CN106556775B - 基于Logistic回归的超高压交直流输电线路雷击跳闸自动识别方法 - Google Patents
基于Logistic回归的超高压交直流输电线路雷击跳闸自动识别方法 Download PDFInfo
- Publication number
- CN106556775B CN106556775B CN201610860028.1A CN201610860028A CN106556775B CN 106556775 B CN106556775 B CN 106556775B CN 201610860028 A CN201610860028 A CN 201610860028A CN 106556775 B CN106556775 B CN 106556775B
- Authority
- CN
- China
- Prior art keywords
- lightning
- tripping
- transmission line
- variable
- lightning stroke
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/08—Locating faults in cables, transmission lines, or networks
- G01R31/081—Locating faults in cables, transmission lines, or networks according to type of conductors
- G01R31/085—Locating faults in cables, transmission lines, or networks according to type of conductors in power transmission or distribution lines, e.g. overhead
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/08—Locating faults in cables, transmission lines, or networks
- G01R31/088—Aspects of digital computing
Abstract
本发明公开了一种基于Logistic回归的超高压交直流输电线路雷击跳闸自动识别方法,其包括以下步骤:步骤1、从超高压运维自动化系统中获取是否单相跳闸或是否单极闭锁变量、是否重合闸成功或是否全压重启成功变量;步骤2、从雷电定位系统中获取落雷密度变量、最大落雷点回击次数变量和最大落雷点电流变量;步骤3、将上述变量带入训练好的回归模型,判断线路故障跳闸是否为雷击跳闸。本发明基于超高压运维自动化系统和雷电定位系统的数据,利用Logistic回归算法,根据历史跳闸数据进行模型训练,得出判断用的Logistic回归模型,从而将人工判断经验进行固化,实现自动快速地判断线路跳闸是否为雷击跳闸,提升了故障处理效率,提高了输电设备的运维水平。
Description
技术领域
本发明涉及超高压输电技术领域,具体涉及一种基于Logistic回归的超高压交直流输电线路雷击跳闸自动识别方法。
背景技术
超高压输电线路距离长、跨度大、地理分布广,气象条件十分复杂,所以受雷击的概率很高,雷击事件时有发生。据电网故障分类统计资料表明,雷击引起的高压输电线路跳闸次数占总跳闸次数的40%~70%。对于电压等级500kV以上的超高压交直流输电线路,雷击故障跳闸已成为线路跳闸的主要原因。
引起输电线路故障跳闸的原因很多,当发生线路跳闸时,需要及时确定是雷击导致的跳闸还是由其他原因引起的跳闸。以前,通过人工实地登塔观测确定是否雷击跳闸,后来借助雷电定位系统,可一定程度缩短判断时间,但仍需要人工通过经验判断是否雷击跳闸和找出可能造成闪络的落雷点及闪络杆塔,技术上无法脱离人工判断实现自动判断。同时,现有的方法较为依赖人员的运行经验,结果因人而异,往往存在偏差。
有鉴于此,有必要提供一种能自动识别超高压输电线路故障跳闸是否为雷击跳闸的方法。
发明内容
为了解决上述技术问题,本发明的目的在于提供一种基于Logistic回归的超高压交直流输电线路雷击跳闸自动识别方法,利用Logistic回归模型,实现自动快速地判断线路跳闸是否为雷击跳闸,从而提升故障处理效率,提高输电设备的运维水平。
为实现上述目的,本发明采取的技术方案是:
