CN118130975B - 一种输电线路故障定位方法 - Google Patents

Abstract

本发明涉及数据质量优化技术领域，具体涉及一种输电线路故障定位方法，该方法根据各个输电线路上的电流数据值周期波动情况，计算电流波动稳定性；根据相邻输电线路之间的电流数据值分布相似情况，计算邻接电路波动相似性；根据电流波动稳定性和邻接电路波动相似性，计算出噪声影响程度；从而根据噪声影响程度进行自适应去噪，得到每个输电线路对应的更加准确的电流去噪数据，从而根据电流去噪数据进行更加准确的输电线路故障定位。

Description

一种输电线路故障定位方法

技术领域

本发明涉及数据质量优化技术领域，具体涉及一种输电线路故障定位方法。

背景技术

输电线路是将电厂产生的电能从发电厂输送到用户端的重要介质，输电线路发生故障时会影响电流的传输，从而影响电力供应的连续性和电网运行的可靠性；因此当输电线路发生故障时，需要及时定位故障位置，从而快速精确的解决故障问题，以最大程度的减少停电时间和维护成本。

对于输电线路故障位置的定位方法通常采用电流比较法，也即通过对输电线路不同位置的电流之间的差异进行比较，从而确定故障点。但是电流或数据本身较为局限，也即影响电流发生变化的影响因素有很多，例如电磁干扰、噪声干扰和谐波等因素造成的电流数据波动，因此在对输电线路上的电流数据进行电流比较法之前，需要对所有电流数据值进行去噪处理，以提高电流比较法定位故障点的准确性。

现有技术通常采样高斯滤波去噪算法对电流数据值进行滤波去噪处理；但是高斯滤波算法的去噪效果高度依赖高斯滤波标准差，而现有技术通常以高斯滤波标准差作为先验数据，对所有的电流数据都采用无差别滤波；但是影响电流发生变化的影响因素有很多，不同的输电线路受到的噪声影响程度不同，导致现有技术以高斯滤波标准差作为先验数据的高斯滤波去噪算法缺乏一定的鲁棒性和适应性，在通过高斯滤波去噪算法对电流数据进行去噪时，会出现损失部分真实的电流数据信息或去噪不完全的情况，即去噪的效果较差，从而影响去噪后的电流去噪数据的准确性，使得根据现有技术得到的电流去噪数据通过电流比较法定位故障点的准确性较低。

发明内容

为了解决现有技术通过高斯滤波算法对电流数据进行去噪的效果较差，导致得到的去噪后的电流去噪数据的准确性较低，使得根据电流去噪数据通过电流比较法定位故障点的准确性较低的技术问题，本发明的目的在于提供一种输电线路故障定位方法，所采用的技术方案具体如下：

本发明提出了一种输电线路故障定位方法，所述方法包括：

获取每个输电线路上每个采样点的电流数据值；

根据每个输电线路上所有采样点的电流数据值波动情况、电流数据值突变情况以及电流数据值周期分布情况，得到每个数据点线路的电流波动稳定性；根据每个输电线路与相邻的输电线路之间的电流数据值分布相似情况，得到每个输电线路的邻接电路波动相似性；

根据所述电流波动稳定性和所述邻接电路波动相似性，得到每个输电线路的噪声影响程度；根据所述噪声影响程度结合高斯滤波方法对每个输电线路的所有电流数据值进行去噪处理，得到每个输电线路上的电流去噪数据；

根据所述电流去噪数据进行输电线路故障定位。

进一步地，所述电流波动稳定性的获取方法包括：

对于任意一个输电线路：

将输电线路中所有采样点的电流数据值的标准差，作为输电线路的电流波动特征值；

将输电线路上的所有采样点的电流数据值以输电线路延伸顺序排列后进行曲线拟合，得到输电线路的电流数据值曲线；将所述电流数据值曲线上的极值点对应的采样点，作为极值采样点；

在所述电流数据值曲线上，将每个极值采样点的左侧最接近的预设数量个电流数据值对应的采样点以及右侧最接近的预设数量个电流数据值对应的采样点，作为每个极值采样点的邻域采样点；根据所述电流数据值曲线中各个极值采样点与对应的邻域采样点之间的偏差整体分布情况，得到输电线路的电流突变特征值；

根据输电线路上相邻极值采样点之间的距离分布的规律情况以及电流数据值点相似情况，得到输电线路的电流周期特征值；

根据所述电流波动特征值、所述电流突变特征值和所述电流周期特征值，得到输电线路的电流波动稳定性；所述电流波动特征值、所述电流突变特征值和所述电流周期特征值均与所述电流波动稳定性呈负相关关系。

