CN117970039B - 一种配电线路故障时刻检测方法 - Google Patents

Abstract

本发明涉及一种配电线路故障时刻检测方法，属于配电网故障时刻检测技术领域，包括如下步骤：取原始信号，并对原始信号中前一工频周期的信号进行拟合并扩展，得到假想信号；将假想信号与原始信号分割得图像片段并进行差异哈希计算；对比汉明距离之间的差值，得出故障时刻所在片段；将故障时刻所在汉明分布图像的汉明分布的像素列矩阵进行中值滤波；将中值滤波后的汉明分布像素矩阵逐列进行像素搜索，最先检测到的像素为故障发生点，故障发生点所在像素列的时间信息为故障时刻。本发明通过改进高阶傅里叶拟合模型，加入衰减因子，使得能够高精度拟合含有谐波和衰减振荡的信号，为高精度检测故障时刻提供基础，适用于复杂的故障场景。

Description

一种配电线路故障时刻检测方法

技术领域

本发明涉及配电网故障时刻检测技术领域，尤其涉及一种配电线路故障时刻检测方法。

背景技术

在有源配电网的继电保护应用中，准确识别故障时刻对继电保护来说具有十分重要的意义。一些基于故障点所在配电线路两端电气量的纵联差动保护故障测距技术，要求两端电气量同步，才能得到精确理想的保护或测距效果。配电线路两端电气量若是能以精确的故障时刻为同步基准，则可不借助外部通信硬件获得较好的同步效果。

目前，分布式电源大量接入配电网，使得配电网的结构从传统的辐射状网络变为多源网络，同时改变了配电系统的部分故障特性，对故障时刻的检测提出了更高的要求。

现有检测技术中，传统的相电流突变量检测故障时刻法在故障电流变化不明显时，会造成较大的检测误差，特别是应用于分布电源侧时，检测误差往往超出精度要求。为了解决上述问题提出的一系列高精度故障时刻检测算法，当采样频率较低时，检测精度通常会大幅下降，无法应用于更复杂的故障场景。此外，实现高精度检测的前提是被检测的相电流或相电压信号是较为标准的工频正弦波信号，当被检测信号中含有谐波、衰减振荡分量时，检测精度通常也会大幅下降。

为解决以上至少一种技术问题，本发明提供一种配电线路故障时刻检测方法。

发明内容

本发明的目的在于提供一种配电线路故障时刻检测方法，用于解决当采样频率较低时，检测精度通常会大幅下降，无法应用于更复杂的故障场景的问题。还用于解决被检测信号中含有谐波、衰减振荡分量时，检测精度通常会大幅下降，无法应用于更复杂的故障场景的技术问题。

为了实现上述目的，本发明提供如下技术方案：

一种配电线路故障时刻检测方法，包括如下具体步骤：

S1：获取包含故障信号的原始信号;

S2：取故障信号前一工频周期的信号片段，对信号片段进行拟合，并将拟合得到的信号扩展至与原始信号相同的长度，扩展后的信号记作假想信号；

S3：将假想信号与原始信号同窗口长度进行分割，得到若干组相互对应的假想信号与原始信号的图像片段；

S4：分别计算每一组相互对应的假想信号与原始信号的图像片段的汉明分布和汉明距离；

S5：根据计算得到的汉明分布得到每一组相互对应的假想信号与原始信号的图像片段的汉明分布图像；

S6：为得到的每一个汉明分布图像中的像素列标记时间信息；

S7：将计算所得的汉明距离按对应组图像片段的分割先后顺序依次排布，找出其中最大汉明距离，将最大汉明距离乘以一个判别系数，得到判别式，之后将排布中的汉明距离逐个与判别式进行比较，找出第一个大于判别式的汉明距离，将该汉明距离所对应的汉明分布图像视为故障时刻所在的汉明分布图像；

S8：获取故障时刻所在的汉明分布图像的像素列矩阵，对所述像素列矩阵进行中值滤波；

S9：对中值滤波后的像素列矩阵逐列进行像素搜索，最先检测到的像素点即为故障发生点，故障发生点在故障时刻所在的汉明分布图像中所对应的像素点所在像素列的标记时间信息即为故障时刻。

