【CN109975661B】一种基于斯皮尔曼相关系数的输电线路故障检测方法【专利】
一种基于BP神经网络的输电线路故障检测系统
１００一种基于BP 神经网络的输电线路故障检测系统肖欢，阳习党，朱威（海军工程大学，湖北武汉430079）摘要：输电线路故障测距技术对于电力系统的安全稳定运行具有重要作用。
传统多为基于电力学的数学模型，但由于实际情况的复杂性，传统方法往往难以避免各种误差。
针对传统方法的不足，文章提出一种基于BP 神经网络的输电线路故障检测系统，在matlab 环境下进行电路故障测距，输入电路的实测电流电压值，以实际故障距离作为预期输出训练网络。
相比于批量训练，单个训练往往震荡较大而错过最佳的收敛点，批量训练的效果更好。
关键词：BP 神经网络；matlab ；电路故障；训练网络；检测中图分类号：TN386文献标识码：A 文章编号：1673-1131（2019）04-0100-021概述神经网络的建模及预测流程如图1所示。
首先筛选原始的电路电压电流数据及故障情况数据，去除没有发生故障的电路数据，得到出现电路故障的数据集，样本量为18，共涵盖8种不同的电路故障类型。
用最大最小法对故障距离数据进行归一化处理，使故障距离数据分布在[0，1]的区间范围之内。
然后分别初始化神经网络的各层权重和阈值，用随机数的方法初始化权重，阈值置0。
之后进通过BP 算法训练网络，训练的过程主要包括前向传播信号，以及反向传播误差两个部分，以使预测结果越来越接近真实故障距离。
当误差收敛到一定程度时，就得到目标网络模型。
因为数据样本量较小，网络的训练与测试数据集划分采用9折交叉验证法。
将测试数据集的电流电压数据输入训练好的神经网络模型，就可以得到故障距离的预测值。
图1神经网络的建模及预测流程2基于BP 神经网络的输电线路故障检测系统2.1数据预处理传统的故障定位技术根据所使用的测量信息可分为两种方法：单端方法和双端方法。
双端测距方法需要线路两端之（b ）CAD 处理后界面图图7CAD 工程文件脱敏效果示意图5结语本文设计了一种针对网络传输图像文件中的敏感信息防控系统，在确保信息共享和信息交换、无需各类相关文档编辑软件的情况下，在截获和解析相关文档的基础上，通过适当的脱敏处理，确保个人、单位和机构电子文档中包含重要敏感图像的图像文件不会外泄给非授权用户。
基于CNN-SVM的高压输电线路故障识别方法
基于CNN-SVM的高压输电线路故障识别方法
田鹏飞;于游;董明;姜志筠;包鹏宇;吴国鼎;张天东;胡钋
【期刊名称】《电力系统保护与控制》
【年(卷),期】2022(50)13
【摘要】高压输电线路故障识别对保证电网安全稳定运行具有重要意义。
提出了一种基于CNN-SVM的高压输电线路故障分段识别方法。
针对传统故障识别方法数据特征提取过程复杂的问题,通过深度学习的CNN模型,将故障特征以时序矩阵形式输入其卷积层与池化层,从而简化特征提取与计算过程。
此外,针对高压输电线路故障特征不明显导致相间故障识别率较低的问题,提出将故障相间电流差及非故障相负序与零序分量作为特征,输入到SVM模型,进而判断相间故障接地类型。
仿真结果表明,所提方法准确率高,与其他深度学习方法相比,在相间故障识别的准确率上提升尤为显著。
【总页数】7页(P119-125)
【作者】田鹏飞;于游;董明;姜志筠;包鹏宇;吴国鼎;张天东;胡钋
【作者单位】国网辽宁省电力有限公司;国网大连供电公司;武汉大学
【正文语种】中文
【中图分类】TM7
【相关文献】
1.基于ANFIS的特高压输电线路故障分类识别方法
2.基于多重分形谱的高压直流输电线路区内外故障识别方法
3.基于双向长短期记忆网络的高压输电线路短路故
障识别方法4.大气环境下高压电网输电线路故障识别方法5.基于CBAM-FCN的高压输电线路发展性故障识别方法
因版权原因，仅展示原文概要，查看原文内容请购买。
【CN109975661A】一种基于斯皮尔曼相关系数的输电线路故障检测方法【专利】
