[发明专利]输电线路故障检测方法、装置、计算机设备及存储介质

说明书

本方案涉及一种输电线路故障检测方法、装置、计算机设备及存储介质。所述方法包括：获取电流信号波形图、电压信号波形图并输入至CNN‑LSTM混合神经网络中，通过CNN‑LSTM混合神经网络中的电流、电压故障判别器分别得到电流故障判别结果、电压故障判别结果；基于DSmT理论，通过比例冲突再分配规则以及最大置信度分配原则，将电流故障判别结果、电压故障判别结果进行融合，得到故障检测结果。由于结合CNN和LSTM，对电压及电流信号波形图分别生成故障判别器，分别得到故障判别结果后基于DSmT理论进行融合，旨在综合两种数据的信号特征及时序特征进行故障诊断，提高故障诊断准确性。

技术领域

本发明涉及输电线路检测技术领域，特别是涉及一种输电线路故障检测方法、装置、计算机设备及存储介质。

背景技术

输电线路是电力系统中的重要组成部分，对于输电线路的故障诊断需要具有高效性和准确性，从而减少电力系统失效造成的危害。其中，输电线路故障是指输电线路的组成部件因其电气、机械性能的损坏，或因输电线路导线、其他带电部分对地或其之间的绝缘损坏而引起的输电线路的故障。传统的输电线路故障检测都是依赖人工观测，具体是依靠巡检人员携带相关设备进行故障检测效率低且成本高，无法对大量数据进行保质保量检测，存在未能及时发现故障的风险。为此，将输电线路的电压及电流信号波形图作为检测故障的重要参数，可以提高输电线路故障检测的效率。

然而，传统的输电线路故障检测存在检测准确率较低的问题。

发明内容

基于此，为了解决上述技术问题，提供一种输电线路故障检测方法、装置、计算机设备及存储介质，可以提高输电线路故障检测的准确率。

一种输电线路故障检测方法，所述方法包括：

获取电流信号波形图、电压信号波形图；

将所述电流信号波形图、所述电压信号波形图输入至CNN-LSTM混合神经网络中，通过所述CNN-LSTM混合神经网络中的电流故障判别器得到电流故障判别结果，并通过所述CNN-LSTM混合神经网络中的电压故障判别器得到电压故障判别结果；

基于DSmT理论，将所述电流故障判别结果、所述电压故障判别结果分别构建为辨识框架中的两个证据体，并分别计算所述辨识框架对于所述电流故障判别结果、所述电压故障判别结果的置信区间；

通过比例冲突再分配规则以及最大置信度分配原则，将所述电流故障判别结果、所述电压故障判别结果进行融合，得到故障检测结果。

在其中一个实施例中，所述方法还包括：

采集电流信号波形样本图、电压信号波形样本图，并将所述电流信号波形样本图、所述电压信号波形样本图输入至CNN-LSTM混合神经网络模型中；

通过所述CNN-LSTM混合神经网络模型中的CNN层提取信号特征；

LSTM层从所述信号特征中学习正常及异常状态下的信号变化规律；

根据所述信号变化规律得到所述电流故障判别器、所述电压故障判别器。

在其中一个实施例中，通过所述CNN-LSTM混合神经网络模型中的CNN层提取信号特征，包括：

通过CNN层采用卷积操作增加深度压缩参数数量，再通过池化减少特征，采用全连接层将特征转换为一维结构，得到所述信号特征。

在其中一个实施例中，所述通过CNN层采用卷积操作增加深度压缩参数数量，包括：

采用一维卷积对所述电流信号波形样本图、所述电压信号波形样本图进行卷积操作；