本發(fā)明涉及信息，尤其是一種自愈合智能電力線路的故障自動(dòng)檢測與修復(fù)方法。

背景技術(shù)：

1、在故障高發(fā)區(qū)域，批量化的局部區(qū)域修復(fù)和線路重布局自愈合之間存在技術(shù)矛盾，一方面，批量化修復(fù)能夠快速恢復(fù)區(qū)域內(nèi)的故障，減少故障對(duì)業(yè)務(wù)的影響時(shí)間；但另一方面，大規(guī)模的局部修復(fù)會(huì)導(dǎo)致該區(qū)域內(nèi)的線路布局發(fā)生改變，與原有的整體線路規(guī)劃產(chǎn)生不兼容，影響網(wǎng)絡(luò)的穩(wěn)定性和可靠性，同時(shí)，線路重布局雖然能夠?qū)崿F(xiàn)自愈合，提高網(wǎng)絡(luò)的可靠性和容錯(cuò)能力，但重布局過程復(fù)雜，需要考慮整體線路的連通性、負(fù)載均衡因素，實(shí)施周期長，不能快速恢復(fù)業(yè)務(wù)，此外，頻繁的線路重布局也會(huì)對(duì)網(wǎng)絡(luò)性能產(chǎn)生影響，增加網(wǎng)絡(luò)的不穩(wěn)定性，在實(shí)際的業(yè)務(wù)場景中，故障高發(fā)區(qū)域通常業(yè)務(wù)量大、用戶密集，對(duì)網(wǎng)絡(luò)質(zhì)量和可靠性要求高，因此，在該類區(qū)域進(jìn)行批量化修復(fù)和線路重布局時(shí)，需要兼顧修復(fù)效率和網(wǎng)絡(luò)穩(wěn)定性，一種技術(shù)方案是，在局部區(qū)域內(nèi)劃分多個(gè)小的修復(fù)單元，每個(gè)修復(fù)單元內(nèi)采用批量化修復(fù)，快速恢復(fù)業(yè)務(wù)；同時(shí)，在修復(fù)單元之間采用自愈合機(jī)制，通過動(dòng)態(tài)調(diào)整鏈路權(quán)重、優(yōu)化路由方式，實(shí)現(xiàn)局部自愈合，提高網(wǎng)絡(luò)的可靠性，但該方案需要解決修復(fù)單元?jiǎng)澐?、自愈合算法技術(shù)難題，以達(dá)到修復(fù)效率和網(wǎng)絡(luò)穩(wěn)定性的平衡。

2、本發(fā)明針對(duì)上述缺點(diǎn)提出解決方案為：故障頻發(fā)區(qū)域定位采用k-means聚類算法對(duì)故障傳感器數(shù)據(jù)進(jìn)行聚類分析；定位故障頻發(fā)區(qū)域，線路參數(shù)優(yōu)化與設(shè)備改造通過異構(gòu)數(shù)據(jù)融合的卷積神經(jīng)網(wǎng)絡(luò)模型分析線路布局圖像和參數(shù)數(shù)據(jù)，判斷局部修復(fù)方案與原有線路規(guī)劃的兼容性；線路布局多目標(biāo)優(yōu)化采用非支配排序遺傳算法對(duì)線路布局進(jìn)行多目標(biāo)優(yōu)化，最小化對(duì)全局線路規(guī)劃的影響；動(dòng)態(tài)調(diào)整修復(fù)方案在局部修復(fù)施工過程中，通過分布式傳感器采集運(yùn)行工況數(shù)據(jù)，采用遷移學(xué)習(xí)增強(qiáng)的最小二乘支持向量機(jī)模型進(jìn)行實(shí)時(shí)分析；線路重構(gòu)方案優(yōu)化對(duì)重點(diǎn)監(jiān)控的線路設(shè)備和位置進(jìn)行重構(gòu)方案的優(yōu)化；線路重構(gòu)效果評(píng)估根據(jù)施工圖，對(duì)重構(gòu)后的局部線路開展帶電調(diào)試和綜合評(píng)估，采用集成學(xué)習(xí)優(yōu)化的最小二乘支持向量機(jī)模型對(duì)數(shù)據(jù)進(jìn)行融合分析；局部線路自愈合運(yùn)行建立局部線路重構(gòu)區(qū)域的配套智能運(yùn)維體系，采用無線傳感網(wǎng)物聯(lián)網(wǎng)關(guān)鍵技術(shù)采集線路狀態(tài)數(shù)據(jù)，通過知識(shí)圖譜驅(qū)動(dòng)的長短期記憶網(wǎng)絡(luò)模型進(jìn)行預(yù)測推理。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明為了解決上述存在的技術(shù)問題，提供一種自愈合智能電力線路的故障自動(dòng)檢測與修復(fù)方法。