进一步地，步骤S2中采用改进高阶傅里叶级数拟合模型对得到的原始信号进行拟合。

进一步地，改进高阶傅里叶级数拟合模型的表达式为：

其中为原始信号的采样点；/>是拟合/>后得到的信号；/>为直流量系数；/>为总阶数；/>为阶数；/>为第/>阶余弦分量的系数；/>为第/>阶正弦分量的系数；/>为基础角频率；/>为衰减系数；/>为衰减因子。

进一步地，步骤S4具体包括如下步骤：

S41：根据差异哈希算法分别对分割后得到的假想信号和原始信号的图像片段进行计算，对应得到分割得到的假想信号的每一个图像片段的差异哈希矩阵及原始信号的每一个图像片段的差异哈希矩阵；

S42：基于所得到的假想信号的每一个图像片段的差异哈希矩阵及原始信号的每一个图像片段的差异哈希矩阵，计算每一组相互对应的假想信号与原始信号的图像片段的汉明分布和汉明距离。

进一步地，假想信号及原始信号的图像片段的像素大小均为pxq；步骤S41包括如下具体步骤：

对分割得到的假想信号的每一个图像片段按照从左到右从上到下的顺序进行差异哈希计算，对应得到假想信号的每一个图像片段的相邻像素值的差值；利用所得到的假想信号的每一个图像片段的相邻像素值的差值/>构建第一矩阵/>；

对分割得到的原始信号的每一个图像片段按照从左到右从上到下的顺序进行差异哈希计算，对应得到原始信号的每一个图像片段的相邻像素值的差值；利用所得到的原始信号的每一个图像片段的相邻像素值的差值/>构建第二矩阵/>；

其中，

假想信号及原始信号的图像片段的相邻像素值的差值的计算公式均为：

，/>

其中，当时，/>为/>，/>代表假想信号的第/>个图像片段中相邻像素值的差值，/>为假想信号的第/>个图像片段中第/>行第/>列像素的值，/>为假想信号的第/>个图像片段中第/>行第/>+1列像素的值；当/>时，/>为/>，/>代表原始信号的第/>个图像片段中相邻像素值的差值，/>为原始信号的第/>个图像片段中第/>行第列像素的值，/>为原始信号的第/>个图像片段中第/>行第/>列像素的值；，/>为原始信号被分割的图像片段个数，假想信号被分割的图像片段个数与原始信号被分割的图像片段个数相同；

分别计算假想信号的每一个图像片段及原始信号的每一个图像片段的特征哈希值，表达式为：

其中，当时，/>表示假想信号的第/>个图像信号中第/>行第/>列像素的特征哈希值；当/>时，/>表示原始信号的第/>个图像信号中第/>行第/>列像素的特征哈希值；

分别构建假想信号的每一个图像片段和原始信号的每一个图像片段的差异哈希矩阵，其表达式为：

其中，表示假想信号的第/>个图像片段的差异哈希矩阵；/>表示原始信号的第/>个图像片段的差异哈希矩阵。

进一步地，假想信号的第个图像片段与原始信号的第/>个图像片段为分割得到的第/>组原始信号和假想信号的图像片段，/>;每一组相互对应的假想信号与原始信号的图像片段的汉明分布和汉明距离计算公式为：

其中为第/>组相互对应的原始信号的图像片段和假想信号的图像片段的汉明分布；/>为第/>组中原始信号的图像片段和假想信号的图像片段的汉明距离。

进一步地，步骤S6中为得到的每一个汉明分布图像中的像素列标记时间信息的表达式为：

其中为原始信号最后一个采样点的采样时间信息，/>为原始信号第/>个采样点的采样时间信息；/>为原始信号的采样时间间隔；/>为每个图像片段的像素列数；/>为相邻两列像素之间的时间差值；/>即为汉明分布图像中第/>列像素的标记时间信息。

进一步地，步骤S7包括：

找出汉明距离最大的值，/>；

将汉明距离最大的值乘上一个判别系数/>，得到判别式：/>；

将汉明距离依次与判别式/>进行比较，第一个大于判别式/>的汉明分布图像即为故障时刻所在的汉明分布图像。

进一步地，步骤S8中对所述像素列矩阵进行中值滤波，具体包括如下步骤：

用的邻域对像素列矩阵进行每次移动处理，将邻域中间的数值用当前邻域中所有数值从小到大排列所得到的中间值代替。

进一步地，步骤S9包括如下具体步骤：

按照从上到下、从左到右的顺序对中值滤波后的像素列矩阵逐列检测像素点；

第一次检测到像素点的点即为故障发生点；

故障发生点在故障时刻所在的汉明分布图像中所对应的像素点所在像素列的标记时间信息即为故障时刻。

本发明的有益效果：

(1)本发明为每一个汉明分布图像中的像素列标记时间信息，并对故障时刻所在的汉明分布图像的像素列矩阵逐列进行像素搜索，从而检测故障时刻，将时间分辨率缩小至像素级别，对于低采样率的场景下也能实现较高的检测精度，使得检测误差远远小于一个采样间隔，对于较为复杂的工况也能保持较高的检测精度。

