CN106443335A - 雷击故障识别方法及*** - Google Patents

Abstract

本发明涉及一种雷击故障识别方法及***，其中，雷击故障识别方法，包括以下步骤：读取本地数据库中的有效故障波形信息，对有效故障波形信息进行小波变换多分辨率分析处理，获取故障波形；对故障波形进行频率分析，获取故障波形的暂态电流附加分量在预设高频段上的小波能量与在预设低频段上的小波能量的比值；根据小波能量的比值，对输电线路的线路故障类型进行是否为非故障性雷击的识别，得到识别结果；在识别结果为否时，获取故障波形的能量分布特征数据；根据能量分布特征数据，识别出输电线路的线路故障类型为故障性雷击或普通短路故障。本发明能提高故障信息的利用率和识别的准确率，加快雷击故障类型的识别速率。

Description

雷击故障识别方法及***

技术领域

本发明涉及输电线路故障识别技术领域，特别是涉及一种雷击故障识别方法及***。

背景技术

雷击现象无论对输电线路还是配电网都是一个严重的威胁。雷击是影响行波测距装置精度的主要原因之一，雷击故障的识别是解决输电线路雷击干扰的基础，因此对进行线路工程人员和运行人员来说，判定输电线路发生雷电冲击的次数和位置、识别故障性雷击、非故障性雷击与普通短路故障具有重要的理论价值和工程意义。

目前，输电线路的继电保护依靠故障行波高频暂态量的暂态保护快速发展，由于雷击和短路均在输电线路上产生暂态行波，因此行波测距装置不仅能够对普通短路故障进行测距，还能检测线路上的雷击。在雷击故障的情况下，线路上存在多个行波源，产生了暂态特征不同的几种行波，这就影响了行波故障测距的精确性。因此，实现雷击故障和普通故障的识别是实现行波故障测距准确动作的前提。

在实现过程中，发明人发现传统技术中至少存在如下问题：由于雷击的随机性，用传统的方法搜集与掌握雷电分布、雷电流走向等具有明显的局限性，而传统的行波测距装置并没有能够有效区分雷击和普通短路故障的算法。

发明内容

基于此，有必要针对传统技术无法对雷击故障的故障类型进行准确判别，不能有效区分雷击和普通短路故障的问题，提供一种雷击故障识别方法及***。

为了实现上述目的，本发明技术方案的实施例为：

一方面，提供了一种雷击故障识别方法，包括以下步骤：

读取本地数据库中的有效故障波形信息，对有效故障波形信息进行小波变换多分辨率分析处理，获取故障波形；有效故障波形信息为对在输电线路发生故障时实时采集到的新增故障信息进行预处理后得到的；预处理包括去除冗余信息；

对故障波形进行频率分析，获取故障波形的暂态电流附加分量在预设高频段上的小波能量与在预设低频段上的小波能量的比值；

根据小波能量的比值，对输电线路的线路故障类型进行是否为非故障性雷击的识别，得到识别结果；

在识别结果为否时，获取故障波形的能量分布特征数据；

根据能量分布特征数据，识别出输电线路的线路故障类型为故障性雷击或普通短路故障。

另一方面，提供了一种雷击故障识别***，包括：

分析处理单元，用于读取本地数据库中的有效故障波形信息，对有效故障波形信息进行小波变换多分辨率分析处理，获取故障波形；有效故障波形信息为对在输电线路发生故障时实时采集到的新增故障信息进行预处理后得到的；预处理包括去除冗余信息；