(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 201910322248.2(22)申请日 2019.04.22(71)申请人 西南交通大学地址 610031 四川省成都市二环路北一段111号(72)发明人 童晓阳 温豪 (74)专利代理机构 成都点睛专利代理事务所(普通合伙) 51232代理人 葛启函(51)Int.Cl.G01R 31/08(2006.01)(54)发明名称一种基于斯皮尔曼相关系数的输电线路故障检测方法(57)摘要本发明公开了一种基于斯皮尔曼相关系数的输电线路故障检测方法。
采集线路两侧每个时刻的三相电流瞬时值，计算获得线路两侧的正序故障分量、负序、零序电流的瞬时值，构造线路某侧的故障分量综合电流为同一时刻的正序故障分量电流、负序电流、零序电流瞬时值的叠加。
以一个周波作为时间窗，利用时间窗内的故障分量综合电流，构造某线路的两个特征序列，计算两个特征序列之间的斯皮尔曼相关系数。
时间窗每向前移动一点计算一次线路的斯皮尔曼相关系数，当该相关系数大于阈值0时，就判断该线路为故障线路。
本方法不受过渡电阻、异常数据、电流互感器饱和等影响，在非全相运行、潮流转移中再故障也能够检测出故障线路，并且对信息同步性的要求不高。
权利要求书2页 说明书9页 附图2页CN 109975661 A 2019.07.05C N 109975661A1.一种基于斯皮尔曼相关系数的输电线路故障检测方法，包括以下步骤：步骤一、采集线路mn两侧每个采样时刻的三相电流瞬时值i ma 、i mb 、i mc 、i na 、i nb 、i nc ，根据瞬时对称分量法，分别计算线路mn两侧的正序电流瞬时值i m1、i n1，负序电流瞬时值i m2、i n2，零序电流瞬时值i m0、i n0，其中，m、n为被检测线路两侧的母线编号；式(1)中，i a 、i b 、i c 分别为A相、B相、C相三相电流的瞬时值，i a1、i a2、i a0分别表示A相正序、负序、零序电流瞬时值，S 90＝e -j90°为移相算子，它表示将当前时刻向后，即向时间减小方向移动90°对应的时间间隔，S 90(i b )表示将B相电流i b 的当前时刻向后移动90°对应的时间间隔后相应时刻的瞬时值，S 90(i c )表示将C相电流i c 的当前时刻向后移动90°对应的时间间隔后相应时刻的瞬时值；所述线路mn两侧正序电流瞬时值i m1、i n1，负序电流瞬时值i m2、i n2、零序电流瞬时值i m0、i n0均分别采用线路mn两侧的A相正序、负序、零序电流瞬时值；分别将线路mn两侧当前时刻的正序电流瞬时值减去两个周波前的瞬时值，得到线路mn 两侧的正序故障分量电流瞬时值Δi m1、Δi n1；步骤二、构造线路m侧或n侧的故障分量综合电流，它们为m侧或n侧同一时刻的正序故障分量电流、负序电流、零序电流瞬时采样值的叠加，线路mn两侧的故障分量综合电流的瞬时值i mz 、i nz计算如下：式(2)中，i mz 、i nz 分别表示线路m侧、n侧的故障分量综合电流瞬时值，Δi m1、i m2、i m0分别表示线路m侧的正序故障分量电流、负序电流、零序电流在同一采样时刻的瞬时值，Δi n1、i n2、i n0分别表示线路n侧的正序故障分量电流、负序电流、零序电流在同一采样时刻的瞬时值；步骤三、以一个周波作为固定时间窗，从当前时刻向后追溯一个时间窗的线路mn两侧历史数据组成该线路的两个原始序列；针对这两个原始序列，根据式(3)构造所述线路的两个特征序列x、y：式(3)中，x(k)、y(k)分别表示构造出的两个特征序列x、y在第k个采样点的瞬时值，N表示该时间窗内电流采样点的个数，i mz (k)、i nz (k)分别表示线路mn两侧时间窗内第k个采样点的故障分量综合电流的瞬时值；|i mz (k)|、|i nz (k)|分别表示线路两侧时间窗内第k个采样点的故障分量综合电流瞬时值的绝对值；步骤四、计算时间窗内两个特征序列x、y之间的斯皮尔曼相关系数r；权 利 要 求 书1/2页2CN 109975661 A。
