CN102680860A - 一种高压电力线路行波测距用故障点自动定位方法 - Google Patents

Abstract

本发明公开了一种高压电力线路行波测距用故障点自动定位方法，它包括初始行波波头与故障行波波头到达时刻差的确定方法、故障反射行波波头位置的确定、建立行波波速的标准数据库和故障点距离的计算，其特征是：提取初始行波起始点特征值，利用波形相似性判定条件求取各故障反射行波起始点。本发明拾取电力线路故障时的行波信号,将此行波信号经模数转换后输入PC机或嵌入式系统；然后依次采用FFT方法、FIR滤波方法、小波分析、小波包分析法、模极大值法、求导算法，对行波测试数据进行去噪处理，消除干扰行波的影响。在此基础上，准确获取初始行波波头和故障反射行波波头到达时刻，结合对行波波速的分析计算，实现故障点的准确定位。

Description

一种高压电力线路行波测距用故障点自动定位方法

技术领域

本发明属于信号检测技术领域，涉及一种高压电力线路行波测距用故障点自动定位方法。 

背景技术

行波法用于高压电力线缆故障测距时，由于其测距精度和稳定性不受过渡电阻及牵引负荷特点等造成的影响。并且由于行波的波速度较为稳定，使得行波测距法的测距精度可以得到保证，有可能消除线路测距中的多种偶然误差，真正得到故障定位稳定而精确的结果。因此，行波测距法在故障测距领域得到了越来越广泛的应用。行波测距法利用故障反射行波与初始行波的时刻差乘以波速确定故障点距离，因此对于行波波头到达时刻的准确判定也是进行行波故障测距定位的基础。

发明内容

针对以上情况，本发明的目的是提出一种采用新型行波波头自动定位，有效提高行波波头到达时刻定位精度，减小测距误差的高压电力线路行波测距用故障点自动定位方法。

本发明的技术方案：它包括故障反射行波波头与初始行波波头到达时刻差的确定方法、故障反射行波波头位置的确定、建立行波波速的标准数据库和故障点距离的计算，提取初始行波起始点特征值，利用波形相似性判定条件求取各故障反射行波起始点。

进一步：故障反射行波波头与初始行波波头到达时刻差的确定方法按照以下步骤进行：

第一步是对于故障行波波形测试数据进行频谱分析，根据频谱分析的结果，逐一提取能量值较大的频率段进行滤波，根据滤波结果选择需要提取的行波信号频率值；

第二步是根据频谱分析和滤波算法确定好的参数设定小波变换的重构参数，进行小波变换；

第三步是提取其模极大值，构建模极大值点的波形；

第四步是对于构建的模极大值点波形进行求导和绝对值运算，有效滤除掉行波信号中的干扰成分；

第五步是确定初始行波信号起始点；

第六步是提取初始行波起始点特征值，利用波形相似性判定条件求取各故障反射行波波头位置。

第七步是根据初始行波信号起始点位置与故障反射行波波头位置计算得到故障反射行波波头与初始行波波头到达时刻差。

进一步：故障反射行波波头位置的确定：利用了故障行波波头与初始行波波头形状的相似性来确定波头到达时刻，首先提取初始行波起始点的特征值作为判定条件，根据实际情况可选择多个特征值，然后提取初始行波信号以后每个数据点的特征值，当某一个数据点特征值与初始行波起始点特征值相符合时，判定为故障行波波头。

进一步：建立行波波速的标准数据库是：在不同温度、湿度和天气状况下，测试线路正常供电时的行波信号，根据所述的故障反射行波波头与初始行波波头到达时刻差的确定方法，确定线路末端反射行波波头与初始行波信号波头到达时刻差，然后利用已知线路距离除以线路末端反射行波波头与初始行波信号波头到达时刻差，得到不同温度、湿度和天气状况下的行波波速，构建行波波速的标准数据库。

进一步：故障点距离的计算：在进行实际测量时，首先根据所述的故障反射行波波头与初始行波波头到达时刻差的确定方法，计算得到故障反射行波波头与初始行波波头到达时刻差，然后根据测量时的温度、湿度和天气状况条件自动匹配标准数据库中对应条件下的行波波速值，以消除温度、湿度和天气状况引起的行波波速改变对于测距定位精度的影响，最后将故障反射行波波头与初始行波波头到达时刻差乘以行波波速，即得到故障点的距离。

