CN117572158B - 录波定位型故障指示方法、系统及指示器 - Google Patents
录波定位型故障指示方法、系统及指示器 Download PDFInfo
- Publication number
- CN117572158B CN117572158B CN202410057216.5A CN202410057216A CN117572158B CN 117572158 B CN117572158 B CN 117572158B CN 202410057216 A CN202410057216 A CN 202410057216A CN 117572158 B CN117572158 B CN 117572158B
- Authority
- CN
- China
- Prior art keywords
- transmission line
- abnormal
- power transmission
- line section
- preset
- 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
- 238000000034 method Methods 0.000 title claims abstract description 58
- 230000002159 abnormal effect Effects 0.000 claims abstract description 136
- 230000005540 biological transmission Effects 0.000 claims abstract description 116
- 238000012544 monitoring process Methods 0.000 claims abstract description 57
- 238000012300 Sequence Analysis Methods 0.000 claims abstract description 9
- 238000011156 evaluation Methods 0.000 claims description 60
- 238000004458 analytical method Methods 0.000 claims description 28
- 230000005684 electric field Effects 0.000 claims description 17
- 239000011159 matrix material Substances 0.000 claims description 17
- 230000008569 process Effects 0.000 claims description 13
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- 238000005070 sampling Methods 0.000 claims description 10
- 238000012163 sequencing technique Methods 0.000 claims description 10
- 238000012731 temporal analysis Methods 0.000 claims description 6
- 238000000700 time series analysis Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 5
- 230000004807 localization Effects 0.000 claims description 4
- 230000001351 cycling effect Effects 0.000 claims description 3
- 238000013480 data collection Methods 0.000 claims description 2
- 230000000875 corresponding effect Effects 0.000 description 22
- 230000005856 abnormality Effects 0.000 description 14
- 238000012545 processing Methods 0.000 description 10
- 238000003860 storage Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000003595 spectral effect Effects 0.000 description 6
- 238000012423 maintenance Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000010606 normalization Methods 0.000 description 4
- 238000007689 inspection Methods 0.000 description 3
- 238000001228 spectrum Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
- Y04S10/52—Outage or fault management, e.g. fault detection or location
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本申请公开了一种录波定位型故障指示方法、系统及指示器，涉及线路监测技术领域，其方法包括：通过监测终端采集预设输电线路段的线路电力数据；通过监测终端对采集到的线路电力数据进行分析，确定预设输电线路段的运行状况；在预设输电线路段的运行状况为异常运行的情况下，通过监测终端获取线路电力数据采集的时间戳；通过主站终端对时间戳进行时间序列分析，得到预设输电线路段存在风险隐患的持续时间；通过主站终端根据获取到的预设输电线路段的图像数据和持续时间确定预设输电线路段的风险隐患类型；通过主站终端输出预设输电线路段的风险隐患类型。本申请可以解决现有技术中无法对输电线路进行实时监测的问题。
Description
技术领域
本申请涉及线路监测技术领域，具体地涉及一种录波定位型故障指示方法、系统及指示器。
背景技术
输电线路是电力系统的重要组成部分，如果线路存在故障或风险隐患，可能导致电力事故、火灾等安全问题。通过对输电线路进行实时监测，可以及时发现线路的异常情况，采取措施进行修复或预警，确保电力系统的安全运行，同时，通过对输电线路进行监测，可以了解线路的运行状况和负载情况，优化电力系统的运行和资源配置。
传统的线路监测方法通常需要人工巡检确定输电线路是否存在安全风险，在未进行人工巡检的情况下，若输电线路出现安全风险无法及时对其进行监测，因此亟需一种输电线路监测方法以对输电线路进行实时监测。