频率分析单元，用于对故障波形进行频率分析，获取故障波形的暂态电流附加分量在预设高频段上的小波能量与在预设低频段上的小波能量的比值；

第一识别单元，用于根据小波能量的比值，对输电线路的线路故障类型进行是否为非故障性雷击的识别，得到识别结果；

获取能量分布特征数据单元，用于在识别结果为否时，获取故障波形的能量分布特征数据；

第二识别单元，用于根据能量分布特征数据，识别出输电线路的线路故障类型为故障性雷击或普通短路故障。

上述技术方案具有如下有益效果：

本发明雷击故障识别方法及***，利用小波多尺度分析法故障时输电线路保护安装处的电压电流信号进行幅值、频率成分分析；在故障信息处理阶段对故障信息进行预处理，去除冗余故障信息。在故障类型识别阶段读取数据库中故障信息，用小波变换多分辨率分析法对其进行分析；并基于小波能量熵比值判别雷击干扰，基于能量分布特征数据判别故障类型。本发明使故障信号表达简洁，分解结果稀疏，提高故障信息的利用率和识别的准确率，加快雷击故障类型的识别速率。

附图说明

图1为本发明雷击故障识别方法实施例1的流程示意图；

图2为本发明雷击故障识别方法实施例2的流程示意图；

图3为本发明雷击故障识别***实施例1的结构示意图。

具体实施方式

为了便于理解本发明，下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的首选实施例。但是，本发明可以以许多不同的形式来实现，并不限于本文所描述的实施例。相反地，提供这些实施例的目的是使对本发明的公开内容更加透彻全面。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。

本发明雷击故障识别方法实施例1：

为了解决传统技术无法对雷击故障的故障类型进行准确判别，不能有效区分雷击和普通短路故障的问题，本发明提供了一种雷击故障识别方法实施例1；图1为本发明雷击故障识别方法实施例1的流程示意图；如图1所示，可以包括以下步骤：

步骤S110：读取本地数据库中的有效故障波形信息，对有效故障波形信息进行小波变换多分辨率分析处理，获取故障波形；有效故障波形信息为对在输电线路发生故障时实时采集到的新增故障信息进行预处理后得到的；预处理包括去除冗余信息；

步骤S120：对故障波形进行频率分析，获取故障波形的暂态电流附加分量在预设高频段上的小波能量与在预设低频段上的小波能量的比值；

步骤S130：根据小波能量的比值，对输电线路的线路故障类型进行是否为非故障性雷击的识别，得到识别结果；

步骤S140：在识别结果为否时，获取故障波形的能量分布特征数据；

步骤S150：根据能量分布特征数据，识别出输电线路的线路故障类型为故障性雷击或普通短路故障。

具体而言，本发明提出了一种小波多尺度分析法雷击故障识别方法。能够实现输电线路故障时，有效识别故障性雷击、非故障性雷击和普通短路故障，同时，准确对雷击故障的故障类型准确有效判别。本发明通过利用小波多尺度分析法故障时输电线路保护安装处的电压电流信号进行幅值、频率成分分析，主要可以包括故障信息处理阶段和故障类型识别阶段。

其中，在一个具体的实施例中，在步骤S110之前还可以包括故障信息处理阶段：

在输电线路发生故障时，实时采集输电线路在故障前后的电压电流波形信号，并将电压电流波形信号作为新增故障信息存入本地数据库；

读取本地数据库中的新增故障信息，并根据萤火虫算法，对新增故障信息进行预处理，得到有效故障波形信息。

具体而言，在故障发生时，从FTU(馈线远方终端：Feeder Terminal Unit)上采集故障前后电压电流波形信号，并存入本地数据库；然后利用FA算法(萤火虫算法：FireflyAlgorithm)对故障信息进行预处理，去除冗余故障信息。

而利用FA算法对过完备的故障信息进行与处理，可以剔除大量冗余信息，保留有效故障波形信息，有利于加快小波变换多分辨率对故障波形的处理，减少内存占用量，满足故障保护***实时性要求。