进一步：所述的行波波速的标准数据库的建立方法是：在多种温度、湿度和天气状况下，采用行波传感器拾取线路正常合闸时经过行波传感器的初始信号和线路末端反射回来的行波信号，经A/D转换后传输给PC机或嵌入式系统，在PC机或嵌入式系统上依次采用频谱分析、小波分析、模极大值点法、求导和绝对值运算、相似性算法对行波信号进行处理，获取线路末端反射行波波头与初始行波波头到达时刻差△t，根据已知线路长度S，可以得到不同温度、湿度和天气状况下的行波波速V，记录下温度、湿度和天气状况值作为选择行波波速V时的判定条件，从而构建针对具体线路的行波波速标准数据库。

进一步：所述的特征值是指以下四种特征值定义中的一种或多种：

（1）自此数据点开始往后数第二个点的行波信号幅值与往后数第一个点的行波信号幅值之差除以自此数据点开始起往后数第一个点的行波信号幅值与此数据点的行波信号幅值之差所得的结果；

（2）此数据点的行波信号幅值与自此数据点开始往前数第一个点的行波信号幅值之差除以自此数据点开始往后数第一个点的行波信号幅值与此数据点的行波信号幅值之差所得的结果；

（3）自此数据点开始往前数第二个点的行波信号幅值与此数据点的行波信号幅值之差除以自此数据点开始往后数第二个点的行波信号幅值与此数据点的行波信号幅值之差所得的结果；

（4）此数据点的行波信号幅值与自此数据点开始往前数第一个点的行波信号幅值之差除以自此数据点开始往前数第二个点的行波信号幅值与自数据点开始往前数第一个点的行波信号幅值之差所得的结果。

进一步：所述的天气状况为： 天气状况分为小雨、中雨、大雨、雾、大雾、阴、晴和多云的天气状况，分别用数字1、2、3、,4、5、6、7和8来表示天气状况值，每个数字对应一种天气状况。

进一步：所述的一种高压电力线路行波测距用故障点自动定位方法包括以下步骤：

(1) 行波信号的拾取和模数转换：

行波信号的拾取采用电流或电压传感器实现，对电流和电压传感器拾取的线路故障行波信号进行AD转换，传输给PC机或嵌入式系统；

（2）行波的频谱分析：

对于转换后的行波信号，首先利用快速傅里叶变换对故障行波波形进行频谱分析，获取行波信号能量谱图，根据能量谱图上的能量值对应的频率值，利用FIR滤波技术进行滤波，观察不同频带范围内的信号，以确定故障行波主频谱成份；

 (3) 小波分析：

根据上述频谱分析结果，选用小波分析算法来对故障行波信号进行处理，选取行波主频谱成份频率段的信号进行后续分析；

（4）模极大值点法：

对于经小波或小波包分析处理后的波形数据，求取其模极大值点构建模极大值点波形，

（5）求导和绝对值运算：

为进一步滤除波形上变化较慢的采样点，对于模极大值点构建的波形进行求导和绝对值运算，使得故障反射行波在波形图上的突变特性表现的更加明显；

（6）相似性算法：

对于实施了上述步骤所获取的数据波形，确定初始行波起始点，利用初始行波起始点特征值构建相似性判定条件，对整体故障行波数据进行扫描匹配，自动确定故障反射行波波头位置，计算出故障反射行波波头与初始行波波头的时刻差△t；

（7）故障点距离的计算：

自动测距定位时，通过监测测试时的温度、湿度和天气状况条件，利用软件自动匹配标准数据库中相应参数条件下的波速数据v，利用此波速数据乘以故障反射行波波头与初始行波波头时刻差，得到故障距离S=△t·v；

本发明首先使用特殊行波信号传感器拾取电力线路故障时的行波信号,将此行波信号经模数转换后输入PC机或嵌入式系统；然后依次采用FFT方法、FIR滤波方法、小波分析、小波包分析法、模极大值法、求导算法，对行波测试数据进行去噪处理，消除干扰行波的影响。在此基础上，根据初始行波和故障反射行波波头特征的相似性设计相似性算法，准确获取初始行波波头和故障反射行波波头到达时刻差，结合对行波波速的分析计算，实现故障点的准确定位。整个过程无需人工参与，自动完成对故障点的测距定位。