进一步地，所述邻接电路波动相似性的获取方法包括：

将与每个输电线路通过输电线杆相连接的其他输电线路，作为每个输电线路的邻接线路；

将每个输电线路的采样点数量与对应的每个邻接线路的采样点数量之间的差异的负相关映射值，作为每个邻接线路的长度相似权重；

将每个输电线路中所有采样点的电流数据值极差与对应的每个邻接线路中所有采样点的电流数据值极差之间的差异，作为每个邻接线路的电流范围偏差；

将每个输电线路对应的电流数据值曲线上的所有极大值点依次排列，得到每个输电线路的极大值点序列；将每个输电线路对应的电流数据值曲线上的所有极小值点依次排列，得到每个输电线路的极小值点序列；根据每个输电线路与对应的每个邻接线路之间，对应的极大值点序列和极小值点序列中的电流数据值分布整体差异，得到每个邻接线路的数据分布偏差；

将所述电流范围偏差与所述数据分布偏差之间的乘积的负相关映射值，作为每个邻接线路的电流数据值相似度；

将所述长度相似权重与所述电流数据值相似度的乘积，作为每个邻接线路的加权相似度；将每个输电线路对应的所有邻接线路的加权相似度的均值的归一化值，作为每个输电线路的邻接电路波动相似性。

进一步地，所述噪声影响程度的获取方法包括：

将与所述电流波动稳定性的负相关映射值与所述邻接电路波动相似性之间乘积的归一化值，作为每个输电线路的噪声影响程度。

进一步地，所述电流去噪数据的获取方法包括：

将所有输电线路中所有采样点的电流数据值的标准差，作为参考标准差；将所述参考标准差与每个输电线路的噪声影响程度的乘积，作为每个输电线路的高斯滤波标准差；根据所述高斯滤波标准差对每个输电线路的所有采样点的电流数据值进行高斯滤波去噪，得到每个输电线路上的所有电流去噪数据。

进一步地，所述根据所述电流去噪数据进行输电线路故障定位的方法包括：

通过电流比较法根据电流去噪数据进行电流差异比较，得到输电线路故障点。

进一步地，所述电流突变特征值的计算公式包括：

其中，为第个输电线路的电流突变特征值；为第个输电线路中的极值采样点数量；为预设数量；为第个输电线路的电流数据值曲线上第个极值采样点的电流数据值；为第个输电线路中第个极值采样点右侧第个采样点的电流数据值；为第个输电线路中第个极值采样点左侧第个采样点的电流数据值；为以自然常数为底的指数函数。

进一步地，所述电流周期特征值的获取方法包括：

在输电线路的电流数据值曲线上，将每个极值采样点与相邻的下一个极值采样点之间的横坐标差异，作为每个极值采样点的参考间隔距离；将输电线路的电流数据曲线上所有极值采样点的参考间隔距离的均值，作为标准间隔距离；

将每个极值采样点的参考间隔距离与所述标准间隔距离的比值，作为每个极值采样点的周期间隔距离；

将每个极值采样点的电流数据值与所有极值采样点的电流数据值的均值之间的比值，作为每个极值采样点的周期电流值；

将所述周期间隔距离与所述周期电流值的乘积，作为每个极值采样点的局部周期特征值；将所有极值采样点的局部周期特征值的标准差的负相关映射值，作为输电线路的电流周期特征值。

进一步地，所述根据所述电流波动特征值、所述电流突变特征值和所述电流周期特征值，得到输电线路的电流波动稳定性的方法包括：

将所述电流波动特征值、所述电流突变特征值和所述电流周期特征值的乘积的负相关映射值，作为输电线路的电流波动稳定性。

进一步地，所述数据分布偏差的计算公式包括：

其中，为第个输电线路对应的第个邻接线路的数据分布偏差；为第个输电线路的极大值点序列和对应的第个邻接线路的极大值点序列之间的最小数据数量；为第个输电线路的极小值点序列和对应的第个邻接线路的极小值点序列之间的最小数据数量；为第个输电线路的极大值点序列中第个极大值点对应的电流数据值；为第个输电线路对应的第个邻接线路的极大值点序列中第个极大值点对应的电流数据值；为第个输电线路的极小值点序列中第j个极小值点对应的电流数据值；为第个输电线路对应的第个邻接线路的极小值点序列中第j个极小值点对应的电流数据值。

本发明具有如下有益效果：

考虑到不同输电线路受到噪声的影响不同，所以根据每个输电线路的电流数据进行噪声影响程度的分析，通过噪声影响程度进行不同程度的高斯滤波，即可对所有输电线路进行自适应的滤波去噪，使得得到的电流去噪数据更加准确，因此本发明的目的在于计算每个输电线路的噪声影响程度。