发明内容
本申请实施例的目的是提供一种录波定位型故障指示方法、系统及指示器，用以解决现有技术中无法对输电线路进行实时监测的问题。
为了实现上述目的，本申请第一方面提供一种录波定位型故障指示方法，应用于录波指示终端，所述录波指示终端包括监测终端和主站终端，所述方法包括：
通过所述监测终端采集预设输电线路段的线路电力数据；
通过所述监测终端对采集到的线路电力数据进行分析，确定所述预设输电线路段的运行状况；
在所述预设输电线路段的运行状况为异常运行的情况下，通过所述监测终端获取所述线路电力数据采集的时间戳；
通过所述主站终端对所述时间戳进行时间序列分析，得到所述预设输电线路段存在风险隐患的持续时间；
通过所述主站终端根据获取到的所述预设输电线路段的图像数据和所述持续时间确定所述预设输电线路段的风险隐患类型；
通过所述主站终端输出所述预设输电线路段的风险隐患类型。
可选的，所述线路电力数据包括所述预设输电线路段的行波电流、工频电流、电场强度和磁场强度，所述通过所述监测终端对采集到的线路电力数据进行分析，确定所述预设输电线路段的运行状况，包括：
通过所述监测终端分别获取所述行波电流、所述工频电流、所述电场强度和所述磁场强度的采样数据；
分别对所述采样数据进行快速傅里叶变换分析，得到对应的频谱图；
获取每个所述频谱图的谐波分量幅值和基波幅值；
对于每个所述频谱图，选取第n次、第n+2次和第n+4次目标谐波分量，并进行畸变率计算，得到每个所述频谱图中每个所述目标谐波分量的畸变率，其中，n为正整数；
计算每个所述频谱图的畸变总率和所有所述频谱图的畸变总率之和；
在所述畸变总率之和大于预设值的情况下，确定所述电力数据的波形严重畸变，并确定所述预设输电线路段的运行状况为异常运行；
在所述畸变总率小于或等于预设值的情况下，确定所述电力数据的波形微畸变，并确定所述预设输电线路段的运行状况为正常运行。
可选的，所述方法还包括：
在所述预设输电线路段的运行状况为异常运行的情况下，通过所述监测终端分别对所述行波电流、所述工频电流、所述电场强度和所述磁场强度的幅值、频率进行分析，得到对应幅值的第一分析结果和对应频率的第二分析结果；所述第一分析结果包括多个第一异常因子，所述第二分析结果包括多个第二异常因子，其中，每个异常因子均对应一个所述预设输电线路段的风险隐患类型。
可选的，所述通过所述主站终端对所述时间戳进行时间序列分析，得到所述预设输电线路段存在风险隐患的持续时间，包括：
通过所述主站终端对所述时间戳按照预设时间顺序进行排序，得到有序时间序列；
在所述有序时间序列中选择预设数量的时间戳作为滑动窗口，并将所述滑动窗口从所述有序时间序列的起点开始滑动，每次滑动一个所述时间戳；
在每个所述滑动窗口中，获取所述滑动窗口内的时间戳的特征；
若存在其中一个当前滑动窗口中的时间戳的特征为异常特征，则定位异常特征的起始点，并执行循环步骤，至定位到异常特征的结束点；
根据所述起始点和所述结束点之间的时间戳，确定所述预设输电线路段存在风险隐患的持续时间。
可选的，所述循环步骤包括：
在定位到异常特征的起始点后，继续滑动窗口，每次滑动一个时间戳；
在每个滑动窗口中，获取所述滑动窗口内的时间戳的特征；
若所述滑动窗口内的时间戳的特征为异常特征，则继续滑动窗口；
若所述滑动窗口内的时间戳的特征为正常特征，即定位所述正常特征的前一个特征为异常特征的结束点。
可选的，所述通过所述主站终端根据获取到的所述预设输电线路段的图像数据和所述持续时间确定所述预设输电线路段的风险隐患类型，包括：
对于多个所述第一异常因子和多个所述第二异常因子中的其中一个异常因子，通过所述主站终端确定所述异常因子的严重程度指标，并根据所述严重程度指标对多个所述第一异常因子和多个所述第二异常因子进行排序，得到排序结果；
对所述图像数据进行特征提取，得到与排序结果中的每个异常因子相关的图像特征，并对多个所述第一异常因子和多个所述第二异常因子进行特征提取，得到多个异常特征，其中，得到的所述图像特征根据对应的异常因子进行排序；
对于每个所述图像特征和所述异常特征，进行特征匹配，确定每个所述图像特征与所述异常特征的相似度；
在所述图像特征与所述异常特征的相似度大于预设相似度阈值且与所述图像特征相关的所述异常因子的严重程度指标大于预设指标值的情况下，获取至少一个异常因子，并获取至少一个风险隐患类型；
在至少一个所述风险隐患类型中，获取每个所述风险隐患类型的预设隐患时长；
根据所述持续时间对所述预设隐患时长进行筛选，确定目标风险隐患类型。
可选的，所述对于多个所述第一异常因子和多个所述第二异常因子中的其中一个异常因子，通过所述主站终端确定所述异常因子的严重程度指标，包括：
对于其中一个异常因子，通过所述主站终端获取所述异常因子的性质、影响范围和持续时间；
对所述异常因子的性质、影响范围和持续时间分配权重，得到严重程度指标。
可选的，所述通过所述主站终端对所述异常因子的性质、影响范围和持续时间分配权重，得到严重程度指标，包括：
通过所述主站终端将所述异常因子的性质划分为高、中、低三个等级评价指标，将影响范围划分为大、中、小三个等级评价指标，将持续时间划分为长、中、短三个等级评价指标；
确定等级评价指标的个数，并且对于每个等级评价指标，与其他等级评价指标进行两两比较，确定每个等级评价指标与其他等级评价指标的相对重要性，并根据所述相对重要性对所述等级评价指标进行模糊数设定，并根据每个所述等级评价指标的模糊数设定，生成模糊评价矩阵；
采用模糊层次分析算法对所述模糊评价矩阵进行分析，得到每个所述等级评价指标的模糊权重；
根据每个所述等级评价指标的模糊权重分别确定所述异常因子的性质、所述影响范围和所述持续时间的权重；
对所述权重进行归一化处理，使所述异常因子的性质、所述影响范围和所述持续时间的权重之和为1。
本申请第二方面提供一种录波定位型故障指示系统，包括：
摄像机，用于获取预设输电线路段的图像数据；
录波指示终端，所述录波指示终端包括监测终端和主站终端；
所述监测终端用于采集预设输电线路段的线路电力数据，对采集到的线路电力数据进行分析，确定所述预设输电线路段的运行状况，在所述预设输电线路段的运行状况为异常运行的情况下，获取所述线路电力数据采集的时间戳；
所述主站终端用于对所述时间戳进行时间序列分析，得到所述预设输电线路段存在风险隐患的持续时间，根据获取到的所述预设输电线路段的图像数据和所述持续时间确定所述预设输电线路段的风险隐患类型，输出所述预设输电线路段的风险隐患类型。
本申请第三方面提供一种录波定位型故障指示器，其特征在于，包括：
监测终端；以及
主站终端；以及
存储器，被配置成存储指令；以及
处理器，被配置成从所述存储器调用所述指令以及在执行所述指令时能够实现上述的录波定位型故障指示方法。
通过上述技术方案，通过监测终端采集的线路电力数据，可以实时获取线路的运行状况，提高监测的及时性和准确性，同时，通过监测终端对线路电力数据进行分析，可以自动检测和分析线路存在的风险隐患，减少人工干预和主观误判的可能性，通过主站终端对图像数据进行分析，可以确定线路存在的风险隐患类型，便于针对性的修复和维护，解决了现有技术中无法对输电线路进行实时监测的问题，同时无需人工巡检，省时省力。