附图说明

图1是本发明高压电力线路行波测距用故障点自动定位方法工作流程图。

图2 是本发明测试数据的分析过程。

图3 是本发明行波波头定位算法工作流程。

图4 是本发明现场测试数据波形图。

图5 是本发明现场实测数据频谱分析结果。

图6 是本发明10KHz~300KHz带通滤波器滤波结果。

图7是本发明300KHz~900KHz带通滤波器滤波结果。

图8是本发明600KHz~900KHz带通滤波器滤波结果。

图9是本发明1MHz~2MHz带通滤波器滤波结果。

图10是本发明2MHz~3MHz带通滤波器滤波结果。

图11 是本发明3MHz~4MHz带通滤波器滤波结果。

图12是本发明4MHz~5MHz带通滤波器滤波结果。

图13是本发明现场测试数据小波包分解（3,0）层波形效果图。

图14是本发明现场测试数据小波包分解（3,1）层波形效果图。

图15是本发明现场测试数据小波包分解（3,2）层波形效果图。

图16是本发明现场测试数据小波包分解（3,3）层波形效果图。

图17是本发明现场测试数据小波包分解（3,4）层波形效果图。

图18是本发明现场测试数据小波包分解（3,5）层波形效果图。

图19是本发明现场测试数据小波包分解（3,6）层波形效果图。

图20是本发明现场测试数据小波包分解（3,7）层波形效果图。

图21是本发明自动定位算法数据分析波形图。

图22是本发明自动定位算法计算故障行波与起始行波波头时刻差。

具体实施方式

本发明通过下面的实施例可以对本发明作进一步的描述，然而，本发明的范围并不限于下述实施例。

实施例1：

如图1所示：首先利用行波传感器拾取线路故障时的电流/电压行波信号，行波测试信号经A/D转换后，输入到PC机或嵌入式系统中以备后续的算法分析；

算法分析首先对测试数据进行频谱分析和FIR滤波，根据分析结果确定有效行波信号频率值，在此基础上采用多种算法对行波数据进行分析处理，求取经处理后数据波形初始行波起始点特征值，根据此特征值定位故障行波波头起始点，最后将经处理后数据定位的行波波头起始点投影到原始数据的相应坐标点上，由于采样频率已知，则可根据初始信号波头与故障行波波头坐标差计算得到两者时刻差；

利用上述故障反射行波波头与初始行波波头到达时刻差的确定方法，分析不同温度、湿度、天气状况下线路正常供电时末端的反射行波信号，得到末端反射行波波头与初始行波波头到达时刻差，在已知线路距离的情况下，计算得到不同参数条件下的行波波速，形成标准数据库；

在进行实际线路故障测量时，根据测试时的温度、湿度、天气状况值自动匹配对应参数的标准波速，此标准波速乘以时刻差即可得到故障点的准确距离。

如图2所示：首先利用FFT技术对于测试数据进行频谱分析，分析能量比较集中的几个频率区间，然后利用FIR滤波技术设计带通滤波器提取能量比较集中的几个频率区间的波形，通过对波形的观察确定最能反映行波信号特征的频率区间，在此基础上，利用小波变换法进行信号的分解和重构，提取重构后信号的模极大值点，再进行求导运算，将求导运算后的波形数据送入行波波头定位算法程序进行行波波头的识别与定位。

如图3所示：对于处理后的波形数据，确定初始行波起始点，利用初始行波起始点特征值构建相似性判定条件，对整体故障行波数据进行扫描匹配，最终确定故障反射行波起始点位置。

如图4至图22所示为利用行波定位算法对测试数据进行处理的具体步骤与效果示例。如图4所示为现场测试数据波形图，如图所示，行波波形夹杂较多噪声信号和干扰信号，不便于对于行波波头起始点的自动检测定位。