其中，在一个具体的实施例中，故障类型识别阶段可以包括以下步骤：

在步骤S120之前基于以下公式，获取故障波形的小波能量：

其中：E为小波能量；a(k)、d(k)为小波系数；j为小波尺度；k为小波位置；

步骤S130之前可以基于以下公式，获取小波能量比：

其中，k₀为小波能量的比值；E_l为预设低频段的小波能量；E_h为高频段的小波能量；

步骤S130中，在k₀＞ω₁λ₁时，将识别结果确定为非故障性雷击；其中，ω₁为可靠性系数；λ₁为预设的门槛值。

具体而言，即读取本地数据库中故障信息，用小波多尺度分析法对故障波形进行小波变换多分辨率分析；然后，在小波变换多分辨率分析的基础上，对故障信息进行频率分析，提取暂态电流附加分量高、低频段上的小波能量比构成判据，判别输电线路非故障性雷击的识别。

而基于FA改进的小波多尺度分析法雷击故障识别方法处理故障暂态信号，能够克服传统线性化方法不能对非平稳信号进行分析的缺点。

在一个具体的实施例中，能量分布特征数据包括故障波形的故障电流陡度以及在预设低频段上的相电流行波暂态能量；

在一个具体的实施例中，步骤S150可以包括：

获取相电流行波暂态能量，得到相电流行波暂态能量占总能量的比重；总能量为预设低频段的故障波形的小波能量和高频段的故障波形的小波能量的和；

在比重小于或等于预设比重值时，确定输电线路的线路故障类型为故障性雷击；

在比重大于预设比重值时，获取故障电流陡度；在故障电流陡度小于预设阈值时，确定输电线路的线路故障类型为普通短路故障。

具体而言，即提取低频段相电流行波暂态能量，根据其能量在总能量所占比重判断故障性雷击，根据三相行波极性判断雷击类型，根据故障电流陡度双重判据普通短路故障。而利用相电流行波极性、暂态能量高低频小波能量熵和故障电流陡度双重判据判别故障类型，能够增强雷击故障类型判别的准确性。

在一个具体的实施例中，预设高频段的范围为1.563～100千赫兹；预设低频段的范围为0～1.563千赫兹。

本发明雷击故障识别方法实施例1，基于萤火虫算法改进的小波多尺度分析法，对故障时输电线路保护安装处的电压电流信号进行幅值、频率成分分析，主要可以包括故障信息处理阶段和故障类型识别阶段。故障信息处理阶段：(1)故障发生时，从馈线远方终端(FTU)上采集故障前后电压电流波形信号，并存入本地数据库；(2)利用FA算法对故障信息进行预处理，去除冗余故障信息。故障类型识别阶段：(1)读取数据库中故障信息，用小波变换多分辨率分析法对其进行分析；(2)基于小波能量熵比值判别雷击干扰；(3)基于相电流行波暂态能量和故障电流陡度双重判据判别故障类型。本发明可以使故障信号表达简介，分解结果稀疏，提高故障信息的利用率，加快雷击故障类型的识别速率。

本发明雷击故障识别方法实施例2：

针对目前配电线路行波测距装置缺乏有效区分雷击和普通短路故障的有效算法，因而不能有效区分雷电和短路的问题。本发明还提供了一种雷击故障识别方法实施例2；图2为本发明雷击故障识别方法实施例2的流程示意图；如图2所示，主要可以包括故障信息处理阶段和故障类型识别阶段。