一种基于Logistic回归的超高压交直流输电线路雷击跳闸自动识别方法,其包括以下步骤:
步骤1、从超高压运维自动化系统中获取交流输电线路是否单相跳闸以及是否重合闸成功的数据、或从超高压运维自动化系统中获取直流输电线路是否单极闭锁以及是否全压重启成功的数据;
步骤2、从雷电定位系统中获取落雷密度、最大落雷点回击次数和最大落雷点电流的数据;
步骤3、当交流输电线路发生跳闸故障时,将是否单相跳闸、是否重合闸成功、落雷密度、最大落雷点回击次数、最大落雷点电流五个参数组合成交流特征变量,将该交流特征变量代入训练好的回归模型,计算出交流输电线路的雷击跳闸概率;当直流输电线路发生跳闸故障时,将是否单极闭锁、是否全压重启成功、落雷密度、最大落雷点回击次数、最大落雷点电流五个参数组合成直流特征变量,将该直流特征变量代入训练好的回归模型,计算出直流输电线路的雷击跳闸概率,若计算的雷击跳闸概率大于0.5则判断为雷击跳闸,若雷击跳闸概率不大于0.5则判断为非雷击跳闸;
所述回归模型为:
其中P表示雷击跳闸概率,x1、x2、x3、x4、x5分别表示是否单相跳闸或是否单极闭锁、是否重合闸成功或是否全压重启成功、落雷密度、最大落雷点电流、最大落雷点回击次数。
进一步地,所述基于Logistic回归的超高压交直流输电线路雷击跳闸自动识别方法,还包括以下步骤:
步骤4、将判断结果集成到故障跳闸自动短信告送模块之中,形成自动生成与报送的故障跳闸简报。
本发明与现有技术相比,其有益效果在于:基于超高压运维自动化系统和雷电定位系统的数据,利用Logistic回归算法,根据历史跳闸数据进行模型训练,得出判断用的Logistic回归模型,从而将人工判断经验进行固化,实现自动快速地判断线路跳闸是否为雷击跳闸;并可将判断结果集成到故障跳闸自动短信告送功能之中,形成可随时自动生成与报送的故障跳闸简报,提升了故障处理效率,提高了输电设备的运维水平。
附图说明
图1为本发明方法的流程示意图。
具体实施方式
下面结合附图和具体实施方式对本发明的内容做进一步详细说明。
请参照图1所示,一种基于Logistic回归的超高压交直流输电线路雷击跳闸自动识别方法,其包括以下步骤:
S1)从超高压运维自动化系统中获取交流输电线路是否单相跳闸以及是否重合闸成功的数据、或从超高压运维自动化系统中获取直流输电线路是否单极闭锁以及是否全压重启成功的数据;
S2)从雷电定位系统中获取落雷密度、最大落雷点回击次数和最大落雷点电流的数据;
S3)当交流输电线路发生跳闸故障时,将是否单相跳闸、是否重合闸成功、落雷密度、最大落雷点回击次数、最大落雷点电流五个参数组合成交流特征变量,将该交流特征变量代入训练好的回归模型,计算出交流输电线路的雷击跳闸概率;当直流输电线路发生跳闸故障时,将是否单极闭锁、是否全压重启成功、落雷密度、最大落雷点回击次数、最大落雷点电流五个参数组合成直流特征变量,将该直流特征变量代入训练好的回归模型,计算出直流输电线路的雷击跳闸概率,若计算的雷击跳闸概率大于0.5则判断为雷击跳闸,若雷击跳闸概率不大于0.5则判断为非雷击跳闸;
S4)形成故障跳闸简报,并将故障跳闸简报集成到故障跳闸自动短信告送功能之中。
其中,Logistic回归模型的建立过程如下:
(1)Logistic回归模型建立
设y为一个取值y=1或y=0的二项型变量,x1,x2,…,xn为与y相关的确定性变量,训练集m组数据为(xi1,xi2,…,xin;yi)(i=1,2,…,m),其中y1,y2,…,ym是取值为0或1的随机变量,yi与xi1,xi2,…,xin的关系如下:
E(yi)=f(β0+β1xi1+β2xi2+…+βnxin) (1.1)
函数f(x)为单调增函数,取值在[0,1]区间内,最终得Logistic回归方程为:
其中β0,β1…,βn为偏回归系数,β0为常数项。
(2)Logistic回归模型检验
Logistic回归模型的拟合优度高低可以通过Hosmer-Lemeshow(HL)检验计算,HL指标P值(P-value)越大,说明方程拟合优度越高,模型拟合得越好。计算公式如下:
其中G代表分组数,且G<10,ng为第n组中的案例数;yg为第g组事件的观测数量;为第g组的预测事件概率。
(3)Logistic回归模型结果
根据从超高压运维自动化系统和雷电定位系统中获取的历史跳闸数据,通过Logistic回归对历史跳闸数据进行训练,求出偏回归系数β0,β1…,βn,从而得到训练好的回归模型:
其中P代表雷击跳闸概率,x1、x2、x3、x4、x5分别代表是否单相跳闸或是否单极闭锁、是否重合闸成功或是否全压重启成功、落雷密度、最大落雷点电流、最大落雷点回击次数。
