申请/专利权人：国网新疆电力有限公司电力科学研究院;重庆大学

申请日：2024-01-04

公开（公告）日：2024-06-21

公开（公告）号：CN117856182B

主分类号：H02H7/26

分类号：H02H7/26;H02H3/06;G06N7/01;G06Q50/06

优先权：

专利状态码：有效-授权

法律状态：2024.06.21#授权;2024.04.26#实质审查的生效;2024.04.09#公开

摘要：本发明涉及一种基于贝叶斯网络的输电线路重合闸和强送决策方法及系统，首先提取故障线路的故障录波信息和故障点气象信息，通过故障辨识模型基于故障录波信息输出故障线路的故障类型和故障原因，根据预先构建的历史重合闸信息概率表确定与故障类型和故障原因相对应的历史重合闸信息，接下来，预先构建的故障重合闸决策模型基于前述提取和确定的参数对故障重合闸指令进行输出，从而供运维人员能够根据实时输出的信息和故障重合闸指令做出决策故障强送。本发明能够将气象因素引入故障性质判断和线路重合闸的过程中，更加注重整合气象因素，并将其与传统的电压和电流等特征量结合起来，从而建立更为完善、准确的故障性质判断和线路重合闸方法。

主权项：1.一种基于贝叶斯网络的输电线路重合闸和强送决策方法，其特征在于，包括以下步骤：S1，在故障跳闸后，实时提取故障线路的故障录波信息和故障距离，并且基于故障距离实时获取故障点气象信息；S2，将故障录波信息作为特征输入预先构建好的故障辨识模型中，借助于故障辨识模型输出故障类型和故障原因；S3，通过预先构建的历史重合闸信息概率表确定与故障辨识模型实时输出的故障类型和故障原因相对应的历史重合闸信息，其中历史重合闸信息概率表基于前N年的历史故障记录进行构建，其为在历史故障记录中以故障类型和故障原因为条件下相应重合闸信息的条件概率表；S4，将实时提取的故障点气象信息、故障辨识模型实时输出的故障类型和故障原因、以及所确定的历史重合闸信息作为特征输入预先构建好的、基于贝叶斯网络的故障重合闸决策模型，借助于故障重合闸决策模型确定并且输出故障重合闸指令；S5，存储与重合闸成功相应的故障录波信息、故障点气象信息和故障重合闸指令，作为历史重合闸样本以扩充样本集，当积累到预定规模的样本集后，借助于扩充到预定规模的样本集对故障辨识模型和故障重合闸决策模型进行参数更新；所述故障辨识模型基于卷积神经网络进行构建，其包括输入层、中间层和输出层；其中输入层能够接收故障录波信息作为特征的输入，并且能够将所接收的故障录波信息转换为时域暂态波形图像，并且接收故障时刻对应的时间、季节和故障地点对应的故障点气象信息组成的故障环境信息；中间层包括有卷积层，能够对时域暂态波形图像的特征进行提取；输出层包括平均池化层、全连接层、Softmax层和环境汇聚层；输出层将故障类型和故障原因作为输出结果，其中，对于故障类型的输出，通过取Softmax层所输出的故障类型概率分布中概率最大值所对应的故障类型作为输出；对于故障原因的输出，借助于环境汇聚层，将Softmax层输出的概率分布向量中的故障原因概率与通过所述故障环境信息查询历史故障记录表得到的相应历史故障原因概率相乘，得到故障原因发生概率分布，然后取其中概率最大值所对应的故障原因作为输出；在基于贝叶斯网络的故障重合闸决策模型中，将故障原因、故障类型、故障点气象信息、故障性质和历史重合闸信息作为贝叶斯网络的变量节点，故障重合闸指令作为输出节点；并且，其中故障性质作为故障原因、故障类型和故障点气象信息的子节点，故障重合闸指令作为故障性质和历史重合闸信息的子节点；并且，在基于贝叶斯网络的故障重合闸决策模型中，设置历史重合闸信息概率表、故障原因概率表、故障类型概率表和故障点气象信息概率表作为常数值表，并设置故障性质概率表和故障重合闸指令概率表为变量表，使用最大似然估计方法估计参数值，并迭代优化参数值。

全文数据：

权利要求：

百度查询： 国网新疆电力有限公司电力科学研究院;重庆大学 基于贝叶斯网络的输电线路重合闸和强送决策方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD