一种基于故障波形的故障类型判别方法及判别系统

1.一种基于故障波形的故障类型判别方法，其特征在于，包括以下步骤：根据故障录波数据，获得故障波形图，包括：步骤(A)，根据故障录波数据，获得故障起始时刻和终止时刻；步骤(B)，根据故障起始时刻和终止时刻，获得在故障发生时间内的ABC三相电压和波形图；根据故障波形图，判断线路的故障类型，包括：根据故障发生时间内的ABC三相电压和波形图，计算固定时间内ABC三相电压和波形的跳动周期的次数，根据跳动周期的次数判断故障类型，故障类型包括鸟害、风偏、覆冰、雷击、外力破坏；其中，电压值一升一降视为一个跳动周期。 2.如权利要求1所述的基于故障波形的故障类型判别方法，其特征在于，所述步骤(A)中，根据故障录波数据，获得故障起始时刻的步骤，包括：当电流启动的突变量满足启动判据时，判断为故障起始时刻，判据公式如下：|Δi(n)|＝|i(n)-i(n-N)|＞ΔIs.set (式1)式中，ΔI s.set 表示突变量启动判断的整定值，ΔI s.set >0；N代表每周波采样次数；n代表时间节点，i(n)代表时间节点的电流值；式中，k d 表示突变量启动判据整定值系数；I A0 表示A相电流稳态幅值；I B0 表示B相电流稳态幅值；I C0 表示C相电流稳态幅值。 3.如权利要求1所述的基于故障波形的故障类型判别方法，其特征在于，所述步骤(A)中，根据故障录波数据，获得故障终止时刻的步骤，包括：若一个周期中，该周期的各采样点同时满足一周期内故障分量的绝对值均小于负荷电流幅值的一半，一周期内故障相的电流幅值均小于负荷电流幅值，该周期起始时刻往前推一周期，即为故障终止时刻。 4.如权利要求1所述的基于故障波形的故障类型判别方法，其特征在于，所述步骤(B)，根据故障起始时刻和终止时刻，获得故障波形图，包括：利用集中参数法计算故障距离：式中，D mF 为故障距离；F为故障点；m、n分别为两端母线位置；J为序网号，由故障类型决定，对三相短路J＝1；对两相短路，J＝1,2；接地短路，J＝1,2,0；Z J 代表阻抗；D L 代表线路总长度；D nF 代表n到F的距离； 表示故障点F的各序电压； 表示M端测量到的电压； 表示N端测量到的电压； 表示M端测量到的电流； 表示N端测量到的电流；联立式2、式3消除 得：获得D mF 后，联合式(2)求得的故障点F的各序电压U FJ ，通过下式计算得出故障点处的短路电流各序分量；获得过渡电阻R F ，如下式:式中， 为故障点电流， 为故障点电压；根据过渡电阻R F 绘制故障发生时间的故障波形图。 5.如权利要求4所述的基于故障波形的故障类型判别方法，其特征在于，所述根据故障波形图，判断线路的故障类型，包括：利用图像识别算法，将根据过渡电阻R F 绘制的故障波形图与故障历史库中已定义好的故障波形图像进行匹配，判断线路的故障类型。 6.如权利要求5所述的基于故障波形的故障类型判别方法，其特征在于，所述图像识别算法包括：将故障波形图分割成小块区域；通过目标检测算法生成先验框；筛选符合条件的先验框，输出置信图框；将置信图框输入卷积神经网络进行深度学习，获得故障类型判断结果。 7.如权利要求5或6所述的基于故障波形的故障类型判别方法，其特征在于，所述方法还包括对故障类型判断结果进行校验的步骤，具体为：根据故障发生时间内的ABC三相电压和波形图，计算固定时间内ABC三相电压和波形的跳动周期的次数，根据跳动周期的次数判断故障类型；如果结果相同，则返回已判断出的故障类型；如果结果不同，则调取故障点所处的经纬度位置的动态专题图，以动态专题图的判断结果为准，返回与动态专题图判断结果一致的故障类型；如果动态专题图未变化，则返回原故障类型判断结果。 8.一种基于故障波形的故障类型判别系统，其特征在于，包括：波形图绘制模块，用于根据故障录波数据，获得故障波形图，包括：步骤(A)，根据故障录波数据，获得故障起始时刻和终止时刻；步骤(B)，根据故障起始时刻和终止时刻，获得在故障发生时间内的ABC三相电压和波形图；故障类型判断模块，用于根据故障波形图，判断线路的故障类型，包括：根据故障发生时间内的ABC三相电压和波形图，计算固定时间内ABC三相电压和波形的跳动周期的次数，根据跳动周期的次数判断故障类型，故障类型包括鸟害、风偏、覆冰、雷击、外力破坏；其中，电压值一升一降视为一个跳动周期。 9.