下面对本发明的基于Logistic回归的超高压交直流输电线路雷击跳闸自动识别方法的具体过程进行进一步说明:
一、超高压交流输电线路发生跳闸的情形
1、当超高压交流输电线路发生跳闸之后,从超高压运维自动化系统获取跳闸相别、重合闸是否成功等数据;得到是否单相跳闸变量x1、是否重合闸成功变量x2,其中变量x1和x2均为取值为0或1的二项型变量;
2、从雷电定位系统中获取落雷密度、最大落雷点回击次数和最大落雷点电流等数据,其中落雷密度指跳闸前后5分钟、输电线路走廊半径5千米内的落雷点个数,最大落雷点为跳闸前3分钟内、距离杆塔2千米内的最大落雷点,得到落雷密度变量x3、最大落雷点电流变量x4、最大落雷点回击次数变量x5;
其中,雷电定位系统是一整套全自动、大面积、高精度、连续性、实时雷电监测系统,能大面积实时探测并显示每次云对地雷击的位置、时间及雷电流幅值极性、回击次数等多项雷电参数。
3、将是否单相跳闸变量x1、是否重合闸成功变量x2、落雷密度变量x3、最大落雷点回击次数变量x4、最大落雷点电流变量x5代入训练好的回归模型,计算出雷击跳闸概率P,若雷击跳闸概率P大于0.5则判断为雷击跳闸,若雷击跳闸概率P不大于0.5则判断为非雷击跳闸;
4、形成故障跳闸简报,并将故障跳闸简报集成到故障跳闸自动短信告送功能之中,实现故障简报随时自动生成与报送。其中故障跳闸简报的模板如下:
xx年xx月xx日xx时xx分xx秒xxxx毫秒,xxkVxx线路发生线路跳闸,经计算,跳闸时在线路走廊2km范围内,有一个最大落雷点电流为xxkA,判断为雷击引起跳闸(或非雷击引起跳闸),雷击跳闸概率P为xx,请相关单位组织输电班组进行后续跟踪。
二、超高压直流输电线路发生跳闸的情形
1、当超高压直流输电线路发生跳闸之后,从超高压运维自动化系统获取跳闸极别、全压重启是否成功等数据;得到是否单极闭锁变量x1、是否全压重启成功变量x2,其中变量x1和x2均为取值为0或1的二项型变量;
2、从雷电定位系统中获取落雷密度、最大落雷点回击次数和最大落雷点电流等数据,其中落雷密度指跳闸前后5分钟、输电线路走廊半径5千米内的落雷点个数,最大落雷点为跳闸前3分钟内、距离杆塔2千米内的最大落雷点,得到落雷密度变量x3、最大落雷点电流变量x4、最大落雷点回击次数变量x5;
3、将是否单极闭锁变量x1、是否全压重启成功变量x2、落雷密度变量x3、最大落雷点回击次数变量x4、最大落雷点电流变量x5代入训练好的回归模型,计算出雷击跳闸概率P,若雷击跳闸概率P大于0.5则判断为雷击跳闸,若雷击跳闸概率P不大于0.5则判断为非雷击跳闸;
4、形成故障跳闸简报,并将故障跳闸简报集成到故障跳闸自动短信告送功能之中,实现故障简报随时自动生成与报送。其中故障跳闸简报的模板如下:
xx年xx月xx日xx时xx分xx秒xxxx毫秒,xxkVxx线路发生线路闭锁,经计算,闭锁时在线路走廊2km范围内,有一个最大落雷点电流为xxkA,判断为雷击引起跳闸(或非雷击引起跳闸),雷击跳闸概率P为xx,请相关单位组织输电班组进行后续跟踪。
本发明的基于Logistic回归的超高压交直流输电线路雷击跳闸自动识别方法,基于超高压运维自动化系统和雷电定位系统的数据,利用Logistic回归算法,根据历史跳闸数据进行模型训练,得出判断用的Logistic回归模型,从而将人工判断经验进行固化,实现自动快速地判断线路跳闸是否为雷击跳闸;并可将判断结果集成到故障跳闸自动短信告送功能之中,形成可随时自动生成与报送的故障跳闸简报,提升了故障处理效率,提高了输电设备的运维水平。
上述实施例只是为了说明本发明的技术构思及特点,其目的是在于让本领域内的普通技术人员能够了解本发明的内容并据以实施,并不能以此限制本发明的保护范围。凡是根据本发明内容的实质所做出的等效的变化或修饰,都应涵盖在本发明的保护范围内。
Claims (2)
1.一种基于Logistic回归的超高压交直流输电线路雷击跳闸自动识别方法,其特征在于,包括以下步骤:
步骤1、从超高压运维自动化系统中获取交流输电线路是否单相跳闸以及是否重合闸成功的数据、或从超高压运维自动化系统中获取直流输电线路是否单极闭锁以及是否全压重启成功的数据;
步骤2、从雷电定位系统中获取落雷密度、最大落雷点回击次数和最大落雷点电流的数据;