如图5所示：主要基于FFT原理，对于原始测试数据进行频谱分析，可得到如图5所示的频谱分析结果，其中横坐标表示频率值，单位Hz，纵坐标表示能量密度。

如图6至12所示为采用FIR滤波算法提取原始现场实测数据不同频段的信号波形的结果。

如图13至20所示为现场测试数据小波包分解效果图。对比图13至20中波形可以看出，采用小波分解时，所有的低频分量部分仍保留了大量的噪声信息，且频率越低，噪声信号与谐波分量幅值越大，而细节分量部分波形较好的反映了行波信号突变性的特征，随着频率的增加，细节部分波形较好的滤除了行波信号引起的振荡干扰。采用小波包分解更为明显的反应了这一特征，在小波包分解的高频段，如（3，6）层在保持较高信号幅值的条件下，有效的滤除了噪声信号，行波波头的突变特性明显。另一方面，进行小波分解时，近似分量与细节分量各层横坐标的值与原始信号相同，进行小波包分解时，各层横坐标的值根据分解层次n呈2ⁿ次方减少，因此，在采用小波包分解确定行波信号突变点后，需在突变点的坐标值上乘以相应的系数。基于以上分析，在实际的行波测距算法设计中，根据频谱分析结果确定有效频率范围后设计算法，自动选择小波分解或小波包分解的某一层次进行后续行波波头到达时刻的检测。

如图21，图22所示为自动定位算法对南仓变电站现场测试数据的分析结果，对于经小波或小波包分析处理后波形数据，求取其模极大值点构建经数据处理后的行波波形，在此基础上，进行求导和绝对值运算。经过这一过程后，行波信号中的干扰成分可有效去除掉，示例如图21所示。对于所获得数据，提取初始行波起始点，利用初始行波起始点特征值构建相似性判定条件，对整体故障行波数据进行扫描匹配，最终确定故障反射行波起始点位置。

初始行波信号起始点的确定过程具体为：数据采集系统进行采集时设定一定的采集延时，延时数据包含采集系统硬件电路自身的噪声，取噪声最大值设为u_noise；由x=0时开始，比较行波信号                                                与噪声信号的值；当f_abs（n）>u_noise时，确定此时点n为初始行波起始点。这是相似性判定条件确定的第一步，确定了初始行波起始点后再计算初始行波起始点的特征值，初始行波起始点的特征值就是相似性判定条件。

提取初始行波起始点的特征值作为判定条件，根据实际情况选择四个特征值，如：

然后，采用同样的方法计算起始点n后每个数据点的特征值，如对于m点：

定义

当△k <l·ε时，判定此时点m为故障反射行波起始点，其中ε为故障行波衰减系数，对于确定线路，ε根据实测标准波形数据预先确定，l为修正系数。确定了m值后，可计算得到故障反射行波波头与初始行波波头到达时刻差△t=(m-n)/f；其中，f为数据采集系统的采样频率；在此基础上，结合图1，根据实际测量时监测到的温度、湿度、天气状况值，调用行波波速标准数据库中的行波波速v，则故障点m与起始点距离由S=△t ×v计算得到。为提高波头定位的准确性，还可进一步求取k₅，k₆……作为判定条件。