输电线路在没有受到噪声影响时，电流应该在稳定的范围内波动；当出现过大的波动或不符合正常电流波动的特征时，说明电流受到噪声影响，并且整体电流波动越大时，受到噪声的影响越大。并且由于正常情况下电流会在正常范围内波动，因此出现的突变的幅值较大的电流数据值通常也是噪声导致的异常，因此输电线路的电流数据值突变情况越严重时，受到噪声的影响越大；此外，当外界干扰时电流数据特征可能会表现出明显的周期性，例如无线通信设备、雷电、辐射热源影响下产生的周期性干扰；因此结合上述特点，本发明根据每个输电线路上所有采样点的电流数据值波动情况、电流数据值突变情况以及电流数据值周期分布情况，得到每个数据点线路的电流波动稳定性，通过电流波动稳定性来初步表征噪声影响程度。

电流波动稳定性越强，说明对应的输电线路的电流越稳定，受到外界干扰或噪声影响越小，对其进行去噪的程度也应该越小。进一步地考虑到噪声影响通常是影响一个区域，也即不仅仅是对一个单独的输电线路造成影响。因此对于每个输电线路而言，通过电流波动稳定性计算出的噪声影响程度越大时，如果该输电线路与相邻的输电线路之间具有较大的相似度，也即相邻的输电线路之间的均受到较大的噪声影响时，则说明通过电流波动稳定性计算出的噪声影响程度的可信度越大；因此在电流波动稳定性的基础上，进一步地计算每个输电线路与邻接电路的波动相似性，对应的相似度越大时，则根据电流波动稳定性计算出的噪声影响程度越可信，因此本发明根据每个输电线路与相邻的输电线路之间的电流数据值分布相似情况，得到每个输电线路的邻接电路波动相似性。进一步地根据电流波动稳定性和邻接电路波动相似性，得到每个输电线路对应的更加准确的噪声影响程度。从而进一步到根据噪声影响程度对每个输电线路进行不同程度的高斯滤波，得到更加去噪效果更好的电流去噪数据，使得根据电流去噪数据进行输电电路故障定位的准确性更高。

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和优点，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的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，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它附图。

图1为本发明一个实施例所提供的一种输电线路故障定位方法流程图。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种输电线路故障定位方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。

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。

下面结合附图具体的说明本发明所提供的一种输电线路故障定位方法的具体方案。

请参阅图1，其示出了本发明一个实施例提供的一种输电线路故障定位方法流程图，该方法包括：

步骤S1：获取每个输电线路上每个采样点的电流数据值。

本发明实施例的目的在于提供一种输电线路故障定位方法，用于根据各个输电线路上的电流数据值分布情况进行分析，计算每个输电线路上电流数据值的噪声影响程度，从而根据噪声影响程度进行自适应去噪，得到每个输电线路对应的更加准确的电流去噪数据，从而根据电流去噪数据进行更加准确的输电线路故障定位。因此首先需要采集电流数据值。需要说明的是，实施者也可根据具体实施环境采集电压数据进行分析，电压数据的分析方法与电流数据相同，后续可根据具体实施环境需要进行替换，在此不做进一步赘述。

本发明实施例获取每个输电线路上每个采样点的电流数据值，具体地，本发明实施例通过在每个输电线路的首尾处的输电线杆位置安装电流传感器，采集输电线路上各个位置的电流数据值；考虑到数据量过大时会影响计算效率，因此本发明实施例每隔0.2米设置一个采样点，采集对应的电流数据值进行分析，实施者也可根据具体环境自行调整采样点间隔，在此不做进一步赘述。

步骤S2：根据每个输电线路上所有采样点的电流数据值波动情况、电流数据值突变情况以及电流数据值周期分布情况，得到每个数据点线路的电流波动稳定性；根据每个输电线路与相邻的输电线路之间的电流数据值分布相似情况，得到每个输电线路的邻接电路波动相似性。

考虑到不同输电线路受到噪声的影响不同，所以根据每个输电线路的电流数据进行噪声影响程度的分析，通过噪声影响程度进行不同程度的高斯滤波，即可对所有输电线路进行自适应的滤波去噪，使得得到的电流去噪数据更加准确，因此本发明的目的在于计算每个输电线路的噪声影响程度。