步骤3、当交流输电线路发生跳闸故障时,将是否单相跳闸、是否重合闸成功、落雷密度、最大落雷点回击次数、最大落雷点电流五个参数组合成交流特征变量,将该交流特征变量代入训练好的回归模型,计算出交流输电线路的雷击跳闸概率;当直流输电线路发生跳闸故障时,将是否单极闭锁、是否全压重启成功、落雷密度、最大落雷点回击次数、最大落雷点电流五个参数组合成直流特征变量,将该直流特征变量代入训练好的回归模型,计算出直流输电线路的雷击跳闸概率,若计算的雷击跳闸概率大于0.5则判断为雷击跳闸,若雷击跳闸概率不大于0.5则判断为非雷击跳闸;
所述回归模型为:
其中P表示雷击跳闸概率,x1、x2、x3、x4、x5分别表示是否单相跳闸或是否单极闭锁、是否重合闸成功或是否全压重启成功、落雷密度、最大落雷点电流、最大落雷点回击次数,变量x1和x2均为取值为0或1的二项型变量。
2.根据权利要求1所述的基于Logistic回归的超高压交直流输电线路雷击跳闸自动识别方法,其特征在于,还包括以下步骤:
步骤4、将判断结果集成到故障跳闸自动短信告送模块之中,形成自动生成与报送的故障跳闸简报。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610860028.1A CN106556775B (zh) | 2016-09-27 | 2016-09-27 | 基于Logistic回归的超高压交直流输电线路雷击跳闸自动识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610860028.1A CN106556775B (zh) | 2016-09-27 | 2016-09-27 | 基于Logistic回归的超高压交直流输电线路雷击跳闸自动识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106556775A CN106556775A (zh) | 2017-04-05 |
CN106556775B true CN106556775B (zh) | 2019-05-17 |
Family
ID=58418316
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610860028.1A Active CN106556775B (zh) | 2016-09-27 | 2016-09-27 | 基于Logistic回归的超高压交直流输电线路雷击跳闸自动识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106556775B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107633349A (zh) * | 2017-08-28 | 2018-01-26 | 中国西电电气股份有限公司 | 基于高压开关的故障影响因素定量分析方法 |
CN115967179A (zh) * | 2022-12-17 | 2023-04-14 | 国家电网有限公司 | 一种避雷器动作数据监测与分析平台 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103278736A (zh) * | 2013-04-12 | 2013-09-04 | 南方电网科学研究院有限责任公司 | 一种跳闸线路雷电自动查询诊断及诊断结果发布方法 |
CN105116291A (zh) * | 2015-09-07 | 2015-12-02 | 国电南瑞科技股份有限公司 | 一种基于电网运行稳态监控信息的故障诊断系统及方法 |
CN105301326A (zh) * | 2015-11-03 | 2016-02-03 | 国网辽宁省电力有限公司葫芦岛供电公司 | 输电网铁塔架空线雷击报警装置 |
CN105911433A (zh) * | 2016-06-30 | 2016-08-31 | 上海交通大学 | 输电线路雷击种类的识别方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9636327B2 (en) * | 2013-05-06 | 2017-05-02 | University Health Network | Methods of administering dantrolene for the acute treatment of cardiac arrhythmias |
-
2016
