CN113495201A - 分布式输电线缆故障定位诊断***及定位诊断方法 - Google Patents

Abstract

本发明涉及分布式输电线缆故障定位诊断***及定位诊断方法，该***包括监测终端、中心站、用户***三部分。监测终端包括数据采集单元、中央控制单元、通信单元和电源单元。中心站包括前置处理模块、数据库、故障诊断模块、WEB服务模块。用户***包括移动接收终端、计算机访问终端。根据行波电流波形特征，识别雷击故障和非雷击故障；对于雷击故障，根据行波电流的波形差异，辨识出雷击反击故障和雷击绕击故障。通过对主线监测节点、行星监测节点、中心站之间的排布优化，使得资源利用更合理，并且提高了故障监测的可靠性。当同一段线路多处出现故障时，本发明涉及的拓扑结构能够在波形叠加的基础之上结合离线定位方式找出多出故障点。

Description

分布式输电线缆故障定位诊断***及定位诊断方法

技术领域

本发明涉及G06F：电数字数据处理领域，尤其涉及输电线路巡检技术领域，具体涉及分布式输电线缆故障定位诊断***及定位诊断方法。

背景技术

高压输电电缆采用电缆隧道、排管、沟道、直埋的方式敷设四种方式。其绝缘性容易遭受外力破坏和环境腐蚀的侵害。容易发生线路单相接地、相间短路等事故，严重影响电缆供电的可靠性。因此快速准确地判断故障点和及时修复故障线路，是电力运行维护的一项重要工作。

基于分布式安装的故障诊断***装置，分别安装于终端电缆本体和终端接地箱接地线上，实时监测电缆本体和故障接地线上的绝缘缺陷隐患放电行波、故障行波和工频电流等信号，结合光纤实现时间同步，准确快速定位故障。

现有的故障定位装置通常以预定数量和间隔分布在输电线缆上，不同季节、不同地区的故障发生频率相差较大，此种分布方式会造成资源浪费。此外，上述装置在遇到极端天气、多点同时发生故障时，多个信号特征叠加后难以准确识别具体故障位置。

发明内容

发明目的：提供一种分布式输电线缆故障定位诊断***，并进一步提供一种基于上述故障定位诊断***的定位诊断方法，以解决现有技术存在的上述问题。

技术方案：第一方面，提出分布式输电线缆故障定位诊断***，该***包括监测终端、中心站、用户***三部分。

监测终端包括数据采集单元、中央控制单元、通信单元和电源单元。

中心站包括前置处理模块、数据库、故障诊断模块、WEB服务模块。

用户***包括移动接收终端、计算机访问终端。

监测终端以预定间隔设置在输电线缆沿线上，用于采集来自输电线缆的电流信息、并将电流信息转化为包括非故障信号、及疑似故障信号在内的数字信号。

中心站与监测终端通信连接，用于定期读取来自监测终端的数字信号、或被动接收所述监测终端主动发出的疑似故障信号，并将数字信号、及疑似故障信号与内建数据库比对，判断是否发生故障、以及故障类型。

用户***与所述中心站远程通信连接，用于接收来自中心站处理后的故障信息、并推送至用户一侧。

本故障定位诊断***利用监测终端内的罗氏线圈直接获取输电线路上的电流信息，通过高速FPGA采集电缆故障行波信号、故障工频信号，实时上传至诊断监控***平台，通过人工智能深度学习算法诊断并输出故障诊断结果，诊断结果以告警短信方式推送运维人员，可以通过WEB客户端实时查看相关信息。，并通过多个故障电流行波检测点协同分析，并通过GPS/BD精准对时保证所有设备时间同步，经过数据处理之后最终得到故障点位置。

在第一方面的实施例中，针对输电线缆的排布，利用密度峰值聚类算法确定中心站的位置、以及监测终端的位置和数量，使得监测终端、中心站之间形成多级拓扑式故障定位网络；

其中，中心站为一级节点，监测终端包括沿线分布在输电线缆上的主线监测节点，以及呈行星状分散分布在输电线缆周边的若干行星监测节点。每根输电线缆上至少设有两个主线监测节点，且主线监测节点的两侧至少存在一个中心站；每个中心站的一侧预定范围内至少存在两个行星监测节点；各相邻两个行星监测节点之间相互连接组网。

在第一方面的实施例中，主线监测节点、行星监测节点、中心站之间的排布方法包括：

S1、建立数学模型，定义如下：

每条输电线缆L上至少安装两个主线监测节点i，且同一条输电线缆上相邻两个主线监测节点i间隔预定距离；

每两条输电线缆L之间通过中心站C形成纽带，每个中心站C周边直接相连至少两个行星监测节点j。

S2、确定所述主线监测节点和所述行星监测节点的优先级。

S3、利用密度峰值聚类算法选取多个局部密度大于预定值、且相互间距到达预定值的节点作为聚类中心，定义该聚类中心为中心站的位置。

在第一方面的实施例中，监测终端包括数据采集单元、电源单元、中央控制单元通信单元。

数据采集单元以预定间隔设置在输电线缆沿线上、以预定频率主动唤醒、及全天候被动唤醒；电源单元为每个数据采集单元独立供电；中央控制单元与数据采集单元电性连接，对数据采集单元采集得到的电流信息进行初步判定，筛选出非故障信号、及疑似故障信号；通信单元与中央控制单元电信连接，实时接收来自中央控制单元发送的非故障信号、及疑似故障信号。

在第一方面的实施例中，中心站包括数据库、前置处理模块、故障诊断模块、Web服务模块。

数据库通过局域网与总站建立通信，定期更新故障数据；在夏季雷暴天气常发的时间段，数据库的唤醒周期为每天唤醒12次，每2小时唤醒10分钟。

此外，总站可以获取当地的气象数据，当气象数据表明可能发生雷暴时，增加唤醒频率。当其余季节，数据库为睡眠状态，每天唤醒3次，每8小时唤醒5分钟。

前置处理模块与通信单元电信连接，读取非故障信号、及疑似故障信号并进行前置判定；故障诊断模块用于读取前置处理模块处理后的前置判断结果，并将前置判断结果与数据库比对，确定故障诊断信息；Web服务模块与故障诊断模块建立通信，将故障诊断信息通过网络发送至用户***。

在第一方面的实施例中，用户***包括计算机访问终端和移动接收终端。

计算机访问终端与中心站建立通信，访问来自于中心站的故障诊断信息；移动接收终端与计算机访问终端互联，接收其发出的经过解调的故障诊断信息。

在第一方面的实施例中，数据采集单元包括罗氏线圈、温湿度监测模块、采集板、数模转换芯片、FPGA芯片、单片机、光纤发射模块。

罗氏线圈感应到电缆上的电流信号时，将电流信号转换成电压信号进入采集板上，经过运放增强驱动能力，然后将易受干扰的单端信号转换成差分信号，转换成差分信号后，抗干扰能力强，能有效抑制EMI，时序定位也精确。然后差分信号再进入高精度的14位ADC芯片，ADC芯片将模拟量变成数字量，传送给FPGA芯片，FPGA芯片配合高稳定性高频率的有源晶振进行信号采集。经过FPGA高速采集后，再传给单片机。单片机会将采集到的电压信号结合GPS的信息和温湿度的信息一起打包传给上位机。其中光纤同步是在FPGA中实现的，当光纤发射模块将光信号变成电信号后，同时传给两台设备的FPGA芯片的某个引脚，每当两台设备的此引脚收到这个上升沿时候，他们的FPGA芯片里的计数器就同时清零，此时就达到了两台设备时间同步的目的。

第二方面，提出分布式输电线缆故障定位诊断方法，该方法基于上述故障定位诊断***实现，步骤如下：

步骤1、构建故障定位诊断***，收集不同故障类型的行波波形，通过自适应学习不断更新完善数据库；

收集不同故障类型的行波波形，建立故障行波波形数据库；根据行波电流波形，***识别雷击故障和非雷击故障，当行波波尾时间小于预定阈值，则识别为雷击故障；

识别雷击故障是属于雷电反击还是雷电绕击，若主波前有反极性脉冲、则识别为雷电反击故障；若主波前无反极性脉冲、则识别为雷电绕击故障；

将识别得到的故障信息输入至深度学习神经网络进行自我学习，学习结果反哺至数据库。

步骤2、数据采集单元作为分界点将线路划分为若干区间，故障发生后，根据交流线路工频故障电流的方向和大小，或交直流线路行波电流的方向和极性，确定故障点所在区间，缩小故障点查找范围。

步骤3、中央控制单元对数据采集单元采集得到的电流信息进行初步判定，筛选出非故障信号、及疑似故障信号。

步骤4、中央控制单元筛选出的非故障信号、及疑似故障信号传入中心站，中心站内的前置处理模块读取上述信号后进行前置判定：

将疑似故障信号一律视为故障信号转入故障诊断模块；

将非故障信号再次与故障阈值对比判定，若信号强度大于等于故障阈值，则转入故障诊断模块等待进一步判定；若信号强度小于故障阈值，则直接舍弃。

步骤5、故障诊断模块读取前置处理模块处理后的前置判断结果，并将前置判断结果与数据库比对，确定包括故障发生位置、故障类型在内的故障诊断信息。

步骤6、故障诊断信息发送至计算机访问终端，由计算机访问终端将故障诊断信息解调出来、以手机短信、WEB发布方式提供给用户，实现故障告警。

有益效果：本发明涉及分布式输电线缆故障定位诊断***及定位诊断方法，根据行波电流波形特征，识别雷击故障和非雷击故障；对于雷击故障，根据行波电流的波形差异，辨识出雷击反击故障和雷击绕击故障。通过对主线监测节点、行星监测节点、中心站之间的排布优化，使得资源利用更合理，并且提高了故障监测的可靠性。当同一段线路多处出现故障时，本发明涉及的拓扑结构能够在波形叠加的基础之上结合离线定位方式找出多出故障点。

附图说明

图1为分布式输电线缆故障定位诊断***的架构图。

图2为监测终端、中心站之间形成多级拓扑式故障定位网络示意图。

图3为本发明涉及到的定位原理图。

图4为故障定位诊断流程图。

具体实施方式

在下文的描述中，给出了大量具体的细节以便提供对本发明更为彻底的理解。然而，对于本领域技术人员而言显而易见的是，本发明可以无需一个或多个这些细节而得以实施。在其他的例子中，为了避免与本发明发生混淆，对于本领域公知的一些技术特征未进行描述。

实施例一：

见图1，本实施例提出分布式输电线缆故障定位诊断***，该***包括监测终端、中心站、用户***三部分。监测终端以预定间隔设置在输电线缆沿线上，用于采集来自输电线缆的电流信息、并将电流信息转化为数字信号，数字信号包括非故障信号、及疑似故障信号。

监测终端数据采集单元、电源单元、中央控制单元、以及通信单元。数据采集单元以预定间隔设置在输电线缆沿线上、以预定频率主动唤醒、及全天候被动唤醒；电源单元为每个所述数据采集单元独立供电；中央控制单元与数据采集单元电性连接，对数据采集单元采集得到的电流信息进行初步判定，筛选出非故障信号、及疑似故障信号；通信单元与中央控制单元电信连接，实时接收来自中央控制单元发送的非故障信号、及疑似故障信号。