输电线路在没有受到噪声影响时，电流应该在稳定的范围内波动；当出现过大的波动或不符合正常电流波动的特征时，说明电流受到噪声影响，并且整体电流波动越大时，受到噪声的影响越大。并且由于正常情况下电流会在正常范围内波动，因此出现的突变的幅值较大的电流数据值通常也是噪声导致的异常，因此输电线路的电流数据值越突出时，受到噪声的影响越大；此外，当外界干扰时电流数据特征可能会表现出明显的周期性，例如无线通信设备、雷电、辐射热源影响下产生的周期性干扰；因此本发明实施例根据每个输电线路上所有采样点的电流数据值波动情况、电流数据值突变情况以及电流数据值周期分布情况，得到每个数据点线路的电流波动稳定性。

优选地，电流波动稳定性的获取方法包括：

对于任意一个输电线路：

将输电线路中所有采样点的电流数据值的标准差，作为输电线路的电流波动特征值。标准差能够表征一组数据的波动特征，标准差越大，说明对应数据组中的数据分布越离散，也即波动性越强，因此通过电流数据值的标准差计算出的电流波动特征值，来初步表征电流数据值的波动性。

进一步地考虑到噪声会使得部分电流数据值出现较大的波动幅度，也即具有明显的突出特征，而突出的电流数据值通常为极值点，因此本发明实施例将输电线路上的所有采样点的电流数据值以输电线路延伸顺序排列后进行曲线拟合，得到输电线路的电流数据值曲线；将电流数据值曲线上的极值点对应的采样点，作为极值采样点。对应的各个极值采样点的电流数据值在局部位置上越突出，说明输电线路受到噪声的干扰越大，对应的波动特征越明显。

在电流数据值曲线上，将每个极值采样点的左侧最接近的预设数量个电流数据值对应的采样点以及右侧最接近的预设数量个电流数据值对应的采样点，作为每个极值采样点的邻域采样点；根据电流数据值曲线中各个极值采样点与对应的邻域采样点之间的偏差整体分布情况，得到输电线路的电流突变特征值。在本发明实施例中，预设数量设置为5，实施者可根据具体实施环境自行调整，在此不做进一步赘述。进一步地通过极值采样点与对应的各个邻域采样点的电流值进行比较，得到每个极值采样点的突出程度，从而进一步地得到输电线路对应的电流突变特征值，电流突变特征值越大，说明当前输电线路的电流数据越不稳定，也即受到外界噪声干扰的程度越大。

优选地，依次将每个输电线路作为第个输电线路，电流突变特征值的计算公式包括：

其中，为第个输电线路的电流突变特征值；为第个输电线路中的极值采样点数量；为预设数量；为第个输电线路的电流数据值曲线上第个极值采样点的电流数据值；为第个输电线路中第个极值采样点右侧第个采样点的电流数据值；为第个输电线路中第个极值采样点左侧第个采样点的电流数据值；为以自然常数为底的指数函数。对于每个极值采样点而言，其与两侧的采样点之间的差异越大，说明该极值采样点在局部越突出，因此通过在初步表征每个极值采样点的突出程度；并且当极值采样点两侧的点的数值越相近时，该极值采样点突出时的显著程度越高，表现的越突出，因此通过来表征两侧采样点的电流数据值靠近程度，并通过进行负相关映射后对进行加权，使得计算出的极值采样点的突出程度更加准确；进一步地对所有极值采样点的突出程度进行累加，得到每个输电线路的整体突出程度，也即电流突变特征值。

进一步地考虑到输电线路在受到无线通信设备、雷电、辐射热源影响下产生的周期性干扰时，对应的电流数据值会呈现出周期特征，因此对应的电流数据值的周期性越好，说明受到电磁干扰等外界干扰的程度越大，也即对应的输电线路的电流数据值波动越不稳定。因此本发明实施例根据输电线路上相邻极值采样点之间的距离分布的规律情况以及电流数据值点相似情况，得到输电线路的电流周期特征值。

优选地，电流周期特征值的获取方法包括：

在输电线路的电流数据值曲线上，将每个极值采样点与相邻的下一个极值采样点之间的横坐标差异，作为每个极值采样点的参考间隔距离；将输电线路的电流数据曲线上所有极值采样点的参考间隔距离的均值，作为标准间隔距离；将每个极值采样点的参考间隔距离与标准间隔距离的比值，作为每个极值采样点的周期间隔距离。通过表征参考间隔距离均值的标准间隔距离对参考间隔距离进行标准化，使得得到的周期间隔距离具有一定的鲁棒性，使得后续计算出的电流周期特征值更加准确。

进一步地将每个极值采样点的电流数据值与所有极值采样点的电流数据值的均值之间的比值，作为每个极值采样点的周期电流值；与周期间隔距离同理，通过所有极值采样点的电流数据值均值的对每个极值采样点的电流数据值进行标准化，使得得到的周期电流值具有一定的鲁棒性，提高计算出的电流周期特征值的准确性。

