积层，第一卷积层输出一组第一特征图，第二卷积层输出一组第二特征图，池化层输入一组第一特征图，输出一组池化特征图，将一组池化特征图和一组第二特征图分别输入到注意力层中，分别输出第一加权特征向量和第二加权特征向量，全连接层包括第一全连接层和第二全连接层，第一全连接层输入第一加权特征向量，输出输电线路故障类型的分类概率分布，第二全连接层输入第二加权特征向量，输出表示行波参数的结果；
卷积层包括RELU激活函数，RELU激活函数用于为动态模型引入非线性转换，优化动态模型输出的结果对于输电线路故障类型检测和故障点定位的准确性；
卷积层的计算公式为：
;
其中， 表示输出特征图的第个通道在位置 处的值， 表示输出特征图的第个通道的第i行第j列的位置， 表示输入特征图的第c个通道在位置 处的值， 表示卷积核的第个输入通道和第c个输出通道之间在位置 处的权重值，表示偏置项，表示特征图通道的索引， 、 分别表示卷积核的高度和宽度， 、 分别表示卷积核的行索引和列索引， 表示输入三维数组通道的索引， 表示卷积运算中的权重与输入数据之间的乘积累加运算；
卷积层的RELU激活函数的计算公式为：
；
其中， 表示输出特征图的第个通道在位置 处的值经过激活函数处理后的输出值， 表示RELU激活函数， 表示输出特征图的第个通道在位置 处的值；
池化层的计算公式为： ；
其中， 表示池化特征图的第个通道在位置 处的值， 表示输入特征图的第个通道在位于池化窗口内位置 处的值，、分别表示池化窗口在i和j方向的起始位置，和 分别表示池化窗口内的索引。
2.根据权利要求1所述的一种变电站的在线故障分析方法，其特征在于，对历史环境数据和输电线路历史故障数据进行特征工程的方法，包括以下步骤：历史环境数据表示为：
；
其中， 表示历史环境数据，和 分别表示历史的第1个时间点的第1个和第w个线路段的环境数据； 和 分别表示历史的第t个时间点的第1个和第w个线路段的环境数据，w表示输电线路的划分数量，t表示时间点的索引；
；
其中， 表示历史的第t个时间点的第w个线路段的环境数据， 、 和 分别表示历史的第t个时间点的第w个线路段所投影的区域的温度、湿度和土壤导电率，w表示输电线路的划分数量，t表示时间点的索引；
历史故障数据表示为：
；
其中， 表示历史故障数据，和 分别表示历史的第1个时间点的第1个和第w个线路段的故障数据， 和 分别表示历史的第t个时间点的第1个和第w个线路段的故障数据，w表示输电线路的划分数量，t表示时间点的索引；
；
其中， 表示历史的第t个时间点的第w个线路段的故障数据， 表示历史的第t个时间点的第w个线路段的故障类型；
、 、 分别表示历史的第t个时间点的第w个线路段的第1、2和n个行波参数；
、 分别表示历史的第t个时间点的第w个线路段的故障发生时的电流峰值和谷值；
将历史环境数据与历史故障数据拼接获得三维数组，三维数组表示为；
其中， 表示三维数组， 和 分别表示历史的第1个时间点的第1个和第w个线路段的综合特征数据， 和 分别表示历史的第t个时间点的第1个和第w个线路段的综合特征数据，w表示输电线路的划分数量，t表示时间点的索引；
；
其中， 表示历史的第t个时间点的第w个线路段的综合特征数据， 表示向量拼接， 表示历史的第t个时间点的第w个线路段的环境数据， 表示历史的第t个时间点的第w个线路段的故障数据。
3.根据权利要求2所述的一种变电站的在线故障分析方法，其特征在于，第一加权特征向量的计算公式如下：；
；
；
其中，表示池化特征图中第i个位置的得分，表示池化特征图中第j个位置的得分，表示可学习的第一权重矩阵，表示池化特征图中第i个位置的特征向量， 表示注意力层的第一偏置项， 表示池化特征图中位置i的注意力权重， 表示自然指数函数，N表示池化特征图中位置的数量， 表示加权求和后的第一特征向量；
第二加权特征向量的计算公式如下：
；
；
；
其中，表示第二特征图中第d个位置的得分，表示第二特征图中第v个位置的得分，表示可学习的第二权重矩阵， 表示第二特征图中第d个位置的特征向量， 表示注意力层的第二偏置项， 表示第二特征图中第d个位置的注意力权重， 表示自然指数函数，M表示第二特征图中位置的数量， 表示加权求和后的第二特征向量，d、v分别表示用于遍历第二特征图中每个位置的索引。
4.根据权利要求3所述的一种变电站的在线故障分析方法，其特征在于，第一全连接层的计算公式为：；
其中， 表示输电线路故障类型的分类概率向量， 表示全连接层的第一权重， 表示全连接层的第一偏置项，表示sigmoid函数；
第二全连接层的计算公式为：
；
其中， 表示行波参数， 表示全连接层的第二权重， 表示全连接层的第二偏置项，表示sigmoid函数。
5.根据权利要求4所述的一种变电站的在线故障分析方法，其特征在于，应用双端检测法获取输电线路的故障位置的方法包括以下步骤：步骤一、获取故障行波在两端检测点的到达时间、输电线路的长度、两端点的位置和动态模型输出的行波传播速度；
步骤二、通过比较两端检测点记录的行波到达时刻，计算行波在两端检测点到达的时间差；
步骤三、根据行波速度和时间差来计算行波从故障点到两端检测点的传播距离差；
传播距离差的计算公式为：
；
其中， 表示故障点到两端检测点的传播距离差，表示行波传播速度， 表示行波在两端检测点到达的时间差；
步骤四、根据距离公式计算获得输电线路的故障点；
距离公式为：
；
；
其中， 表示A端检测点距离故障点的距离， 表示B端检测点距离故障点的距离，表示输电线路的总长度， 表示故障点到两端检测点的传播距离差。
6.一种变电站的在线故障分析管控系统，应用于权利要求1?5任一一项所述的一种变电站的在线故障分析方法，其特征在于，包括以下模块：数据采集模块，用于采集历史环境数据和输电线路历史故障数据；
数据预处理模块，用于对历史环境数据和输电线路历史故障数据进行预处理；
特征工程模块，用于对历史环境数据和输电线路历史故障数据进行特征工程，生成三维数组；
模型构建模块，用于构建动态模型，将特征工程生成的三维数组输入到动态模型中，输出表示输电线路故障类型的分类概率分布和输出表示行波参数的结果；
故障定位模块，用于根据动态模型输出的行波参数，应用双端检测法获取输电线路的故障位置。
7.一种存储介质，其存储了非暂时性计算机可读指令，当非暂时性计算机可读指令由计算机执行时，能够执行如权利要求5所述的一种变电站的在线故障分析方法中的步骤。 说明书 : 一种变电站的在线故障分析方法及管控系统技术领域[0001] 本发明涉及线路故障定位领域，更具体地说，它涉及一种变电站的在线故障分析方法及管控系统。背景技术[0002] 变电站的输电线路产生故障时需要对故障点进行定位和故障类型判别，来使运维人员能够快速到达故障点进行维修；[0003] 目前针对于输电线路的故障点定位和故障类型判别采用行波技术对采集得到的行波数据进行分析，对行波波头的信息进行处理，结合线路参数和行波在线路中的传播速度，计算获得故障位置，再根据行波波头信息和频谱特性，结合已知的故障类型特征，识别出具体的故障类型；[0004] 但由于输电线路受到所处变电站区域的外部温度和湿度的环境因素影响，尤其在恶劣天气下，输电线路的线路参数变化程度不一，尤其是输电线路的电感和电容发生变化，这直接影响到行波的传播速度，另外行波的波形、传播速度和衰减特性都会随之改变，现有的计算方式是通过经验公式来计算行波速度，实际情况下行波速度受到天气、环境、负载等各种综合因素的影响，经验公式计算的行波速度存在不确定的误差，基于行波到达两端的时间差和行波在导线中的传播速度，计算出故障点的位置，计算的故障点位置与实际故障点目前只能将误差控制在百米级。发明内容[0005] 本发明提供一种变电站的在线故障分析方法及管控系统，解决相关技术中变电站输电线路在恶劣天气条件下故障定位和类型的准确性差的技术问题。