【技术实现步骤摘要】
本申请涉及输电线路隐患监测，更具体的说，是涉及一种架空线隐患类型识别方法及装置。
技术介绍
1、随着电力设备的日渐使用，电力系统稳定和安全运行受到广泛的重视。在电力系统中，输电线路承担着将电能从发电站输送到用户端的重要任务。如今，输电线路在运行过程中面临着如植被生长过快、鸟害、绝缘子污秽、绝缘子劣化和金具悬浮的隐患，这些隐患可能会导致线路故障，甚至造成事故，严重影响电网的安全稳定运行。因此，对输电线路隐患的监测和识别尤为重要。
2、然而，目前传统的隐患监测手段主要依赖于人工巡检和远程监控，人工巡检需要大量人力物力，成本高昂，且易受环境和人主观因素影响，容易出现疏漏和误判。远程监控技术虽可对电网状态的实时监测，但对于隐患的识别能力有限，只能对已发展为故障的事故类型进行识别。
3、如何对架空线的各类隐患进行识别，防患于未然，保障电网的安全稳定运行，是需要关注的问题。
技术实现思路
1、鉴于上述问题，本申请提供了一种架空线隐患类型识别方法及装置，以防止架空线故障的发生，对各类隐患防于未然，保障电网的安全稳定运行。
2、为了实现上述目的，现提出具体方案如下：
3、一种架空线隐患类型识别方法，包括：
4、采集架空线上的实时行波电流信号，以及所述架空线的运行环境内的实时温度信号及实时湿度信号，以及所述运行环境的当天实时风力等级信息；
5、对所述实时行波电流信号进行预处理，得到预处理后的实时行波电流信号；
6、将
7、可选的，所述架空线隐患类型识别hopfield模型的训练过程，包括：
8、针对所述架空线的每种隐患类型，获取所述架空线在所述隐患类型下的多组信号；
9、基于各种隐患类型下的多组信号，建立各种隐患类型的指纹库；
10、以所述指纹库作为训练样本，训练离散hopfield神经网络得到架空线隐患类型识别hopfield模型。
11、可选的，每组信号包括行波电流信号以及非电信号；
12、所述基于各种隐患类型下的多组信号，建立各种隐患类型的指纹库，包括：
13、针对每种隐患类型的每组信号，提取所述组信号中的行波电流信号的典型特征，以及所述组信号中的非电信号的典型特征；
14、基于每种隐患类型下每组信号中的行波电流信号的典型特征以及该种隐患类型下该组信号中的非电信号的典型特征，构建该种隐患类型的该组信号的数字特征向量，并作为该种隐患类型的一组指纹特征值；
15、从每种隐患类型的多组指纹特征值中选取目标指纹特征值；
16、以每种隐患类型中的目标指纹特征值作为信号模板，建立各种隐患类型的指纹库。
17、可选的，以所述指纹库作为训练样本，训练离散hopfield神经网络得到架空线隐患类型识别hopfield模型，包括：
18、以所述指纹库作为训练样本，将所述指纹库的每个指纹特征值输入至离散hopfield神经网络，在所述离散hopfield神经网络的网络参数下，输出该个指纹特征值的隐患类型识别结果，其中，每个指纹特征值包括其对应的隐患类型下的行波电流信号的典型特征及非电信号的典型特征，所述离散hopfield神经网络的输入层的节点数量与每个指纹特征值的维度相同；
19、针对每个指纹特征值的隐患类型识别结果，若所述指纹特征值的隐患类型识别结果正确，则将所述隐患类型识别结果输出，否则基于所述隐患类型识别结果与所述指纹特征值的隐患类型参照结果，通过能量函数调整所述离散hopfield神经网络的神经元之间的连接权重；
20、当所述离散hopfield神经网络被训练至满足预设条件后完成训练，得到架空线隐患类型识别hopfield模型。
21、可选的，基于所述隐患类型识别结果与所述指纹特征值的隐患类型参照结果，通过能量函数调整所述离散hopfield神经网络的神经元之间的连接权重，包括：
22、基于所述隐患类型识别结果与所述指纹特征值的隐患类型参照结果，确定用于调整所述离散hopfield神经网络的神经元状态的能量函数的梯度方向；
23、通过所述能量函数的梯度方向，调整所述离散hopfield神经网络的神经元的状态，以更新所述离散hopfield神经网络的神经元之间的连接权重。
24、可选的，所述预设条件为所述离散hopfield神经网络已完成所述训练样本的训练，或，所述离散hopfield神经网络的识别正确率达到预设正确率。
25、可选的，在将所述实时温度信号、所述实时湿度信号、所述当天实时风力等级信息以及所述预处理后的实时行波电流信号输入至预先训练好的架空线隐患类型识别hopfield模型，输出所述架空线的隐患类型之后，该方法还包括：
26、基于所述隐患类型进行隐患风险预警。
27、一种架空线隐患类型识别装置，包括：
28、信号采集模块，用于采集架空线上的实时行波电流信号，以及所述架空线的运行环境内的实时温度信号及实时湿度信号，以及所述运行环境的当天实时风力等级信息；
29、数据处理模块，用于对所述实时行波电流信号进行预处理，得到预处理后的实时行波电流信号；
30、隐患识别模块，用于将所述实时温度信号、所述实时湿度信号、所述当天实时风力等级信息以及所述预处理后的实时行波电流信号输入至预先训练好的架空线隐患类型识别hopfield模型，输出所述架空线的隐患类型。
31、可选的，所述信号采集模块包括风力信号采集模块、行波信号采集模块、温度信号采集模块和湿度信号采集模块；
32、所述风力信号采集模块，用于采集架空线上的运行环境的当天实时风力等级信息；
33、所述行波信号采集模块，用于采集所述架空线上的实时行波电流信号；
34、所述温度信号采集模块，用于采集所述架空线的运行环境内的实时温度信号；
35、所述湿度信号采集模块，用于采集所述架空线的运行环境内的实时湿度信号。
36、可选的，该装置还包括：
37、隐患类型信号组获取模块，用于针对所述架空线的每种隐患类型，获取所述架空线在所述隐患类型下的多组信号；
38、指纹库建立模块，用于基于各种隐患类型下的多组信号，建立各种隐患类型的指纹库；
39、hopfield神经网络训练模块，用于以所述指纹库作为训练样本，训练离散hopfield神经网络得到架空线隐患类型识别hopfield模型。
40、可选的，每组信号包括行波电流信号以及非电信号；
41、所述指纹库建立模块，包括：
42、典型特征提取模块，用于针对每种隐患类型本文档来自技高网...
【技术保护点】
1.一种架空线隐患类型识别方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述架空线隐患类型识别Hopfield模型的训练过程，包括：
3.根据权利要求2所述的方法，其特征在于，每组信号包括行波电流信号以及非电信号；
4.根据权利要求2所述的方法，其特征在于，以所述指纹库作为训练样本，训练离散Hopfield神经网络得到架空线隐患类型识别Hopfield模型，包括：
5.根据权利要求4所述的方法，其特征在于，基于所述隐患类型识别结果与所述指纹特征值的隐患类型参照结果，通过能量函数调整所述离散Hopfield神经网络的神经元之间的连接权重，包括：
6.根据权利要求4所述的方法，其特征在于，所述预设条件为所述离散Hopfield神经网络已完成所述训练样本的训练，或，所述离散Hopfield神经网络的识别正确率达到预设正确率。
7.根据权利要求1-6任一项所述的方法，其特征在于，在将所述实时温度信号、所述实时湿度信号、所述当天实时风力等级信息以及所述预处理后的实时行波电流信号输入至预先训练好的架
8.一种架空线隐患类型识别装置，其特征在于，包括：
9.根据权利要求8所述的装置，其特征在于，所述信号采集模块包括风力信号采集模块、行波信号采集模块、温度信号采集模块和湿度信号采集模块；
10.根据权利要求8或9所述的装置，其特征在于，还包括：
...【技术特征摘要】
1.一种架空线隐患类型识别方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述架空线隐患类型识别hopfield模型的训练过程，包括：
3.根据权利要求2所述的方法，其特征在于，每组信号包括行波电流信号以及非电信号；
4.根据权利要求2所述的方法，其特征在于，以所述指纹库作为训练样本，训练离散hopfield神经网络得到架空线隐患类型识别hopfield模型，包括：
5.根据权利要求4所述的方法，其特征在于，基于所述隐患类型识别结果与所述指纹特征值的隐患类型参照结果，通过能量函数调整所述离散hopfield神经网络的神经元之间的连接权重，包括：
6.根据权利要求4所述的方法，其特征在于，所...
【专利技术属性】
技术研发人员：黄志都，黄维，李珊，陈亚娟，张龙飞，徐文平，崔志美，王乐，冯玉斌，
申请(专利权)人：广西电网有限责任公司电力科学研究院，
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。