2、本發(fā)明的技術(shù)方案是這樣實(shí)現(xiàn)的：一種自愈合智能電力線路的故障自動(dòng)檢測與修復(fù)方法，包括：

3、根據(jù)自愈合智能電力線路的分布式傳感器布局方案，采用k-means聚類算法對(duì)故障傳感器數(shù)據(jù)進(jìn)行聚類分析，得到故障頻發(fā)區(qū)域的空間分布特征，確定需要開展局部修復(fù)的重點(diǎn)線路區(qū)段；

4、針對(duì)局部修復(fù)區(qū)段內(nèi)的線路設(shè)備參數(shù)和電氣參數(shù)，采用異構(gòu)數(shù)據(jù)融合的卷積神經(jīng)網(wǎng)絡(luò)模型對(duì)線路布局圖像和參數(shù)數(shù)據(jù)進(jìn)行特征提取和匹配分析，判斷局部修復(fù)方案與原有線路規(guī)劃的兼容性，若存在不兼容問題，則進(jìn)行線路參數(shù)優(yōu)化和設(shè)備改造；

5、根據(jù)局部修復(fù)導(dǎo)致的線路走向和長度變化，采用非支配排序遺傳算法對(duì)線路布局進(jìn)行多目標(biāo)優(yōu)化，通過構(gòu)建考慮地形適應(yīng)性、電氣性能、經(jīng)濟(jì)性的適應(yīng)度函數(shù)，在滿足局部修復(fù)要求的同時(shí)最小化對(duì)全局線路規(guī)劃的影響，獲得兼顧局部與整體的線路布局優(yōu)化方案；

6、在局部修復(fù)施工過程中，同步開展故障自動(dòng)檢測，通過分布式傳感器采集線路運(yùn)行工況數(shù)據(jù)，采用遷移學(xué)習(xí)增強(qiáng)的最小二乘支持向量機(jī)模型對(duì)數(shù)據(jù)進(jìn)行實(shí)時(shí)分析，發(fā)現(xiàn)修復(fù)過程中出現(xiàn)的線路異常和故障隱患，動(dòng)態(tài)調(diào)整修復(fù)方案，獲得需要重點(diǎn)監(jiān)控的線路設(shè)備和位置；

7、針對(duì)重點(diǎn)監(jiān)控的線路設(shè)備和位置，對(duì)線路上的設(shè)備進(jìn)行重構(gòu)方案的優(yōu)化，在滿足線路物理約束和電氣約束的前提下，優(yōu)化導(dǎo)線型號(hào)選擇、桿塔和絕緣子配置，最大限度提升線路抗風(fēng)險(xiǎn)能力、故障自愈合能力和智能化水平，生成線路重構(gòu)施工圖；

8、根據(jù)施工圖，對(duì)重構(gòu)后的局部線路開展帶電調(diào)試和綜合評(píng)估，采集線路電壓、電流和溫度，采用集成學(xué)習(xí)優(yōu)化的最小二乘支持向量機(jī)模型對(duì)數(shù)據(jù)進(jìn)行融合分析，通過交叉驗(yàn)證和網(wǎng)格搜索參數(shù)優(yōu)化提升評(píng)估準(zhǔn)確率，獲得線路重構(gòu)前后的各項(xiàng)技術(shù)指標(biāo)對(duì)比，判斷重構(gòu)效果是否滿足自愈合智能電力線路的建設(shè)標(biāo)準(zhǔn)；

9、建立局部線路重構(gòu)區(qū)域的配套智能運(yùn)維體系，通過無線傳感網(wǎng)物聯(lián)網(wǎng)關(guān)鍵技術(shù)采集線路狀態(tài)數(shù)據(jù)，采用知識(shí)圖譜驅(qū)動(dòng)的長短期記憶網(wǎng)絡(luò)模型對(duì)設(shè)備健康狀態(tài)和故障風(fēng)險(xiǎn)進(jìn)行預(yù)測推理，自動(dòng)生成狀態(tài)維護(hù)和故障搶修策略，并協(xié)同調(diào)度無人機(jī)和機(jī)器人，實(shí)現(xiàn)局部線路的自愈合運(yùn)行。

