[发明专利]一种输电线路故障行波的检测方法

说明书

技术领域

本申请涉及电力故障检测领域，尤其涉及一种输电线路故障行波的检测方法。

背景技术

目前，随着输电线路电压等级的提高和输电距离的增加，尤其是超、特高压输电线路的快速发展，对电网保护技术和故障测距技术提出新的挑战。行波数据蕴含着丰富的信息，若能有效挖掘行波数据的特征，必能提升行波测距的精确性、故障类型判别和故障性质辨识能力，为后续的行波数据在故障测距及主站建设等方面的研究工作奠定基础。

为了检测输电线路的行波，输电线路安装大量的行波测量装置，用来获取故障时刻信息。现有的行波测量装置采用突变量启动方式，为保证对输电线路微弱故障的监测，行波测量装置通常设有较低的行波触发阈值。但是，行波测量装置记录大量的干扰行波，致使干扰行波与故障行波比例严重失衡，增加数据辨识与筛选的工作量。

发明内容

本申请提供了一种输电线路故障行波的检测方法，以解决行波测量装置记录大量的干扰行波，致使干扰行波与故障行波比例失衡，增加数据辨识与筛选的工作量的问题。

本申请提供了一种输电线路故障行波的检测方法包括：

获取多个行波数据；

利用经验模态分解算法对每个行波数据进行分解，得到每个行波数据的特征量；

对所有行波数据的特征量进行高斯混合聚类，得到聚类结果，以对行波数据中的干扰行波和故障行波进行分类。

进一步，所述利用经验模态分解算法对每个行波数据进行分解，得到每个行波数据的特征量，包括：

利用经验模态分解算法对每个行波数据分解，得到每个行波数据的M层IMF分量；

根据所述M层IMF分量，选取满足预设条件的n层IMF分量；所述n为不大于M的正整数；

根据所述n层IMF分量，得到每个行波数据的特征量。

进一步，所述利用经验模态分解算法对每个行波数据进行分解，得到每个行波数据的M层IMF分量，包括：

获取每个行波数据的极大值点和极小值点，得到极大值点序列和极小值点序列；

利用三次样条函数法分别对极大值点序列和极小值点序列进行插值，得到上、下包络线；

根据上、下包络线，计算得到平均包络线m(t)；

按照下式计算，得到所述行波数据与所述平均包括线的差值，

h(t)＝y(t)－m(t)，

其中，y(t)表示行波数据，m(t)表示平均包络线；

如果所述差值h(t)不满足固有模态函数的条件，则将h(t)作为新的行波数据，重复获取每个行波数据的极大值点和极小值点的步骤；

如果所述差值h(t)满足固有模态函数的条件，则将所述差值h(t)确定为所述行波数据的IMF分量；

将所述IMF分量从对应的行波数据分离，得到行波数据残余项；

如果所述行波数据残余项能继续分解，则将所述行波数据残余项作为新的行波数据，重复获取每个行波数据的极大值点和极小值点的步骤；

如果所述行波数据残余项不能继续分解，则得到每个行波数据的M层分量。

进一步，所述根据所述M层IMF分量，选取满足预设条件的n层IMF分量，包括，

根据所述M层IMF分量，得到每层IMF分量的谱峭度；

根据每层IMF的谱峭度，选取谱峭度大于预设值的n层IMF分量。

进一步，所述根据所述n层IMF分量，得到每个行波数据的特征量，包括，

根据所述n层IMF分量，按照下列公式计算，得到所述n层IMF分量对应的行波数据的能量熵。

将所述能量熵确定为对应行波数据的特征量。

由以上技术方案可知，本申请提供了一种输电线路故障行波的检测方法，利用经验模态分解算法对每个行波数据进行分解，得到每个行波数据的特征量；对所有行波数据的特征量进行高斯混合聚类，得到聚类结果，以对行波数据中的干扰行波和故障行波进行分类，本申请能准确识别行波数据的类型，对干扰行波和故障行波分类准确，降低工作人员筛选的工作量，提高工作效率。

附图说明

为了更清楚地说明本申请的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本申请提供的一种输电线路故障行波的检测方法的流程图。

具体实施方式

参见图1，本申请提供了一种输电线路故障行波的检测方法包括：

步骤11：获取多个行波数据。