本申请实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本申请实施例的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本申请实施例，但并不构成对本申请实施例的限制。在附图中：
图1示意性示出了根据本申请实施例的一种录波定位型故障指示方法的流程示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，应当理解的是，此处所描述的具体实施方式仅用于说明和解释本申请实施例，并不用于限制本申请实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
需要说明，若本申请实施例中有涉及方向性指示（诸如上、下、左、右、前、后……），则该方向性指示仅用于解释在某一特定姿态（如附图所示）下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。
另外，若本申请实施例中有涉及“第一”、“第二”等的描述，则该“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本申请要求的保护范围之内。
图1示意性示出了根据本申请实施例的一种录波定位型故障指示方法的流程示意图。如图1所示，本申请实施例提供一种录波定位型故障指示方法，该方法可以包括下列步骤。
S101、通过监测终端采集预设输电线路段的线路电力数据。
本实施例中，监测终端指用于采集线路电力数据、分析数据并确定运行状况的设备，可以是传感器或监测仪器等；预设输电线路段指事先设定的需要进行故障指示的输电线路的特定路段；线路电力数据指从监测终端采集到的关于输电线路电力状态的数据，可以是电流、电压等数据。
S102、通过监测终端对采集到的线路电力数据进行分析，确定预设输电线路段的运行状况。
通过分析线路电力数据，可以判断预设输电线路段是否正常运行，是否存在异常情况。运行状况包括正常运行和异常运行。
S103、在预设输电线路段的运行状况为异常运行的情况下，通过监测终端获取线路电力数据采集的时间戳。
在预设输电线路段的运行状况为异常运行的情况下，通过监测终端获取线路电力数据采集的时间戳。时间戳可以记录数据采集的时间点，用于后续的分析。
S104、通过主站终端对时间戳进行时间序列分析，得到预设输电线路段存在风险隐患的持续时间。
时间序列分析是一种统计分析方法，用于研究和预测随时间变化的数据。它主要关注数据在时间上的顺序和相关性，通过对历史数据的分析，揭示数据的趋势、周期性、季节性等规律，并利用这些规律进行未来的预测。
具体的，时间序列分析可以揭示数据的趋势和周期性变化。通过对时间戳进行分析，可以确定预设输电线路段存在风险隐患的起止时间点，从而计算出持续时间。除此之外，时间序列分析可以帮助识别异常点和突变点，在预设输电线路段存在风险隐患的情况下，可能会出现数据的异常变化，通过时间序列分析，可以检测到这些异常点，并确定持续时间。
主站终端可以是服务器。
S105、通过主站终端根据获取到的预设输电线路段的图像数据和持续时间确定预设输电线路段的风险隐患类型。
主站终端可以根据对图像数据的分析，确定故障的具体类型即风险隐患类型，如短路、接地等。
S107、通过主站终端输出预设输电线路段的风险隐患类型。
主站终端可以将分析得到的结果输出，以便用户或操作人员了解线路的风险情况，并采取相应的措施。
需要说明的是，本实施例中，监测终端与主站终端之间的通信可以采用4G或5G的通信方式进行通信，以便于使主站终端处的运维人员实时接收到监测终端的信息并查看。
本实施例通过监测终端采集的电力数据，可以实时获取线路的运行状况，提高监测的及时性和准确性，同时，通过监测终端对电力数据进行分析，可以自动检测和分析线路存在的风险隐患，减少人工干预和主观误判的可能性，通过主站终端对图像数据进行分析，可以确定线路存在的风险隐患类型，便于针对性的修复和维护，解决了现有技术中无法对输电线路进行实时监测的问题，同时无需人工巡检，省时省力。
在本实施例的其中一种实施方式中，线路电力数据包括预设输电线路段的行波电流、工频电流、电场强度和磁场强度，通过监测终端对采集到的线路电力数据进行分析，确定预设输电线路段的运行状况，包括如下步骤：
S201、通过监测终端分别获取行波电流、工频电流、电场强度和磁场强度的采样数据。
行波电流是指在输电线路上传播的电流脉冲，通常由外部因素，如雷击、故障等引起；工频电流是指输电线路上的交流电流，其频率通常为50Hz或60Hz，源自电力系统的供电；电场强度是指输电线路上的电场强度，用于描述电力系统中电场的分布情况；磁场强度是指输电线路上的磁场强度，用于描述电力系统中磁场的分布情况。
采样数据是行波电流、工频电流、电场强度和磁场强度在一定时间间隔内的离散采样值。
S202、分别对采样数据进行快速傅里叶变换分析，得到对应的频谱图。
快速傅里叶变换（Fast Fourier Transform，FFT）是一种高效计算离散傅里叶变换（Discrete Fourier Transform，DFT）的算法，下述称为FFT算法。傅里叶变换是一种信号处理中常用的数学工具，用于将一个时域信号转换为频域表示。通过傅里叶变换，可以将信号分解成一系列不同频率的正弦和余弦波的叠加。
由于FFT算法要求输入信号的长度为2的幂次方，因此需要对采样数据进行零填充或截断操作，使其长度满足这个要求。可以通过在采样数据末尾添加零值来进行零填充；使用FFT算法对零填充后的采样数据进行计算，得到频域上的复数结果，其中，FFT算法会将时域信号转换为频域信号，其中包含信号的幅度和相位信息；从FFT计算结果中提取频谱幅度信息。可以通过计算每个频率分量的幅度，即复数结果的模值，来得到频谱幅度谱；使用频谱幅度信息，可以绘制频谱图。通常，横轴表示频率，纵轴表示幅度。
S203、获取每个频谱图的谐波分量幅值和基波幅值。
在频谱图中，基波指最突出的频率分量，对应信号的主要频率成分；在确定的基波频率范围内，找到对应的频率分量的幅度值，可以通过查找频谱幅度信息中对应频率分量的幅度值来获取基波幅值；在基波频率的倍数范围内，找到对应的频率分量的幅度值，其中，谐波分量是基波频率的整数倍频率分量。可以通过查找频谱幅度信息中对应频率分量的幅度值来获取谐波分量幅值。
S204、对于每个频谱图，选取第n次、第n+2次和第n+4次目标谐波分量，并进行畸变率计算，得到每个频谱图中每个目标谐波分量的畸变率。
本实施例中，n为正整数。畸变率是描述谐波分量与基波之间的关系的一个指标。畸变率越小，表示谐波分量与基波之间的关系越接近理想情况，信号的畸变程度越小。反之畸变率越大，表示信号的畸变程度越大。
对于每个目标谐波分量，在频谱图中，找到对应目标谐波分量的频率和幅度值，可以通过查找频谱幅度信息中对应频率分量的幅度值来获取目标谐波分量的幅度。
畸变率是目标谐波分量的幅度与基波幅度的比值。将目标谐波分量的幅度除以基波幅度，即可得到每个目标谐波分量的畸变率。