(2)本发明通过改进高阶傅里叶拟合模型，加入衰减因子，使得能够高精度拟合含有谐波和衰减振荡的信号，为高精度检测故障时刻提供基础，适用于复杂的故障场景。

本发明的这些和其它目的、特点和优势，通过下述的详细说明，得以充分体现。

附图说明

图1示出了本发明所述配电线路故障时刻检测方法的流程示意图。

图2示出了本发明所述配电线路故障时刻检测方法的一个实施例的改进高阶傅里叶拟合模型的拟合效果示意图。

图3示出了本发明所述配电线路故障时刻检测方法的一个实施例的含谐波和衰减振荡信号的拟合扩展示意图。

图4示出了本发明所述配电线路故障时刻检测方法的一个实施例的假想信号和原始信号同窗口长度分段示意图。

图5示出了本发明所述配电线路故障时刻检测方法的一个实施例的每一分段图像的汉明距离示意图。

图6示出了本发明所述配电线路故障时刻检测方法的一个实施例的故障时刻所在图像分段的汉明分布示意图。

具体实施方式

以下描述用于揭露本发明以使本领域技术人员能够实现本发明。以下描述中的优选实施例只作为举例，本领域技术人员可以想到其他显而易见的变型。在以下描述中界定的本发明的基本原理可以应用于其他实施方案、变形方案、改进方案、等同方案以及没有背离本发明的精神和范围的其他技术方案。

本领域技术人员应理解的是，在说明书的揭露中，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。因此，上述术语不能理解为对本发明的限制。

可以理解的是，术语“一”应理解为“至少一”或“一个或多个”，即在一个实施例中，一个元件的数量可以为一个，而在另外的实施例中，该元件的数量可以为多个，术语“一”不能理解为对数量的限制。

参考图1至图6，依本发明一较佳实施例的一种配电线路故障时刻检测方法将在以下被详细地阐述，该方法包括如下具体步骤：S1：获取包含故障信号的原始信号。S2：取故障信号前一工频周期的信号片段，对信号片段进行拟合，并将拟合得到的信号扩展至与原始信号相同的长度，扩展后的信号记作假想信号。S3：将假想信号与原始信号同窗口长度进行分割，得到若干组相互对应的假想信号与原始信号的图像片段。S4：分别计算每一组相互对应的假想信号与原始信号的图像片段的汉明分布和汉明距离。S5：根据计算得到的汉明分布得到每一组相互对应的假想信号与原始信号的图像片段的汉明分布图像。S6：为得到的每一个汉明分布图像中的像素列标记时间信息。S7：将计算所得的汉明距离按对应组图像片段的分割先后顺序依次排布，找出其中最大汉明距离，将最大汉明距离乘以一个判别系数，得到判别式，之后将排布中的汉明距离逐个与判别式进行比较，找出第一个大于判别式的汉明距离，将该汉明距离所对应的汉明分布图像视为故障时刻所在的汉明分布图像。S8：获取故障时刻所在的汉明分布图像的像素列矩阵，对所述像素列矩阵进行中值滤波。S9：对中值滤波后的像素列矩阵逐列进行像素搜索，最先检测到的像素点即为故障发生点，故障发生点在故障时刻所在的汉明分布图像中所对应的像素点所在像素列的标记时间信息即为故障时刻。

