本发明专利技术公开了一种基于行波的电力故障类型检测方法、装置、设备及存储介质。获取行波采集装置采集的行波数据，从行波数据中提取表征全局信息的全局特征，从行波数据中截取多段预设长度的片段，提取表征多段片段的相关性的关联特征，融合全局特征和关联特征，得到融合特征，将融合特征输入预先训练好的聚类编码本中进行检索，确定电力故障类型。通过将表征行波数据全局信息的全局特征和表征多段片段的相关性的局部特征结合起来进行分析，能够提高对低信噪比的行波数据的检测准确度，提高检测准确率。在电力线出现故障时，快速准确地确定故障类型，为电力抢修提供参考，降低经济损失。降低经济损失。降低经济损失。
【技术实现步骤摘要】
一种基于行波的电力故障类型检测方法、装置、设备及存储介质
[0001]本专利技术实施例涉及电力故障检测技术，尤其涉及一种基于行波的电力故障类型检测方法、装置、设备及存储介质。
技术介绍
[0002]随着电力系统的迅速发展，输电线路在原有电缆、架空输电线路的基础上发展了电缆
–
架空线混合输电线路，且应用越来越广泛。超高压电缆
–
架空线混合线路能跨越大水道、海峡，可直接向大城市和工业区中心供电。同时受城市空间和规划的限制，电缆
‑
架空混合线路在城市中应用越来越广泛。电缆
–
架空线混合线路还应用于中性点不直接接地的小电流输电系统中，如铁路信号电源供电系统。
[0003]一旦电网发生故障，由于各级自动装置产生的大量报警信息将会快速地涌入电力系统调度中心，使得调度员无法在短时间内迅速判断出故障原因，从而会给电网正常运行带来严重的安全隐患和巨大的经济损失，因此及时确定故障原因对于电网安全经济运行来说具有重大的意义。
技术实现思路
[0004]本专利技术提供一种基于行波的电力故障类型检测方法、装置、设备及存储介质，以快速准确地确定故障类型，为电力抢修提供参考，降低经济损失。
[0005]第一方面，本专利技术实施例提供了一种基于行波的电力故障类型检测方法，包括：
[0006]获取行波采集装置采集的行波数据；
[0007]从所述行波数据中提取表征全局信息的全局特征；
[0008]从所述行波数据中截取多段预设长度的片段；
[0009]提取表征多段所述片段的相关性的关联特征；
[0010]融合所述全局特征和所述关联特征，得到融合特征；
[0011]将所述融合特征输入预先训练好的聚类编码本中进行检索，确定电力故障类型。
[0012]可选的，从所述行波数据中提取表征全局信息的全局特征，包括：
[0013]从所述行波数据中提取多种不同尺度的特征；
[0014]融合多种不同尺度的特征，得到全局特征。
[0015]可选的，提取表征多段所述片段的相关性的关联特征，包括：
[0016]将多段所述片段输入预置的Transformer模型的编码器中进行处理，得到特征矩阵；
[0017]对所述特征矩阵进行池化处理，得到池化矩阵；
[0018]将所述池化矩阵映射为表征多段所述片段的相关性的关联特征。
[0019]可选的，将所述融合特征输入预先训练好的聚类编码本中进行检索，确定电力故障类型，包括：
[0020]对所述融合特征进行主成分分析，找出用于表征所述融合特征的主成分的主成分特征；
[0021]对所述主成分特征进行白化处理，得到用于表征所述融合特征的有效信息的降维特征；
[0022]计算所述降维特征的每个主分量与聚类编码本中N个簇心的相似度，得到每个所述主分量对应的N个相似度值；
[0023]基于所述相似度值确定电力故障类型。
[0024]可选的，对所述融合特征进行主成分分析，找出用于表征所述融合特征的主成分的主成分特征，包括：
[0025]计算所述融合特征中所有元素的协方差矩阵；
[0026]对所述协方差矩阵进行奇异值分解，得到所述协方差矩阵的多个特征分量；
[0027]选择前k个特征分量作为主分量；
[0028]将所述融合特征中各元素的值投影至所述主分量，得到用于表征所述融合特征的主成分的主成分特征。
[0029]可选的，对所述主成分特征进行白化处理，得到用于表征所述融合特征的有效信息的降维特征，包括：
[0030]对所述主成分特征的k个主分量中每一主分量的数据进行标准差归一化处理，得到用于表征所述主成分特征的有效信息的降维特征。
[0031]可选的，基于所述相似度值确定电力故障类型，包括：
[0032]取每个所述主分量对应的N个相似度值中的最大值，得到k个所述主分量对应的k个最大相似度值；
[0033]取k个最大相似度值中的最大值作为目标相似度值；
[0034]将所述目标相似度值对应的聚类编码本中的簇心对应的故障类型作为电力故障类型。
[0035]第二方面，本专利技术实施例还提供了一种基于行波的电力故障类型检测装置，包括：
[0036]行波数据获取模块，用于获取行波采集装置采集的行波数据；