基于点云数据配准的输电线路异常检测方法
基于点云数据配准的输电线路异常检测方法
张乐;王维坤;崔雷;周飞飞;张振威
【期刊名称】《自动化应用》
【年(卷),期】2024(65)6
【摘要】异常检测是输电线路运维中的重要环节,可为输电线路故障维修提供可靠依据。
但现有检测方法命中率较低,且检测结果与实际运行线路的斯皮尔曼相关系数较低。
针对现有方法的不足,提出了一种基于点云数据配准的输电线路异常检测方法。
首先,利用三维激光扫描仪采集输电线路点云数据;其次,对采集点云数据中离散点进行降噪处理,并通过点云数据配准方法模拟输电线路状态;最后,通过与正常输电线路对比识别线路异常状态,以完成输电线路异常检测。
实验表明,异常检测方法命中率高达96%以上,检测结果与实际运行线路的斯皮尔曼相关系数达0.9以上,同时,该方法在输电线路异常检测方面具有良好的应用前景。
【总页数】4页(P152-154)
【作者】张乐;王维坤;崔雷;周飞飞;张振威
【作者单位】安徽送变电工程有限公司
【正文语种】中文
【中图分类】TP391.41
【相关文献】
1.基于ICP算法的内河岸线点云数据配准方法
2.基于ICP算法的三维激光扫描点云数据配准方法
3.基于控制测量的多视点云数据配准方法的研究
4.基于机载点云
数据的输电线路自动分类方法研究5.输电线路螺栓检测的激光点云数据自动化配准研究
因版权原因，仅展示原文概要，查看原文内容请购买。
基于皮尔逊算法的输电线路雷电反击识别方法[发明专利]
![基于皮尔逊算法的输电线路雷电反击识别方法[发明专利]](https://img.taocdn.com/s3/m/be90106aa0116c175e0e4834.png)
专利名称：基于皮尔逊算法的输电线路雷电反击识别方法专利类型：发明专利
发明人：陆冰冰,司文荣,傅晨钊,赵丹丹,肖嵘,金珩
申请号：CN201711475243.0
申请日：20171229
公开号：CN108205662A
公开日：
20180626
专利内容由知识产权出版社提供
摘要：本发明涉及一种基于皮尔逊算法的输电线路雷电反击识别方法，该方法将故障时刻的故障行波全局化，从整体上对输电线路三相导线所采集到的故障行波电流进行相关系数的计算，以此准确识别雷电反击故障，实现雷击故障原因识别的目的。
与现有技术相比，本发明具有有效降低故障行波因噪声产生衰减导致测量结果不准确的影响，具备更高的融洽性等优点。
申请人：国网上海市电力公司,华东电力试验研究院有限公司
地址：200002 上海市浦东新区中国(上海)自由贸易试验区源深路1122号
国籍：CN
代理机构：上海科盛知识产权代理有限公司
代理人：应小波
更多信息请下载全文后查看。
输电线路的故障检测方法、装置和终端设备[发明专利]
![输电线路的故障检测方法、装置和终端设备[发明专利]](https://img.taocdn.com/s3/m/a81a7e16910ef12d2bf9e785.png)
专利名称：输电线路的故障检测方法、装置和终端设备
专利类型：发明专利
发明人：高丽芳,王智慧,辛锐,赵建斌,连阳阳,李启蒙,吕鹏鹏,王少影,方蓬勃,周文芳,刘玮,卢大玮,刘园园
申请号：CN201910165020.7
申请日：20190305
公开号：CN109765462A
公开日：
20190517
专利内容由知识产权出版社提供
摘要：本发明适用于图像识别技术领域，提供了一种输电线路的故障检测方法、装置和终端设备。
该方法包括：获取包括故障信息的输电线路巡检图像集，并对所述输电线路巡检图像集进行故障信息标注得到故障数据集；建立快速区域卷积神经网络Faster‑RCNN模型，并根据所述
Faster‑RCNN模型对所述故障数据集进行特征提取得到训练后的Faster‑RCNN模型；将采集的输电线路巡检图像输入到所述训练后的Faster‑RCNN模型检测输电线路故障。