可以理解的，汉明分布图像是假想信号和原始信号对应的图像片段进行差异哈希计算得到的，彰显假想信号和原始信号差异的图像片段，所以最先检测到的像素为故障发生点。

可以理解的，原始信号中包含故障片段和非故障片段，取故障信号前一工频周期的信号片段，该信号片段仅包含非故障片段，仅对该信号片段中的非故障片段进行拟合。

可以理解的，在信号处理领域中，同窗口长度是指在时间域中将信号切割成一段段固定长度的窗口。

可以理解的，汉明分布为像素矩阵，能够表征图像，其经过一个matlab自带函数imshow即可显示出汉明分布图像。

通过拟合原始信号的非故障片段并扩展，得到假想的未发生故障的假想信号，将假想信号与原始信号同窗口分段并进行差异哈希计算，找出计算得到的汉明距离中最大汉明距离，将最大汉明距离乘以一个判别系数，得到判别式，之后将排布中的汉明距离逐个与判别式进行比较，找出第一个大于判别式的汉明距离，将该汉明距离所对应的汉明分布图像视为故障时刻所在的汉明分布图像，对该汉明分布图像的汉明分布中的像素列进行中值滤波，将中值滤波后的汉明分布片段中的像素列逐列进行像素搜索，检测故障时刻。该方法在信号低采样频率较低或者信号中含谐波、衰减振荡分量的情况下，也具有较高的故障时刻检测精准性。

示例性地，步骤S2中采用改进高阶傅里叶级数拟合模型对得到的原始信号进行拟合。具体地，改进高阶傅里叶级数拟合模型的表达式为：

其中为直流量系数；/>为总阶数，由经验值设定，因为要拟合的谐波或衰减振荡的频率越高，n就得取越高；/>为阶数；/>为第/>阶余弦分量的系数；/>为第/>阶正弦分量的系数；/>为基础角频率；/>为衰减系数。相比于传统的傅里叶拟合模型，引入了/>衰减因子，使其能够拟合含有高次谐波和衰减振荡分量的信号。

将衰减因子引入传统的傅里叶拟合模型，使其能够准确地拟合含有谐波和衰减振荡的电流信号。

图2所示即为对含谐波和衰减振荡的电流信号进行拟合并扩展的结果，取原始信号第一周期进行拟合，得到拟合表达式并扩展。（a）图只包含谐波信号，y轴代表电流值（标幺值），x轴代表采样点，y1代表不含衰减振荡信号的信号，y1_fit代表y1的拟合扩展信号。（b）图包含谐波和衰减振荡，y2代表含衰减振荡信号的信号，y2_fit代表y2的拟合扩展信号，能够看出本发明对只包含谐波信号及包含谐波和衰减振荡的信号均能高精度的拟合并扩展。

图3所示的y为含有谐波和衰减振荡信号发生故障的相电流信号，即原始信号，取其前一周期进行拟合，得到拟合表达式后将其扩展至与y相同的长度，得到y_fit，得到的y_fit即假想的未发生故障的相电流信号，即假想信号，可以看出，二者在原始信号发生故障后，开始出现差异。

将假想信号与原始信号窗口长度进行分割，得到若干组相互对应的假想信号与原始信号的图像片段。示例性地，结合图4，假想信号与原始信号被同窗口长度分成了7个图像片段，图中的片段一对应第一组，图中的片段二对应第二组，图中的片段三对应第三组，图中的片段四对应第四组，图中的片段五对应第五组，图中的片段六对应第六组，图中的片段七对应第七组，第一组中的假想信号图像片段为假想信号分割出的第一个图像片段，第一组中的原始信号图像片段为原始信号分割出的第一个图像片段。

根据差异哈希算法分别对分割后得到的假想信号和原始信号的图像片段进行计算，对应得到分割得到的假想信号的每一个图像片段的差异哈希矩阵及原始信号的每一个图像片段的差异哈希矩阵。基于所得到的假想信号的每一个图像片段的差异哈希矩阵及原始信号的每一个图像片段的差异哈希矩阵，计算每一组相互对应的假想信号与原始信号的图像片段的汉明分布和汉明距离。假想信号及原始信号的图像片段的像素大小均为pxq，具体地，对分割得到的假想信号的每一个图像片段按照从左到右从上到下的顺序进行差异哈希计算，对应得到假想信号的每一个图像片段的相邻像素值的差值；利用所得到的假想信号的每一个图像片段的相邻像素值的差值/>构建第一矩阵/>。对分割得到的原始信号的每一个图像片段按照从左到右从上到下的顺序进行差异哈希计算，对应得到原始信号的每一个图像片段的相邻像素值的差值/>；利用所得到的原始信号的每一个图像片段的相邻像素值的差值/>构建第二矩阵/>。