故障信息处理阶段步骤包括：

步骤1：实时监控FTU上信息，输电线路发生故障时，从FTU上采集故障前后电压电流波形信号，并存入本地数据库；

步骤2：利用FA算法对本地数据库中新增故障信息进行预处理，去除冗余故障信息，保留有效的故障信息。

故障类型识别阶段步骤可以包括：

步骤1：在FA算法处理故障信息的基础上，用小波变换多尺度分析法对故障暂态电流附加分量进行多分辨率分析；

步骤2：在小波变换多分辨率分析的基础上，对故障信号进行频率分析，提取暂态电流附加分量高、低频段上的小波能量比构成判据，判别输电线路非故障性雷击的识别。

而在本发明的各实施例中，根据Parseval原理，信号的能量可以分解为各子空间得能量之和，即小波能量可以提取小波系数的平方和作为能量的标志：

为提取暂态电流附加分量高、低频段上的小波能量，首先对频段进行划分，本发明高频段范围划分为1.563～100kHz，低频段范围划分为0～1.563kHz。

在小波变换多分辨率的基础上，提取暂态电流上附加电流分量高、低频段上的能量比：

线路发生非故障性雷击的判据为：k₀＞ω₁λ₁

式中：k₀为高低频段能量比，作为非故障性雷击的判据符号；E_l为低频段能量；E_h为高频段能量；ω₁为可靠性系数，通常取1～1.2；λ₁为设定的门槛值，其大小和高、低频段的设定范围有关，根据本发明实施例中的频段划分，λ₁可以取值为0.48。

步骤3：提取低频段相电流行波暂态能量，根据相电流行波暂态能量在总能量所占比重判断故障性雷击，根据三相行波极性判断雷击类型，根据故障电流陡度双重判据普通短路故障。

如果步骤一中判据不满足，则进行下一步判据，判断线路故障是故障性雷击还是普通故障类型，发生故障性雷击后，暂态电流同时具有短路故障和非故障性雷击的特征，但是此时雷电流幅值很大，且雷击故障具有截波作用，故其高频能量所占比重很大，故故障性雷击判据为：

k₁＝E_l/(E_l+E_h)≤ω₂λ₂

式中：k₁为低频段能量与总能量(E_l+E_h)的比值，作为故障性雷击的判据符号；E_l为低频段能量；E_h为高频段能量；ω₂为可靠性系数，通常取值为1～1.2；λ₂为设定的门槛值，其大小和高、低频段的设定范围有关，根据本发明频段划分，λ₂可以取值为0.3241。

在k₁＞ω₂λ₂时，根据故障电流陡度进行第二重判断，确定故障相电流变化率R：

R＝|max(i(s))|/t_w

式中：R为故障相电流变化率；t_w为经小波变换多分辨率法得到的首个故障电流行波的半波长度；max(i(s))为经小波变换多分辨率法得到的首个故障电流行波的幅值。

如果R小于一设定的阈值，判断线路发生普通线路故障；如果R并非小于设定的阈值，则判据失效。判断依据为：

R＜ω₃λ₃

式中：R为故障相电流变化率；ω₃为可靠性系数，通常取1～1.2；λ₃为设定的门槛值，其范围为120～355A/μs，在本发明各实施例中λ₃的取值可以为150A/μs。

若满足雷击性故障判据后，对雷击故障进行故障类型判别，判断三相行波极性，若三相行波极性相同，则判断线路发生反击雷击故障。如果三相行波极性不相同，则根据故障电流陡度进行第二重判断，确定故障相电流变化率R：

R＝|max(i(s))|/t_w

式中：R为故障相电流变化率；t_w为经小波变换多分辨率法得到的首个故障电流行波的半波长度；max(i(s))为经小波变换多分辨率法得到的首个故障电流行波的幅值。

如果R大于一设定的阈值，判断线路发生绕击雷击故障；如果R并非大于设定的阈值，则判据失效。判据为：

R≥ω₃λ₃

式中：R为故障相电流变化率；ω₃为可靠性系数，通常取1～1.2；λ₃为设定的门槛值，其范围为120～355A/μs，在本发明各实施例中λ₃的取值可以为150A/μs。

本发明提出的一种基于FA改进的小波多尺度分析法雷击故障识别方法实施例2，与传统技术相比，具有如下突出优点：

利用FA算法对过完备的故障信息进行与处理，剔除大量冗余信息，保留有效故障波形信息，有利于加快小波变换多分辨率对故障波形的处理，减少内存占用量，满足故障保护***实时性要求。基于FA改进的小波多尺度分析法雷击故障识别方法处理故障暂态信号，克服了传统线性化方法不能对非平稳信号进行分析的缺点。利用相电流行波极性、暂态能量高低频小波能量熵和故障电流陡度双重判据判别故障类型，增强了雷击故障类型判别的准确性。

