CN117590157A - 一种输电线路雷击检测方法、***、终端及存储介质 - Google Patents
一种输电线路雷击检测方法、***、终端及存储介质 Download PDFInfo
- Publication number
- CN117590157A CN117590157A CN202410065403.8A CN202410065403A CN117590157A CN 117590157 A CN117590157 A CN 117590157A CN 202410065403 A CN202410065403 A CN 202410065403A CN 117590157 A CN117590157 A CN 117590157A
- Authority
- CN
- China
- Prior art keywords
- thunder
- transmission line
- power transmission
- lightning
- audio
- 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.)
- Pending
Links
- 230000005540 biological transmission Effects 0.000 title claims abstract description 72
- 238000001514 detection method Methods 0.000 title claims abstract description 45
- 208000025274 Lightning injury Diseases 0.000 title claims abstract description 39
- 238000000034 method Methods 0.000 claims abstract description 39
- 239000012212 insulator Substances 0.000 claims abstract description 4
- 230000005236 sound signal Effects 0.000 claims description 15
- 238000012549 training Methods 0.000 claims description 8
- 238000010586 diagram Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 238000013528 artificial neural network Methods 0.000 claims description 5
- 230000011218 segmentation Effects 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 238000001228 spectrum Methods 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- APTZNLHMIGJTEW-UHFFFAOYSA-N pyraflufen-ethyl Chemical compound C1=C(Cl)C(OCC(=O)OCC)=CC(C=2C(=C(OC(F)F)N(C)N=2)Cl)=C1F APTZNLHMIGJTEW-UHFFFAOYSA-N 0.000 claims 1
- 238000011835 investigation Methods 0.000 abstract description 4
- 230000008439 repair process Effects 0.000 abstract description 3
- 230000004044 response Effects 0.000 abstract description 3
- 230000006870 function Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 5
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012805 post-processing Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 239000002699 waste material 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
-
- 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
- G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
- G01R31/52—Testing for short-circuits, leakage current or ground faults