周期间隔距离整体越相近，周期电流值整体越相近时，也即数值越集中时，对应的极值采样点的分布和数值越规律，对应的周期性也就越好，也即对应的输电线路的电流数据值波动越不稳定。因此本发明实施例将周期间隔距离与周期电流值的乘积，作为每个极值采样点的局部周期特征值。通过局部周期特征值结合每个极值采样点的周期间隔距离和周期电流值，根据局部周期特征值的整体集中特征，来表征输电线路上电流数据值的周期性。

在本发明实施例中，依次将每个输电线路中的每个极值采样点，作为第个输电线路中第个极值采样点，则第个输电线路中第个极值采样点的局部周期特征值的获取方法在公式上表现为：

其中，为第个输电线路中第个极值采样点的局部周期特征值，为第个输电线路中第个极值采样点的电流数据值；为第个输电线路中所有极值采样点的电流数据值均值；为第个输电线路中第个极值采样点的参考间隔距离；为第个输电线路中所有极值采样点的参考间隔距离的均值，也即标准间隔距离；为第个输电线路中第个极值采样点的周期电流值；为第个输电线路中第个极值采样点的周期间隔距离。

进一步地将所有极值采样点的局部周期特征值的标准差的负相关映射值，作为输电线路的电流周期特征值。由于局部周期特征值整体越集中时，周期性越大；而标准差能够表征一组数据的离散程度，因此进行负相关映射得到电流周期特征值。对应的电流周期特征值越大，说明输电线路上的电流数据值的周期性越好，对应的输电线路的电流数据值波动越不稳定。

进一步地结合电流波动特征值、电流突变特征值和电流周期特征值，根据电流波动特征值、电流突变特征值和电流周期特征值，得到输电线路的电流波动稳定性；电流波动特征值、电流突变特征值和电流周期特征值均与电流波动稳定性呈负相关关系。优选地，根据电流波动特征值、电流突变特征值和电流周期特征值，得到输电线路的电流波动稳定性的方法包括：

由于电流波动特征值越大，电流突变特征值越大，电流周期特征值越大时，对应的电流数据值的波动越不稳定，因此本发明实施例将电流波动特征值、电流突变特征值和电流周期特征值的乘积的负相关映射值，作为输电线路的电流波动稳定性。

在本发明实施例中，第个输电线路的电流波动稳定性的获取方法在公式上表现为：

其中，为第个输电线路的电流波动稳定性；为第个输电线路中所有采样点的电流数据值的标准差，也即第个输电线路的电流波动特征值；为第个输电线路的电流突变特征值；为第个输电线路中所有极值采样点的局部周期特征值的标准差；为以自然常数为底的指数函数。电流波动稳定性越强，说明对应的输电线路的电流越稳定，受到外界干扰或噪声影响越小，对其进行去噪的程度也应该越小。

进一步地考虑到噪声影响通常是影响一个区域，也即不仅仅是对一个单独的输电线路造成影响。因此对于每个输电线路而言，通过电流波动稳定性计算出的噪声影响程度越大时，如果该输电线路与相邻的输电线路之间具有较大的相似度，也即相邻的输电线路之间的均受到较大的噪声影响时，则说明通过电流波动稳定性计算出的噪声影响程度的可信度越大；因此在电流波动稳定性的基础上，进一步地计算每个输电线路与邻接电路的波动相似性，对应的相似度越大时，则根据电流波动稳定性计算出的噪声影响程度越可信，因此本发明实施例根据每个输电线路与相邻的输电线路之间的电流数据值分布相似情况，得到每个输电线路的邻接电路波动相似性，通过邻接电路波动相似性表征电流波动稳定性的可信度。

优选地，邻接电路波动相似性的获取方法包括：

将与每个输电线路通过输电线杆相连接的其他输电线路，作为每个输电线路的邻接线路；由于噪声影响通常是影响一个区域，因此需要将每个输电线路与其他线路进行相似性分析，考虑到输电线路太远会影响相似性分析的准确性，因此将输电线路与邻接的输电线路进行分析。需要说明的是，输电线杆可能会延伸出多条输电线路，因此每个输电线路不只有两个邻接线路，并且实施者也可根据具体实施环境自行调整邻接线路的定义，例如将每个输电线路的最接近的预设邻接数量个输电线路作为对应的邻接线路，预设邻接数量可自行设定，在此不做进一步赘述。

将每个输电线路的采样点数量与对应的每个邻接线路的采样点数量之间的差异的负相关映射值，作为每个邻接线路的长度相似权重。输电线路与邻接线路之间的长度越相似，也即采样点的数量越接近，则两个线路计算出的相似度越可信，因此以输电线路与邻接线路之间采样点数量的接近程度作为长度相似权重进行相似度的计算。