数据采集单元包括罗氏线圈、温湿度监测模块、采集板、数模转换芯片、FPGA芯片、单片机、光纤发射模块。

罗氏线圈直接获取输电线路上的电流信息；温湿度监测模块设置在所述罗氏线圈的一侧，监测交直流线路的导线周边环境的温湿度。采集板用于采集来自所述罗氏线圈的电流信息；数模转换芯片用于将所述电流信息转变为数字量；FPGA芯片接收来自所述数模转换芯片转换后的数字量；单片机将采集到的电压信号结合GPS的信息、及温湿度的信息打包传给上位机；光纤发射模块在相邻两个数据采集单元之间通信，用于将光信号变成电信号，同时传给所述FPGA芯片的预定引脚触发上升沿信号，每当两台数据采集单元的此引脚收到该上升沿信号时，其FPGA芯片里的计数器同时清零，以实现两台设备时间同步。

罗氏线圈感应到电缆上的电流信号时，将电流信号转换成电压信号进入采集板上，经过运放增强驱动能力，然后将易受干扰的单端信号转换成差分信号，转换成差分信号后，抗干扰能力强，能有效抑制EMI，时序定位也精确。然后差分信号再进入高精度的14位ADC芯片，ADC芯片将模拟量变成数字量，传送给FPGA芯片，FPGA芯片配合高稳定性高频率的有源晶振进行信号采集。经过FPGA高速采集后，再传给单片机。单片机会将采集到的电压信号结合GPS的信息和温湿度的信息一起打包传给上位机。其中光纤同步是在FPGA中实现的，当光纤发射模块将光信号变成电信号后，同时传给两台设备的FPGA芯片的某个引脚，每当两台设备的此引脚收到这个上升沿时候，他们的FPGA芯片里的计数器就同时清零，此时就达到了两台设备时间同步的目的。

中心站与监测终端通信连接，用于定期读取来自监测终端的数字信号、或被动接收所述监测终端主动发出的疑似故障信号，并将所述数字信号、及所述疑似故障信号与内建数据库比对，判断是否发生故障、以及故障类型；

用户***与中心站远程通信连接，用于接收来自中心站处理后的故障信息、并推送至用户一侧。

中心站包括数据库、前置处理模块、故障诊断模块、Web服务模块。数据库通过局域网与总站建立通信，定期更新故障数据；在夏季雷暴天气常发的时间段，数据库的唤醒周期为每天唤醒12次，每2小时唤醒10分钟。此外，总站可以获取当地的气象数据，当气象数据表明可能发生雷暴时，增加唤醒频率。当其余季节，数据库为睡眠状态，每天唤醒3次，每8小时唤醒5分钟。前置处理模块与通信单元电信连接，读取非故障信号、及疑似故障信号并进行前置判定；故障诊断模块用于读取前置处理模块处理后的前置判断结果，并将前置判断结果与数据库比对，确定故障诊断信息；Web服务模块与故障诊断模块建立通信，将故障诊断信息通过网络发送至用户***。

用户***包括计算机访问终端和移动接收终端。计算机访问终端与中心站建立通信，访问来自于中心站的故障诊断信息；移动接收终端与计算机访问终端互联，接收其发出的经过解调的故障诊断信息。

上述***主要具备以下功能：

故障录波形

（1）记录故障发生时线路的工频波形和行波波形。

（2）收集不同故障类型的行波波形，如雷击、树障、风偏、山火、鸟害等故障电流波形，并且建立故障行波波形数据库。（根据行波电流波形，***识别雷击故障和非雷击故障，雷击故障电流的行波波尾时间会小于40微秒；其中雷击故障还分为雷电反击和雷电绕击，雷电反击故障主波前有反极性脉冲，而雷电绕击故障没有反极性脉冲。）

故障定位

监测终端作为分界点将线路划分为若干区间，故障发生后，应能根据交流线路工频故障电流的方向和大小，或交直流线路行波电流的方向和极性，确定故障点所在区间，缩小故障点查找范围。（一般每间隔20～30公里安装一组分布式故障诊断装置（A、B、C三相各安装一个装置。）

故障辨别

能根据行波电流波形，人工辅助或自动辨识雷击故障和非雷击故障。（根据行波电流波形，***识别雷击故障和非雷击故障，雷击故障电流的行波波尾时间会小于40微秒；）

故障告警

线路故障发生后，可将诊断结果以手机短信、WEB发布等方式提供给用户，实现故障告警。

运行监测

线路运行时，能实时监测交流线路的运行电流，必要时可监测交直流线路的导线周边环境的温湿度。

见图3，本装置采用行波双端测距原理：线路发生故障时会产生高频行波信号，行波信号自故障点沿导线向两端传播，安装于线路两端的监测终端，采集故障初始行波并测算和记录波头时间。通过计算可以得到两个行波波头的时间差，在已知线路两监测点之间线路长度和行波波速情况下，可以计算出故障点位置。计算公式如下：

式中，

表示监测终端M处与故障点C处的距离，

表示监测终端N处与故障点C处的距离，L表示监测终端M处与监测终端N处的距离；

表示故障点C行波传递至监测终端M处的时间，

表示故障点C行波传递至监测终端N处的时间。

故障诊断流程如下：

低频和高频系数

小波分析方法具有良好的时频局部化能力，对信号进行小波变换的过程就是将信号分解为低频系数和高频系数的过程，对原始信号进行小波变换就能完成数据降维和特征提取。小波分解是通过不同尺度小波基与实测信号进行内积运算的过程，常用的小波分解算法是Mallat算法。实测电力***故障信号通过Mallat分解得到尺度系数和小波系数，其中尺度系数产生的信号为实测电力***故障信号的低频部分，小波系数产生的信号为实测电力***故障信号的高频部分。

信号奇异性检测

选择适当的小波基对实测电力***故障信号进行小波分解得到故障信号的高频部分，通过对高频部分的分析就可以检测信号的奇异点，获得电力***发生故障的时刻，但是却无法确定电力***发生故障的位置。为了找出电力***故障点的位置，需要采用模极大值算法对电力***每一个采样点进行进一步的检测。当电力***发生故障时，如果故障暂态信号是奇异的，可以通过信号中的奇异点来诊断电力***发生故障的时刻。由于信号的奇异点为小波变换的模极大值点，但是模极大值点未必是信号的奇异点，因此采用小波方法对电力***进行故障诊断时常常采取设置门限值的方式。如果模极大值大于门限值，那么认为在该位置、该时刻发生故障; 如果模极大值小于门限值，那么认为在该位置、该时刻未发生故障。采用小波理论对电力***突变信号奇异点的位置检测算法流程如下：

S1、对电力***突变信号采用Mallat算法进行小波分解，分解得到最高层低频系数和高频系数，并计算小波变换系数的最大值

；

S2、对阈值

和时间长度

进行设置；

S3、结合时间长度

筛选小波变换系数模极大值，确定筛选阈值

和

，如果同时满足下式：

那么保留模极大值，否则不保留模极大值。

S4、观察保留下来的模极大值的分布，从而实现对电力***故障时刻和故障位置的诊断。

实施例二：

见图4，本实施例提出分布式输电线缆故障定位诊断方法，如下：

收集不同故障类型的行波波形，通过自适应学习不断更新完善数据库；收集不同故障类型的行波波形，建立故障行波波形数据库；根据行波电流波形，***识别雷击故障和非雷击故障，当行波波尾时间小于预定阈值，则识别为雷击故障；识别雷击故障是属于雷电反击还是雷电绕击，若主波前有反极性脉冲、则识别为雷电反击故障；若主波前无反极性脉冲、则识别为雷电绕击故障；将识别得到的故障信息输入至深度学习神经网络进行自我学习，学习结果反哺至数据库。

数据库以非线性频率主动更新、或受总站唤醒被动接收更新；所述数据库与气象数据联通，定期收取当前预定区域的气象信息。数据库通过局域网与总站建立通信，定期更新故障数据；在夏季雷暴天气常发的时间段，数据库的唤醒周期为每天唤醒12次，每2小时唤醒10分钟。此外，总站可以获取当地的气象数据，当气象数据表明可能发生雷暴时，增加唤醒频率。当其余季节，数据库为睡眠状态，每天唤醒3次，每8小时唤醒5分钟。