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Locating Faults (AREA)
Abstract
本发明属于输电线路故障检测技术领域,具体提供一种输电线路雷击检测方法、***、终端及存储介质,包括检测雷声发生位置的预设距离内各输电杆塔上绝缘子的漏电流;判断检测到的漏电流是否超过预设阈值;若是,则判定输电杆塔处对应的输电线路发生雷击故障;本发明能够提高事故抢修快速反应效率和线路雷击故障调查的准确率,保障电网的安全稳定运行,且本发明仅在出现打雷现象的概率大于预设的打雷概率阈值的情况下,才启动雷击检测,避免浪费电力资源。
Description
技术领域
本发明属于输电线路故障检测技术领域,具体涉及一种输电线路雷击检测方法、***、终端及存储介质。
背景技术
输电线路故障检测是电力***中一项重要的任务,距离长、辐射广是进行输电线路故障检测存在的天然障碍。雷击是影响电网运行的重要因素,在部分多雷区域,雷击跳闸甚至成为输电线路故障的最常见原因。多雷区往往又位于山地,地理环境往往偏僻复杂,一旦出现雷击跳闸故障,如果无法准确判断故障点的位置,就会大大增加线路巡视的难度,也不利于精准的防雷治理。提升输电线路雷击故障定位的准确性,可以为线路故障调查、线路运维管理、调度运行控制以及差异化防雷措施制订提供技术指导意见,最大程度减少雷击跳闸为线路造成的停运时长,保障电网的长期安全稳定运行。目前广泛应用于输电线路故障定位的主要测距方法包括阻抗法,故障录波分析法以及行波法三种。其中单端阻抗法和故障录波分析法都存在受到***阻抗和故障点过渡阻抗的影响较大而导致精度下降的缺点,行波法和双端阻抗法计算量大,设备***投资大,使得在中电压等级线路网络中难以大规模运用,因此需要一种具有时效性和准确性的故障定位***。
发明内容
针对现有技术的上述问题,提供一种输电线路雷击检测方法、***、终端及存储介质,本发明能够提高事故抢修快速反应效率和线路雷击故障调查的准确率,保障电网的安全稳定运行,且本发明仅在出现打雷现象的概率大于预设的打雷概率阈值的情况下,才启动雷击检测,避免浪费电力资源。
第一方面,本发明提供一种输电线路雷击检测方法,包括:
对输电线路划分区域网格,获取各个区域网格中的气象数据;
根据气象数据预测各个区域网格中出现打雷现象的概率,并判断出现打雷现象的概率是否大于预设的打雷概率阈值;
若是,则利用设置在区域网格内各输电杆塔上的声音传感器采集声音信号;
对声音信号进行预处理,得到音频频谱图;
将音频频谱图输入预先训练好的雷声识别模型中,判断采集到的声音信号中是否包含雷声;
若是,则计算雷声发生位置;
检测雷声发生位置的预设距离内各输电杆塔上绝缘子的漏电流;
判断检测到的漏电流是否超过预设阈值;
若是,则判定输电杆塔处对应的输电线路发生雷击故障。
本技术方案的进一步改进还有,对输电线路进行区域网格划分的方式为:以5千米*5千米的区域划分为一个网格。
本技术方案的进一步改进还有,根据气象数据预测各个区域网格中出现打雷现象的概率,具体包括:
将通过外部气象雷达采集到的各个区域网格中的气象数据转化为对应的气象回波图;
根据气象回波图计算出对应的区域网格中出现打雷现象的概率。
本技术方案的进一步改进还有,对声音信号进行预处理,得到音频频谱图,具体包括:利用傅里叶变换将采集到的声音信号从时域转换为频域,得到音频频谱图。
本技术方案的进一步改进还有,还包括训练雷声识别模型的方法。
本技术方案的进一步改进还有,训练雷声识别模型的方法包括:
获取多组带有雷声的历史音频数据作为雷声音频样本,以及获取未含有雷声的输电线路所处环境的音频数据作为环境音频样本;
对历史音频数据和输电线路所处环境的音频数据进行频谱转换得到相应的音频频谱图;
使用标注工具对带有雷声的音频频谱图上的雷声位置进行标注,并生成相应的雷声标签;使用标注工具对未含有雷声的输电线路所处环境的音频频谱图进行标注,并生成相应的环境标签;
基于ResNet神经网络构建以音频频谱图为输入、以存在雷击标签为输出的初始雷声识别模型;
使用存在雷声标签的音频频谱图对初始雷声识别模型进行训练,确定雷声识别模型的参数,得到最终的雷声识别模型。
本技术方案的进一步改进还有,雷声发生位置的计算方法采用基于雷声起止时间的雷声相对距离估计算法,包括音频去噪、基于连续性的音频分割、分割起止点后处理和雷声相对距离估算的步骤。
第二方面,本发明提供一种输电线路雷击检测***,包括:
气象数据获取模块,用于获取输电线路各个区域网格中的气象数据;
打雷概率预测模块,用于根据气象数据预测各个区域网格中出现打雷现象的概率,并判断出现打雷现象的概率;
雷声检测模块,用于检测出现打雷现象概率大于打雷概率阈值对应的区域网格中是否出现雷声;并在出现雷声时定位出雷声发生位置;
雷击检测模块,用于检测雷声发生位置的预设距离内的输电线路上是否发生雷击故障。
第三方面,提供一种终端,包括:
处理器、存储器,其中,
该存储器用于存储计算机程序,
该处理器用于从存储器中调用并运行该计算机程序,使得终端执行上述的终端的方法。
第四方面,提供了一种计算机存储介质,所述计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述各方面所述的方法。
本发明的有益效果在于,本发明能够提高事故抢修快速反应效率和线路雷击故障调查的准确率,保障电网的安全稳定运行,且本发明仅在出现打雷现象的概率大于预设的打雷概率阈值的情况下,才启动雷击检测,避免浪费电力资源。
此外,本发明设计原理可靠,结构简单,具有非常广泛的应用前景。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明一个实施例的方法的示意性流程图。
图2是本发明一个实施例的***的示意性框图。
图3为本发明实施例提供的一种终端的结构示意图。
200为输电线路雷击检测***,210为气象数据获取模块,220为打雷概率预测模块,230为雷声检测模块,240为雷击检测模块。
具体实施方式
为了使本技术领域的人员更好地理解本发明中的技术方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
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。
本发明实施例提供的输电线路雷击检测方法由计算机设备执行,相应地,输电线路雷击检测***运行于计算机设备中。
图1是本发明一个实施例的方法的示意性流程图。其中,图1执行主体可以为一种输电线路雷击检测***。根据不同的需求,该流程图中步骤的顺序可以改变,某些可以省略。
如图1所示,该方法包括:
步骤110,对输电线路划分区域网格,获取各个区域网格中的气象数据;
步骤120,根据气象数据预测各个区域网格中出现打雷现象的概率,并判断出现打雷现象的概率是否大于预设的打雷概率阈值;若是,则转到步骤130;
步骤130,利用设置在区域网格内各输电杆塔上的声音传感器采集声音信号;
步骤140,对声音信号进行预处理,得到音频频谱图;
步骤150,将音频频谱图输入预先训练好的雷声识别模型中,判断采集到的声音信号中是否包含雷声;若是,则转到步骤160;
步骤160,计算雷声发生位置;
步骤170,检测雷声发生位置的预设距离内各输电杆塔上绝缘子的漏电流;
步骤180,判断检测到的漏电流是否超过预设阈值;若是,则转到步骤190;
步骤190,判定输电杆塔处对应的输电线路发生雷击故障。
为了便于对本发明的理解,下面以本发明输电线路雷击检测方法的原理,结合实施例中对输电线路进行雷击检测的过程,对本发明提供的输电线路雷击检测方法做进一步的描述。
具体的,所述输电线路雷击检测方法包括:
为了节约用电资源,并提高检测效率和准确度,本发明对输电线路进行区域网格划分,具体的划分方式为:以5千米*5千米的区域划分为一个网格。
具体地,根据气象数据预测各个区域网格中出现打雷现象的概率,具体包括:
S121、将通过外部气象雷达采集到的各个区域网格中的气象数据转化为对应的气象回波图;
S122、根据气象回波图计算出对应的区域网格中出现打雷现象的概率。
其中,气象数据的采集可以通过外部气象雷达或气象卫星采集,还可以连接第三方气象平台进行获取。
为了提高检测准确度,本发明还对声音信号进行预处理,得到音频频谱图,具体包括:利用傅里叶变换将采集到的声音信号从时域转换为频域,得到音频频谱图。
为了提高检测效率,本发明构建了一个雷声识别模型对采集到的声音信号进行识别,那么就需要对构建的雷声识别模型进行训练,以提高精确度,训练雷声识别模型的方法具体包括:
S151、获取多组带有雷声的历史音频数据作为雷声音频样本,以及获取未含有雷声的输电线路所处环境的音频数据作为环境音频样本;
S152、对历史音频数据和输电线路所处环境的音频数据进行频谱转换得到相应的音频频谱图;
S153、使用标注工具对带有雷声的音频频谱图上的雷声位置进行标注,并生成相应的雷声标签;使用标注工具对未含有雷声的输电线路所处环境的音频频谱图进行标注,并生成相应的环境标签;
S154、基于ResNet神经网络构建以音频频谱图为输入、以存在雷击标签为输出的初始雷声识别模型;
S155、使用存在雷声标签的音频频谱图对初始雷声识别模型进行训练,确定雷声识别模型的参数,得到最终的雷声识别模型。
其中,能够使用傅里叶变换方法对雷声音频样本和环境音频样本进行频谱转换,得到相应的音频频谱图;并基于神经网络构建以音频频谱图为输入、以存在雷击标签为输出的初始雷声识别模型,该神经网络包括但不仅限于ResNet。
另外,雷声发生位置的计算方法采用基于雷声起止时间的雷声相对距离估计算法,包括音频去噪、基于连续性的音频分割、分割起止点后处理和雷声相对距离估算的步骤。
在一些实施例中,所述输电线路雷击检测***200可以包括多个由计算机程序段所组成的功能模块。所述输电线路雷击检测***200中的各个程序段的计算机程序可以存储于计算机设备的存储器中,并由至少一个处理器所执行,以执行(详见图1描述)输电线路雷击检测的功能。
本实施例中,所述输电线路雷击检测***200根据其所执行的功能,可以被划分为多个功能模块,如图2所示。所述功能模块可以包括气象数据获取模块210、打雷概率预测模块220、雷声检测模块230和雷击检测模块240。本发明所称的模块是指一种能够被至少一个处理器所执行并且能够完成固定功能的一系列计算机程序段,其存储在存储器中。在本实施例中,关于各模块的功能将在后续的实施例中详述。
第二方面,本发明提供一种方法,包括:
气象数据获取模块,用于获取输电线路各个区域网格中的气象数据;
打雷概率预测模块,用于根据气象数据预测各个区域网格中出现打雷现象的概率,并判断出现打雷现象的概率;
雷声检测模块,用于检测出现打雷现象概率大于打雷概率阈值对应的区域网格中是否出现雷声;并在出现雷声时定位出雷声发生位置;
雷击检测模块,用于检测雷声发生位置的预设距离内的输电线路上是否发生雷击故障。
图3为本发明实施例提供的一种终端300的结构示意图,该终端300可以用于执行本发明实施例提供的输电线路雷击检测方法。
其中,该终端300可以包括:处理器310、存储器320及通信模块330。这些组件通过一条或多条总线进行通信,本领域技术人员可以理解,图中示出的服务器的结构并不构成对本发明的限定,它既可以是总线形结构,也可以是星型结构,还可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
其中,该存储器320可以用于存储处理器310的执行指令,存储器320可以由任何类型的易失性或非易失性存储终端或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。当存储器320中的执行指令由处理器310执行时,使得终端300能够执行以下上述方法实施例中的部分或全部步骤。
处理器310为存储终端的控制中心,利用各种接口和线路连接整个电子终端的各个部分,通过运行或执行存储在存储器320内的软件程序和/或模块,以及调用存储在存储器内的数据,以执行电子终端的各种功能和/或处理数据。所述处理器可以由集成电路(Integrated Circuit,简称IC) 组成,例如可以由单颗封装的IC 所组成,也可以由连接多颗相同功能或不同功能的封装IC而组成。举例来说,处理器310可以仅包括中央处理器(Central Processing Unit,简称CPU)。在本发明实施方式中,CPU可以是单运算核心,也可以包括多运算核心。
通信模块330,用于建立通信信道,从而使所述存储终端可以与其它终端进行通信。接收其他终端发送的用户数据或者向其他终端发送用户数据。
本发明还提供一种计算机存储介质,其中,该计算机存储介质可存储有程序,该程序执行时可包括本发明提供的各实施例中的部分或全部步骤。所述的存储介质可为磁碟、光盘、只读存储记忆体(英文:read-only memory,简称:ROM)或随机存储记忆体(英文:random access memory,简称:RAM)等。
本领域的技术人员可以清楚地了解到本发明实施例中的技术可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,本发明实施例中的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中如U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质,包括若干指令用以使得一台计算机终端(可以是个人计算机,服务器,或者第二终端、网络终端等)执行本发明各个实施例所述方法的全部或部分步骤。
本说明书中各个实施例之间相同相似的部分互相参见即可。尤其,对于终端实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例中的说明即可。
在本发明所提供的几个实施例中,应该理解到,所揭露的***和方法,可以通过其它的方式实现。例如,以上所描述的***实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个模块或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,***或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理模块中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个模块中。
尽管通过参考附图并结合优选实施例的方式对本发明进行了详细描述,但本发明并不限于此。在不脱离本发明的精神和实质的前提下,本领域普通技术人员可以对本发明的实施例进行各种等效的修改或替换,而这些修改或替换都应在本发明的涵盖范围内/任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种输电线路雷击检测方法,其特征在于,包括:
对输电线路划分区域网格,获取各个区域网格中的气象数据;
根据气象数据预测各个区域网格中出现打雷现象的概率,并判断出现打雷现象的概率是否大于预设的打雷概率阈值;
若是,则利用设置在区域网格内各输电杆塔上的声音传感器采集声音信号;
对声音信号进行预处理,得到音频频谱图;