将每个输电线路中所有采样点的电流数据值极差与对应的每个邻接线路中所有采样点的电流数据值极差之间的差异，作为每个邻接线路的电流范围偏差。对于两个输电线路而言，对应的电流数据值极差越接近，说明波动范围越接近，对应的相似度越高；因此电流范围偏差越小时，对应的相似度越大。

将每个输电线路对应的电流数据值曲线上的所有极大值点依次排列，得到每个输电线路的极大值点序列；将每个输电线路对应的电流数据值曲线上的所有极小值点依次排列，得到每个输电线路的极小值点序列；根据每个输电线路与对应的每个邻接线路之间，对应的极大值点序列和极小值点序列中的电流数据值分布整体差异，得到每个邻接线路的数据分布偏差。极大值点和极小值点均表征输电线路中出现局部波动的点，因此可通过极大值点和极小值点的分布的相似情况，来表征相邻的两个输电线路之间的波动的相似度。

优选地，数据分布偏差的计算公式包括：

其中，为第个输电线路对应的第个邻接线路的数据分布偏差；为第个输电线路的极大值点序列和对应的第个邻接线路的极大值点序列之间的最小数据数量；为第个输电线路的极小值点序列和对应的第个邻接线路的极小值点序列之间的最小数据数量；为第个输电线路的极大值点序列中第个极大值点对应的电流数据值；为第个输电线路对应的第个邻接线路的极大值点序列中第个极大值点对应的电流数据值；为第个输电线路的极小值点序列中第j个极小值点对应的电流数据值；为第个输电线路对应的第个邻接线路的极小值点序列中第j个极小值点对应的电流数据值。第个输电线路和对应的第个邻接线路之间的极大值点序列中，相同索引值对应的极大值点的电流数据值越相近，说明对应的局部波动越相似，对应的相似度就越高；同理，在极小值点序列中，相同索引值对应的极大值点的电流数据值越相近，说明对应的局部波动越相似，对应的相似度也就越高。因此所计算出的数据分布偏差越小时，输电线路与邻接线路之间的相似度越高。

由于电流范围偏差越大，数据分布偏差越大时，输电线路与邻接线路之间的相似度越小，因此将电流范围偏差与数据分布偏差之间的乘积的负相关映射值，作为每个邻接线路的电流数据值相似度。

由于长度相似权重为相似度计算的权重，因此在电流数据值的基础上以长度相似权重进行加权，将长度相似权重与电流数据值相似度的乘积，作为每个邻接线路的加权相似度。而每个输电线路对应多个邻接线路，因此将对应的所有邻接线路的加权相似度结合，将每个输电线路对应的所有邻接线路的加权相似度的均值的归一化值，作为每个输电线路的邻接电路波动相似性。

在本发明实施例中，第个输电线路的邻接电路波动相似性的获取方法在公式上表现为：

其中，为第个输电线路的邻接电路波动相似性，为第个输电线路的邻接电路数量；为第个输电线路对应的第个邻接线路的数据分布偏差；为第个输电线路中所有采样点的电流数据值极差；为第个输电线路对应的第个邻接线路中所有采样点的电流数据值极差；为第个输电线路对应的第个邻接线路的电流范围偏差；为第个输电线路对应的第个邻接线路的电流数据值相似度；为以自然常数为底的指数函数；为第个输电线路的采样点数量；为第个输电线路对应的第个邻接线路的采样点数量；为绝对值符号；为归一化函数，本发明实施例中所有的归一化方法均采用线性归一化，实施者可根据具体实施环境自行调整。

步骤S3：根据电流波动稳定性和邻接电路波动相似性，得到每个输电线路的噪声影响程度；根据噪声影响程度结合高斯滤波方法对每个输电线路的所有电流数据值进行去噪处理，得到每个输电线路上的电流去噪数据。

电流波动稳定性越小时，对应的输电线路的电流数据值的波动程度越大，对应的噪声影响程度也越大；而邻接电路波动相似性为电流波动稳定性的可信度，因此本发明实施例根据电流波动稳定性和邻接电路波动相似性，得到每个输电线路的噪声影响程度。

优选地，噪声影响程度的获取方法包括：

由于电流波动稳定性与噪声影响程度呈负相关关系，因此需要将电流波动稳定性进行负相关映射后，通过邻接电路波动相似性进行可信度加权，本发明实施例将与电流波动稳定性的负相关映射值与邻接电路波动相似性之间乘积的归一化值，作为每个输电线路的噪声影响程度。