其中，

假想信号及原始信号的图像片段的相邻像素值的差值的计算公式均为：

，/>

其中，当时，/>为/>，/>代表假想信号的第/>个图像片段中相邻像素值的差值，具体为假想信号的第/>个图像片段中第/>行第/>列像素的值与第/>行第/>列像素的值的差值，/>为假想信号的第/>个图像片段中第/>行第/>列像素的值，/>为假想信号的第/>个图像片段中第/>行第/>+1列像素的值；当/>时，/>为/>，/>代表原始信号的第/>个图像片段中相邻像素值的差值，具体为原始信号的第/>个图像片段中第/>行第/>列像素的值和第/>行第/>列像素的值的差值，/>为原始信号的第/>个图像片段中第/>行第/>列像素的值，/>为原始信号的第/>个图像片段中第/>行第/>列像素的值。/>，/>为原始信号被分割的图像片段个数，假想信号被分割的图像片段个数与原始信号被分割的图像片段个数相同。

将所得的假想信号的个图像片段的第一矩阵/>中的各元素/>进行特征哈希计算,得到假想信号的/>个图像片段的特征哈希值/>。

将所得的原始信号的个图像片段的第一矩阵/>中的各元素/>进行特征哈希计算,得到假想信号的/>个图像片段的特征哈希值/>。

分别计算假想信号的每一个图像片段及原始信号的每一个图像片段的特征哈希值，表达式为：

其中，当时，/>表示假想信号的第/>个图像信号中第/>行第/>列像素的特征哈希值；当/>时，/>表示原始信号的第/>个图像信号中第/>行第/>列像素的特征哈希值。

分别构建假想信号的每一个图像片段和原始信号的每一个图像片段的差异哈希矩阵，其表达式为：

其中，表示假想信号的第/>个图像片段的差异哈希矩阵；/>表示原始信号的第/>个图像片段的差异哈希矩阵。

假想信号的第个图像片段与原始信号的第/>个图像片段为分割得到的第/>组原始信号和假想信号的图像片段，/>;每一组相互对应的假想信号与原始信号的图像片段的汉明分布和汉明距离计算公式为：

其中为第/>组相互对应的原始信号的图像片段和假想信号的图像片段的汉明分布；/>为第/>组中原始信号的图像片段和假想信号的图像片段的汉明距离。

具体地，为得到的每一个汉明分布图像中的像素列标记时间信息的表达式为：

其中为原始信号最后一个采样点的采样时间信息，/>为原始信号第/>个采样点的采样时间信息；/>为原始信号的采样时间间隔；/>为每个图像片段的像素列数；/>为相邻两列像素之间的时间差值；/>即为汉明分布图像中第/>列像素的标记时间信息。

即将原始信号的时间分割到每一列像素，时间分辨率从采样点之间的变成像素列之间的/>，即使采样频率较小，但检测的时间分辨率由于一个点由多个像素组成而增大，能够提高时间检测的精度。

可以理解的，为需要标记时间的像素列。

步骤S7包括：找出汉明距离最大的值，/>，将汉明距离最大的值/>乘上一个判别系数/>，得到判别式：/>，将汉明距离/>依次与判别式/>进行比较，第一个大于判别式/>的汉明分布图像即为故障时刻所在的汉明分布图像。

示例性地，判断故障时刻所在的汉明分布片段的表达式为：

其中为判别系数。

取从1开始对每组图像片段的汉明距离进行判别，第一组满足上式的图像片段即为故障时刻所在图像片段，记为/>。

本实施例中，结合图5，当取判别系数合适值时，示例性地，/>取0.3-0.5，找出汉明距离最大的值max，然后乘上判断系数/>，从/>依次看汉明分布图片片段的汉明距离最先大于等于判别式，汉明距离最先大于等于判别式的汉明分布图像即为故障时刻所在的汉明分布图像，结合图5，将故障时刻所在的汉明分布图像定位到第5个图像片段，此时m=5。

将故障时刻所在的汉明分布图像的像素矩阵进行中值滤波，具体包括如下步骤：

用的邻域对像素列矩阵进行每次移动处理，将邻域中间的数值用当前邻域中所有数值从小到大排列所得到的中间值代替，从而达到滤除零散像素点的目的。

将故障时刻所在的汉明分布图像的像素列矩阵中值滤波后得到的去除零散像素点的汉明分布图像如图6所示，保证了该图像片段的汉明分布图像中，故障时刻前无零散的像素点，使其再按列检索像素时，能准确地检索到故障时刻上。