本发明能够提高无人机巡检实时性，减少故障误判和漏判问题，提升故障诊断的准确性，在提升巡检诊断效率的同时节省了大量人力物力。
申请人：国家电网有限公司,国网河北省电力有限公司信息通信分公司,国网信息通信产业集团有限公司
地址：100000 北京市西城区西长安街86号
国籍：CN
代理机构：深圳中一专利商标事务所
代理人：高星
更多信息请下载全文后查看。
基于斯皮尔曼等级相关的卷积神经网络的电力系统智能故障检测方法
专利名称：基于斯皮尔曼等级相关的卷积神经网络的电力系统智能故障检测方法及系统
专利类型：发明专利
发明人：杨东升,庞永恒,张化光,杨珺,刘学芳,周博文,罗艳红,秦佳,王智良,刘振伟
申请号：CN201811209429.6
申请日：20181017
公开号：CN109614981A
公开日：
20190412
专利内容由知识产权出版社提供
摘要：本发明提供一种基于斯皮尔曼等级相关的卷积神经网络电力系统智能故障检测方法及系统，在区域网络节点处设置相量测量单元，对数据进行测量；将采集的数据进行斯皮尔曼相关性分析，基于分析结果提出图像生成方法；建立等效故障网络，验证故障特征与斯皮尔曼等级相关性的关系，论证方法的可行性；将生成的图像作为初始卷积层，建立基于斯皮尔曼等级相关的卷积神经网络架构；根据建立的架构，基于PSCAD/EMTDC，验证方法的合理性与优越性。
综合使用多种电量数据进行故障诊断，通过卷积神经网络可快速、准确的辨识出电力系统中故障所在位置，解决了加入分布式电源等导致电力系统具有波动性以及传统检测方法的不准确性，使电力系统的鲁棒性更高、自适应性更强。
申请人：东北大学
地址：110819 辽宁省沈阳市和平区文化路3号巷11号
国籍：CN
代理机构：沈阳东大知识产权代理有限公司
代理人：李运萍
更多信息请下载全文后查看。
基于相关系数的电池系统短路故障诊断方法[发明专利]
![基于相关系数的电池系统短路故障诊断方法[发明专利]](https://img.taocdn.com/s3/m/ca42ccef90c69ec3d4bb75ec.png)
专利名称：基于相关系数的电池系统短路故障诊断方法专利类型：发明专利
发明人：黄福良,江晴,吴飞,樊文堂,诸萍
申请号：CN201710981344.9
申请日：20171020
公开号：CN107831443A
公开日：
20180323
专利内容由知识产权出版社提供
摘要：本发明提出了一种基于相关系数的电池系统短路故障诊断方法。
该方法运用相关系数的数学性质，排除了电池单体均衡状态以及老化程度不同对故障诊断结果造成的影响，从而可以准确、可靠地识别短路故障前期的电压波动。
本方法仅需要实时的电压单体电压测量，因此不需要电池模型，从而省去大量前期建模工作。
在实际应用中，需要在采集的所有的电压信号中加入一个周期信号，以确保该方法在电池静置时不会发出误警报。
故障电池的位置可以根据异常相关系数所涉及电池的位置进行判断。
申请人：开沃新能源汽车集团有限公司
地址：211200 江苏省南京市溧水区柘塘镇滨淮大道369号
国籍：CN
代理机构：江苏圣典律师事务所
代理人：贺翔
更多信息请下载全文后查看。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
(19)中华人民共和国国家知识产权局
(12)发明专利
(10)授权公告号 (45)授权公告日 (21)申请号 201910322248.2
(22)申请日 2019.04.22
(65)同一申请的已公布的文献号
申请公布号 CN 109975661 A
(43)申请公布日 2019.07.05
(73)专利权人 西南交通大学
地址 610031 四川省成都市二环路北一段
111号
(72)发明人 童晓阳 温豪
(74)专利代理机构 成都点睛专利代理事务所
(普通合伙) 51232
代理人 葛启函
(51)Int.Cl.
