[发明专利]基于输电线路暂态波形的人工智能故障辨识系统及方法

说明书

本发明提供了一种输电线路暂态波形的人工智能故障辨识系统及方法，该系统包括信号预处理模块、人工标注模块、波形识别模块、训练与调优模块和性能测试与优化模块，基于该系统实现故障辨识的方法主要包括以下步骤：针对原始波形信号进行故障类型人工标注生成数据标签，建立输电线路暂态波形故障样本库；基于滑动窗口方法完成输电线路暂态波形信号预处理，获得对应的序列图像数据；搭建深度学习模型，实现输电线路暂态波形识别；对深度学习模型进行参数训练与调优；对深度学习模型进行性能测试，并完成针对性优化以提升性能。经过测试，该方法可以快速实现输电线路暂态波形辨识，识别准确率达到92.67％，能够代替人类专家开展此方面工作。

技术领域

本发明涉及电力系统故障识别领域，尤其涉及一种基于输电线路暂态波形的人工智能故障辨识系统及方法。

背景技术

输电线路途经的地域条件复杂多样，极易遭受雷电、污秽、动植物、大风、覆冰等各种自然因素的影响而发生跳闸事故。线路跳闸对系统安全、设备安全以及供电可靠性都有较大影响，我国电网运行规程要求在跳闸后最短的时间内查明故障位置及故障类型。因此，快速、精确、可靠的故障辨识和定位技术对输电线路安全运行尤为重要。

目前，我国输电线路安装了分布式故障行波检测装置，可以测量线路上的暂态电流波形。根据记录到的行波电流，人类专家可辨别雷击和非雷击故障(主要包括污秽闪络、树枝闪络、冰闪、鸟闪、大风舞动等)，雷击故障又可具体区分绕击和反击故障。中国专利CN102788923A提出了一种输电线路雷电绕击故障的辨识方法，主要利用行波电流幅值最大值前的一小段同极性脉冲来辨识绕击故障。实际故障处置中，专家通过综合研判行波波形形状和特征参数得到辨识结果。客观上讲，正确辨识线路故障要求人类专家专业知识和经验丰富。人类专家辨识故障主要问题在于及时性不够、经验不容易复制以及不同专家识别结果存在差异。

发明内容

本发明的目的就是要提出一种基于输电线路暂态波形的人工智能故障辨识系统及方法，旨在解决上述人类专家辨识故障及时性难以保证、经验不统一等问题。

为实现此目的，本发明提出了一种基于输电线路暂态波形的人工智能故障辨识方法，包括如下步骤：

S1，基于滑动窗口方法进行实时的输电线路暂态波形信号预处理，获得对应的实时的输电线路暂态波形序列图像数据；

S2，将实时的输电线路暂态波形序列图像数据输入到深度学习模型中，由深度学习模型进行序列图像数据的特征提取和前向推理，最终获得实时的输电线路暂态波形信号对应的各个输电线路故障类型的置信度，得到输电线路故障类型；所述深度学习模型是基于历史的输电线路暂态波形与输电线路故障对应关系的样本库利用深度学习框架建立得到。

本发明设计的基于输电线路暂态波形的人工智能故障辨识系统，包括信号预处理模块和波形识别模块；所述信号预处理模块基于滑动窗口方法进行实时的输电线路暂态波形信号预处理，获得对应的实时的输电线路暂态波形序列图像数据；所述波形识别模块用于将实时的输电线路暂态波形序列图像数据输入到深度学习模型中，由深度学习模型进行序列图像数据的特征提取和前向推理，最终获得实时的输电线路暂态波形信号对应的各个输电线路故障类型的置信度，得到输电线路故障类型。

本发明的有益效果：

1、通过本发明可以建立机器自动辨识输电线路暂态波形的识别模型，可以及时、高效、准确的对由雷击或非雷击引起的线路故障进行辨识和分类，替代人类专家，减少人类专家劳力，同时克服人类专家可能存在的问题。

2、通过本发明构建的识别模型可以通过训练更多样本数据得到进化，有利于持续提高模型辨识故障准确度。

3、按照本发明训练的模型可以部署到嵌入式硬件装置中良好运行，可以实现装置端的故障自动识别，减少大量波形的通讯传输，提高信息反馈的实时性。

附图说明

图1为本发明的系统结构示意图；