S205、计算每个频谱图的畸变总率和所有频谱图的畸变总率之和。
畸变总率是对目标谐波分量的畸变率进行求和得到的。畸变总率越小，表示整体信号的畸变程度越小。
每个频谱图的畸变总率如下示例：
假设有一条输电线路段的行波电流、工频电流、电场强度和磁场强度的采样数据。对这些数据进行FFT算法分析，得到各个频率分量的幅值和相位信息。
假设选择2次、3次和5次谐波分量进行畸变率计算。根据计算得到的谐波分量幅值和基波幅值，可以计算每个选定谐波分量的畸变率。
假设2次谐波分量的幅值为10A，基波幅值为100A，那么2次谐波的畸变率为（10A/100A）×100%=10%。
假设3次谐波分量的幅值为5A，基波幅值为100A，那么3次谐波的畸变率为（5A/100A）×100%=5%。
假设5次谐波分量的幅值为2A，基波幅值为100A，那么5次谐波的畸变率为（2A/100A）×100%=2%。
将上述目标谐波分量的畸变率相加，得到一个频谱图的畸变总率为10%+5%+2%=17%。畸变总率可以用来评估电力数据的波形畸变程度。
S206、在畸变总率之和大于预设值的情况下，确定电力数据的波形严重畸变，并确定预设输电线路段的运行状况为异常运行。
波形严重畸变意味着信号的频谱成分存在较高的谐波分量，与基波之间的关系偏离理想情况，可能会导致信号失真和功率损耗。
S207、在畸变总率小于或等于预设值的情况下，确定电力数据的波形微畸变，并确定预设输电线路段的运行状况为正常运行。
本实施方式对电力数据进行全面的频谱分析和畸变评估，帮助判断输电线路的运行状况，及时发现异常情况并采取相应的措施，确保电力系统的稳定运行。
在本实施例的其中一种实施方式中，还包括如下步骤：
S301、在预设输电线路段的运行状况为异常运行的情况下，通过监测终端分别对行波电流、工频电流、电场强度和磁场强度的幅值、频率进行分析，得到对应幅值的第一分析结果和对应频率的第二分析结果；第一分析结果包括多个第一异常因子，第二分析结果包括多个第二异常因子，其中，每个异常因子均对应一个预设输电线路段的风险隐患类型。
在预设输电线路段的运行状况为异常运行的情况下，可以通过监测终端对行波电流、工频电流、电场强度和磁场强度的幅值和频率进行分析，得到对应幅值的第一分析结果和对应频率的第二分析结果。这些分析结果可以包括多个异常因子，用于识别预设输电线路段的风险隐患类型。
第一分析结果为对幅值进行分析得到，多个第一异常因子可以是行波电流、工频电流、电场强度和磁场强度的幅值超过预设阈值、波形不对称、存在突变等。每个异常因子对应一个风险隐患类型，例如电缆损坏、接触不良、设备故障等。
第二分析结果为对频率进行分析得到，多个第二异常因子可以是频率偏离预设范围、频率波动较大、频率分量缺失等。每个异常因子同样对应一个风险隐患类型，例如输电线路过载、谐振、电源不稳等。
本实施方式通过对行波电流、工频电流、电场强度和磁场强度的幅值和频率进行分析，可以得到多个异常因子，用于识别预设输电线路段的风险隐患类型。这些异常因子可以帮助运维人员快速定位问题，采取相应的措施进行维修和调整，以确保输电线路的安全运行。
在本实施例的其中一种实施方式中，通过主站终端对时间戳进行时间序列分析，得到预设输电线路段存在风险隐患的持续时间，包括如下步骤：
S401、通过主站终端对时间戳按照预设时间顺序进行排序，得到有序时间序列。
S402、在有序时间序列中选择预设数量的时间戳作为滑动窗口，并将滑动窗口从有序时间序列的起点开始滑动，每次滑动一个时间戳。
滑动窗口方法是一种常用的时间序列分析方法，可以用来识别时间序列中的趋势和变化。
滑动窗口的大小，即预设数量的时间戳个数，将滑动窗口从有序时间序列的起点向后滑动一个时间戳，即将窗口的起点向后移动一个时间戳的位置。
S403、在每个滑动窗口中，获取滑动窗口内的时间戳的特征。
在每个滑动窗口中，可以获取滑动窗口内时间戳的特征。这些特征可以是各种统计量，如平均值、方差、最大值、最小值等，或者是其他更复杂的特征，如频谱特征、时域特征等。
S404、若存在其中一个当前滑动窗口中的时间戳的特征为异常特征，则定位异常特征的起始点，并执行循环步骤，至定位到异常特征的结束点。
如果在当前滑动窗口中存在异常特征，可以定位异常特征的起始点，并执行循环步骤，直到定位到异常特征的结束点。异常特征可以是超过预设阈值的特征、与历史数据的偏差较大的特征等。
S405、根据起始点和结束点之间的时间戳，确定预设输电线路段存在风险隐患的持续时间。
根据起始点和结束点之间的时间戳，可以确定预设输电线路段存在风险隐患的持续时间。持续时间可以通过计算起始点和结束点之间的时间差来得到。持续时间可以评估风险隐患的严重程度和持续时间，以便采取相应的措施进行处理和维修。
本实施方式可以对滑动窗口内的时间戳进行特征提取和异常检测，并确定风险隐患的持续时间。这有助于及时发现和处理预设输电线路段的异常情况，确保电力系统的安全运行。
在本实施例的其中一种实施方式中，循环步骤包括如下步骤：
S501、在定位到异常特征的起始点后，继续滑动窗口，每次滑动一个时间戳。
S502、在每个滑动窗口中，获取滑动窗口内的时间戳的特征。
S503、若滑动窗口内的时间戳的特征为异常特征，则继续滑动窗口。
S504、若滑动窗口内的时间戳的特征为正常特征，即定位正常特征的前一个特征为异常特征的结束点。
通过上述循环步骤，可以在滑动窗口内不断判断时间戳的特征，如果特征仍然异常，则继续滑动窗口；如果特征变为正常，则可以确定异常特征的结束点。
根据异常特征的起始点和结束点之间的时间戳，可以确定预设输电线路段存在风险隐患的持续时间。这个持续时间可以评估风险隐患的严重程度和持续时间，以便采取相应的措施进行处理和维修。
本实施方式可以精确定位异常特征的起始点和结束点，并确定风险隐患的持续时间。这有助于及时发现和处理预设输电线路段的异常情况，确保电力系统的安全运行。
在本实施例的其中一种实施方式中，通过主站终端根据获取到的预设输电线路段的图像数据和持续时间确定预设输电线路段的风险隐患类型，包括如下步骤：
S601、对于多个第一异常因子和多个第二异常因子中的其中一个异常因子，通过主站终端确定异常因子的严重程度指标，并根据严重程度指标对多个第一异常因子和多个第二异常因子进行排序，得到排序结果。
严重程度指标是用于衡量异常因子的严重程度的指标。其根据异常因子的特征、影响范围、持续时间等因素来评估异常因子的严重程度。严重程度指标可以是定量的（如数值）或定性的（如高、中、低）。对于数值排序，可以将严重程度指标转化为数值，并按照数值大小进行排序；对于定性排序，可以将严重程度指标分为高、中、低等级，并按照等级进行排序，得到排序结果。
S602、对图像数据进行特征提取，得到与排序结果中的每个异常因子相关的图像特征，并对多个第一异常因子和多个第二异常因子进行特征提取，得到多个异常特征，其中，得到的图像特征根据对应的异常因子进行排序。
通过主站终端对图像数据进行特征提取，可以得到与排序结果中每个异常因子相关的图像特征，并对两个或多个异常因子进行特征提取，得到异常特征，用于将图像数据中与异常因子相关的信息提取出来，以便更好地理解和分析异常因子的特征。
具体来说，图像特征提取是将原始图像数据转换为一组数值或特征向量，用于描述图像的特定属性或结构。这些特征可以包括颜色、纹理、形状、边缘等，得到的图像特征根据对应的异常因子进行排序，可以将与每个异常因子相关的图像特征按照异常因子的重要性进行排序，通过对图像数据进行特征提取，可以得到与异常因子相关的图像特征，从而更好地理解异常因子的特征和表现形式，有利于识别和理解异常因子的来源和影响。
通过将图像特征与异常因子进行排序，可以将图像特征与异常因子的重要性进行对应，从而辅助判断和分类异常因子，根据图像特征的排序结果，可以确定哪些特征与异常因子更相关，从而更准确地判断和分类异常因子。
S603、对于每个图像特征和异常特征，进行特征匹配，确定每个图像特征与异常特征的相似度。
本实施例采用预设的相似度度量算法，计算图像特征和异常特征之间的相似度。具体的，相似度度量算法是用于计算两个特征之间相似程度的方法，可以是欧氏距离（Euclidean Distance）算法。
S604、在图像特征与异常特征的相似度大于预设相似度阈值且与图像特征相关的异常因子的严重程度指标大于预设指标值的情况下，获取至少一个异常因子，并获取至少一个风险隐患类型。
如果图像特征与异常特征的相似度大于预设相似度阈值，则继续判断与图像特征相关的异常因子的严重程度指标是否大于预设指标值；否则，结束处理。
当图像特征与异常特征的相似度大于预设相似度阈值时，表示它们之间具有较高的相似性。这意味着图像特征与异常特征之间存在一定的关联性，可能表示了相同或相似的特征或属性；除此之外，异常因子的严重程度指标表示了该异常因子的严重程度，当严重程度指标大于预设指标值时，表示该异常因子对预设输电线路段的影响较大，具有较高的风险程度。故在一个图像特征与异常特征的相似度大于预设相似度阈值的情况下，并且与图像特征相关的异常因子的严重程度指标也大于预设指标值，可以确定该异常因子为预设输电线路段的风险隐患类型之一。
如果与图像特征相关的异常因子的严重程度指标大于预设指标值，则可以确定至少一个异常因子。根据异常因子，可以确定至少一个风险隐患类型。异常因子可以与预设的风险隐患类型进行特征匹配，或者根据预设的经验规则进行判断。
S605、在至少一个风险隐患类型中，获取每个风险隐患类型的预设隐患时长。
本实施例中，根据预设数据库获取每个风险隐患类型的预设隐患时长。
S606、根据持续时间对预设隐患时长进行筛选，确定目标风险隐患类型。
首先，获取每个风险隐患类型的预设隐患时长。对于每个预设隐患时长，与持续时间进行比较。如果持续时间小于等于预设隐患时长，则该风险隐患类型符合筛选条件。根据筛选结果，确定目标风险隐患类型。
本实施方式可以根据图像数据和持续时间，结合异常因子的严重程度指标和特征匹配的相似度，获取预设输电线路段的风险隐患类型，并确定目标风险隐患类型的持续时间。这有助于快速识别和定位预设输电线路段的风险隐患，并采取相应的措施进行处理和维修。
在本实施例的其中一种实施方式中，对于多个第一异常因子和多个第二异常因子中的其中一个异常因子，通过主站终端确定异常因子的严重程度指标，包括如下步骤：
S701、对于其中一个异常因子，通过主站终端获取异常因子的性质、影响范围和持续时间。
异常因子的性质指异常因子的本质特征或属性，不同的异常因子可能具有不同的性质，例如电压异常、温度异常、湿度异常等；异常因子的影响范围指异常因子对预设输电线路段的影响程度和范围，影响范围可以描述异常因子的扩散范围、作用范围或影响程度，例如影响一段线路、一个设备或整个线路系统等；异常因子的持续时间指异常因子发生或存在的时间长度，持续时间可以描述异常因子的时间持久性，即异常因子出现的持续时间长短，例如持续几分钟、几小时、几天等。
S702、对异常因子的性质、影响范围和持续时间分配权重，得到严重程度指标。
通过对异常因子的性质、影响范围和持续时间进行权重分配，可以得到一个数值化的严重程度指标。这个指标可以用于比较不同异常因子的严重程度，帮助确定哪些异常因子对预设输电线路段的风险隐患影响最大。
本实施方式通过将异常因子的性质、影响范围和持续时间纳入严重程度指标的计算，可以更全面地评估异常因子对预设输电线路段的风险隐患的影响程度，有利于提高风险评估的准确性。
在本实施例的其中一种实施方式中，通过主站终端对异常因子的性质、影响范围和持续时间分配权重，得到严重程度指标，包括如下步骤：
S801、通过主站终端将异常因子的性质划分为高、中、低三个等级评价指标，将影响范围划分为大、中、小三个等级评价指标，将持续时间划分为长、中、短三个等级评价指标。
异常因子的性质中，高级别表示异常因子的性质非常严重，会对电力系统的安全和可靠运行产生重大影响；中级别表示异常因子的性质具有一定的危害性，但影响范围和程度较低；低级别表示异常因子的性质相对较轻，对电力系统的影响较小。
异常因子的影响范围中，大范围表示异常因子的影响范围广泛，可能涉及到多个设备或区域；中范围表示异常因子的影响范围适中，可能涉及到一定数量的设备或区域；小范围表示异常因子的影响范围较小，仅限于某个设备或区域。
异常因子的持续时间中，长持续时间表示异常因子的影响时间较长，持续影响电力系统的时间较久；中持续时间表示异常因子的影响时间适中，持续影响电力系统的时间适度；短持续时间表示异常因子的影响时间较短，持续影响电力系统的时间较短暂。
S802、确定等级评价指标的个数，并且对于每个等级评价指标，与其他等级评价指标进行两两比较，确定每个等级评价指标与其他等级评价指标的相对重要性，并根据相对重要性对等级评价指标进行模糊数设定，并根据每个等级评价指标的模糊数设定，生成模糊评价矩阵。
本实施例采用层次分析法（Analytic Hierarchy Process，AHP）确定每个等级评价指标与其他等级评价指标的相对重要性。具体的，对于每个等级评价指标，与其他等级评价指标进行两两比较，评估它们之间的相对重要性，并建立判断矩阵。使用1-9的标度，其中1表示两个指标的相对重要性相同，9表示一个指标对另一个指标的相对重要性非常明显。对于每个等级评价指标，将判断矩阵的每一列进行归一化处理，得到每个指标的权重。根据判断矩阵的权重，计算每个等级评价指标与其他等级评价指标的相对重要性。
根据相对重要性，为每个等级评价指标设定模糊数。模糊数可以是模糊语言（如“非常重要”、“比较重要”、“一般重要”等）或数值（如0-1之间的数值）。
根据每个等级评价指标的模糊数设定，生成模糊评价矩阵。矩阵的行和列分别表示各个等级评价指标，矩阵的元素表示两个指标之间的相对重要性。
S803、采用模糊层次分析算法对模糊评价矩阵进行分析，得到每个等级评价指标的模糊权重。
根据模糊评价矩阵中的模糊数，将其转化为模糊判断矩阵。模糊判断矩阵中的元素表示两个指标之间的相对重要性，可以使用模糊数来表示。使用模糊层次分析算法对模糊判断矩阵进行计算，得到每个等级评价指标的模糊权重。其中，模糊层次分析算法是一种用于处理模糊信息和多层次结构的决策分析方法。
S804、根据每个等级评价指标的模糊权重分别确定异常因子的性质、影响范围和持续时间的权重。
将三个权重进行加权求和，得到一个综合的严重程度指标，用于评估异常因子对预设输电线路段的风险隐患程度。
S805、对权重进行归一化处理，使异常因子的性质、影响范围和持续时间的权重之和为1。
对于每个等级评价指标的模糊权重，进行归一化处理，使其之和为1。归一化处理可以保证权重的相对大小不变，以便进行后续的计算和分析。
本实施方式可以根据主站终端对异常因子的性质、影响范围和持续时间的权重分配，得到严重程度指标。这有助于对异常因子进行综合评估和排序，以确定其严重程度，并为后续的风险隐患类型确定和处理提供依据。
本申请实施例还提供一种录波定位型故障指示系统，包括：
摄像机，用于获取预设输电线路段的图像数据；
录波指示终端，录波指示终端包括监测终端和主站终端；
监测终端用于采集预设输电线路段的线路电力数据，对采集到的线路电力数据进行分析，确定预设输电线路段的运行状况，在预设输电线路段的运行状况为异常运行的情况下，获取线路电力数据采集的时间戳；
主站终端用于对时间戳进行时间序列分析，得到预设输电线路段存在风险隐患的持续时间，根据获取到的预设输电线路段的图像数据和持续时间确定预设输电线路段的风险隐患类型，输出预设输电线路段的风险隐患类型。
本实施例通过监测终端采集的电力数据，可以实时获取线路的运行状况，提高监测的及时性和准确性，同时，通过监测终端对电力数据进行分析，可以自动检测和分析线路存在的风险隐患，减少人工干预和主观误判的可能性，通过主站终端对图像数据进行分析，可以确定线路存在的风险隐患类型，便于针对性的修复和维护，解决了现有技术中无法对输电线路进行实时监测的问题。
本申请实施例还提供一种录波定位型故障指示器，可以包括：
监测终端；以及
主站终端；以及
存储器，被配置成存储指令；以及
处理器，被配置成从存储器调用指令以及在执行指令时能够实现上述的录波定位型故障指示方法。
其中，主站终端可以是智能终端，包括手机、电脑等，监测终端可以是监测仪器或传感器。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备（系统）、计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器 (CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存 (PRAM)、静态随机存取存储器 (SRAM)、动态随机存取存储器 (DRAM)、其他类型的随机存取存储器 (RAM)、只读存储器 (ROM)、电可擦除可编程只读存储器 (EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘 (DVD) 或其他光学存储、磁盒式磁带，磁带磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体 (transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。
Claims (8)
1.一种录波定位型故障指示方法，其特征在于，应用于录波指示终端，所述录波指示终端包括监测终端和主站终端，所述方法包括：
通过所述监测终端采集预设输电线路段的线路电力数据；
通过所述监测终端对采集到的线路电力数据进行分析，确定所述预设输电线路段的运行状况；
在所述预设输电线路段的运行状况为异常运行的情况下，通过所述监测终端获取所述线路电力数据采集的时间戳；
通过所述主站终端对所述时间戳进行时间序列分析，得到所述预设输电线路段存在风险隐患的持续时间；
通过所述主站终端根据获取到的所述预设输电线路段的图像数据和所述持续时间确定所述预设输电线路段的风险隐患类型；
通过所述主站终端输出所述预设输电线路段的风险隐患类型；
所述线路电力数据包括所述预设输电线路段的行波电流、工频电流、电场强度和磁场强度，所述通过所述监测终端对采集到的线路电力数据进行分析，确定所述预设输电线路段的运行状况，包括：
通过所述监测终端分别获取所述行波电流、所述工频电流、所述电场强度和所述磁场强度的采样数据；
分别对所述采样数据进行快速傅里叶变换分析，得到对应的频谱图；
获取每个所述频谱图的谐波分量幅值和基波幅值；
对于每个所述频谱图，选取第n次、第n+2次和第n+4次目标谐波分量，并进行畸变率计算，得到每个所述频谱图中每个所述目标谐波分量的畸变率，其中，n为正整数；
计算每个所述频谱图的畸变总率和所有所述频谱图的畸变总率之和；
在所述畸变总率之和大于预设值的情况下，确定所述电力数据的波形严重畸变，并确定所述预设输电线路段的运行状况为异常运行；
在所述畸变总率小于或等于预设值的情况下，确定所述电力数据的波形微畸变，并确定所述预设输电线路段的运行状况为正常运行。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
在所述预设输电线路段的运行状况为异常运行的情况下，通过所述监测终端分别对所述行波电流、所述工频电流、所述电场强度和所述磁场强度的幅值、频率进行分析，得到对应幅值的第一分析结果和对应频率的第二分析结果；所述第一分析结果包括多个第一异常因子，所述第二分析结果包括多个第二异常因子，其中，每个异常因子均对应一个所述预设输电线路段的风险隐患类型。
3.根据权利要求1所述的方法，其特征在于，所述通过所述主站终端对所述时间戳进行时间序列分析，得到所述预设输电线路段存在风险隐患的持续时间，包括：
通过所述主站终端对所述时间戳按照预设时间顺序进行排序，得到有序时间序列；
在所述有序时间序列中选择预设数量的时间戳作为滑动窗口，并将所述滑动窗口从所述有序时间序列的起点开始滑动，每次滑动一个所述时间戳；
在每个所述滑动窗口中，获取所述滑动窗口内的时间戳的特征；
若存在其中一个当前滑动窗口中的时间戳的特征为异常特征，则定位异常特征的起始点，并执行循环步骤，至定位到异常特征的结束点；
根据所述起始点和所述结束点之间的时间戳，确定所述预设输电线路段存在风险隐患的持续时间；
所述循环步骤包括：
在定位到异常特征的起始点后，继续滑动窗口，每次滑动一个时间戳；
在每个滑动窗口中，获取所述滑动窗口内的时间戳的特征；
若所述滑动窗口内的时间戳的特征为异常特征，则继续滑动窗口；
若所述滑动窗口内的时间戳的特征为正常特征，即定位所述正常特征的前一个特征为异常特征的结束点。
4.根据权利要求2所述的方法，其特征在于，所述通过所述主站终端根据获取到的所述预设输电线路段的图像数据和所述持续时间确定所述预设输电线路段的风险隐患类型，包括：
对于多个所述第一异常因子和多个所述第二异常因子中的其中一个异常因子，通过所述主站终端确定所述异常因子的严重程度指标，并根据所述严重程度指标对多个所述第一异常因子和多个所述第二异常因子进行排序，得到排序结果；
对所述图像数据进行特征提取，得到与排序结果中的每个异常因子相关的图像特征，并对多个所述第一异常因子和多个所述第二异常因子进行特征提取，得到多个异常特征，其中，得到的所述图像特征根据对应的异常因子进行排序；
对于每个所述图像特征和所述异常特征，进行特征匹配，确定每个所述图像特征与所述异常特征的相似度；
在所述图像特征与所述异常特征的相似度大于预设相似度阈值且与所述图像特征相关的所述异常因子的严重程度指标大于预设指标值的情况下，获取至少一个异常因子，并获取至少一个风险隐患类型；
在至少一个所述风险隐患类型中，获取每个所述风险隐患类型的预设隐患时长；
根据所述持续时间对所述预设隐患时长进行筛选，确定目标风险隐患类型。
5.根据权利要求4所述的方法，其特征在于，所述对于多个所述第一异常因子和多个所述第二异常因子中的其中一个异常因子，通过所述主站终端确定所述异常因子的严重程度指标，包括：
对于其中一个异常因子，通过所述主站终端获取所述异常因子的性质、影响范围和持续时间；
对所述异常因子的性质、影响范围和持续时间分配权重，得到严重程度指标。
6.根据权利要求5所述的方法，其特征在于，所述通过所述主站终端对所述异常因子的性质、影响范围和持续时间分配权重，得到严重程度指标，包括：
通过所述主站终端将所述异常因子的性质划分为高、中、低三个等级评价指标，将影响范围划分为大、中、小三个等级评价指标，将持续时间划分为长、中、短三个等级评价指标；
确定等级评价指标的个数，并且对于每个等级评价指标，与其他等级评价指标进行两两比较，确定每个等级评价指标与其他等级评价指标的相对重要性，并根据所述相对重要性对所述等级评价指标进行模糊数设定，并根据每个所述等级评价指标的模糊数设定，生成模糊评价矩阵；
采用模糊层次分析算法对所述模糊评价矩阵进行分析，得到每个所述等级评价指标的模糊权重；
根据每个所述等级评价指标的模糊权重分别确定所述异常因子的性质、所述影响范围和所述持续时间的权重；
对所述权重进行归一化处理，使所述异常因子的性质、所述影响范围和所述持续时间的权重之和为1。
7.一种录波定位型故障指示系统，应用权利要求1-6中任一项所述的录波定位型故障指示方法，其特征在于，包括：
摄像机，用于获取预设输电线路段的图像数据；
录波指示终端，所述录波指示终端包括监测终端和主站终端；
所述监测终端用于采集预设输电线路段的线路电力数据，对采集到的线路电力数据进行分析，确定所述预设输电线路段的运行状况，在所述预设输电线路段的运行状况为异常运行的情况下，获取所述线路电力数据采集的时间戳；
所述主站终端用于对所述时间戳进行时间序列分析，得到所述预设输电线路段存在风险隐患的持续时间，根据获取到的所述预设输电线路段的图像数据和所述持续时间确定所述预设输电线路段的风险隐患类型，输出所述预设输电线路段的风险隐患类型。
8.一种录波定位型故障指示器，其特征在于，包括：
监测终端；以及
主站终端；以及
存储器，被配置成存储指令；以及
处理器，被配置成从所述存储器调用所述指令以及在执行所述指令时能够实现根据权利要求1至6中任一项所述的录波定位型故障指示方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410057216.5A CN117572158B (zh) | 2024-01-16 | 2024-01-16 | 录波定位型故障指示方法、系统及指示器 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410057216.5A CN117572158B (zh) | 2024-01-16 | 2024-01-16 | 录波定位型故障指示方法、系统及指示器 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117572158A CN117572158A (zh) | 2024-02-20 |
| CN117572158B true CN117572158B (zh) | 2024-03-29 |
Family
ID=89864740
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410057216.5A Active CN117572158B (zh) | 2024-01-16 | 2024-01-16 | 录波定位型故障指示方法、系统及指示器 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117572158B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4932246A (en) * | 1989-02-22 | 1990-06-12 | Motorola, Inc. | Diagnostic fault test system and circuit |
| WO2006081736A1 (fr) * | 2005-02-03 | 2006-08-10 | Emerson Network Power Co., Ltd. | Systeme de surveillance pour moteur a mazout et reseau electrique longue distance et methode d'analyse et de surveillance de leurs ondes harmoniques |
| CN204177907U (zh) * | 2014-08-29 | 2015-02-25 | 江苏银网电气股份有限公司 | 配电网架空线运行状态录波与故障诊断系统 |
| CN108957240A (zh) * | 2018-08-09 | 2018-12-07 | 炜呈智能电力科技（杭州）有限公司 | 电网故障远程定位方法及系统 |
| CN110554282A (zh) * | 2019-09-30 | 2019-12-10 | 智洋创新科技股份有限公司 | 基于暂态录波型故障指示器的故障类型判断系统和方法 |
| CN111521911A (zh) * | 2020-05-21 | 2020-08-11 | 山东信通电子股份有限公司 | 一种输电线路的智能监拍方法及设备 |
| CN115293584A (zh) * | 2022-08-05 | 2022-11-04 | 国网山东省电力公司寿光市供电公司 | 一种架空输电线路风险预测方法、系统及终端 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3379273B1 (de) * | 2017-03-22 | 2019-09-18 | Siemens Aktiengesellschaft | Verfahren, einrichtung und system zum ermitteln des fehlerortes eines fehlers auf einer leitung eines elektrischen energieversorgungsnetzes |
| US20230359542A1 (en) * | 2022-05-05 | 2023-11-09 | International Business Machines Corporation | Handling data gaps in sequential data |
-
2024
- 2024-01-16 CN CN202410057216.5A patent/CN117572158B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4932246A (en) * | 1989-02-22 | 1990-06-12 | Motorola, Inc. | Diagnostic fault test system and circuit |
| WO2006081736A1 (fr) * | 2005-02-03 | 2006-08-10 | Emerson Network Power Co., Ltd. | Systeme de surveillance pour moteur a mazout et reseau electrique longue distance et methode d'analyse et de surveillance de leurs ondes harmoniques |
| CN204177907U (zh) * | 2014-08-29 | 2015-02-25 | 江苏银网电气股份有限公司 | 配电网架空线运行状态录波与故障诊断系统 |
| CN108957240A (zh) * | 2018-08-09 | 2018-12-07 | 炜呈智能电力科技（杭州）有限公司 | 电网故障远程定位方法及系统 |
| CN110554282A (zh) * | 2019-09-30 | 2019-12-10 | 智洋创新科技股份有限公司 | 基于暂态录波型故障指示器的故障类型判断系统和方法 |
| CN111521911A (zh) * | 2020-05-21 | 2020-08-11 | 山东信通电子股份有限公司 | 一种输电线路的智能监拍方法及设备 |
| CN115293584A (zh) * | 2022-08-05 | 2022-11-04 | 国网山东省电力公司寿光市供电公司 | 一种架空输电线路风险预测方法、系统及终端 |
Non-Patent Citations (3)
| Title |
|---|
| An Accurate Synchrophasor Based Fault Location Method for Emerging Distribution Systems;J. Ren 等;《IEEE Transactions on Power Delivery》;20140201;297 - 298 * |
| 基于3G输电线路故障定位及维修系统研究;封晓东 等;《继电器》;20070816;第35卷(第16期);76-78 * |
| 基于静态电压稳定的事故筛选和排序算法综述;肖玲 等;《电力系统保护与控制》;20090716;第37卷(第14期);129-134 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117572158A (zh) | 2024-02-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2000512766A (ja) | 高電圧絶縁における部分放電測定の統計的パターン分析方法 | |
| Liu et al. | Prognosis of underground cable via online data-driven method with field data | |
| Bhui et al. | Application of recurrence quantification analysis to power system dynamic studies | |
| US20160109526A1 (en) | System and method for ups battery monitoring and data analysis | |
| CN117407679B (zh) | 智能末屏传感器的数据采集方法及系统 | |
| CN113239132B (zh) | 一种电压互感器的超差在线辨识方法 | |
| CN112147444B (zh) | 一种电力变压器工作状态监测方法及系统 | |
| CN110543907A (zh) | 一种基于微机监测功率曲线的故障分类方法 | |
| Koziel et al. | Investments in data quality: Evaluating impacts of faulty data on asset management in power systems | |
| CN117060409B (zh) | 电力线路运行状态自动化检测分析方法及系统 | |
| Kim et al. | A study on three dimensional assessment of the aging condition of polymeric medium voltage cables applying very low frequency (VLF) tan δ diagnostic | |
| CN116306806A (zh) | 故障诊断模型确定方法、装置及非易失性存储介质 | |
| CN117572158B (zh) | 录波定位型故障指示方法、系统及指示器 | |
| JP2018155507A (ja) | 部分放電検出装置及び部分放電検出方法 | |
| CN112345972A (zh) | 基于停电事件的配电网线变关系异常诊断方法、装置及系统 | |
| CN117191147A (zh) | 一种泄洪大坝水位监测预警方法及系统 | |
| CN116520068A (zh) | 一种电力数据的诊断方法、装置、设备及存储介质 | |
| CN115455684A (zh) | 一种基于噪声分析的油浸式变压器非接触式状态评估方法和系统 | |
| CN112398706B (zh) | 数据评估标准确定方法、装置及存储介质、电子设备 | |
| CN114118587A (zh) | 分布式光伏的电能质量评估方法及系统、设备、存储介质 | |
| CN117172139B (zh) | 通信用铜包铝合金电缆的性能测试方法及系统 | |
| CN115511106B (zh) | 基于时序数据生成训练数据的方法、设备和可读存储介质 | |
| CN113392511B (zh) | 基于频谱包络符号熵的有载分接开关机械状态监测方法 | |
| CN117391459B (zh) | 基于深度学习的电力运行风险预警方法及系统 | |
| CN115208745A (zh) | 一种电力系统故障定位方法、装置及故障定位设备 |
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 |