[0006] 本发明提供了一种变电站的在线故障分析方法，包括以下步骤：[0007] 步骤101，采集历史环境数据和输电线路历史故障数据，历史环境数据包括过去一年中每天的环境数据，每天的环境数据包括每小时记录的输电线路的温度、湿度和土壤导电率，输电线路历史故障数据包括故障类型、故障时间戳、故障点位置、行波参数和故障发生时的电流峰值和谷值；[0008] 步骤102，对历史环境数据和输电线路历史故障数据进行特征工程，生成三维数组；[0009] 步骤103，将特征工程生成的三维数组输入到动态模型中，输出表示输电线路故障类型的分类概率分布和输出表示行波参数的结果，输电线路故障类型包括无故障、单相接地短路、两相短路、两相接地短路、三相短路、断线故障、闪络故障、冰冻故障、风灾故障，行波参数包括行波传播速度、反射系数、折射系数、行波频率成分和行波振幅；[0010] 步骤104，根据动态模型输出的行波参数，应用双端检测法获取输电线路的故障位置。[0011] 在一个优选的实施方式中，对历史环境数据和输电线路历史故障数据进行特征工程的方法，包括以下步骤：[0012] 历史环境数据表示为：[0013][0014] 其中， 表示历史环境数据， 和 分别表示历史的第1个时间点的第1个和第w个线路段的环境数据； 和 分别表示历史的第t个时间点的第1个和第w个线路段的环境数据，w表示输电线路的划分数量，t表示时间点的索引；[0015][0016] 其中， 表示历史的第t个时间点的第w个线路段的环境数据， 、 和 分别表示历史的第t个时间点的第w个线路段所投影的区域的温度、湿度和土壤导电率，w表示输电线路的划分数量，t表示时间点的索引；[0017] 历史故障数据表示为：[0018][0019] 其中， 表示历史故障数据， 和 分别表示历史的第1个时间点的第1个和第w个线路段的故障数据， 和 分别表示历史的第t个时间点的第1个和第w个线路段的故障数据，w表示输电线路的划分数量，t表示时间点的索引；[0020] ；[0021] 其中， 表示历史的第t个时间点的第w个线路段的故障数据， 表示历史的第t个时间点的第w个线路段的故障类型；[0022] 、 、 分别表示历史的第t个时间点的第w个线路段的第1、2和n个行波参数；[0023] 、 分别表示历史的第t个时间点的第w个线路段的故障发生时的电流峰值和谷值；[0024] 将历史环境数据与历史故障数据拼接获得三维数组，三维数组表示为[0025][0026] 其中， 表示三维数组， 和 分别表示历史的第1个时间点的第1个和第w个线路段的综合特征数据， 和 分别表示历史的第t个时间点的第1个和第w个线路段的综合特征数据，w表示输电线路的划分数量，t表示时间点的索引；[0027][0028] 其中， 表示历史的第t个时间点的第w个线路段的综合特征数据， 表示向量拼接， 表示历史的第t个时间点的第w个线路段的环境数据， 表示历史的第t个时间点的第w个线路段的故障数据。[0029] 在一个优选的实施方式中，动态模型包括输入层、卷积层、池化层、注意力层和全连接层，输入层输入三维数组到卷积层中，卷积层包括第一卷积层和第二卷积层，第一卷积层输出一组第一特征图，第二卷积层输出一组第二特征图，池化层输入一组第一特征图，输出一组池化特征图，将一组池化特征图和一组第二特征图分别输入到注意力层中，分别输出第一加权特征向量和第二加权特征向量，全连接层包括第一全连接层和第二全连接层，第一全连接层输入第一加权特征向量，输出输电线路故障类型的分类概率分布，第二全连接层输入第二加权特征向量，输出表示行波参数的结果；[0030] 卷积层包括RELU激活函数，RELU激活函数用于为动态模型引入非线性转换，优化动态模型输出的结果对于输电线路故障类型检测和故障点定位的准确性。