而第1个图像片段至第4个图像片段（）中，由于假想信号与原始信号相同，没有差异，因此其汉明距离为0，同样地汉明分布也是空白的图像。

将中值滤波后的汉明分布像素矩阵逐列进行像素搜索，将最先检测到的像素记为故障发生点，故障发生点在故障时刻所在的汉明分布图像中所对应的像素点所在像素列的标记时间信息即为故障时刻，具体包括如下步骤：按照从上到下、从左到右的顺序对中值滤波后的像素列矩阵逐列检测像素点，第一次检测到像素点的点即为故障发生点，故障发生点所在的像素列对应的标记时间信息即为故障时刻。

示例性地，故障时刻的表达式为：

其中表示故障时刻所在汉明分布图像的片段数，/>为故障时刻的像素列在第m片段的列数。

本发明将衰减因子引入传统的傅里叶拟合模型，使其能够准确地拟合含有谐波和衰减振荡的电流信号。通过拟合原始信号的非故障片段并扩展，得到假想的未发生故障的假想信号，与原始信号同窗口分段并进行差异哈希计算，将计算得到的汉明距离第一次增大的片段视为故障时刻所在片段，对该片段的汉明分布中的像素列进行中值滤波，将中值滤波后的汉明分布片段中的像素列逐列进行像素搜索，检测故障时刻。该方法在信号低采样频率较低或者信号中含谐波、衰减振荡分量的情况下，也具有较高的故障时刻检测精准性。

本领域的技术人员应理解，上述描述及附图中所示的本发明的实施例只作为举例而并不限制本发明。本发明的优势已经完整并有效地实现。本发明的功能及结构原理已在实施例中展示和说明，在没有背离所述原理下，本发明的实施方式可以有任何变形或修改。

Claims (10)

1.一种配电线路故障时刻检测方法，其特征在于，包括如下具体步骤：

S1：获取包含故障信号的原始信号;

S2：取故障信号前一工频周期的信号片段，对信号片段进行拟合，并将拟合得到的信号扩展至与原始信号相同的长度，扩展后的信号记作假想信号；

S3：将假想信号与原始信号同窗口长度进行分割，得到若干组相互对应的假想信号与原始信号的图像片段；

S4：分别计算每一组相互对应的假想信号与原始信号的图像片段的汉明分布和汉明距离；

S5：根据计算得到的汉明分布得到每一组相互对应的假想信号与原始信号的图像片段的汉明分布图像；

S6：为得到的每一个汉明分布图像中的像素列标记时间信息；

S7：将计算所得的汉明距离按对应组图像片段的分割先后顺序依次排布，找出其中最大汉明距离，将最大汉明距离乘以一个判别系数，得到判别式，之后将排布中的汉明距离逐个与判别式进行比较，找出第一个大于判别式的汉明距离，将该汉明距离所对应的汉明分布图像视为故障时刻所在的汉明分布图像；

S8：获取故障时刻所在的汉明分布图像的像素列矩阵，对所述像素列矩阵进行中值滤波；

S9：对中值滤波后的像素列矩阵逐列进行像素搜索，最先检测到的像素点即为故障发生点，故障发生点在故障时刻所在的汉明分布图像中所对应的像素点所在像素列的标记时间信息即为故障时刻。

2.如权利要求1所述的配电线路故障时刻检测方法，其特征在于，步骤S2中采用改进高阶傅里叶级数拟合模型对得到的原始信号进行拟合。

3.如权利要求2所述的配电线路故障时刻检测方法，其特征在于，改进高阶傅里叶级数拟合模型的表达式为：

其中为原始信号的采样点；/>是拟合/>后得到的信号；/>为直流量系数；/>为总阶数；/>为阶数；/>为第/>阶余弦分量的系数；/>为第/>阶正弦分量的系数；/>为基础角频率； />为衰减系数；/>为衰减因子。

4.如权利要求1所述的配电线路故障时刻检测方法，其特征在于，步骤S4具体包括如下步骤：

S41：根据差异哈希算法分别对分割后得到的假想信号和原始信号的图像片段进行计算，对应得到分割得到的假想信号的每一个图像片段的差异哈希矩阵及原始信号的每一个图像片段的差异哈希矩阵；