其中： u_noise表示噪声信号的峰值；

x表示采样点的值；

f_abs（x）表示采样点x处的行波信号幅值；

f_abs（n）表示采样点n处的行波信号幅值；

f_abs（n-2）表示采样点n-2处的行波信号幅值；

f_abs（n-1）表示采样点n-1处的行波信号幅值；

f_abs（n+1）表示采样点n+1处的行波信号幅值；

f_abs（n+2）表示采样点n+2处的行波信号幅值；

f_abs（m）表示采样点m处的行波信号幅值；

f_abs（m-2）表示采样点m-2处的行波信号幅值；

f_abs（m-1）表示采样点m-1处的行波信号幅值；

f_abs（m+1）表示采样点m+1处的行波信号幅值；

f_abs（m+2）表示采样点m+2处的行波信号幅值；

k₁表示n+2点处的行波信号幅值与n+1点处的行波信号幅值之差除以n+1点处的行波信号幅值与n点处行波信号幅值之差所得的结果；

k₂表示n点处的行波信号幅值与n-1点处的行波信号幅值之差除以n+1点处的行波信号幅值与n点处行波信号幅值之差所得的结果；

k₃表示n点处的行波信号幅值与n-2点处的行波信号幅值之差除以n+2点处的行波信号幅值与n点处行波信号幅值之差所得的结果；

k₄表示n点处的行波信号幅值与n-1点处的行波信号幅值之差除以n-1点处的行波信号幅值与n-2点处行波信号幅值之差所得的结果；

k5，k6表示自采样点n开始往后数某两个点的行波信号幅值之差除以自采样点n开始往前数某两个点的行波信号幅值之差所得的结果

k₁ ^’表示m+2点处的行波信号幅值与m+1点处的行波信号幅值之差除以m+1点处的行波信号幅值与m点处行波信号幅值之差所得的结果；

k₂ ^’表示m点处的行波信号幅值与m-1点处的行波信号幅值之差除以m+1点处的行波信号幅值与m点处行波信号幅值之差所得的结果；

k₃ ^’表示m点处的行波信号幅值与m-2点处的行波信号幅值之差除以m+2点处的行波信号幅值与m点处行波信号幅值之差所得的结果；

k₄ ^’表示m点处的行波信号幅值与m-1点处的行波信号幅值之差除以m-1点处的行波信号幅值与m-2点处行波信号幅值之差所得的结果；

△k表示k₁与k₁ ^’的比值、k₂与k₂ ^’的比值、k₃与k₃ ^’的比值及k₄与k₄ ^’的比值之和；

l为修正系数，由于故障点处于线路起始点与末端之间，且每次测量时故障点的接触电阻会发生变化，影响故障反射行波的衰减量，因此，设置修正系数l，对行波衰减量进行必要的调节，l在0—1之间进行调节；

△t表示故障点反射行波波头到达时刻与初始行波波头到达时刻之差；

f为数据采集系统的采样频率；

ε为故障行波衰减系数，其值为初始行波峰值与故障行波峰值的比；

v表示行波波速；

S表示故障点m与起始点n的距离。

Claims (11)

1.一种高压电力线路行波测距用故障点自动定位方法，它包括初始行波波头与故障行波波头到达时刻差的确定方法、故障反射行波波头位置的确定、建立行波波速的标准数据库和故障点距离的计算，其特征是：提取初始行波起始点特征值，利用波形相似性判定条件求取各故障反射行波起始点。

2.根据权利要求1所述的一种高压电力线路行波测距用故障点自动定位方法，其特征是故障反射行波波头与初始行波波头到达时刻差的确定方法按照以下步骤进行：

第一步是对于故障行波波形测试数据进行频谱分析，根据频谱分析的结果，逐一提取能量值较大的频率段进行滤波，根据滤波结果选择需要提取的行波信号频率值；

第二步是根据频谱分析和滤波算法确定好的参数设定小波变换的重构参数，进行小波变换；

第三步是提取其模极大值，构建模极大值点的波形；

第四步是对于构建的模极大值点波形进行求导和绝对值运算，有效滤除掉行波信号中的干扰成分；

第五步是确定初始行波信号起始点；

第六步是提取初始行波起始点特征值，利用波形相似性判定条件求取各故障反射行波波头位置。

3.第七步是根据初始行波信号起始点位置与故障反射行波波头位置计算得到故障反射行波波头与初始行波波头到达时刻差。

4.根据权利要求1或2所述的一种高压电力线路行波测距用故障点自动定位方法，其特征是故障反射行波波头位置的确定：利用了故障行波波头与初始行波波头形状的相似性来确定波头到达时刻，首先提取初始行波起始点的特征值作为判定条件，根据实际情况可选择多个特征值，然后提取初始行波信号以后每个数据点的特征值，当某一个数据点特征值与初始行波起始点特征值相符合时，判定为故障行波波头。

5.根据权利要求1或2所述的一种高压电力线路行波测距用故障点自动定位方法，其特征是建立行波波速的标准数据库是：在不同温度、湿度和天气状况下，测试线路正常供电时的行波信号，根据所述的故障反射行波波头与初始行波波头到达时刻差的确定方法，确定线路末端反射行波波头与初始行波信号波头到达时刻差，然后利用已知线路距离除以线路末端反射行波波头与初始行波信号波头到达时刻差，得到不同温度、湿度和天气状况下的行波波速，构建行波波速的标准数据库。