[0037]全局特征提取模块，用于从所述行波数据中提取表征全局信息的全局特征；
[0038]片段截取模块，用于从所述行波数据中截取多段预设长度的片段；
[0039]关联特征提取模块，用于提取表征多段所述片段的相关性的关联特征；
[0040]特征融合模块，用于融合所述全局特征和所述关联特征，得到融合特征；
[0041]故障类型确定模块，用于将所述融合特征输入预先训练好的聚类编码本中进行检索，确定电力故障类型。
[0042]第三方面，本专利技术实施例还提供了一种计算机设备，包括：
[0043]一个或多个处理器；
[0044]存储装置，用于存储一个或多个程序；
[0045]当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本专利技术第一方面提供的基于行波的电力故障类型检测方法。
[0046]第四方面，本专利技术实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本专利技术第一方面提供的基于行波的电力故障类型检测
方法。
[0047]本专利技术实施例提供的基于行波的电力故障类型检测方法，包括：获取行波采集装置采集的行波数据，从行波数据中提取表征全局信息的全局特征，从行波数据中截取多段预设长度的片段，提取表征多段片段的相关性的关联特征，融合全局特征和关联特征，得到融合特征，将融合特征输入预先训练好的聚类编码本中进行检索，确定电力故障类型。通过将表征行波数据全局信息的全局特征和表征多段片段的相关性的局部特征结合起来进行分析，能够提高对低信噪比的行波数据的检测准确度，提高检测准确率。在电力线出现故障时，快速准确地确定故障类型，为电力抢修提供参考，降低经济损失。
附图说明
[0048]图1为本专利技术实施例一提供的一种基于行波的电力故障类型检测方法的流程图；
[0049]图2为本专利技术实施例二提供的一种基于行波的电力故障类型检测方法的流程图；
[0050]图3为本专利技术实施例三提供的一种基于行波的电力故障类型检测装置的结构示意图；
[0051]图4为本专利技术实施例四提供的一种计算机设备的结构示意图，
具体实施方式
[0052]下面结合附图和实施例对本专利技术作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本专利技术，而非对本专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本专利技术相关的部分而非全部结构。
[0053]实施例一
[0054]图1为本专利技术实施例一提供的本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于行波的电力故障类型检测方法，其特征在于，包括：获取行波采集装置采集的行波数据；从所述行波数据中提取表征全局信息的全局特征；从所述行波数据中截取多段预设长度的片段；提取表征多段所述片段的相关性的关联特征；融合所述全局特征和所述关联特征，得到融合特征；将所述融合特征输入预先训练好的聚类编码本中进行检索，确定电力故障类型。2.根据权利要求1所述的基于行波的电力故障类型检测方法，其特征在于，从所述行波数据中提取表征全局信息的全局特征，包括：从所述行波数据中提取多种不同尺度的特征；融合多种不同尺度的特征，得到全局特征。3.根据权利要求1所述的基于行波的电力故障类型检测方法，其特征在于，提取表征多段所述片段的相关性的关联特征，包括：将多段所述片段输入预置的Transformer模型的编码器中进行处理，得到特征矩阵；对所述特征矩阵进行池化处理，得到池化矩阵；将所述池化矩阵映射为表征多段所述片段的相关性的关联特征。4.根据权利要求1
‑
3任一所述的基于行波的电力故障类型检测方法，其特征在于，将所述融合特征输入预先训练好的聚类编码本中进行检索，确定电力故障类型，包括：对所述融合特征进行主成分分析，找出用于表征所述融合特征的主成分的主成分特征；对所述主成分特征进行白化处理，得到用于表征所述融合特征的有效信息的降维特征；计算所述降维特征的每个主分量与聚类编码本中N个簇心的相似度，得到每个所述主分量对应的N个相似度值；基于所述相似度值确定电力故障类型。5.根据权利要求4所述的基于行波的电力故障类型检测方法，其特征在于，对所述融合特征进行主成分分析，找出用于表征所述融合特征的主成分的主成分特征，包括：计算所述融合特征中所有元素的协方差矩阵；对所述协方差矩阵进行奇异值分解，得到所述协方差矩阵的多个特征分量；选择前k个特征分量作为主分量；将所...
【专利技术属性】
技术研发人员：谢炜，崔福星，聂明军，王震，申嵩，
申请(专利权)人：杭州柯林电气股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。