数据采集单元作为分界点将线路划分为若干区间，故障发生后，根据交流线路工频故障电流的方向和大小，或交直流线路行波电流的方向和极性，确定故障点所在区间，缩小故障点查找范围。

见图2，针对输电线缆的排布，利用密度峰值聚类算法确定中心站的位置、以及监测终端的位置和数量，使得监测终端、中心站之间形成多级拓扑式故障定位网络；其中，所述中心站为一级节点，所述监测终端包括沿线分布在输电线缆上的主线监测节点，以及呈行星状分散分布在输电线缆周边的若干行星监测节点。

其中，主线监测节点、行星监测节点、中心站之间的排布方法包括：

建立数学模型，定义如下：

每条输电线缆L上至少安装两个主线监测节点i，且同一条输电线缆上相邻两个主线监测节点i间隔预定距离；

每两条输电线缆L之间通过中心站C形成纽带，每个中心站C周边直接相连至少两个行星监测节点j，相邻两个中心站C所连接的行星监测节点j满足如下条件：

式中，

、

表示相邻两个中心站C所连接的任意两个行星监测节点，

表示相邻两个中心站C所连接的间隔最大的两个行星监测节点的距离；

、

表示相邻两个中心站的节点；

表示相邻两个中心站的直线距离；

表示相邻两个中心站C所连接的间隔最短的两个行星监测节点的距离；

确定所述主线监测节点和所述行星监测节点的优先级，优先级函数如下：

式中，

、

、

、

为权系数，

，

表示主线监测节点i到中心站C的距离，

表示主线监测节点i到中心站C的距离等级；其中，定义

为I级，定义

为II级，定义

为III级，定义

为IV级；I级取值0.5，II级取值2，III级取值5，IV级取值8；

表示主线监测节点i到中心站C的设定阈值；

表示主线监测节点i到行星监测节点j的距离，

表示主线监测节点i到中心站j的距离等级；其中，定义

为I级，定义

为II级，定义

为III级，定义

为IV级；I级取值0.5，II级取值2，III级取值5，IV级取值8；

表示主线监测节点i监测到故障的实际频率，

为主线监测节点i预定期间内监测到故障的频率平均值，

表示行星监测节点j监测到故障的实际频率，

表示行星监测节点j预定期间内监测到故障的频率平均值；

利用密度峰值聚类算法选取多个局部密度大于预定值、且相互间距到达预定值的节点作为聚类中心，定义该聚类中心为中心站的位置；

密度峰值聚类算法需要对节点的局部密度和节点间距的阈值进行计算，节点的局部密度计算公式如下：

式中，

表示当前节点的局部密度，

表示第i个节点的局部密度，

表示相应两个节点的间距，

表示节点i和节点j的间距，

表示截断距离；

将行星监测节点的位置作为自变量，再次利用密度峰值聚类算法，选取一个局部密度值为最大值、且相互间距到达最大值的节点作为聚类中心，定义该聚类中心为主线监测节点的位置；

其中，节点间距的阈值计算公式如下：

式中，

表示节点间距的阈值，该阈值表示当局部密度大于当前节点时，该节点和与之最近的节点之间的距离，

表示第j个节点的局部密度，

表示节点i和节点j的间距，

表示预定节点p的最大局部密度。

中央控制单元对数据采集单元采集得到的电流信息进行初步判定，筛选出非故障信号、及疑似故障信号。

中央控制单元筛选出的非故障信号、及疑似故障信号传入中心站，中心站内的前置处理模块读取上述信号后进行前置判定：将疑似故障信号一律视为故障信号转入故障诊断模块；将非故障信号再次与故障阈值对比判定，若信号强度大于等于故障阈值，则转入故障诊断模块等待进一步判定；若信号强度小于故障阈值，则直接舍弃。