[0031] 在一个优选的实施方式中，卷积层的计算公式为：[0032] ；[0033] 其中， 表示输出特征图的第个通道在位置 处的值， 表示输出特征图的第个通道的第i行第j列的位置， 表示输入特征图的第c个通道在位置 处的值， 表示卷积核的第个输入通道和第c个输出通道之间在位置 处的权重值，表示偏置项，表示特征图通道的索引， 、 分别表示卷积核的高度和宽度， 、 分别表示卷积核的行索引和列索引， 表示输入三维数组通道的索引， 表示卷积运算中的权重与输入数据之间的乘积累加运算。[0034] 在一个优选的实施方式中，卷积层的RELU激活函数的计算公式为：[0035][0036] 其中， 表示输出特征图的第个通道在位置 处的值经过激活函数处理后的输出值， 表示RELU激活函数， 表示输出特征图的第个通道在位置 处的值；[0037] 池化层的计算公式为：[0038] ；[0039] 其中， 表示池化特征图的第个通道在位置 处的值， 表示输入特征图的第个通道在位于池化窗口内位置 处的值，、分别表示池化窗口在i和j方向的起始位置，和 分别表示池化窗口内的索引。[0040] 在一个优选的实施方式中，第一加权特征向量的计算公式如下：[0041][0042][0043][0044] 其中，表示池化特征图中第i个位置的得分，表示池化特征图中第j个位置的得分，表示可学习的第一权重矩阵，表示池化特征图中第i个位置的特征向量， 表示注意力层的第一偏置项， 表示池化特征图中位置i的注意力权重， 表示自然指数函数，N表示池化特征图中位置的数量， 表示加权求和后的第一特征向量；[0045] 第二加权特征向量的计算公式如下：[0046][0047][0048][0049] 其中，表示第二特征图中第d个位置的得分，表示第二特征图中第v个位置的得分，表示可学习的第二权重矩阵， 表示第二特征图中第d个位置的特征向量， 表示注意力层的第二偏置项， 表示第二特征图中第d个位置的注意力权重， 表示自然指数函数，M表示第二特征图中位置的数量， 表示加权求和后的第二特征向量，d、v分别表示用于遍历第二特征图中每个位置的索引。[0050] 在一个优选的实施方式中，第一全连接层的计算公式为：[0051][0052] 其中， 表示输电线路故障类型的分类概率向量， 表示全连接层的第一权重，表示全连接层的第一偏置项，表示sigmoid函数；[0053] 第二全连接层的计算公式为：[0054][0055] 其中， 表示行波参数， 表示全连接层的第二权重， 表示全连接层的第二偏置项，表示sigmoid函数。[0056] 在一个优选的实施方式中，应用双端检测法获取输电线路的故障位置的方法包括以下步骤：[0057] 步骤一、获取故障行波在两端检测点的到达时间、输电线路的长度、两端点的位置和动态模型输出的行波传播速度；[0058] 步骤二、通过比较两端检测点记录的行波到达时刻，计算行波在两端检测点到达的时间差；[0059] 步骤三、根据行波速度和时间差来计算行波从故障点到两端检测点的传播距离差；[0060] 传播距离差的计算公式为：[0061][0062] 其中， 表示故障点到两端检测点的传播距离差，表示行波传播速度， 表示行波在两端检测点到达的时间差；[0063] 步骤四、根据距离公式计算获得输电线路的故障点；[0064] 距离公式为：[0065][0066][0067] 其中， 表示A端检测点距离故障点的距离， 表示B端检测点距离故障点的距离，表示输电线路的总长度， 表示故障点到两端检测点的传播距离差。[0068] 一种变电站的在线故障分析管控系统，包括以下模块：[0069] 数据采集模块，用于采集历史环境数据和输电线路历史故障数据；[0070] 数据预处理模块，用于对历史环境数据和输电线路历史故障数据进行预处理；[0071] 特征工程模块，用于对历史环境数据进行特征工程，生成三维数组；[0072] 模型构建模块，用于构建动态模型，将特征工程生成的三维数组输入到动态模型中，输出表示输电线路故障类型的分类概率分布和输出表示行波参数的结果；[0073] 故障定位模块，用于根据动态模型输出的行波参数，应用双端检测法获取输电线路的故障位置。