[发明专利]一种输电线路故障原因识别方法及系统

权利要求书

1.一种输电线路故障原因识别方法，其特征在于：包括，

获取输电线路的故障数据和气象数据；

根据故障数据、气象数据和预设特征提取准则，提取故障数据特征和气象数据特征；

将故障数据特征和气象数据特征组合成综合特征向量；

将综合特征向量输入预先训练的神经网络模型，识别出输电线路故障原因。

2.根据权利要求1所述的一种输电线路故障原因识别方法，其特征在于：预设特征提取准则为，

特征与故障原因类型关联，且各特征之间互相独立；

特征能有效提取，且用于特征提取的数据能在故障后获取。

3.根据权利要求1所述的一种输电线路故障原因识别方法，其特征在于：将故障数据特征和气象数据特征均采用数值量化，将量化的数值组合成综合特征向量。

4.根据权利要求3所述的一种输电线路故障原因识别方法，其特征在于：气象数据特征包括天气类特征、季节类特征、时段类特征；其中天气类特征包括晴天、阴天、雷雨、雾霾和雨雪，季节类特征包括春、夏、秋和冬，时段类特征包括清晨、白天、傍晚和午夜；故障数据特征包括重合闸、过渡电阻、过渡电阻伏安特性、故障相电流直流含量和故障相电流谐波含量。

5.根据权利要求4所述的一种输电线路故障原因识别方法，其特征在于：故障数据特征和气象数据特征采用数值量化，具体如下，

气象数据特征和重合闸：采用0和1量化，其中，0表示对应的特征没有发生，1表示对应的特征发生；

过渡电阻：采用故障期间一个周期内的过渡电阻均值量化；

过渡电阻伏安特性：采用故障期间一个周期内过渡电阻瞬时值的标准偏差量化；

故障相电流直流含量：采用直流分量与基波分量的比值量化；

故障相电流谐波含量：采用电流三次谐波分量与基波分量的比值量化。

6.根据权利要求1所述的一种输电线路故障原因识别方法，其特征在于：响应于识别出的输电线路故障原因与实际故障原因无偏差，用该识别结果调整神经网络模型训练样本库，重新训练神经网络模型。

7.根据权利要求6所述的一种输电线路故障原因识别方法，其特征在于：响应于识别出的输电线路故障原因与实际故障原因无偏差，用该识别结果调整神经网络模型训练样本库，重新训练新的神经网络模型，具体过程为，

响应于识别出的输电线路故障原因与实际故障原因无偏差，将该输电线路故障原因和对应的综合特征向量作为新样本，替换神经网络模型训练样本库中的一个样本；

响应于当前使用神经网络模型准确度低于阈值，基于替换后的神经网络模型训练样本库重新训练神经网络模型。

8.一种输电线路故障原因识别系统，其特征在于：包括，

数据获取模块：获取输电线路的故障数据和气象数据；

特征提取模块：根据故障数据、气象数据和预设特征提取准则，提取故障数据特征和气象数据特征；

综合特征向量模块：将故障数据特征和气象数据特征组合成综合特征向量；

识别模块：将综合特征向量输入预先训练的神经网络模型，识别出输电线路故障原因。

9.一种存储一个或多个程序的计算机可读存储介质，其特征在于：所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行根据权利要求1至7所述的方法中的任一方法。

10.一种计算设备，其特征在于：包括，

一个或多个处理器、存储器以及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行根据权利要求1至7所述的方法中的任一方法的指令。