本发明雷击故障识别***实施例1：

为了解决传统技术无法对雷击故障的故障类型进行准确判别，不能有效区分雷击和普通短路故障的问题，本发明提供了了一种雷击故障识别***实施例1；图3为本发明雷击故障识别***实施例1的结构示意图，如图3所示，可以包括：

分析处理单元310，用于读取本地数据库中的有效故障波形信息，对有效故障波形信息进行小波变换多分辨率分析处理，获取故障波形；有效故障波形信息为对在输电线路发生故障时实时采集到的新增故障信息进行预处理后得到的；预处理包括去除冗余信息；

频率分析单元320，用于对故障波形进行频率分析，获取故障波形的暂态电流附加分量在预设高频段上的小波能量与在预设低频段上的小波能量的比值；

第一识别单元330，用于根据小波能量的比值，对输电线路的线路故障类型进行是否为非故障性雷击的识别，得到识别结果；

获取能量分布特征数据单元340，用于在识别结果为否时，获取故障波形的能量分布特征数据；

第二识别单元350，用于根据能量分布特征数据，识别出输电线路的线路故障类型为故障性雷击或普通短路故障。

本发明雷击故障识别***实施例1能够实现输电线路故障时，有效识别故障性雷击、非故障性雷击和普通短路故障，同时，准确对雷击故障的故障类型准确有效判别。本发明通过利用小波多尺度分析法故障时输电线路保护安装处的电压电流信号进行幅值、频率成分分析，主要可以包括故障信息处理阶段和故障类型识别阶段。

在一个具体的实施例中，雷击故障识别***实施例1还可以包括：

采集单元360，用于在输电线路发生故障时，实时采集输电线路在故障前后的电压电流波形信号，并将电压电流波形信号作为新增故障信息存入本地数据库；

预处理单元370，用于读取本地数据库中的新增故障信息，并根据萤火虫算法，对新增故障信息进行预处理，得到有效故障波形信息。

具体而言，预处理单元370利用FA算法对过完备的故障信息进行与处理，可以剔除大量冗余信息，保留有效故障波形信息，有利于加快小波变换多分辨率对故障波形的处理，减少内存占用量，满足故障保护***实时性要求。

在一个具体的实施例中，频率分析单元320可以包括：

小波能量获取模块322，用于基于以下公式，获取故障波形的小波能量：

其中：E为小波能量；a(k)、d(k)为小波系数；j为小波尺度；k为小波位置；

小波能量比获取模块324，用于基于以下公式，获取小波能量比：

其中，k₀为小波能量的比值；E_l为预设低频段的小波能量；E_h为高频段的小波能量；

第一识别单元330，用于在k₀＞ω₁λ₁时，将识别结果确定为非故障性雷击；其中，ω₁为可靠性系数；λ₁为预设的门槛值。

具体而言，频率分析单元320基于FA改进的小波多尺度分析法雷击故障识别方法处理故障暂态信号，能够克服传统线性化方法不能对非平稳信号进行分析的缺点。

在一个具体的实施例中，能量分布特征数据包括故障波形的故障电流陡度以及在预设低频段上的相电流行波暂态能量；

第二识别单元350，可以包括：

故障性雷击识别模块352，用于获取相电流行波暂态能量，得到相电流行波暂态能量占总能量的比重；总能量为预设低频段的故障波形的小波能量和高频段的故障波形的小波能量的和；在比重小于或等于预设比重值时，确定输电线路的线路故障类型为故障性雷击；