将音频频谱图输入预先训练好的雷声识别模型中,判断采集到的声音信号中是否包含雷声;
若是,则计算雷声发生位置;
检测雷声发生位置的预设距离内各输电杆塔上绝缘子的漏电流;
判断检测到的漏电流是否超过预设阈值;
若是,则判定输电杆塔处对应的输电线路发生雷击故障。
2.根据权利要求1所述的输电线路雷击检测方法,其特征在于,对输电线路进行区域网格划分的方式为:以5千米*5千米的区域划分为一个网格。
3.根据权利要求1所述的输电线路雷击检测方法,其特征在于,根据气象数据预测各个区域网格中出现打雷现象的概率,具体包括:
将通过外部气象雷达采集到的各个区域网格中的气象数据转化为对应的气象回波图;
根据气象回波图计算出对应的区域网格中出现打雷现象的概率。
4.根据权利要求1所述的输电线路雷击检测方法,其特征在于,对声音信号进行预处理,得到音频频谱图,具体包括:利用傅里叶变换将采集到的声音信号从时域转换为频域,得到音频频谱图。
5.根据权利要求1所述的输电线路雷击检测方法,其特征在于,还包括训练雷声识别模型的方法。
6.根据权利要求5所述的输电线路雷击检测方法,其特征在于,训练雷声识别模型的方法包括:
获取多组带有雷声的历史音频数据作为雷声音频样本,以及获取未含有雷声的输电线路所处环境的音频数据作为环境音频样本;
对历史音频数据和输电线路所处环境的音频数据进行频谱转换得到相应的音频频谱图;
使用标注工具对带有雷声的音频频谱图上的雷声位置进行标注,并生成相应的雷声标签;使用标注工具对未含有雷声的输电线路所处环境的音频频谱图进行标注,并生成相应的环境标签;
基于ResNet神经网络构建以音频频谱图为输入、以存在雷击标签为输出的初始雷声识别模型;
使用存在雷声标签的音频频谱图对初始雷声识别模型进行训练,确定雷声识别模型的参数,得到最终的雷声识别模型。
7.根据权利要求1所述的输电线路雷击检测方法,其特征在于,雷声发生位置的计算方法采用基于雷声起止时间的雷声相对距离估计算法,包括音频去噪、基于连续性的音频分割、分割起止点后处理和雷声相对距离估算的步骤。
8.一种输电线路雷击检测***,其特征在于,包括:
气象数据获取模块,用于获取输电线路各个区域网格中的气象数据;
打雷概率预测模块,用于根据气象数据预测各个区域网格中出现打雷现象的概率,并判断出现打雷现象的概率;
雷声检测模块,用于检测出现打雷现象概率大于打雷概率阈值对应的区域网格中是否出现雷声;并在出现雷声时定位出雷声发生位置;
雷击检测模块,用于检测雷声发生位置的预设距离内的输电线路上是否发生雷击故障。
9.一种终端,其特征在于,包括:
处理器;
用于存储处理器的执行指令的存储器;
其中,所述处理器被配置为执行权利要求1-7任一项所述的方法。
10.一种存储有计算机程序的计算机可读存储介质,其特征在于,该程序被处理器执行时实现如权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410065403.8A CN117590157A (zh) | 2024-01-17 | 2024-01-17 | 一种输电线路雷击检测方法、***、终端及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410065403.8A CN117590157A (zh) | 2024-01-17 | 2024-01-17 | 一种输电线路雷击检测方法、***、终端及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117590157A true CN117590157A (zh) | 2024-02-23 |
Family
ID=89920380
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410065403.8A Pending CN117590157A (zh) | 2024-01-17 | 2024-01-17 | 一种输电线路雷击检测方法、***、终端及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117590157A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102854415A (zh) * | 2012-08-06 | 2013-01-02 | 广东电网公司东莞供电局 | 一种区域电网线路雷击闪络风险评估方法 |
CN112560673A (zh) * | 2020-12-15 | 2021-03-26 | 北京天泽智云科技有限公司 | 一种基于图像识别的雷声检测方法及*** |
CN112727710A (zh) * | 2020-12-15 | 2021-04-30 | 北京天泽智云科技有限公司 | 一种基于音频信号的风场落雷密度统计方法及*** |
CN113655340A (zh) * | 2021-08-27 | 2021-11-16 | 国网湖南省电力有限公司 | 基于声纹识别的输电线路雷击故障定位方法、***及介质 |
CN115099531A (zh) * | 2022-08-19 | 2022-09-23 | 国网江苏省电力有限公司苏州供电分公司 | 一种基于支持向量机的输电线路雷击预警方法及*** |
CN116384733A (zh) * | 2023-03-10 | 2023-07-04 | 国网河南省电力公司电力科学研究院 | 一种强对流天气下基于气象雷达的输电线路风险预警方法 |
-
2024
- 2024-01-17 CN CN202410065403.8A patent/CN117590157A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102854415A (zh) * | 2012-08-06 | 2013-01-02 | 广东电网公司东莞供电局 | 一种区域电网线路雷击闪络风险评估方法 |
CN112560673A (zh) * | 2020-12-15 | 2021-03-26 | 北京天泽智云科技有限公司 | 一种基于图像识别的雷声检测方法及*** |
CN112727710A (zh) * | 2020-12-15 | 2021-04-30 | 北京天泽智云科技有限公司 | 一种基于音频信号的风场落雷密度统计方法及*** |
CN113655340A (zh) * | 2021-08-27 | 2021-11-16 | 国网湖南省电力有限公司 | 基于声纹识别的输电线路雷击故障定位方法、***及介质 |
CN115099531A (zh) * | 2022-08-19 | 2022-09-23 | 国网江苏省电力有限公司苏州供电分公司 | 一种基于支持向量机的输电线路雷击预警方法及*** |
CN116384733A (zh) * | 2023-03-10 | 2023-07-04 | 国网河南省电力公司电力科学研究院 | 一种强对流天气下基于气象雷达的输电线路风险预警方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107609569B (zh) | 一种基于多维特征向量的配电网接地故障定位方法 | |
CN113655340B (zh) | 基于声纹识别的输电线路雷击故障定位方法、***及介质 | |
CN112946424B (zh) | 一种故障精确定位的方法及装置 | |
CN110907755A (zh) | 一种输电线路在线监测故障识别方法 | |
CN114819415A (zh) | 一种基于数据分析的电力设备故障预测*** | |
CN104297643A (zh) | 一种电力线路绝缘故障预警装置 | |
CN103837769A (zh) | 一种输电线路雷害预警方法及其*** | |
CN115219810B (zh) | 一种基于雷电定位***的线路跳闸预测方法 | |
CN106529700B (zh) | 一种基于时空相关的风电场预测模型构建方法和*** | |
CN110390117B (zh) | 一种雷暴起电过程的数值模拟方法和*** | |
CN115239105A (zh) | 一种在役风电场的风资源的评估方法以及装置 | |
CN116595395B (zh) | 一种基于深度学习的逆变器输出电流预测方法及*** | |
CN116739172B (zh) | 一种基于爬坡识别的海上风电功率超短期预测方法及装置 | |
CN117590157A (zh) | 一种输电线路雷击检测方法、***、终端及存储介质 | |
Kezunovic et al. | Improved transmission line fault location using automated correlation of big data from lightning strikes and fault-induced traveling waves | |
CN116644361A (zh) | 一种架空输电线路故障诊断方法及计算机可读介质 | |
CN105277852A (zh) | 配电网线路工况分类识别方法 | |
CN115561575A (zh) | 基于多维矩阵轮廓的海上风电场电气异常状态辨别方法 | |
CN113049914B (zh) | 一种输电线路故障诊断方法、***、电子设备和存储介质 | |
CN113033889B (zh) | 高压输电线路故障预测方法、装置及终端设备 | |
CN210222818U (zh) | 一种结合质控的风资源评估*** | |
CN116245032B (zh) | 一种考虑时空相关性的风电场模拟发电量订正方法及*** | |
CN114838699B (zh) | 一种输电塔的变形监测方法、装置、设备及存储介质 | |
CN115754580A (zh) | 一种接触网故障测距方法、装置、存储介质及电子设备 | |
CN117639107B (zh) | 配电网电能质量评估方法及*** |
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 |