一种输电线路综合故障检测方法、系统及存储介质与流程

本发明属于输电线路故障检测，具体是涉及到一种输电线路综合故障检测方法、系统及存储介质。

背景技术：

1、随着电力系统的日益发展和智能化程度的提升，电网系统的监测和故障检测已成为一项重要的任务。在当前技术条件下可以通过采集装置网络采集电网数据，这些传感器分布于电网系统的各个关键位置，能够实时收集各种参数和状态数据，以全方位地了解电网系统的运行状况。然而，传统的电网检测方法在数据采集和故障检测的准确性方面仍存在一些问题。这主要是由于数据采集的局限性，以及现有检测方法的局限性。因此，需要一种新的技术方案，以提高电网系统故障检测的效率和准确性。

技术实现思路

1、本发明提供一种输电线路综合故障检测方法、系统及存储介质，以解决电网系统故障检测的效率和准确性较低的问题。

2、第一方面，本发明提供一种输电线路综合故障检测方法，应用于目标电网系统，所述目标电网系统沿电网线路设置有多个部署有探测无人机的无人机杆塔充电基地，所述目标电网系统还配置有采集装置网络，所述采集装置网络中包含多个集成采集装置，多个所述集成采集装置分别配置于所述电网线路中的各个线塔上；

3、所述方法包括如下步骤：

4、通过所述采集装置网络采集所述目标电网系统在预设时间内的多源电网检测数据；

5、提取所述多源电网检测数据的时序特征数据；

6、利用卡尔曼滤波法将所述时序特征数据进行数据融合，得到所述目标电网系统的电网状态估计值；

7、基于所述多源电网检测数据的数据类型，从预设的历史电网数据库中提取对应类型的历史电网数据，并根据所述历史电网数据构建异常模式库；

8、将所述电网状态估计值与所述异常模式库进行比对完成对所述目标电网系统的一次异常检测，确定所述目标电网系统的异常状态以及所述异常状态的一级异常类型，所述一级异常类型包括电网内部异常和电网外部异常；

9、结合所述电网状态估计值和所述异常状态，并利用所述无人机杆塔充电基地中的所述探测无人机完成对所述目标电网系统的二次异常检测，根据所述二次异常检测的检测结果将所述一级异常类型细化分类为二级异常类型；

10、结合所述多源电网检测数据、所述电网状态估计值和所述二级异常类型生成所述目标电网系统的故障检测报告。

11、可选的，所述提取所述多源电网检测数据的时序特征数据包括如下步骤：

12、对所述多源电网检测数据进行数据清洗，去除所述多源电网检测数据中的异常数据、空值数据和重复数据；

13、将所述多源电网检测数据中不同源的数据进行时间对齐；

14、按照所述多源电网检测数据的时间戳，提取每个时间戳下所述多源电网检测数据的高维数据特征；

15、将每个时间戳下的所有所述高维数据特征进行特征融合，得到所述多源电网检测数据在每个时间戳下的综合特征数据；

16、降维处理所有所述综合特征数据，并根据时间戳的时间顺序将所有所述综合特征数据排列合并为时序特征数据。

17、可选的，所述利用卡尔曼滤波法将所述时序特征数据进行数据融合，得到所述目标电网系统的电网状态估计值包括如下步骤：

18、基于所述多源电网检测数据定义状态变量，并构建所述目标电网系统的电网系统动态方程；

19、初始化预设的卡尔曼滤波器，其中：初始化过程包括初始化所述卡尔曼滤波器中的协方差矩阵以及将所述卡尔曼滤波器中的状态估计值初始化为初始状态估计值；

20、根据所述采集装置网络的噪声特性和运行状态确定所述卡尔曼滤波器的卡尔曼增益；

21、将所述时序特征数据中的初始时序特征数据与所述初始状态估计值进行数据融合，利用所述卡尔曼增益进行状态更新，得到下一时刻的状态估计值；

22、继续将所述时序特征数据中下一时刻的特征数据与下一时刻的状态估计值进行数据融合并完成状态更新，直至所述时序特征数据中的所有特征数据均完成一次数据融合，得到最终状态下所述目标电网系统的电网状态估计值。

23、可选的，所述结合所述电网状态估计值和所述异常状态，并利用所述无人机杆塔充电基地中的所述探测无人机完成对所述目标电网系统的二次异常检测，根据所述二次异常检测的检测结果将所述一级异常类型细化分类为二级异常类型包括如下步骤：

24、结合所述电网状态估计值和所述异常状态在所述目标电网系统中定位故障异常区域；

25、根据所述故障异常区域和所述无人机杆塔充电基地实时更新的基地实时数据，选取所述无人机杆塔充电基地中的最优无人机杆塔充电基地；

26、基于所述故障异常区域生成所述最优无人机杆塔充电基地中目标探测无人机的检测飞行路径；

27、控制所述目标探测无人机以所述检测飞行路径完成对所述目标电网系统中故障异常区域的二次异常检测，得到二次检测结果；

28、通过提取识别所述二次检测结果中的数据特征，将所述一级异常类型细化分类为二级异常类型。

29、可选的，所述基地实时数据包括所述无人机杆塔充电基地中所述探测无人机的实时电量和实时存储容量，所述根据所述故障异常区域和所述无人机杆塔充电基地实时更新的基地实时数据，选取所述无人机杆塔充电基地中的最优无人机杆塔充电基地包括如下步骤：

30、以所述故障异常区域的区域中心为中点，并以预设的筛选半径生成筛选区域，将筛选区域内的所述无人机杆塔充电基地标记为初选无人机杆塔充电基地；

31、统计所述故障异常区域的区域面积和区域地形复杂度；

32、基于所述区域面积预估得到计划存储容量消耗；

33、结合所述区域面积以及所述初选无人机杆塔充电基地与所述故障异常区域之间的中间路程预估得到计划电量消耗；

34、根据所述区域地形复杂度确定计划值调整权重，并通过所述计划值调整权重调整所述计划存储容量消耗和所述计划电量消耗；

35、将所述实时电量小于所述计划电量消耗和/或所述实时存储容量小于所述计划存储容量消耗的所述初选无人机杆塔充电基地筛除；

36、从剩余的所述初选无人机杆塔充电基地中选取所述中间路程最短的作为最优无人机杆塔充电基地。

37、可选的，所述基于所述故障异常区域生成所述最优无人机杆塔充电基地中目标探测无人机的检测飞行路径包括如下步骤：

38、确定所述故障异常区域的边界中与所述最优无人机杆塔充电基地最近的目标边界点；

39、在所述目标边界点与所述最优无人机杆塔充电基地之间并以最短路程为目标，生成所述最优无人机杆塔充电基地至所述目标边界点的第一飞行路径，以及所述目标边界点至所述最优无人机杆塔充电基地的第二飞行路径；

40、以所述目标边界点作为路径起点和路径终点，环绕所述故障异常区域的边界一周生成第三飞行路径；

41、按照所述第一飞行路径、所述第三飞行路径和所述第二飞行路径的顺序将飞行路径拼接，生成所述最优无人机杆塔充电基地中目标探测无人机的检测飞行路径。

42、可选的，所述控制所述目标探测无人机以所述检测飞行路径完成对所述目标电网系统中故障异常区域的二次异常检测，得到二次检测结果包括如下步骤：

43、控制所述目标探测无人机以所述检测飞行路径向所述故障异常区域飞行；

44、在所述目标探测无人机处于所述第一飞行路径，且所述目标探测无人机与所述目标边界点之间的距离小于预设的距离阈值时，控制所述目标探测无人机采集所述故障异常区域的第一图像信息；

45、基于所述第一图像信息分析所述故障异常区域是否出现区域灾害，所述区域灾害包括区域山火和区域雷暴；

46、若所述故障异常区域出现所述区域灾害，则控制所述目标探测无人机返回所述最优无人机杆塔充电基地，并将所述第一图像信息作为二次检测结果。

47、可选的，所述方法还包括如下步骤：

48、若所述故障异常区域未出现所述区域灾害，则控制所述目标探测无人机以所述检测飞行路径完成飞行任务；

49、控制所述目标探测无人机在所述第二飞行路径途中采集所述故障异常区域的第二图像信息，将所述第二图像信息作为二次检测结果。

50、第二方面，本发明还提供一种输电线路综合故障检测系统，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面中所述的输电线路综合故障检测方法。

51、第三方面，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器加载并执行时，采用了第一方面中所述的输电线路综合故障检测方法。

52、本发明的有益效果是：

53、为了提高电网系统的状态估计准确性，利用卡尔曼滤波法将时序特征数据进行数据融合，得到目标电网系统的电网状态估计值。此外，为了更加准确地检测电网系统的异常状态，还可以根据多源电网检测数据的数据类型，从预设的历史电网数据库中提取对应类型的历史电网数据，并根据这些历史数据构建异常模式库。通过比对电网状态估计值和异常模式库，可以完成对目标电网系统的一次异常检测，确定异常状态以及异常类型。

54、为了进一步细化异常类型，结合无人机技术，利用探测无人机对目标电网系统进行二次异常检测。根据二次异常检测的结果，将一级异常类型细化分类为二级异常类型。这样可以更加准确地判断电网系统的异常状态，并提供更详细的故障诊断信息。

55、综上所述，本发明通过采集装置网络采集电网系统的多源电网检测数据，并利用卡尔曼滤波法进行数据融合和状态估计，结合历史电网数据构建异常模式库，结合无人机技术进行二次异常检测，最终生成故障检测报告。这种方法可以提高电网系统的监测和故障检测的准确性和效率，为电力系统运维提供有力的支持。