- 2016-09-27 CN CN201610860028.1A patent/CN106556775B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103278736A (zh) * | 2013-04-12 | 2013-09-04 | 南方电网科学研究院有限责任公司 | 一种跳闸线路雷电自动查询诊断及诊断结果发布方法 |
CN105116291A (zh) * | 2015-09-07 | 2015-12-02 | 国电南瑞科技股份有限公司 | 一种基于电网运行稳态监控信息的故障诊断系统及方法 |
CN105301326A (zh) * | 2015-11-03 | 2016-02-03 | 国网辽宁省电力有限公司葫芦岛供电公司 | 输电网铁塔架空线雷击报警装置 |
CN105911433A (zh) * | 2016-06-30 | 2016-08-31 | 上海交通大学 | 输电线路雷击种类的识别方法 |
Non-Patent Citations (2)
Title |
---|
基于危险雷电流区间分布的输电线路雷击故障性质判断方法;黄然 等;《电瓷避雷器》;20130228(第1期);全文 |
超高压输电线路典型雷击故障分析和研究;谢鹏 等;《广东电力》;20101130;第23卷(第11期);全文 |
Also Published As
Publication number | Publication date |
---|---|
CN106556775A (zh) | 2017-04-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105427019B (zh) | 一种地理气象相关的输电线路风险差异评价方法 | |
CN102411105B (zh) | 一种输电线路区段雷害风险评估方法 | |
CN102426305B (zh) | 电网雷害风险评估方法 | |
CN105868872B (zh) | 一种配电网雷电灾害故障预测方法 | |
CN103761414B (zh) | 输电线路的雷击停运概率分析方法 | |
CN104392083B (zh) | 一种基于全网拓朴的停电风险与可靠性分析方法 | |
CN102508046B (zh) | 一种户外电气设备实时雷击预警方法及装置 | |
CN105426671B (zh) | 一种雷暴天气下架空配电线路的可靠性评测方法 | |
CN107784401A (zh) | 基于电网稳定性的输电线路雷击风险评估方法 | |
CN102882895A (zh) | 一种识别报文攻击的方法及装置 | |
CN104156881A (zh) | 配电网故障风险综合评估方法 | |
CN103884935B (zh) | 结合分布式雷电流监测的输电线路防雷性能评估方法 | |
CN104122488A (zh) | 一种输电线路故障校核诊断方法 | |
CN106556775B (zh) | 基于Logistic回归的超高压交直流输电线路雷击跳闸自动识别方法 | |
CN108009351A (zh) | 雷击跳闸风险的分布图绘制方法 | |
CN106485333A (zh) | 一种输电线路运行状态评估方法 | |
CN104484837A (zh) | 一种综合量化配电网风险评估方法 | |
CN104268693A (zh) | 一种电网调度决策的方法和系统 | |
CN107316129A (zh) | 输电线路自然灾害闪络风险综合评估方法 | |
CN105116292A (zh) | 线路雷击故障点定位方法及系统 | |
CN103971028B (zh) | 一种雷电天气下输电线路短期n‑2风险评估方法 | |
Li et al. | Meta-heuristic approach for validation and calibration of cascading failure analysis | |
CN106295871A (zh) | 气象因子与输电线路山火发生概率的关联性计算方法 | |
CN105488308B (zh) | 一种灾害影响电网的多尺度综合分析方法 | |
Yuan et al. | Research on Fusion Algorithm of Lightning Strike Trip Warning for Mountain Transmission Lines |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |