一种输电线路故障行波波头检测方法及系统与流程

1.本公开属于输电线路故障诊断技术领域，具体涉及一种输电线路故障行波波头检测方法及系统。


背景技术：

2.本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。
3.准确的输电线路故障点定位对于减轻电网运行人员巡线负担、加快线路供电恢复，减少因电路故障造成的经济损失，保证电力系统安全稳定运行具有重要意义。
4.目前常用的故障测距方法有阻抗法、行波法、故障分析法。其中，行波测距方法由于不受线路类型、接地阻抗等因素影响以及定位精度高等优点得到广泛应用。行波测距的关键是寻找行波波头的到达时刻，随着故障录波器等行波测距装置的规模化运行，行波测距波头识别存在易受干扰、可靠性差的问题，对输电线路故障进行定位时行波波头不易提取，有必要对行波波头检测与提取技术展开持续研究。
5.近年来国内外专家针对暂态行波波头的检测做了大量研究，早期采用求导、相关分析方法，但求导对噪声敏感，相关分析难以选择合适的时间窗；张小丽等人采用hilbert-huang变换(hht)对故障行波进行检测，较准确地提取电网故障行波波头位置，但此方法存在模态混叠现象和端点效应，且没有考虑高采样频率下噪声等因素的影响。
6.小波分析是一种信号的时间尺度分析方法，随着小波变换理论在工业领域的广泛应用，小波变换被引入行波故障测距波头突变点的提取。此方法具有良好的时频信号局部表征能力，但是暂态行波持续时间短，衰减严重，采集到的行波信号通常含有大量的噪声信息，给行波波头检测带来困难。传统的去噪手段一般采用低通滤波的方法，各种低通滤波器虽然可在一定程度上滤除白噪声，但不能有效抑制脉冲噪声，而脉冲噪声与暂态行波信号的突变特征很相似，容易和行波信号突变点混淆，因此传统滤波算法往往不能起到良好的效果。
7.目前深度学习算法在电力领域的应用越来越多，而采用深度学习算法进行行波波头检测的文献较少。


技术实现要素：

8.为了解决上述问题，本公开提出了一种输电线路故障行波波头检测方法及系统，根据输电线路的触发故障数据，利用电流互感器收集行波信号，硬件电路获取背景噪声；确定神经网络的输入时间序列位置，采用长短期记忆网络(long-short term memory network,简称lstm)提取行波信号中噪声信号的规律并对噪声行波进行预测，在原始信号中将噪声滤除；然后采用扩展的迪克富勒检验(augmented dickey-fuller test，简称adf)单位根检验法对降噪后的故障行波信号的平稳性改变点进行辨识，进而确定行波波头到达时刻。
9.根据一些实施例，本公开的第一方案提供了一种输电线路故障行波波头检测方法，采用如下技术方案：
10.一种输电线路故障行波波头检测方法，包括以下步骤：
11.获取输电线路的故障行波和背景噪声；
12.根据所获取的背景噪声和预设的预测模型，得到预测噪声；
13.基于所获取的输电线路的故障行波和所得到的预测噪声，得到降噪后的故障行波信号；
14.检验所得到的降噪后的故障行波信号，识别平稳性改变点，确定故障行波波头的到达时刻。
15.作为进一步的技术限定，在预测噪声之前，对所获取的背景噪声进行数据的预处理，过滤高斯白噪声、高次谐波和高频噪声。
16.作为进一步的技术限定，所述预测模型采用lstm，与循环神经网络相比，lstm增加遗忘门结构、输入门结构和输出门结构。
17.作为进一步的技术限定，对所获取的输电线路的故障行波进行数据的预处理，剔除异常数据，补齐数据，得到预处理后的输电线路的故障行波。
18.进一步的，所述降噪后的故障行波信号是通过在所得到的预处理后的输电线路的故障行波中减去预测噪声所得到的。
19.作为进一步的技术限定，所述检验所得到的降噪后的故障行波信号的过程中，采用扩展的迪克富勒检验单位根检验法对降噪后的故障行波信号的平稳性改变点进行辨识。
20.进一步的，在故障行波波头到达时刻之前，降噪后的故障行波信号平稳，故障行波波头到达时，降噪后的故障行波信号的平稳性发生改变。
21.根据一些实施例，本公开的第二方案提供了一种输电线路故障行波波头检测系统，采用如下技术方案：
22.一种输电线路故障行波波头检测系统，包括：
23.获取模块，被配置为获取输电线路的故障行波和背景噪声；
24.预测模块，被配置为根据所获取的背景噪声和预设的预测模型，得到预测噪声；
25.降噪模块，被配置为基于所获取的输电线路的故障行波和所得到的预测噪声，得到降噪后的故障行波信号；