普通短路故障识别模块354，用于在比重大于预设比重值时，获取故障电流陡度；在故障电流陡度小于预设阈值时，确定输电线路的线路故障类型为普通短路故障。

具体而言，第二识别单元350利用相电流行波极性、暂态能量高低频小波能量熵和故障电流陡度双重判据判别故障类型，能够增强雷击故障类型判别的准确性。

在一个具体的实施例中，预设高频段的范围为1.563～100千赫兹；预设低频段的范围为0～1.563千赫兹。

本发明雷击故障识别***实施例1，利用小波多尺度分析法故障时输电线路保护安装处的电压电流信号进行幅值、频率成分分析；在故障信息处理阶段对故障信息进行预处理，去除冗余故障信息。在故障类型识别阶段读取数据库中故障信息，用小波变换多分辨率分析法对其进行分析；并基于小波能量熵比值判别雷击干扰，基于能量分布特征数据判别故障类型。本发明使故障信号表达简洁，分解结果稀疏，提高故障信息的利用率和识别的准确率，加快雷击故障类型的识别速率。

以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种雷击故障识别方法，其特征在于，包括以下步骤：

读取本地数据库中的有效故障波形信息，对所述有效故障波形信息进行小波变换多分辨率分析处理，获取故障波形；所述有效故障波形信息为对在输电线路发生故障时实时采集到的新增故障信息进行预处理后得到的；所述预处理包括去除冗余信息；

对所述故障波形进行频率分析，获取所述故障波形的暂态电流附加分量在预设高频段上的小波能量与在预设低频段上的小波能量的比值；

根据所述小波能量的比值，对所述输电线路的线路故障类型进行是否为非故障性雷击的识别，得到识别结果；

在所述识别结果为否时，获取所述故障波形的能量分布特征数据；

根据所述能量分布特征数据，识别出所述输电线路的线路故障类型为故障性雷击或普通短路故障。

2.根据权利要求1所述的雷击故障识别方法，其特征在于，读取本地数据库中的有效故障波形信息，对所述有效故障波形信息进行小波变换多分辨率分析处理，获取故障波形的步骤之前还包括步骤：

在所述输电线路发生故障时，实时采集所述输电线路在故障前后的电压电流波形信号，并将所述电压电流波形信号作为所述新增故障信息存入所述本地数据库；

读取所述本地数据库中的所述新增故障信息，并根据萤火虫算法，对所述新增故障信息进行所述预处理，得到所述有效故障波形信息。

3.根据权利要求1所述的雷击故障识别方法，其特征在于，在对所述故障波形进行频率分析，获取所述故障波形的暂态电流附加分量在预设高频段上的小波能量与在预设低频段上的小波能量的比值的步骤之前包括步骤：

基于以下公式，获取所述故障波形的小波能量：

$E=\underset{k=-\mathrm{\∞}}{\overset{+\mathrm{\∞}}{\Σ}}|a\left(k\right){|}^2+\underset{j=0}{\overset{+\mathrm{\∞}}{\Σ}}\underset{k=-\mathrm{\∞}}{\overset{+\mathrm{\∞}}{\Σ}}|d_j\left(k\right){|}^2$

其中：E为小波能量；a(k)、d(k)为小波系数；j为小波尺度；k为小波位置；

根据所述小波能量比，对所述输电线路的线路故障类型进行是否为非故障性雷击的识别，得到识别结果的步骤包括：

基于以下公式，获取所述小波能量比：

$k_0=\frac{E_l}{E_h}$

其中，k₀为所述小波能量的比值；E_l为所述预设低频段的所述小波能量；E_h为所述高频段的所述小波能量；

在所述k₀＞ω₁λ₁时，将所述识别结果确定为非故障性雷击；其中，ω₁为可靠性系数；λ₁为预设的门槛值。

4.根据权利要求1所述的雷击故障识别方法，其特征在于，

所述能量分布特征数据包括所述故障波形的故障电流陡度以及在所述预设低频段上的相电流行波暂态能量；

根据所述能量分布特征数据，识别出所述输电线路的线路故障类型为故障性雷击或普通短路故障的步骤包括：

获取所述相电流行波暂态能量，得到所述相电流行波暂态能量占总能量的比重；所述总能量为所述预设低频段的所述故障波形的小波能量和所述高频段的所述故障波形的小波能量的和；