G01R 31/08(2006.01)
审查员 陈豆豆
(54)发明名称一种基于斯皮尔曼相关系数的输电线路故障检测方法(57)摘要本发明公开了一种基于斯皮尔曼相关系数的输电线路故障检测方法。
采集线路两侧每个时刻的三相电流瞬时值，计算获得线路两侧的正序故障分量、负序、零序电流的瞬时值，构造线路某侧的故障分量综合电流为同一时刻的正序故障分量电流、负序电流、零序电流瞬时值的叠加。
以一个周波作为时间窗，利用时间窗内的故障分量综合电流，构造某线路的两个特征序列，计算两个特征序列之间的斯皮尔曼相关系数。
时间窗每向前移动一点计算一次线路的斯皮尔曼相关系数，当该相关系数大于阈值0时，就判断该线路为故障线路。
本方法不受过渡电阻、异常数据、电流互感器饱和等影响，在非全相运行、潮流转移中再故障也能够检测出故障线路，并且对信息同步
性的要求不高。
权利要求书2页 说明书9页 附图2页CN 109975661 B 2020.02.07
C N 109975661
B
1.一种基于斯皮尔曼相关系数的输电线路故障检测方法，包括以下步骤：
步骤一、采集线路mn两侧每个采样时刻的三相电流瞬时值i ma 、i mb 、i mc 、i na 、i nb 、i nc ，根据瞬时对称分量法，分别计算线路mn两侧的正序电流瞬时值i m1、i n1，负序电流瞬时值i m2、i n2，零序电流瞬时值i m0、i n0，其中，m、
n为被检测线路两侧的母线编号；
式(1)中，i a 、i b 、i c 分别为A相、B相、C相三相电流的瞬时值，i a1、i a2、i a0分别表示A相正序、负序、零序电流瞬时值，S 90＝e -j90°为移相算子，它表示将当前时刻向后，即向时间减小方向移动90°对应的时间间隔，S 90(i b )表示将B相电流i b 的当前时刻向后移动90°对应的时间间隔后相应时刻的瞬时值，S 90(i c )表示将C相电流i c 的当前时刻向后移动90°对应的时间间隔后相应时刻的瞬时值；
所述线路mn两侧正序电流瞬时值i m1、i n1，负序电流瞬时值i m2、i n2、零序电流瞬时值i m0、i n0均分别采用线路mn两侧的A相正序、负序、零序电流瞬时值；
分别将线路mn两侧当前时刻的正序电流瞬时值减去两个周波前的瞬时值，得到线路mn 两侧的正序故障分量电流瞬时值Δi m1、Δi n1；
步骤二、构造线路m侧或n侧的故障分量综合电流，它们为m侧或n侧同一时刻的正序故障分量电流、负序电流、零序电流瞬时采样值的叠加，线路mn两侧的故障分量综合电流的瞬时值i mz 、i nz
计算如下：
式(2)中，i mz 、i nz 分别表示线路m侧、n侧的故障分量综合电流瞬时值，Δi m1、i m2、i m0分别表示线路m侧的正序故障分量电流、负序电流、零序电流在同一采样时刻的瞬时值，Δi n1、i n2、i n0分别表示线路n侧的正序故障分量电流、负序电流、零序电流在同一采样时刻的瞬时值；
步骤三、以一个周波作为固定时间窗，从当前时刻向后追溯一个时间窗的线路mn两侧历史数据组成该线路的两个原始序列；针对这两个原始序列，根据式(3)构造所述线路的两个特征序列x、
y：
式(3)中，x(k)、y(k)分别表示构造出的两个特征序列x、y在第k个采样点的瞬时值，N表示该时间窗内电流采样点的个数，i mz (k)、i nz (k)分别表示线路mn两侧时间窗内第k个采样点的故障分量综合电流的瞬时值；|i mz (k)|、|i nz (k)|分别表示线路两侧时间窗内第k个采样点的故障分量综合电流瞬时值的绝对值；
步骤四、计算时间窗内两个特征序列x、y之间的斯皮尔曼相关系数r；
权 利 要 求 书1/2页2CN 109975661 B。