[0074] 一种存储介质，其存储了非暂时性计算机可读指令，当非暂时性计算机可读指令由计算机执行时，能够执行如上述的一种变电站的在线故障分析方法中的步骤。[0075] 本发明的有益效果在于：[0076] 本发明通过在线监测输电线路的环境数据，能够实时分析输电线路的状态，一旦检测到异常，即可迅速启动故障分析流程，缩短了故障响应时间，提高了电力系统的稳定性；[0077] 本发明不仅能够准确识别多种类型的输电线路故障，还能输出行波参数，这些参数对于深入理解故障原因和后续的维修工作至关重要；[0078] 本发明通过大量的历史数据来学习故障发生时的行波模式，相对于通过经验公式来计算行波速度的方法能够提高对于行波参数的计算准确度，进而能够提高故障定位的准确度，能够在现有技术的基础上降低故障定位的误差，降低线路运维成本。[0079] 本发明结合双端检测法和模型输出的行波参数，能准确计算出故障点的位置，为快速修复提供了基。跎倭斯收吓挪榈氖奔浜统杀荆籟0080] 本发明通过分析历史环境数据和故障数据，能够提供数据驱动的决策依据，帮助电力公司提前预警潜在的故障风险，优化维护计划，降低电网的运行风险；[0081] 本发明自动化故障分析流程减少了人工干预的需求，降低了人为错误的可能性，同时提升了故障处理的效率和可靠性；[0082] 本发明准确的故障定位和类型识别有助于快速修复，避免了不必要的检查和维修，从而降低了维护成本，提高了经济效益。[0083] 本发明通过快速而准确的故障检测与定位能力增强了电力系统的可靠性，减少了因故障导致的停电时间，保障了电网的安全运行。附图说明[0084] 图1是本发明变电站的在线故障分析方法的流程图。[0085] 图2是本发明变电站的在线故障分析管控系统的框图。具体实施方式[0086] 现在将参考示例实施方式讨论本文描述的主题。应该理解，讨论这些实施方式只是为了使得本领域技术人员能够更好地理解从而实现本文描述的主题，可以在不脱离本说明书内容的保护范围的情况下，对所讨论的元素的功能和排列进行改变。各个示例可以根据需要，省略、替代或者添加各种过程或组件。另外，相对一些示例所描述的特征在其他例子中也可以进行组合。[0087] 如图1所示，一种变电站的在线故障分析方法，包括以下步骤：[0088] 步骤101，采集历史环境数据和输电线路历史故障数据，历史环境数据包括过去一年中每天的环境数据，每天的环境数据包括每小时记录的输电线路的温度、湿度和土壤导电率，输电线路历史故障数据包括故障类型、故障时间戳、故障点位置、行波参数和故障发生时的电流峰值和谷值；[0089] 历史环境数据的获取通过在变电站的输电线路上关键位置进行布置相应的传感器进行监测获。籟0090] 输电线路历史故障数据可以从输电线路的历史记录日志或其他相应材料中获。籟0091] 需要说明的是，行波参数的真实值是由后文中的物理模型中模拟得到的，并非是通过历史记录日志获取的，历史记录日志获取的行波参数为受到历史环境数据影响的测得行波参数，该测得的行波参数可以作为验证物理模型中关于输电线路的线路参数和温度、湿度及土壤导电率变化的样本数据。