10、有益效果

11、本發(fā)明旨在解決電力線路故障快速定位、修復(fù)與重構(gòu)的問題，提升電網(wǎng)的運(yùn)行效率和抗風(fēng)險(xiǎn)能力，獨(dú)特的業(yè)務(wù)場景問題是在電力線路發(fā)生故障后，如何快速準(zhǔn)確地定位故障頻發(fā)區(qū)域，并制定有效的局部線路修復(fù)與優(yōu)化策略，同時(shí)確保修復(fù)過程中不影響整體電網(wǎng)的穩(wěn)定運(yùn)行；

12、本發(fā)明提供一種全面的技術(shù)方案，有效解決智能電力線路在故障檢測、快速修復(fù)、優(yōu)化重構(gòu)及智能運(yùn)維方面的問題，該方案不僅能快速定位故障區(qū)域，而且能夠在不影響整體電網(wǎng)穩(wěn)定性的前提下，實(shí)現(xiàn)局部修復(fù)和優(yōu)化，通過動(dòng)態(tài)調(diào)整和智能運(yùn)維，進(jìn)一步提高電力系統(tǒng)的可靠性和智能化水平，保障電力供應(yīng)的連續(xù)性和安全性。

技術(shù)特征：

1.一種自愈合智能電力線路的故障自動(dòng)檢測與修復(fù)方法，其特征在于：

2.根據(jù)權(quán)利要求1所述的一種自愈合智能電力線路的故障自動(dòng)檢測與修復(fù)方法，其特征在于：所述s101步驟在進(jìn)行故障傳感器數(shù)據(jù)預(yù)處理時(shí),采用3σ原則對(duì)數(shù)據(jù)進(jìn)行異常值去除,即將超出均值±3倍標(biāo)準(zhǔn)差范圍的數(shù)據(jù)視為異常值予以剔除，同時(shí),利用小波變換對(duì)數(shù)據(jù)進(jìn)行降噪,選擇小波基函數(shù)(db4)和分解層數(shù)(5層),對(duì)數(shù)據(jù)進(jìn)行多尺度分解，通過計(jì)算數(shù)據(jù)的峰值信噪比(psnr)和均方根誤差(rmse),評(píng)估數(shù)據(jù)質(zhì)量。

3.根據(jù)權(quán)利要求1所述的一種自愈合智能電力線路的故障自動(dòng)檢測與修復(fù)方法，其特征在于：所述s102步驟在構(gòu)建線路參數(shù)數(shù)據(jù)庫時(shí),采用mysql關(guān)系型數(shù)據(jù)庫,包含線路基本信息表、桿塔信息表、導(dǎo)線信息表、絕緣子信息表10個(gè)關(guān)聯(lián)表,針對(duì)線路id、桿塔編號(hào)、導(dǎo)線型號(hào)關(guān)鍵字段建立b+樹索引,對(duì)于線路布局圖像,采用canny算子進(jìn)行邊緣檢測,提取線路走向輪廓,同時(shí)使用hough變換檢測桿塔位置,通過霍夫直線變換提取導(dǎo)線方向,形成32維的圖像特征向量，在異構(gòu)數(shù)據(jù)融合時(shí),以線路id為主鍵,桿塔編號(hào)為外鍵,使用空間索引技術(shù)對(duì)圖像特征向量和參數(shù)數(shù)據(jù)進(jìn)行空間匹配,通過歐氏距離計(jì)算特征相似度,距離閾值設(shè)為0.1,完成數(shù)據(jù)關(guān)聯(lián)，卷積神經(jīng)網(wǎng)絡(luò)模型采用5層卷積層和3層全連接層,卷積核大小分別為3x3和5x5,池化核大小為2x2,使用relu激活函數(shù)和dropout正則化,訓(xùn)練數(shù)據(jù)集包含10000條歷史線路規(guī)劃記錄,樣本正負(fù)比例為1:1,使用adam優(yōu)化器,學(xué)習(xí)率為0.001,批量大小為128,訓(xùn)練200個(gè)epoch，在進(jìn)行morris敏感性分析時(shí),對(duì)每個(gè)線路參數(shù)進(jìn)行10次擾動(dòng),擾動(dòng)步長為參數(shù)范圍的1/10,基于網(wǎng)絡(luò)模型輸出的兼容性評(píng)分變化幅度,計(jì)算參數(shù)的基本影響值和交互影響值,篩選出8個(gè)關(guān)鍵參數(shù),通過邏輯回歸模型擬合各參數(shù)的影響系數(shù),系數(shù)絕對(duì)值大于0.3的參數(shù)視為兼容性的主導(dǎo)因素，在多目標(biāo)優(yōu)化時(shí),兼容性評(píng)分目標(biāo)設(shè)定為大于0.95,投資成本目標(biāo)設(shè)定為不超過原方案的120%,線路可靠性目標(biāo)設(shè)定為故障率降低10%,采用nsga-ii算法進(jìn)行500次迭代搜索,交叉概率為0.8,變異概率為0.1,種群規(guī)模為100,選擇pareto前沿的非支配解作為候選優(yōu)化方案。

4.根據(jù)權(quán)利要求1所述的一種自愈合智能電力線路的故障自動(dòng)檢測與修復(fù)方法，其特征在于：所述s103步驟在獲取局部修復(fù)前后線路走向和長度變化數(shù)據(jù)時(shí),利用gis空間數(shù)據(jù)庫,提取修復(fù)區(qū)域范圍內(nèi)的線路坐標(biāo)點(diǎn),計(jì)算修復(fù)前后線路長度差異,若差異超過5%,則標(biāo)記為重大變化，針對(duì)修復(fù)區(qū)域地形,采用數(shù)字高程模型(dem)提取高程信息,計(jì)算平均坡度,坡度大于15度的區(qū)域標(biāo)記為復(fù)雜地形，在模糊綜合評(píng)價(jià)中,選擇高程、坡度、地質(zhì)3個(gè)因素作為評(píng)價(jià)指標(biāo),構(gòu)建模糊評(píng)判矩陣,采用三角函數(shù)法確定隸屬度函數(shù),通過層次分析法計(jì)算指標(biāo)權(quán)重,得到地形適應(yīng)性評(píng)分,分值范圍為[0,100]，在計(jì)算線路電氣參數(shù)時(shí),利用線路導(dǎo)線參數(shù)和桿塔坐標(biāo)數(shù)據(jù),通過牛頓-拉夫遜法進(jìn)行潮流計(jì)算,得到電壓和功率分布,若電壓合格率低于95%,則判定為電氣性能不佳。

5.根據(jù)權(quán)利要求1所述的一種自愈合智能電力線路的故障自動(dòng)檢測與修復(fù)方法，其特征在于：所述s104步驟在局部修復(fù)施工區(qū)域的關(guān)鍵線路節(jié)點(diǎn)和設(shè)備上安裝電流、電壓、溫度的傳感器，包括在變壓器低壓側(cè)安裝電流傳感器，量程為0-1000a，精度為5級(jí)；在母線上安裝電壓傳感器，量程為0-10kv，精度為2級(jí)；在變壓器油箱上安裝溫度傳感器，量程為-20℃~150℃，精度為±1℃，根據(jù)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)和數(shù)據(jù)傳輸需求，采用kruskal算法求解最小生成樹，選擇度中心性大于5的節(jié)點(diǎn)作為傳感器部署點(diǎn)，平均每個(gè)關(guān)鍵節(jié)點(diǎn)部署3個(gè)傳感器，通過zigbee無線通信模塊將數(shù)據(jù)傳輸?shù)竭吘売?jì)算網(wǎng)關(guān)，采用ad-hocon-demanddistancevector路由協(xié)議，傳輸延遲小于100ms，丟包率低于1%，構(gòu)建遷移學(xué)習(xí)增強(qiáng)的最小二乘支持向量機(jī)模型，使用10000條歷史線路運(yùn)行數(shù)據(jù)和100條已知故障案例進(jìn)行預(yù)訓(xùn)練，采用5折交叉驗(yàn)證方法優(yōu)化模型超參數(shù)，最終選擇rbf核函數(shù)，正則化系數(shù)為0.1,采用異常值檢測算法(箱線圖法)對(duì)實(shí)時(shí)數(shù)據(jù)進(jìn)行清洗，去除超過上下四分位數(shù)5倍距離的異常值；采用皮爾遜相關(guān)系數(shù)法選擇與故障診斷相關(guān)性大于6的10個(gè)特征構(gòu)建特征向量；利用移動(dòng)平均法對(duì)時(shí)間序列數(shù)據(jù)進(jìn)行平滑處理，窗口大小為10;采用快速傅立葉變換提取頻域特征，選取前5階諧波分量和頻譜熵作為特征，基于統(tǒng)計(jì)過程控制理論，計(jì)算特征量的控制上下限(±3σ)，構(gòu)建i-mr控制圖，結(jié)合模糊診斷規(guī)則(if電流>2ieand油溫>90℃then故障類型=變壓器過負(fù)荷)，采用最大隸屬度法進(jìn)行故障類型推理，生成診斷報(bào)告和處置建議，采用模糊綜合評(píng)判法確定故障告警的優(yōu)先級(jí)，權(quán)重向量為[3,5,2]，分別表示故障嚴(yán)重程度、影響范圍和持續(xù)時(shí)間的重要程度，優(yōu)先級(jí)分為高、中、低三級(jí)，若故障風(fēng)險(xiǎn)超過7,則觸發(fā)修復(fù)方案的動(dòng)態(tài)調(diào)整機(jī)制，采用遺傳算法求解多目標(biāo)優(yōu)化模型，種群大小為50,交叉概率為8,變異概率為1,迭代100次，求解最優(yōu)的修復(fù)方案調(diào)整策略，根據(jù)故障檢測結(jié)果動(dòng)態(tài)配置傳感器采樣頻率，包括故障前采樣頻率為1次/分鐘，故障后調(diào)整為1次/5秒，采用模糊層次分析法計(jì)算各線路設(shè)備和位置的風(fēng)險(xiǎn)等級(jí)，構(gòu)建三層評(píng)估指標(biāo)體系，包括設(shè)備重要性、故障頻次、故障影響度9個(gè)二級(jí)指標(biāo)，通過兩兩比較構(gòu)建判斷矩陣，計(jì)算權(quán)重向量并進(jìn)行一致性檢驗(yàn)，得到各指標(biāo)的組合權(quán)重，綜合計(jì)算風(fēng)險(xiǎn)等級(jí)，劃分為高風(fēng)險(xiǎn)(7以上)、中風(fēng)險(xiǎn)(4-7)、低風(fēng)險(xiǎn)(4以下)三個(gè)等級(jí)，獲得重點(diǎn)監(jiān)控列表。

6.根據(jù)權(quán)利要求1所述的一種自愈合智能電力線路的故障自動(dòng)檢測與修復(fù)方法，其特征在于：所述s105步驟在確定重點(diǎn)優(yōu)化的線路區(qū)段時(shí),使用kruskal算法對(duì)線路拓?fù)浣Y(jié)構(gòu)進(jìn)行最小生成樹分析,確定連通重要負(fù)荷的關(guān)鍵線路節(jié)點(diǎn),再結(jié)合dijkstra算法計(jì)算關(guān)鍵節(jié)點(diǎn)的電氣距離,篩選出電氣距離前10%的節(jié)點(diǎn)作為重點(diǎn)監(jiān)控對(duì)象，在構(gòu)建線路三維地理信息模型時(shí),采用克里金插值法對(duì)地形高程進(jìn)行空間內(nèi)插,生成10米分辨率的數(shù)字高程模型(dem),同時(shí)疊加1:5萬比例尺的地理底圖,提取線路走廊的植被、水系環(huán)境要素，在多目標(biāo)優(yōu)化中,線路可靠性適應(yīng)度函數(shù)基于故障概率模型,包括狀態(tài)枚舉法,計(jì)算線路的期望功率損失,經(jīng)濟(jì)成本適應(yīng)度函數(shù)考慮設(shè)備采購、施工安裝、運(yùn)維全生命周期成本,并采用加權(quán)求和的方式合并適應(yīng)度函數(shù)，優(yōu)化算法參數(shù)設(shè)置方面,遺傳算法的種群大小取線路區(qū)段數(shù)量的2倍,交叉概率取0.8,變異概率取0.1;粒子群算法的種群大小取50,學(xué)習(xí)因子取2,慣性權(quán)重取0.7，在方案評(píng)估和比選時(shí),采用模糊ahp法,進(jìn)行兩兩比較,構(gòu)建10階判斷矩陣,并進(jìn)行一致性檢驗(yàn),計(jì)算準(zhǔn)則層指標(biāo)的權(quán)重向量，在有限元分析中,采用ansysmechanical軟件,對(duì)鐵塔建立幾何實(shí)體模型后,劃分四面體網(wǎng)格,網(wǎng)格尺寸為0.1米,載荷工況考慮風(fēng)載、冰載及自重,材料屬性選擇q345鋼,屈服強(qiáng)度為345mpa,楊氏模量為200gpa,泊松比為0.3,通過應(yīng)力云圖和變形云圖對(duì)桿塔的受力進(jìn)行直觀分析。

7.根據(jù)權(quán)利要求1所述的一種自愈合智能電力線路的故障自動(dòng)檢測與修復(fù)方法，其特征在于：所述s106步驟在制定線路帶電調(diào)試方案時(shí),選取10kv及以上的高壓線路開展測試,每隔1km設(shè)置一個(gè)電壓測點(diǎn),每隔500m設(shè)置一個(gè)電流測點(diǎn),溫度測點(diǎn)選擇在導(dǎo)線連接處、分支箱溫度易升高的關(guān)鍵部位,測試時(shí)間持續(xù)48小時(shí),覆蓋全天候的負(fù)荷變化情況，采用zigbee無線通信協(xié)議,數(shù)據(jù)幀加密算法采用aes-128,通信距離達(dá)1km,傳輸速率250kbps，監(jiān)測數(shù)據(jù)采用hadoop分布式存儲(chǔ)框架,hbase列族數(shù)據(jù)庫,橫向擴(kuò)展,支持tb級(jí)別的海量時(shí)序數(shù)據(jù)存儲(chǔ)，清洗時(shí),采用grubbs算法和3σ準(zhǔn)則相結(jié)合,對(duì)電流數(shù)據(jù)進(jìn)行異常值檢測和剔除,小波變換選用db4小波基函數(shù),4層分解,對(duì)溫度數(shù)據(jù)進(jìn)行去噪，特征選擇時(shí),采用pearson相關(guān)系數(shù)法,選取與故障標(biāo)簽相關(guān)性大于0.6的電壓特征,包括2、3、5次諧波含量，將清洗后的數(shù)據(jù)按照時(shí)間序列化,每30分鐘匯總為一個(gè)記錄,溫度、電流、電壓分別構(gòu)成60維的特征向量，使用雙向lstm模型提取時(shí)序特征,隱藏層神經(jīng)元數(shù)量為128,學(xué)習(xí)率0.001,批次大小64,訓(xùn)練100個(gè)epoch，隨機(jī)森林模型中決策樹的數(shù)量設(shè)為100,集成采用bagging算法,樣本采樣比例為0.8，最終集成模型在測試集上的故障預(yù)測準(zhǔn)確率達(dá)到95%以上，將線路指標(biāo)量化為正常、異常、危急三種等級(jí),分別對(duì)應(yīng)綜合評(píng)價(jià)分?jǐn)?shù)的[0.6,1]、[0.3,0.6]、[0,0.3]區(qū)間，建立三級(jí)指標(biāo)體系,計(jì)算權(quán)重時(shí)采用1-9標(biāo)度法構(gòu)造判斷矩陣,一致性比例小于0.1，采用梯形隸屬度函數(shù),故障率指標(biāo)的梯形坐標(biāo)為(10,10,20,40),即當(dāng)故障率小于10時(shí)隸屬度為0,大于40時(shí)隸屬度為1，生成評(píng)估報(bào)告時(shí),使用python的自動(dòng)化報(bào)表生成庫xlsxwriter,設(shè)置統(tǒng)一的封面、目錄、頁眉頁腳格式,自動(dòng)填充指標(biāo)數(shù)值、生成雷達(dá)圖、柱狀圖,形成評(píng)估報(bào)告。

8.根據(jù)權(quán)利要求1所述的一種自愈合智能電力線路的故障自動(dòng)檢測與修復(fù)方法，其特征在于:所述s107步驟在無線傳感網(wǎng)部署中,采用zigbee技術(shù),組網(wǎng)范圍1km,支持255個(gè)節(jié)點(diǎn),傳輸速率250kbps,工作頻段2.4ghz，采用分布式簇首輪換算法,以節(jié)點(diǎn)剩余能量為權(quán)重,輪流選舉簇首,均衡節(jié)點(diǎn)能耗，采用樓氏掩蓋和信道黑名單技術(shù),檢測惡意節(jié)點(diǎn),隔離威脅流量，分析線路故障統(tǒng)計(jì)數(shù)據(jù),以跨越率、擊穿概率為權(quán)重,在關(guān)鍵桿塔、分支箱處部署測溫、測振傳感器，傳感器采樣頻率1khz,精度1%，融合時(shí)采用dempster-shafer(d-s)證據(jù)理論,建立溫度、振動(dòng)、氣象的基本概率指派函數(shù),通過dempster組合規(guī)則計(jì)算融合后的故障概率，邊緣網(wǎng)關(guān)采用lstm網(wǎng)絡(luò),隱藏層128個(gè)神經(jīng)元,學(xué)習(xí)率0.01,每30分鐘滑動(dòng)窗口,提取均值、方差、峰值20維特征向量，知識(shí)圖譜包含23類本體,145個(gè)概念,376個(gè)關(guān)系，基于protege構(gòu)建本體,采用d2rq映射關(guān)系數(shù)據(jù)庫,jena?reasoner推理隱含知識(shí)，知識(shí)嵌入采用transr模型,embedding維度100,l2正則化系數(shù)0.01,負(fù)采樣率0.001,批大小1000,迭代100次，lstm預(yù)測模型輸入維度180,包含知識(shí)圖譜嵌入向量,采用dropout率0.5,l1正則化系數(shù)0.001,迭代500次，遷移學(xué)習(xí)時(shí),凍結(jié)lstm前3層參數(shù),基于相似線路的歷史數(shù)據(jù)微調(diào)，數(shù)字孿生仿真搭建變電站三維場景模型,接收實(shí)時(shí)告警事件,動(dòng)態(tài)渲染健康狀態(tài),并控制虛擬傳感器生成仿真數(shù)據(jù)，無人機(jī)搭載可見光、紅外、紫外相機(jī),光譜范圍0.43-12μm,空間分辨率5cm,熱像儀靈敏度40mk，機(jī)器人6自由度機(jī)械臂,臂展1.5m,重復(fù)定位精度±0.1mm，采用激光slam與視覺slam融合定位,點(diǎn)云密度1.5mm，運(yùn)維調(diào)度采用改進(jìn)的遺傳算法,引入任務(wù)優(yōu)先級(jí)、時(shí)間窗口、位置距離約束,交叉概率0.75,變異概率0.1,迭代500次,作業(yè)控制時(shí),無人機(jī)自主避障,機(jī)器人實(shí)時(shí)建模環(huán)境,對(duì)桿塔螺栓、絕緣子缺陷進(jìn)行操作，遠(yuǎn)程監(jiān)控采用vr系統(tǒng)。

技術(shù)總結(jié)
本發(fā)明公開了一種自愈合智能電力線路的故障自動(dòng)檢測與修復(fù)方法，包括采用K?Means聚類算法對(duì)故障傳感器數(shù)據(jù)進(jìn)行聚類分析，確定故障頻發(fā)區(qū)域，接著，針對(duì)局部修復(fù)區(qū)段內(nèi)的線路設(shè)備參數(shù)和電氣參數(shù)，采用異構(gòu)數(shù)據(jù)融合的卷積神經(jīng)網(wǎng)絡(luò)模型對(duì)線路布局圖像和參數(shù)數(shù)據(jù)進(jìn)行特征提取和匹配分析，判斷局部修復(fù)方案與原有線路規(guī)劃的兼容性，在局部修復(fù)施工過程中采用最小二乘支持向量機(jī)模型對(duì)數(shù)據(jù)進(jìn)行實(shí)時(shí)分析，對(duì)重構(gòu)后的局部線路進(jìn)行帶電調(diào)試和綜合評(píng)估，以判斷重構(gòu)效果是否滿足自愈合智能電力線路的建設(shè)標(biāo)準(zhǔn)，采用知識(shí)圖譜驅(qū)動(dòng)的長短期記憶網(wǎng)絡(luò)模型對(duì)設(shè)備健康狀態(tài)和故障風(fēng)險(xiǎn)進(jìn)行預(yù)測推理，自動(dòng)生成狀態(tài)維護(hù)和故障搶修策略，實(shí)現(xiàn)局部線路的自愈合運(yùn)行。

技術(shù)研發(fā)人員：楊武,廖鼎,余勁松,鄭耀泰,林德波,謝傳寶,譚寅,馮瑞君,劉峻,冼日曦,邱悅
受保護(hù)的技術(shù)使用者：廣東威順電力工程有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/10/10