26.检测模块，被配置为检验所得到的降噪后的故障行波信号，识别平稳性改变点，确定故障行波波头的到达时刻。
27.根据一些实施例，本公开的第三方案提供了一种计算机可读存储介质，采用如下技术方案：
28.一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现如本公开第一方面所述的输电线路故障行波波头检测方法中的步骤。
29.根据一些实施例，本公开的第四方案提供了一种电流行波采集设备，采用如下技术方案：
30.一种电流行波采集设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，所述处理器执行所述程序时实现如本公开第一方面所述的输电线路故障行波波头检测方法中的步骤，实现波形录取、数据转化、基准值计算和差分值计算功能。
31.与现有技术相比，本公开的有益效果为：
32.1.本公开以电厂的现场数据为基础，输入预测模型，基于模型预测结果获得降噪波形序列，通过对降噪后的故障行波信号的稳定性检验，得到行波波头到达时刻。
33.2.本公开采用lstm算法,与传统方法相比，该方法无需做出任何简化假设，且不用考虑数据的周期性，利用其在特征提取与时间序列预测方面的优越性能，对噪声波形数据作出精度较高的预测，训练lstm模型获取最优参数建立噪声波形预测模型；根据原始行波信号与模型数据结果得到残差序列；采用adf单位根检验寻找残差序列突变点，从而实现行波波头到达时刻的确定。
附图说明
34.构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。
35.图1是本公开实施例一中的一种输电线路故障行波波头检测方法的流程图；
36.图2是本公开实施例一中的lstm的结构示意图；
37.图3是本公开实施例二中的一种输电线路故障行波波头检测系统的结构框图。
具体实施方式
38.下面结合附图与实施例对本公开作进一步说明。
39.应该指出，以下详细说明都是例示性的，旨在对本公开提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。
40.需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本公开的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
41.在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
42.实施例一
43.本公开实施例一介绍了一种输电线路故障行波波头检测方法。
44.如图1所示的一种输电线路故障行波波头检测方法，包括以下步骤：
45.步骤s01：获取输电线路的故障行波和背景噪声；
46.步骤s02：根据所获取的背景噪声和预设的预测模型，得到预测噪声；
47.步骤s03：基于所获取的输电线路的故障行波和所得到的预测噪声，得到降噪后的故障行波信号；
48.步骤s04：检验所得到的降噪后的故障行波信号，识别平稳性改变点，确定故障行波波头的到达时刻。
49.在获取输电线路故障行波数据之后，包括：对历史数据进行预处理，剔除异常数据，补齐数据；在预处理后通过硬件电路获取背景噪声，并过滤背景噪声中的高斯白噪声和一部分高次谐波和高频噪声。
50.采用lstm算法基于输电线路故障噪声数据对噪声规律进行提取和预测；具体的，
lstm是循环神经网络的一种变体，有着强大的时间序列处理能力，通过门控制将短期记忆与长期记忆结合起来，解决了传统循环神经网络无法处理长距离依赖的问题。lstm相较于传统循环神经网络增加了三个“门”结构，即遗忘门、输入门和输出门，lstm结构图如图2所示。
51.通过遗忘门决定选择什么信息存储到细胞当中，遗忘门的输出为
52.f
t
＝σ(ωf·
[h
t-1
，x
t
] bf)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0053]
式中，ωf为前一细胞到遗忘门的权重，bf为遗忘门的偏移值。
[0054]
通过输入门确定细胞状态中保存的信息，包括两部分信息，一是需要被更新的信息，二是tanh函数产生的一个新的候选细胞状态
[0055]
输入门输出为：
[0056]it
＝σ(wi·
[h
t-1
,x
t
] bi)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
[0057]
式中，ωi为前一个细胞状态到输入门的权重，bi为输入门的偏移值。
[0058]
候选细胞状态为：
[0059][0060]
式中，ωc为输入到tanh函数的权重，bc为tanh函数的偏移值。
[0061]
当前细胞状态为：
[0062][0063]
通过输出门决定输出信息。输出门输出为：
[0064]ot
＝σ(wo[h
t-1
,x
t
] bo)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)
[0065]
当前单元的最终输出为：
[0066]ht
＝o
t
×
tanh(c
t
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)
[0067]
在公式(1)、公式(2)、公式(3)、公式(4)、公式(5)和公式(6)中，h
t-1
是前一单元的输出，x
t
是当前单元的输入，σ为激活函数，本例选则sigmiod函数，输出值在[0,1]区间，0代表完全丢弃，1代表完全通过，tanh为激励函数。
[0068]
确定lstm的隐含层层数、隐含层单元个数、批大小、训练轮数等参数，通过训练得到权重、偏置等参数。
[0069]
采用作差方法过滤行波信号中的噪声；
[0070]
具体的，训练lstm模型获得最优参数，利用lstm模型预测噪声数据，在原始波形t中减去lstm噪声模型的输出波形t
p
，得到降噪后的波形。降噪后波形信号为：
[0071]
δt＝t-t
p
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(7)
[0072]
式中，残差序列δt为降噪后波形信息。
[0073]
采用adf单位根检验法对降噪后的行波信号进行平稳性检验，识别平稳性改变点，确定行波波头到达时刻；具体的，对于降噪后的行波信号，行波波头到达时刻前信号具有平稳性，由于行波波头的到达带来突变使得行波波头到达时刻后的信号平稳性发生改变。时间序列{x
t
}的平稳性是指其随变量的任意子集的联合分布函数与时间无关，即无论对t的任何时间子集(t1,t2,...,tn)以及任何实数k，(ti k)∈t,i＝1,2,....,n都有
[0074]
f(x(t1),x(t2),...,x(tn))＝f(x(t1 k),x(t2 k),.....,x(tn k))
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(8)
[0075]
成立，其中f(
·
)表示n个随机变量的联合分布函数。
[0076]
实际应用中，常放宽条件，行波信号的时间序列平稳性是其均值和方差并不会因为时间的推进产生变化，同时任意两个时间段内的协方差只是和其时间间隔存在联系。
[0077]
本实施例采用单位根(平稳性)检验对降噪后行波信号中的突变进行识别。adf单位根检验主要作用是检测序列平稳性，是在富勒检测(dickey-fuller test，简称df)单位根检验的基础上，通过加入原序列的若干差分滞后项消除了误差项的自相关特性，具有更广泛的适用范围。
[0078]
对于序列y
t
，若y
t
序列和y
t-1
作回归
[0079]yt
＝δy
t-1
μ
t
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(9)
[0080]
检验δ是否等于1
[0081]
h0：δ＝1
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(10)
[0082]
若δ＝1，则y序列有单位根，y是非平稳的；若δ《1，则y序列无单位根，y是平稳的。
[0083]
在公式(10)两边同时减去y
t-1
，即得到如下式子：
[0084]
δy
t
＝(δ-1)y
t-1
μ
t
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(11)
[0085]
令δ-1＝β，即作如下假设检验
[0086]
h0：β＝0
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(12)
[0087]
若不拒绝原假设，即β＝0，则y有单位根，y是非平稳的；若拒绝原假设，即β《0，则y没有单位根，y是平稳的。
[0088]
传统df单位根检验通常分为三种类型，分别为数据实际生成过程是不带漂移的单位根过程，检验式中不含确定部分；数据实际生成过程是不带漂移的单位根过程，检验式中含截距项；数据实际生成过程是带漂移的单位根过程，检验式中含截距项和线性趋势项。应用于行波测距种，不带漂移的单位根过程对应一个常数项μ，检验式种的确定部分对应时间趋势项α
t
。根据行波信号趋势的不同表现形式，可以分为三种信号趋势：
[0089]
1)不含常数项μ和时间趋势项α
t
[0090]yt
＝βy
t-1
u
t
,y0＝0,u
t
～id(0,σ2)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(13)
[0091]
2)包含常数项μ，不含时间趋势项α
t
[0092]yt
＝μ βy
t-1
u
t
,y0＝0,u
t
～id(0,σ2)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(14)
[0093]
3)包含常数项μ，包含时间趋势项α
t
[0094]yt
＝μ α
t
βy
t-1
u
t
,y0＝0,u
t
～id(0,σ2)(15)
[0095]
式中，μ
t
假定为白噪声序列(本实施例中几乎为0)。
[0096]
adf检验基于如下三个模型：
[0097][0098][0099][0100]
波头到达前的残差序列为平稳序列，返回值为1，波头到达时刻，残差序列δt的值发生突变，残差序列的平稳性发生改变，返回值为0。判定行波波头到达点即为平稳序列向不平稳序列的转化时刻。
[0101]
本实施例采用lstm算法,与传统方法相比，该方法无需做出任何简化假设，且不用考虑数据的周期性，利用其在特征提取与时间序列预测方面的优越性能，对噪声波形数据作出精度较高的预测，训练lstm模型获取最优参数建立噪声波形预测模型；根据原始行波信号与模型数据结果得到残差序列；采用adf单位根检验寻找残差序列突变点，从而实现行波波头到达时刻的确定。
[0102]
实施例二
[0103]
本公开实施例二介绍了一种输电线路故障行波波头检测系统。
[0104]
如图3所示的一种输电线路故障行波波头检测系统，包括：
[0105]
获取模块，被配置为获取输电线路的故障行波和背景噪声；即电网故障时，安装在各变电站内的故障录波器将电网一次系统的故障数据及行波信号以一定采样频率记录下来，并通过数据采集单元送到调度主站端；
[0106]
预测模块，被配置为根据所获取的背景噪声和预设的预测模型，得到预测噪声；即对噪声信号进行预处理，通过故障录波器硬件电路过滤行波信号噪声中的高斯白噪声和一部分高次谐波和高频噪声，将剩余的行波噪声作为波头到达前的行波噪声信号，为lstm噪声模型提供训练数据，基于初步降噪数据采用lstm建立噪声预测模型；
[0107]
降噪模块，被配置为基于所获取的输电线路的故障行波和所得到的预测噪声，得到降噪后的故障行波信号；即获取原始行波数据和预测故障噪声数据的残差序列；
[0108]
检测模块，被配置为检验所得到的降噪后的故障行波信号，识别平稳性改变点，确定故障行波波头的到达时刻。
[0109]
详细步骤与实施例一提供的一种输电线路故障行波波头检测方法相同，在此不再赘述。
[0110]
实施例三
[0111]
本公开实施例三提供了一种计算机可读存储介质。
[0112]
一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现如本公开实施例一所述的一种输电线路故障行波波头检测方法中的步骤。
[0113]
详细步骤与实施例一提供的一种输电线路故障行波波头检测方法相同，在此不再赘述。
[0114]
实施例四
[0115]
本公开实施例四提供了一种电流行波采集设备。
[0116]
一种电流行波采集设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，所述处理器执行所述程序时实现如本公开实施例一所述的输电线路故障行波波头检测方法中的步骤，实现波形录取、数据转化、基准值计算和差分值计算功能。
[0117]
详细步骤与实施例一提供的一种输电线路故障行波波头检测方法相同，在此不再赘述。
[0118]
以上所述仅为本公开的优选实施例而已，并不用于限制本公开，对于本领域的技术人员来说，本公开可以有各种更改和变化。凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。