[发明专利]一种雷击跳闸类型识别方法

说明书

本发明公开了一种雷击跳闸类型识别方法，提取雷击跳闸暂态电压信号特征图像数据，将特征图像数据输入深度残差神经网络模型，由深度残差神经网络模型输出识别结果，所述提取雷击跳闸暂态电压信号特征图像数据是：对提取的一维时域电压信号进行多尺度广义S变换，绘制不同尺度广义S变换的时频分布图像，将时频分布图像数据作为雷击跳闸暂态电压信号特征图像数据。本发明通过对一维时域电压信号进行多尺度广义S变换，提高了雷击跳闸暂态电压信号特征图像数据的提取范围，解决了在使用神经网络判别中一维信号分析方法对暂态特征量利用不足、提高了判别雷击跳闸类型的准确性。

技术领域

本发明属于雷电智能保护技术领域，具体涉及一种雷击跳闸类型识别方法。

背景技术

电力工业是国民经济的重要组成部分，输电线路是电力工业的大动脉，是电力系统的重要组成部分。输电线路尤其是超、特高压输电线路长度大，覆盖面广，自然和地理条件复杂，容易遭受各种自然灾害的影响，其运行的可靠性对整个电力系统的安全稳定运行起着至关重要的作用。

雷害是输电线路面临的最常见自然灾害之一，雷击已成为导致输电线路故障、跳闸和影响电网安全运行的最重要因素之一。随着超、特高压的发展，输电线路防雷问题更加突出。

雷击跳闸已经成为了220kV以上电压等级输电线路跳闸主要原因。虽然目前雷电定位系统和输电线路分布式故障监测系统已经得到了广泛的应用，可以准确的判断线路跳闸是否为雷击闪络造成，并将雷击闪络杆塔定位范围缩小至1～2基，但是对于雷击跳闸故障的类型却无法进行准确的判断。目前准确判断雷击跳闸类型的方法仍然为首先登塔查找放电通道，计算闪络杆塔耐雷水平和计算绕击跳闸率，智能化水平较低，工作量较大。因此，需要基于监测到的暂态电压信号数据进行分析，识别雷击故障的类型，从而提升故障处理效率，指导输电线路防雷措施。

各类型传感器监测到的暂态电压或电流信号包含了大量的雷击跳闸故障信息，目前已有较多研究通过提取暂态信号的特征量来识别雷击跳闸故障类型。但是目前这些方法存在以下三个问题：

(1)现有雷击跳闸暂态信号处理和分析主要采用小波分解、经验模态分解、Hilbert变化等分析方法，这些方法仅对一维时域信号进行分析和计算，未能将暂态信号中丰富的特征量充分利用；

(2)雷击跳闸暂态信号时域和频域特征分布范围较大，单一的时域信号分析方法仅对某一范围内的时域或频域范围内的信号有较好的分析效果，适用范围较窄，在实际应用中会出现部分雷击跳闸暂态信号识别准确率较低的情况；

(3)现有研究多采用ATP-EMTP或PSCAD仿真软件来模拟得到雷击跳闸暂态信号，但是仿真得到的信号与实际中监测到的信号存在较大的特征区别，训练分类器时如果采用了较多的仿真信号，会导致识别陷入局部最优解，无法准确识别真实的雷击跳闸暂态信号；但是如果不使用仿真信号，目前所获得的实测雷击跳闸暂态信号较少，会出现过拟合现象从而导致现有分类器训练结果不佳。

发明内容

本发明的目的在于提供一种雷击跳闸监测方法和装置，实现了线下的自动判别，利用神经网路模型判别雷击跳闸类型，在特征获取中将一维时域暂态电压信号转换到二维时频域，提高了判别雷击跳闸类型的准确性，从而为提升输电线路的防雷设计水平，提高电网的运行稳定性提供了更加准确的数据。

为了实现上述目的，本发明的技术方案是：