在本发明实施例中，第个输电线路的噪声影响程度的获取方法在公式上表现为：

其中，为第个输电线路的噪声影响程度，为第个输电线路的邻接电路波动相似性；为第个输电线路的电流波动稳定性；为归一化函数，本发明实施例中所有的归一化方法均采用线性归一化，实施者可根据具体实施环境自行调整。

本发明实施例根据噪声影响程度结合高斯滤波方法对每个输电线路的所有电流数据值进行去噪处理，得到每个输电线路上的电流去噪数据。

优选地，电流去噪数据的获取方法包括：

在得到噪声影响程度后，由于噪声影响程度越大时，受到噪声的干扰越严重，需要更大程度的高斯滤波进行去噪，也即需要更大的高斯滤波标准差，因此将所有输电线路中所有采样点的电流数据值的标准差，作为参考标准差；将参考标准差与每个输电线路的噪声影响程度的乘积，作为每个输电线路的高斯滤波标准差；根据高斯滤波标准差对每个输电线路的所有采样点的电流数据值进行高斯滤波去噪，得到每个输电线路上的所有电流去噪数据。需要说明的是，在确定高斯滤波标准差后，进行高斯滤波去噪的方法为本领域技术人员所熟知的现有技术，在此不做进一步限定和赘述。

在本发明实施例中，第个输电线路的高斯滤波标准差的获取方法在公式上表现为：

其中，为第个输电线路的高斯滤波标准差，为第个输电线路中所有采样点的电流数据值的标准差，为第个输电线路的噪声影响程度。

步骤S4：根据电流去噪数据进行输电线路故障定位。

在得到更加准确的电流去噪数据后，进一步地可根据电流去噪数据进行更加准确的输电线路故障定位。优选地，根据电流去噪数据进行输电线路故障定位的方法包括：

通过电流比较法根据电流去噪数据进行电流差异比较，得到输电线路故障点，也即通过电流比较法比较各个采样点的电流去噪数据值的差异，得到故障的采样点。需要说明的是，电流比较法为本领域技术人员所熟知的现有技术，在此不做进一步地限定和赘述。

综上所述，本发明根据各个输电线路上的电流数据值周期波动情况，计算电流波动稳定性；根据相邻输电线路之间的电流数据值分布相似情况，计算邻接电路波动相似性；根据电流波动稳定性和邻接电路波动相似性，计算出噪声影响程度；从而根据噪声影响程度进行自适应去噪，得到每个输电线路对应的更加准确的电流去噪数据，从而根据电流去噪数据进行更加准确的输电线路故障定位。

需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。

Claims (10)

1.一种输电线路故障定位方法，其特征在于，所述方法包括：

获取每个输电线路上每个采样点的电流数据值；

根据每个输电线路上所有采样点的电流数据值波动情况、电流数据值突变情况以及电流数据值周期分布情况，得到每个数据点线路的电流波动稳定性；根据每个输电线路与相邻的输电线路之间的电流数据值分布相似情况，得到每个输电线路的邻接电路波动相似性；

根据所述电流波动稳定性和所述邻接电路波动相似性，得到每个输电线路的噪声影响程度；根据所述噪声影响程度结合高斯滤波方法对每个输电线路的所有电流数据值进行去噪处理，得到每个输电线路上的电流去噪数据；

根据所述电流去噪数据进行输电线路故障定位。

2.根据权利要求1所述的一种输电线路故障定位方法，其特征在于，所述电流波动稳定性的获取方法包括：

对于任意一个输电线路：

将输电线路中所有采样点的电流数据值的标准差，作为输电线路的电流波动特征值；

将输电线路上的所有采样点的电流数据值以输电线路延伸顺序排列后进行曲线拟合，得到输电线路的电流数据值曲线；将所述电流数据值曲线上的极值点对应的采样点，作为极值采样点；

在所述电流数据值曲线上，将每个极值采样点的左侧最接近的预设数量个电流数据值对应的采样点以及右侧最接近的预设数量个电流数据值对应的采样点，作为每个极值采样点的邻域采样点；根据所述电流数据值曲线中各个极值采样点与对应的邻域采样点之间的偏差整体分布情况，得到输电线路的电流突变特征值；

根据输电线路上相邻极值采样点之间的距离分布的规律情况以及电流数据值点相似情况，得到输电线路的电流周期特征值；

根据所述电流波动特征值、所述电流突变特征值和所述电流周期特征值，得到输电线路的电流波动稳定性；所述电流波动特征值、所述电流突变特征值和所述电流周期特征值均与所述电流波动稳定性呈负相关关系。