[0092] 步骤102，对历史环境数据和输电线路历史故障数据进行特征工程，生成三维数组；[0093] 先将历史环境数据与输电线路历史故障数据在时间上同步，再对采集的历史环境数据进行预处理，预处理方式包括数据清洗，包括处理缺失值和异常值，例如使用插值、均值填充或删除含有异常值的记录；[0094] 对预处理后的历史环境数据和输电线路历史故障数据进行特征工程的方法，包括以下内容：[0095] 历史环境数据表示为：[0096][0097] 其中， 表示历史环境数据， 和 分别表示历史的第1个时间点的第1个和第w个线路段的环境数据； 和 分别表示历史的第t个时间点的第1个和第w个线路段的环境数据，w表示输电线路的划分数量，t表示时间点的索引；[0098] 需要说明的是，在进行特征工程时，使用时间窗口来划分历史环境数据，每个时间窗口包括t个时间点，第1个时间点和第t个时间点分别表示历史环境数据中的第一个完整的时间窗口的起始点和第一个完整的时间窗口的终止点；由于输电线路的长度很长，使得输电线路的每个区域所处的环境不同，因此将输电线路划分成w个线路段，第w个线路段是指输电线路中的第w个线路段；[0099][0100] 其中， 、 和 分别表示历史的第t个时间点的第w个线路段所投影的区域的温度、湿度和土壤导电率，w表示输电线路的划分数量，t表示时间点的索引；[0101] 需要说明的是，线路段所投影的区域表示输电线路在其俯视方向投影到地面所覆盖的空间区域；[0102] 历史故障数据表示为：[0103][0104] 其中， 表示历史故障数据， 和 分别表示历史的第1个时间点的第1个和第w个线路段的故障数据， 和 分别表示历史的第t个时间点的第1个和第w个线路段的故障数据，w表示输电线路的划分数量，t表示时间点的索引；[0105] ；[0106] 其中， 表示历史的第t个时间点的第w个线路段的故障数据， 表示历史的第t个时间点的第w个线路段的故障类型；[0107] 、 、 分别表示历史的第t个时间点的第w个线路段的第1、2和n个行波参数；[0108] 、 分别表示历史的第t个时间点的第w个线路段的故障发生时的电流峰值和谷值；[0109] 将历史环境数据与历史故障数据拼接获得三维数组，三维数组表示为[0110][0111] 其中， 表示三维数组， 和 分别表示历史的第1个时间点的第1个和第w个线路段的综合特征数据， 和 分别表示历史的第t个时间点的第1个和第w个线路段的综合特征数据；[0112][0113] 其中， 表示历史的第t个时间点的第w个线路段的综合特征数据， 表示向量拼接， 表示历史的第t个时间点的第w个线路段的环境数据， 表示历史的第t个时间点的第w个线路段的故障数据。[0114] 需要说明的是，前述示例性的说明了 、 、 的数据表示含义，应当理解的是 、、的其他元素采用了相同的数据表示方式，区别在于数据源不同，但可以根据元素所在的行列来索引对应的数据源。[0115] 步骤103，构建动态模型，将特征工程生成的三维数组输入到动态模型中，输出表示输电线路故障类型的分类概率分布和输出表示行波参数的结果，输电线路故障类型包括无故障、单相接地短路、两相短路、两相接地短路、三相短路、断线故障、闪络故障、冰冻或风灾引起的故障，行波参数包括行波传播速度、反射系数、折射系数、行波频率成分和行波振幅；[0116] 动态模型包括输入层、卷积层、池化层、注意力层和全连接层，输入层输入三维数组到卷积层中，卷积层包括第一卷积层和第二卷积层，第一卷积层输出一组第一特征图，第二卷积层输出一组第二特征图，池化层输入一组第一特征图，输出一组池化特征图，将一组池化特征图和一组第二特征图分别输入到注意力层中，分别输出第一加权特征向量和第二加权特征向量，全连接层包括第一全连接层和第二全连接层，第一全连接层输入第一加权特征向量，输出输电线路故障类型的分类概率分布，第二全连接层输入第二加权特征向量，输出表示行波参数的结果；[0117] 卷积层使用卷积核对输入进行卷积操作，提取特征，例如卷积核 ，其中， 表示卷积核， 表示卷积核的维度， 、 分别表示卷积核的高度和宽度，表示输出特征图的数量；[0118] 需要说明的是，卷积层包括RELU激活函数，RELU激活函数用于为动态模型引入非线性转换，优化动态模型输出的结果对于输电线路故障类型检测和故障点定位的准确性；[0119] 卷积层的计算公式为：[0120][0121] 其中， 表示输出特征图的第个通道在位置 处的值， 表示输出特征图的第个通道的第i行第j列的位置， 表示输入特征图的第c个通道在位置 处的值， 表示卷积核的第个输入通道和第c个输出通道之间在位置 处的权重值，表示偏置项，表示特征图通道的索引， 、 分别表示卷积核的高度和宽度， 、 分别表示卷积核的行索引和列索引，表示输入三维数组通道的索引；[0122] 需要说明的是， 表示卷积运算中的权重与输入数据之间的乘积累加运算。