6.根据权利要求4所述的一种高压电力线路行波测距用故障点自动定位方法，其特征是故障点距离的计算：在进行实际测量时，首先根据所述的故障反射行波波头与初始行波波头到达时刻差的确定方法，计算得到故障反射行波波头与初始行波波头到达时刻差，然后根据测量时的温度、湿度和天气状况条件自动匹配标准数据库中对应条件下的行波波速值，以消除温度、湿度和天气状况引起的行波波速改变对于测距定位精度的影响，最后将故障反射行波波头与初始行波波头到达时刻差乘以行波波速，即得到故障点的距离。

7. 根据权利要求4所述的一种高压电力线路行波测距用故障点自动定位方法，其特征是所述的行波波速的标准数据库的建立方法是：在多种温度、湿度和天气状况下，采用行波传感器拾取线路正常合闸时经过行波传感器的初始信号和线路末端反射回来的行波信号，经A/D转换后传输给PC机或嵌入式系统，在PC机或嵌入式系统上依次采用频谱分析、小波分析、模极大值点法、求导和绝对值运算、相似性算法对行波信号进行处理，获取线路末端反射行波波头与初始行波波头到达时刻差△t，根据已知线路长度S，可以得到不同温度、湿度和天气状况下的行波波速V，记录下温度、湿度和天气状况值作为选择行波波速V时的判定条件，从而构建针对具体线路的行波波速标准数据库。

8.根据权利要求1或2所述的一种高压电力线路行波测距用故障点自动定位方法，其特征是所述的特征值是指以下四种特征值定义中的一种或多种：

（1）自此数据点开始往后数第二个点的行波信号幅值与往后数第一个点的行波信号幅值之差除以自此数据点开始起往后数第一个点的行波信号幅值与此数据点的行波信号幅值之差所得的结果；

（2）此数据点的行波信号幅值与自此数据点开始往前数第一个点的行波信号幅值之差除以自此数据点开始往后数第一个点的行波信号幅值与此数据点的行波信号幅值之差所得的结果；

（3）自此数据点开始往前数第二个点的行波信号幅值与此数据点的行波信号幅值之差除以自此数据点开始往后数第二个点的行波信号幅值与此数据点的行波信号幅值之差所得的结果；

（4）此数据点的行波信号幅值与自此数据点开始往前数第一个点的行波信号幅值之差除以自此数据点开始往前数第二个点的行波信号幅值与自数据点开始往前数第一个点的行波信号幅值之差所得的结果。

9.根据权利要求4所述的一种高压电力线路行波测距用故障点自动定位方法，其特征是所述的天气状况为： 天气状况分为小雨、中雨、大雨、雾、大雾、阴、晴和多云的天气状况，分别用数字1、2、3、,4、5、6、7和8来表示天气状况值，每个数字对应一种天气状况。

10.根据权利要求1和2所述的一种高压电力线路行波测距用故障点自动定位方法，其特征是包括以下步骤：

(1) 行波信号的拾取和模数转换：

行波信号的拾取采用电流或电压传感器实现，对电流和电压传感器拾取的线路故障行波信号进行AD转换，传输给PC机或嵌入式系统；

（2）行波的频谱分析：

对于转换后的行波信号，首先利用快速傅里叶变换对故障行波波形进行频谱分析，获取行波信号能量谱图，根据能量谱图上的能量值对应的频率值，利用FIR滤波技术进行滤波，观察不同频带范围内的信号，以确定故障行波主频谱成份；

 (3) 小波分析：

根据上述频谱分析结果，选用小波分析算法来对故障行波信号进行处理，选取行波主频谱成份频率段的信号进行后续分析；

（4）模极大值点法：

对于经小波或小波包分析处理后的波形数据，求取其模极大值点构建模极大值点波形，

（5）求导和绝对值运算：

为进一步滤除波形上变化较慢的采样点，对于模极大值点构建的波形进行求导和绝对值运算，使得故障反射行波在波形图上的突变特性表现的更加明显；

（6）相似性算法：

对于实施了上述步骤所获取的数据波形，确定初始行波起始点，利用初始行波起始点特征值构建相似性判定条件，对整体故障行波数据进行扫描匹配，自动确定故障反射行波波头位置，计算出故障反射行波波头与初始行波波头的时刻差△t；

（7）故障点距离的计算：

自动测距定位时，通过监测测试时的温度、湿度和天气状况条件，利用软件自动匹配标准数据库中相应参数条件下的波速数据v，利用此波速数据乘以故障反射行波波头与初始行波波头时刻差，得到故障距离S=△t·v；