3.根据权利要求2所述的一种输电线路故障定位方法，其特征在于，所述邻接电路波动相似性的获取方法包括：

将与每个输电线路通过输电线杆相连接的其他输电线路，作为每个输电线路的邻接线路；

将每个输电线路的采样点数量与对应的每个邻接线路的采样点数量之间的差异的负相关映射值，作为每个邻接线路的长度相似权重；

将每个输电线路中所有采样点的电流数据值极差与对应的每个邻接线路中所有采样点的电流数据值极差之间的差异，作为每个邻接线路的电流范围偏差；

将每个输电线路对应的电流数据值曲线上的所有极大值点依次排列，得到每个输电线路的极大值点序列；将每个输电线路对应的电流数据值曲线上的所有极小值点依次排列，得到每个输电线路的极小值点序列；根据每个输电线路与对应的每个邻接线路之间，对应的极大值点序列和极小值点序列中的电流数据值分布整体差异，得到每个邻接线路的数据分布偏差；

将所述电流范围偏差与所述数据分布偏差之间的乘积的负相关映射值，作为每个邻接线路的电流数据值相似度；

将所述长度相似权重与所述电流数据值相似度的乘积，作为每个邻接线路的加权相似度；将每个输电线路对应的所有邻接线路的加权相似度的均值的归一化值，作为每个输电线路的邻接电路波动相似性。

4.根据权利要求1所述的一种输电线路故障定位方法，其特征在于，所述噪声影响程度的获取方法包括：

将与所述电流波动稳定性的负相关映射值与所述邻接电路波动相似性之间乘积的归一化值，作为每个输电线路的噪声影响程度。

5.根据权利要求1所述的一种输电线路故障定位方法，其特征在于，所述电流去噪数据的获取方法包括：

将所有输电线路中所有采样点的电流数据值的标准差，作为参考标准差；将所述参考标准差与每个输电线路的噪声影响程度的乘积，作为每个输电线路的高斯滤波标准差；根据所述高斯滤波标准差对每个输电线路的所有采样点的电流数据值进行高斯滤波去噪，得到每个输电线路上的所有电流去噪数据。

6.根据权利要求1所述的一种输电线路故障定位方法，其特征在于，所述根据所述电流去噪数据进行输电线路故障定位的方法包括：

通过电流比较法根据电流去噪数据进行电流差异比较，得到输电线路故障点。

7.根据权利要求2所述的一种输电线路故障定位方法，其特征在于，所述电流突变特征值的计算公式包括：

其中，为第个输电线路的电流突变特征值；为第个输电线路中的极值采样点数量；为预设数量；为第个输电线路的电流数据值曲线上第个极值采样点的电流数据值；为第个输电线路中第个极值采样点右侧第个采样点的电流数据值；为第个输电线路中第个极值采样点左侧第个采样点的电流数据值；为以自然常数为底的指数函数。

8.根据权利要求2所述的一种输电线路故障定位方法，其特征在于，所述电流周期特征值的获取方法包括：

在输电线路的电流数据值曲线上，将每个极值采样点与相邻的下一个极值采样点之间的横坐标差异，作为每个极值采样点的参考间隔距离；将输电线路的电流数据曲线上所有极值采样点的参考间隔距离的均值，作为标准间隔距离；

将每个极值采样点的参考间隔距离与所述标准间隔距离的比值，作为每个极值采样点的周期间隔距离；

将每个极值采样点的电流数据值与所有极值采样点的电流数据值的均值之间的比值，作为每个极值采样点的周期电流值；

将所述周期间隔距离与所述周期电流值的乘积，作为每个极值采样点的局部周期特征值；将所有极值采样点的局部周期特征值的标准差的负相关映射值，作为输电线路的电流周期特征值。

9.根据权利要求2所述的一种输电线路故障定位方法，其特征在于，所述根据所述电流波动特征值、所述电流突变特征值和所述电流周期特征值，得到输电线路的电流波动稳定性的方法包括：

将所述电流波动特征值、所述电流突变特征值和所述电流周期特征值的乘积的负相关映射值，作为输电线路的电流波动稳定性。

10.根据权利要求3所述的一种输电线路故障定位方法，其特征在于，所述数据分布偏差的计算公式包括：

其中，为第个输电线路对应的第个邻接线路的数据分布偏差；为第个输电线路的极大值点序列和对应的第个邻接线路的极大值点序列之间的最小数据数量；为第个输电线路的极小值点序列和对应的第个邻接线路的极小值点序列之间的最小数据数量；为第个输电线路的极大值点序列中第个极大值点对应的电流数据值；为第个输电线路对应的第个邻接线路的极大值点序列中第个极大值点对应的电流数据值；为第个输电线路的极小值点序列中第j个极小值点对应的电流数据值；为第个输电线路对应的第个邻接线路的极小值点序列中第j个极小值点对应的电流数据值。