故障诊断模块读取前置处理模块处理后的前置判断结果，并将前置判断结果与数据库比对，确定包括故障发生位置、故障类型在内的故障诊断信息。

故障诊断信息发送至计算机访问终端，由计算机访问终端将故障诊断信息解调出来、以手机短信、WEB发布方式提供给用户，实现故障告警。

综上，本发明涉及的分布式故障诊断装置利用罗氏线圈直接获取输电线路上的电流信息，通过高速FPGA采集电缆故障行波信号、故障工频信号，实时上传至诊断监控***平台，通过人工智能深度学习算法诊断并输出故障诊断结果，诊断结果以告警短信方式推送运维人员，可以通过web客户端实时查看相关信息，并通过多个故障电流行波检测点协同分析，并通过GPS/BD精准对时保证所有设备时间同步，经过数据处理之后最终得到故障点位置。利用光纤进行时间同步，保证每个设备时间相对一致。故障发生后，***将诊断结果以短信、WEB发布等多种方式提供给运维人员，实现故障告警。根据行波电流波形特征，识别雷击故障和非雷击故障；对于雷击故障，根据行波电流的波形差异，辨识出雷击反击故障和雷击绕击故障。根据行波定位法，确定准确故障点位置。人工模拟故障，建立初步的故障数据库。若是同一段线路多处出现故障，此时由于波形叠加，很难精确定位出故障点，此时可以再结合离线定位方式找出多出故障点。

如上所述，尽管参照特定的优选实施例已经表示和表述了本发明，但其不得解释为对本发明自身的限制。在不脱离所附权利要求定义的本发明的精神和范围前提下，可对其在形式上和细节上做出各种变化。

Claims (10)

1.分布式输电线缆故障定位诊断***，其特征在于，包括：

监测终端，以预定间隔设置在输电线缆沿线上，用于采集来自输电线缆的电流信息、并将电流信息转化为数字信号；所述数字信号包括非故障信号、及疑似故障信号；

中心站，与所述监测终端通信连接，用于定期读取来自所述监测终端的数字信号、并与其内建数据库比对，判断是否发生故障、以及故障类型；

或者，被动接收所述监测终端主动发出的疑似故障信号，并与其内建数据库比对，判断是否发生故障、以及故障类型；

以及

用户***，与所述中心站远程通信连接，用于接收来自所述中心站处理后的故障信息、并推送至用户一侧。

2.根据权利要求1所述的故障定位诊断***，其特征在于，所述监测终端包括：

主线监测节点，沿线分布在输电线缆上，每根输电线缆上至少设有两个主线监测节点，且主线监测节点的两侧至少存在一个中心站；

若干行星监测节点，呈行星状分散分布在输电线缆周边、且每个中心站的一侧预定范围内至少存在两个行星监测节点，各相邻两个行星监测节点之间相互连接组网。

3.根据权利要求2所述的故障定位诊断***，其特征在于，所述中心站的位置、以及监测终端的位置和数量利用密度峰值聚类算法确定，主线监测节点、行星监测节点、中心站之间形成多级拓扑式故障定位网络。

4.根据权利要求1所述的故障定位诊断***，其特征在于，所述监测终端包括：

数据采集单元，以预定间隔设置在输电线缆沿线上、以预定频率主动唤醒、及全天候被动唤醒；

电源单元，为每个所述数据采集单元独立供电；

中央控制单元，与所述数据采集单元电性连接，对所述数据采集单元采集得到的电流信息进行初步判定，筛选出非故障信号、及疑似故障信号；

以及

通信单元，与所述中央控制单元电信连接，实时接收来自所述中央控制单元发送的非故障信号、及疑似故障信号。

5.根据权利要求4所述的故障定位诊断***，其特征在于，所述中心站包括：

数据库，通过局域网与总站建立通信，定期更新故障数据；

前置处理模块，与所述通信单元电信连接，读取非故障信号、及疑似故障信号并进行前置判定；

故障诊断模块，用于读取所述前置处理模块处理后的前置判断结果，并将前置判断结果与所述数据库比对，确定故障诊断信息；

Web服务模块，与所述故障诊断模块建立通信，将故障诊断信息通过网络发送至所述用户***。

6.根据权利要求1所述的故障定位诊断***，其特征在于，所述用户***包括：

计算机访问终端，与所述中心站建立通信，访问来自于所述中心站的故障诊断信息；

移动接收终端，与所述计算机访问终端互联，接收其发出的经过解调的故障诊断信息。

7.根据权利要求4所述的故障定位诊断***，其特征在于，所述数据采集单元进一步包括：

罗氏线圈，直接获取输电线路上的电流信息；

温湿度监测模块，设置在所述罗氏线圈的一侧，监测交直流线路的导线周边环境的温湿度；

采集板，用于采集来自所述罗氏线圈的电流信息；

数模转换芯片，用于将所述电流信息转变为数字量；

FPGA芯片，接收来自所述数模转换芯片转换后的数字量；

单片机，将采集到的电压信号结合GPS的信息、及温湿度的信息打包传给上位机；

光纤发射模块，在相邻两个数据采集单元之间通信，用于将光信号变成电信号，同时传给所述FPGA芯片的预定引脚触发上升沿信号，每当两台数据采集单元的此引脚收到该上升沿信号时，其FPGA芯片里的计数器同时清零，以实现两台设备时间同步。

8.分布式输电线缆故障定位诊断方法，其特征在于，包括如下步骤：

步骤1、构建故障定位诊断***，收集不同故障类型的行波波形，通过自适应学习不断更新完善数据库；

步骤2、数据采集单元作为分界点将线路划分为若干区间，故障发生后，根据交流线路工频故障电流的方向和大小，或交直流线路行波电流的方向和极性，确定故障点所在区间，缩小故障点查找范围；

步骤3、中央控制单元对数据采集单元采集得到的电流信息进行初步判定，筛选出非故障信号、及疑似故障信号；

步骤4、中央控制单元筛选出的非故障信号、及疑似故障信号传入中心站，中心站内的前置处理模块读取上述信号后进行前置判定：

将疑似故障信号一律视为故障信号转入故障诊断模块；

将非故障信号再次与故障阈值对比判定，若信号强度大于等于故障阈值，则转入故障诊断模块等待进一步判定；若信号强度小于故障阈值，则直接舍弃；

步骤5、故障诊断模块读取前置处理模块处理后的前置判断结果，并将前置判断结果与数据库比对，确定包括故障发生位置、故障类型在内的故障诊断信息；

步骤6、故障诊断信息发送至计算机访问终端，由计算机访问终端将故障诊断信息解调出来、以手机短信、WEB发布方式提供给用户，实现故障告警。

9.根据权利要求8所述的故障定位诊断方法，其特征在于，步骤1进一步包括：

步骤1-1、收集不同故障类型的行波波形，建立故障行波波形数据库；

步骤1-2、根据行波电流波形，***识别雷击故障和非雷击故障，当行波波尾时间小于预定阈值，则识别为雷击故障；

步骤1-3、识别雷击故障是属于雷电反击还是雷电绕击，若主波前有反极性脉冲、则识别为雷电反击故障；若主波前无反极性脉冲、则识别为雷电绕击故障；

步骤1-4、将识别得到的故障信息输入至深度学习神经网络进行自我学习，学习结果反哺至数据库。

10.根据权利要求8所述的故障定位诊断方法，其特征在于，构建故障定位诊断***的过程进一步包括：

S1、建立数学模型，满足如下条件：

每条输电线缆L上至少安装两个主线监测节点i，且同一条输电线缆上相邻两个主线监测节点i间隔预定距离；

每两条输电线缆L之间通过中心站C形成纽带，每个中心站C周边直接相连至少两个行星监测节点j；

S2、确定所述主线监测节点i和所述行星监测节点j的优先级；

S3、利用密度峰值聚类算法选取多个局部密度大于预定值、且相互间距到达预定值的节点作为聚类中心，定义该聚类中心为中心站的位置。

Images