在所述比重小于或等于预设比重值时，确定所述输电线路的线路故障类型为故障性雷击；

在所述比重大于所述预设比重值时，获取所述故障电流陡度；在所述故障电流陡度小于预设阈值时，确定所述输电线路的线路故障类型为普通短路故障。

5.根据权利要求1至4任意一项所述的雷击故障识别方法，其特征在于，

所述预设高频段的范围为1.563～100千赫兹；所述预设低频段的范围为0～1.563千赫兹。

6.一种雷击故障识别***，其特征在于，包括：

分析处理单元，用于读取本地数据库中的有效故障波形信息，对所述有效故障波形信息进行小波变换多分辨率分析处理，获取故障波形；所述有效故障波形信息为对在输电线路发生故障时实时采集到的新增故障信息进行预处理后得到的；所述预处理包括去除冗余信息；

频率分析单元，用于对所述故障波形进行频率分析，获取所述故障波形的暂态电流附加分量在预设高频段上的小波能量与在预设低频段上的小波能量的比值；

第一识别单元，用于根据所述小波能量的比值，对所述输电线路的线路故障类型进行是否为非故障性雷击的识别，得到识别结果；

获取能量分布特征数据单元，用于在所述识别结果为否时，获取所述故障波形的能量分布特征数据；

第二识别单元，用于根据所述能量分布特征数据，识别出所述输电线路的线路故障类型为故障性雷击或普通短路故障。

7.根据权利要求6所述的雷击故障识别***，其特征在于，还包括：

采集单元，用于在所述输电线路发生故障时，实时采集所述输电线路在故障前后的电压电流波形信号，并将所述电压电流波形信号作为所述新增故障信息存入所述本地数据库；

预处理单元，用于读取所述本地数据库中的所述新增故障信息，并根据萤火虫算法，对所述新增故障信息进行所述预处理，得到所述有效故障波形信息。

8.根据权利要求6所述的雷击故障识别***，其特征在于，所述频率分析单元包括：

小波能量获取模块，用于基于以下公式，获取所述故障波形的小波能量：

$E=\underset{k=-\mathrm{\∞}}{\overset{+\mathrm{\∞}}{\Σ}}|a\left(k\right){|}^2+\underset{j=0}{\overset{+\mathrm{\∞}}{\Σ}}\underset{k=-\mathrm{\∞}}{\overset{+\mathrm{\∞}}{\Σ}}|d_j\left(k\right){|}^2$

其中：E为小波能量；a(k)、d(k)为小波系数；j为小波尺度；k为小波位置；

小波能量比获取模块，用于基于以下公式，获取所述小波能量比：

$k_0=\frac{E_l}{E_h}$

其中，k₀为所述小波能量的比值；E_l为所述预设低频段的所述小波能量；E_h为所述高频段的所述小波能量；

所述第一识别单元，用于在所述k₀＞ω₁λ₁时，将所述识别结果确定为非故障性雷击；其中，ω₁为可靠性系数；λ₁为预设的门槛值。

9.根据权利要求6所述的雷击故障识别***，其特征在于，

所述能量分布特征数据包括所述故障波形的故障电流陡度以及在所述预设低频段上的相电流行波暂态能量；

所述第二识别单元，包括：

故障性雷击识别模块，用于获取所述相电流行波暂态能量，得到所述相电流行波暂态能量占总能量的比重；所述总能量为所述预设低频段的所述故障波形的小波能量和所述高频段的所述故障波形的小波能量的和；在所述比重小于或等于预设比重值时，确定所述输电线路的线路故障类型为故障性雷击；

普通短路故障识别模块，用于在所述比重大于所述预设比重值时，获取所述故障电流陡度；在所述故障电流陡度小于预设阈值时，确定所述输电线路的线路故障类型为普通短路故障。

10.根据权利要求6-9任意一项所述的雷击故障识别***，其特征在于，所述预设高频段的范围为1.563～100千赫兹；所述预设低频段的范围为0～1.563千赫兹。