根据权利要求2所述的一种高压电力线路行波测距用故障点自动定位方法，其特征是初始行波信号起始点的确定过程具体为：数据采集系统进行采集时设定一定的采集延时，延时数据包含采集系统硬件电路自身的噪声，取噪声最大值设为u_noise；由x=0时开始，比较行波信号                                                与噪声信号的值；当f_abs（n）>u_noise时，确定此时点n为初始行波起始点。

11. 根据权利要求1和2所述的一种高压电力线路行波测距用故障点自动定位方法，其特征是提取初始行波起始点的特征值作为判定条件，根据实际情况选择四个特征值，如：

然后，采用同样的方法计算起始点n后每个数据点的特征值，如对于m点：

定义

当△k <l·ε时，判定此时点m为故障反射行波起始点，其中ε为故障行波衰减系数，对于确定线路，ε根据实测标准波形数据预先确定，l为修正系数，确定了m值后，计算得到故障反射行波波头与初始行波波头到达时刻差△t=(m-n)/f；其中，f为数据采集系统的采样频率；在此基础上，根据实际测量时监测到的温度、湿度、天气状况值，调用行波波速标准数据库中的行波波速v，则故障点m与起始点距离由S=△t ×v计算得到；

其中： 

u_noise表示噪声信号的峰值；

x表示采样点的值；

f_abs（x）表示采样点x处的行波信号幅值；

f_abs（n）表示采样点n处的行波信号幅值；

f_abs（n-2）表示采样点n-2处的行波信号幅值；

f_abs（n-1）表示采样点n-1处的行波信号幅值；

f_abs（n+1）表示采样点n+1处的行波信号幅值；

f_abs（n+2）表示采样点n+2处的行波信号幅值；

f_abs（m）表示采样点m处的行波信号幅值；

f_abs（m-2）表示采样点m-2处的行波信号幅值；

f_abs（m-1）表示采样点m-1处的行波信号幅值；

f_abs（m+1）表示采样点m+1处的行波信号幅值；

f_abs（m+2）表示采样点m+2处的行波信号幅值；

k₁表示n+2点处的行波信号幅值与n+1点处的行波信号幅值之差除以n+1点处的行波信号幅值与n点处行波信号幅值之差所得的结果；

k₂表示n点处的行波信号幅值与n-1点处的行波信号幅值之差除以n+1点处的行波信号幅值与n点处行波信号幅值之差所得的结果；

k₃表示n点处的行波信号幅值与n-2点处的行波信号幅值之差除以n+2点处的行波信号幅值与n点处行波信号幅值之差所得的结果；

k₄表示n点处的行波信号幅值与n-1点处的行波信号幅值之差除以n-1点处的行波信号幅值与n-2点处行波信号幅值之差所得的结果；

k₁ ^’表示m+2点处的行波信号幅值与m+1点处的行波信号幅值之差除以m+1点处的行波信号幅值与m点处行波信号幅值之差所得的结果；

k₂ ^’表示m点处的行波信号幅值与m-1点处的行波信号幅值之差除以m+1点处的行波信号幅值与m点处行波信号幅值之差所得的结果；

k₃ ^’表示m点处的行波信号幅值与m-2点处的行波信号幅值之差除以m+2点处的行波信号幅值与m点处行波信号幅值之差所得的结果；

k₄ ^’表示m点处的行波信号幅值与m-1点处的行波信号幅值之差除以m-1点处的行波信号幅值与m-2点处行波信号幅值之差所得的结果；

△k表示k₁与k₁ ^’的比值、k₂与k₂ ^’的比值、k₃与k₃ ^’的比值及k₄与k₄ ^’的比值之和；

l为修正系数，由于故障点处于线路起始点与末端之间，且每次测量时故障点的接触电阻会发生变化，影响故障反射行波的衰减量，因此，设置修正系数l，对行波衰减量进行必要的调节，l在0—1之间进行调节；

△t表示故障点反射行波波头到达时刻与初始行波波头到达时刻之差；

f为数据采集系统的采样频率；

ε为故障行波衰减系数，其值为初始行波峰值与故障行波峰值的比；

v表示行波波速；

S表示故障点m与起始点n的距离。

Images