S42：基于所得到的假想信号的每一个图像片段的差异哈希矩阵及原始信号的每一个图像片段的差异哈希矩阵，计算每一组相互对应的假想信号与原始信号的图像片段的汉明分布和汉明距离。

5.如权利要求4所述的配电线路故障时刻检测方法，其特征在于，假想信号及原始信号的图像片段的像素大小均为pxq；步骤S41包括如下具体步骤：

对分割得到的假想信号的每一个图像片段按照从左到右从上到下的顺序进行差异哈希计算，对应得到假想信号的每一个图像片段的相邻像素值的差值；利用所得到的假想信号的每一个图像片段的相邻像素值的差值/>构建第一矩阵/>；

对分割得到的原始信号的每一个图像片段按照从左到右从上到下的顺序进行差异哈希计算，对应得到原始信号的每一个图像片段的相邻像素值的差值；利用所得到的原始信号的每一个图像片段的相邻像素值的差值/>构建第二矩阵/>；

其中，

假想信号及原始信号的图像片段的相邻像素值的差值的计算公式均为：

，/>

其中，当时，/>为/>，/>代表假想信号的第/>个图像片段中相邻像素值的差值，/>为假想信号的第/>个图像片段中第/>行第/>列像素的值，/>为假想信号的第/>个图像片段中第/>行第/>+1列像素的值；当/>时，/>为/>，/>代表原始信号的第/>个图像片段中相邻像素值的差值，/>为原始信号的第/>个图像片段中第/>行第/>列像素的值，/>为原始信号的第/>个图像片段中第/>行第/>列像素的值；，/>为原始信号被分割的图像片段个数，假想信号被分割的图像片段个数与原始信号被分割的图像片段个数相同；

分别计算假想信号的每一个图像片段及原始信号的每一个图像片段的特征哈希值，表达式为：

其中，当时，/>表示假想信号的第/>个图像信号中第/>行第/>列像素的特征哈希值；当/>时，/>表示原始信号的第/>个图像信号中第/>行第/>列像素的特征哈希值；

分别构建假想信号的每一个图像片段和原始信号的每一个图像片段的差异哈希矩阵，其表达式为：

其中，表示假想信号的第/>个图像片段的差异哈希矩阵；/>表示原始信号的第个图像片段的差异哈希矩阵。

6.如权利要求5所述的配电线路故障时刻检测方法，其特征在于，假想信号的第个图像片段与原始信号的第/>个图像片段为分割得到的第/>组原始信号和假想信号的图像片段，/>;每一组相互对应的假想信号与原始信号的图像片段的汉明分布和汉明距离计算公式为：

其中为第/>组相互对应的原始信号的图像片段和假想信号的图像片段的汉明分布；/>为第/>组中原始信号的图像片段和假想信号的图像片段的汉明距离。

7.如权利要求6所述的配电线路故障时刻检测方法，其特征在于，步骤S6中为得到的每一个汉明分布图像中的像素列标记时间信息的表达式为：

其中为原始信号最后一个采样点的采样时间信息，/>为原始信号第/>个采样点的采样时间信息；/>为原始信号的采样时间间隔；/>为每个图像片段的像素列数；/>为相邻两列像素之间的时间差值；/>即为汉明分布图像中第/>列像素的标记时间信息。

8.如权利要求7所述的配电线路故障时刻检测方法，其特征在于，步骤S7包括：

找出汉明距离最大的值，/>；

将汉明距离最大的值乘上一个判别系数/>，得到判别式：/>；

将汉明距离依次与判别式/>进行比较，第一个大于判别式/>的汉明分布图像即为故障时刻所在的汉明分布图像。

9.如权利要求8所述的配电线路故障时刻检测方法，其特征在于，步骤S8中对所述像素列矩阵进行中值滤波，具体包括如下步骤：

用的邻域对像素列矩阵进行每次移动处理，将邻域中间的数值用当前邻域中所有数值从小到大排列所得到的中间值代替。

10.如权利要求9所述的配电线路故障时刻检测方法，其特征在于，步骤S9包括如下具体步骤：

按照从上到下、从左到右的顺序对中值滤波后的像素列矩阵逐列检测像素点；

第一次检测到像素点的点即为故障发生点；

故障发生点在故障时刻所在的汉明分布图像中所对应的像素点所在像素列的标记时间信息即为故障时刻。