[0123] 需要说明的是，两个卷积层可以采用相同的卷积结构，也可以采用不同的卷积结构。并且可以沿用现有的卷积架构，例如AlexNet、VGG等；当两个卷积层采用相同的卷积结构时，第一卷积特征图和第二卷积特征图相同。[0124] 卷积层的RELU激活函数的计算公式为：[0125][0126] 其中， 表示输出特征图的第个通道在位置 处的值经过激活函数处理后的输出值， 表示RELU激活函数， 表示输出特征图的第个通道在位置 处的值；[0127] 池化层的计算公式为：[0128] ；[0129] 其中， 表示池化特征图的第个通道在位置 处的值， 表示输入特征图的第个通道在位于池化窗口内位置 处的值，、分别表示池化窗口在i和j方向的起始位置，和 分别表示池化窗口内的索引；[0130] 第一加权特征向量的计算公式如下：[0131][0132][0133][0134] 其中，表示池化特征图中第i个位置的得分，表示池化特征图中第j个位置的得分，表示可学习的第一权重矩阵，表示池化特征图中第i个位置的特征向量， 表示注意力层的第一偏置项， 表示池化特征图中位置i的注意力权重， 表示自然指数函数，N表示池化特征图中位置的数量， 表示加权求和后的第一特征向量；[0135] 第二加权特征向量的计算公式如下：[0136][0137][0138][0139] 其中，表示第二特征图中第d个位置的得分，表示第二特征图中第v个位置的得分，表示可学习的第二权重矩阵， 表示第二特征图中第d个位置的特征向量， 表示注意力层的第二偏置项， 表示第二特征图中第d个位置的注意力权重， 表示自然指数函数，M表示第二特征图中位置的数量， 表示加权求和后的第二特征向量，d、v分别表示用于遍历第二特征图中每个位置的索引；[0140] 需要说明的是，d和v类似于i和j在池化特征图中的作用， 和 分别用于标识第二特征图中任意两个位置的得分；[0141] 第一全连接层的计算公式为：[0142][0143] 其中， 表示输电线路故障类型的分类概率向量， 表示全连接层的第一权重，表示全连接层的第一偏置项，表示sigmoid函数；[0144] 输电线路故障类型包括无故障、单相接地短路、两相短路、两相接地短路、三相短路、断线故障、闪络故障、冰冻故障、风灾故障；[0145] 第二全连接层的计算公式为：[0146][0147] 其中， 表示行波参数， 表示全连接层的第二权重， 表示全连接层的第二偏置项，表示sigmoid函数；[0148] 行波参数包括行波传播速度、反射系数、折射系数、行波频率成分和行波振幅；[0149] 在本发明的一个实施例中，第二全连接层的输出为一组行波参数 ，这些参数表示输电线路在故障瞬间，传感器检测到故障暂态录波信号中的行波数据中实际表达的参数以及输电线路的线路参数。[0150] 需要说明的是，鉴于无法获得真实的行波参数样本数据，因此本发明通过构建物理模型，建立输电线路的行波参数受温度、湿度和导电率相关的线性函数，以线性函数计算获得的模拟的行波参数作为样本数据训练动态模型的第二全连接层输出部分。[0151] 动态模型的训练方法，包括以下步骤：[0152] 步骤一、分阶段训练：[0153] 第一阶段，仅使用有标签的数据（包含故障类型的样本）训练动态模型的故障分类部分；[0154] 第二阶段，在第一阶段训练完成后，保持故障分类部分的权重不变，使用模拟数据（包含模拟的行波参数的样本）训练行波参数预测输出部分；[0155] 步骤二、建立物理模型，生成物理模型输出的模拟行波参数，将模拟行波参数作为样本数据，为模拟数据添加相应的标签，包括故障类型和行波参数的真实值（以物理模型计算的结果作为行波参数的真实值）；[0156] 步骤三、使用带有包含故障类型的样本与模拟的行波参数一起训练行波参数预测部分；[0157] 步骤四、设计多任务训练损失函数，训练损失函数的计算公式为：[0158][0159] 其中， 表示多任务训练损失函数，表示故障类型分类损失，表示行波参数回归损失， 、 分别表示第一训练参数和第二训练参数；故障类型分类损失采用交叉熵损失函数，行波参数回归损失采用均方误差损失函数。[0160] 为了生成模拟数据，本发明需要建立物理模型，生成模拟数据的方法：[0161] 定义模拟环境：确定输电线路的关键参数，例如输电线路的线路长度、电阻、电容、电感等；[0162] 设置故障类型：定义发生的故障类型，例如单相接地、两相短路等。[0163] 模拟故障发生：对每种故障类型，在模拟环境中随机生成故障位置、时间；[0164] 记录行波参数：记录故障时产生的行波参数，如波头到达时间、波头电压幅值；[0165] 重复步骤：重复以上步骤生成大量模拟数据；[0166] 准备带标签数据：整理上述大量模拟数据，基于实际收集到的带有故障类型标签的输电线路的历史故障数据，从大量模拟数据中选择故障类型相同的模拟数据中对应的行波参数作为行波参数的真实值，按照上述定义的损失函数分阶段训练。[0167] 步骤104，根据动态模型输出的行波参数，应用双端检测法获取输电线路的故障位置；[0168] 应用双端检测法获取输电线路的故障位置的方法包括以下步骤：[0169] 步骤一、获取故障行波在两端检测点的到达时间、输电线路的长度、两端点的位置和动态模型输出的行波传播速度；[0170] 步骤二、通过比较两端检测点记录的行波到达时刻，计算行波在两端检测点到达的时间差；[0171] 步骤三、根据行波速度和时间差来计算行波从故障点到两端检测点的传播距离差；[0172] 传播距离差的计算公式为：[0173][0174] 其中， 表示故障点到两端检测点的传播距离差，表示行波传播速度， 表示行波在两端检测点到达的时间差；[0175] 步骤四、根据距离公式计算获得输电线路的故障点；[0176] 距离公式为：[0177][0178][0179] 其中， 表示A端检测点距离故障点的距离， 表示B端检测点距离故障点的距离，表示输电线路的总长度， 表示故障点到两端检测点的传播距离差。[0180] 如图2所示，一种变电站的在线故障分析管控系统，包括以下模块：[0181] 数据采集模块，用于采集历史环境数据和输电线路历史故障数据；[0182] 数据预处理模块，用于对历史环境数据和输电线路历史故障数据进行预处理；[0183] 特征工程模块，用于对历史环境数据和输电线路历史故障数据进行特征工程，生成三维数组；[0184] 模型构建模块，用于构建动态模型，将特征工程生成的三维数组输入到动态模型中，输出表示输电线路故障类型的分类概率分布和输出表示行波参数的结果；[0185] 故障定位模块，用于根据动态模型输出的行波参数，应用双端检测法获取输电线路的故障位置。[0186] 一种存储介质，其存储了非暂时性计算机可读指令，当非暂时性计算机可读指令由计算机执行时，能够执行如上述的一种变电站的在线故障分析方法中的步骤。[0187] 上面对本实施例的实施例进行了描述，但是本实施例并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本实施例的启示下，还可做出很多形式，均属于本实施例的保护之内。

专利地区：甘肃

专利申请日期：2024-08-14

专利公开日期：2024-10-18

专利公告号：CN118655419B