如权利要求8所述的一种基于故障波形的故障类型判别系统，其特征在于，所述步骤(A)中，根据故障录波数据，获得故障起始时刻的步骤，包括：当电流启动的突变量满足启动判据时，判断为故障起始时刻，判据公式如下：|Δi(n)|＝|i(n)-i(n-N)|＞ΔI s.set (式1)式中，ΔI s.set 表示突变量启动判断的整定值，ΔI s.set >0；N代表每周波采样次数；n代表时间节点，i(n)代表时间节点的电流值；式中，k d 表示突变量启动判据整定值系数；I A0 表示A相电流稳态幅值；I B0 表示B相电流稳态幅值；I C0 表示C相电流稳态幅值。 10.如权利要求8所述的一种基于故障波形的故障类型判别系统，其特征在于，所述步骤(A)中，根据故障录波数据，获得故障终止时刻的步骤，包括：若一个周期中，该周期的各采样点同时满足一周期内故障分量的绝对值均小于负荷电流幅值的一半，一周期内故障相的电流幅值均小于负荷电流幅值，该周期起始时刻往前推一周期，即为故障终止时刻。 11.如权利要求8所述的一种基于故障波形的故障类型判别系统，其特征在于，所述步骤(B)，根据故障起始时刻和终止时刻，获得故障波形图，包括：利用集中参数法计算故障距离：式中，D mF 为故障距离；F为故障点；m、n分别为两端母线位置；J为序网号，由故障类型决定，对三相短路J＝1；对两相短路，J＝1,2；接地短路，J＝1,2,0；Z J 代表阻抗；D L 代表线路总长度；D nF 代表n到F的距离； 表示故障点F的各序电压； 表示M端测量到的电压； 表示N端测量到的电压； 表示M端测量到的电流； 表示N端测量到的电流；联立式2、式3消除 得：获得D mF 后，联合式(2)求得的故障点F的各序电压U FJ ，通过下式计算得出故障点处的短路电流各序分量；获得过渡电阻R F ，如下式:式中， 为故障点电流， 为故障点电压；根据过渡电阻R F 绘制故障发生时间的故障波形图。 12.如权利要求8所述的基于故障波形的故障类型判别系统，其特征在于，所述故障类型判断模块，具体用于：利用图像识别算法，将根据故障波形图与故障历史库中已定义好的故障波形图像进行匹配，判断线路的故障类型。 13.如权利要求12所述的基于故障波形的故障类型判别系统，其特征在于，所述图像识别算法包括：将故障波形图分割成小块区域；通过目标检测算法生成先验框；筛选符合条件的先验框，输出置信图框；将置信图框输入卷积神经网络进行深度学习，获得故障类型判断结果。 14.如权利要求13所述的基于故障波形的故障类型判别系统，其特征在于，所述系统还包括校验模块，用于对故障类型判断模块输出的故障类型判断结果进行校验，包括：根据故障发生时间内的ABC三相电压和波形图，计算固定时间内ABC三相电压和波形的跳动周期的次数，根据跳动周期的次数判断故障类型；如果结果相同，则返回已判断出的故障类型；如果结果不同，则调取故障点所处的经纬度位置的动态专题图，以动态专题图的判断结果为准，返回与动态专题图判断结果一致的故障类型；如果动态专题图未变化，则返回原故障类型判断结果。 15.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现如下步骤：根据故障录波数据，获得故障波形图，包括：步骤(A)，根据故障录波数据，获得故障起始时刻和终止时刻；步骤(B)，根据故障起始时刻和终止时刻，获得在故障发生时间内的ABC三相电压和波形图；根据故障波形图，判断线路的故障类型，包括：根据故障发生时间内的ABC三相电压和波形图，计算固定时间内ABC三相电压和波形的跳动周期的次数，根据跳动周期的次数判断故障类型，故障类型包括鸟害、风偏、覆冰、雷击、外力破坏；其中，电压值一升一降视为一个跳动周期。 16.如权利要求15所述的一种计算机设备，其特征在于，所述步骤(A)中，根据故障录波数据，获得故障起始时刻的步骤，包括：当电流启动的突变量满足启动判据时，判断为故障起始时刻，判据公式如下：|Δi(n)|＝|i(n)-i(n-N)|＞ΔI s.set (式1)式中，ΔI s.set 表示突变量启动判断的整定值，ΔI s.set >0；N代表每周波采样次数；n代表时间节点，i(n)代表时间节点的电流值；式中，k d 表示突变量启动判据整定值系数；I A0 表示A相电流稳态幅值；I B0 表示B相电流稳态幅值；I C0 表示C相电流稳态幅值。 17.如权利要求15所述的一种计算机设备，其特征在于，所述步骤(A)中，根据故障录波数据，获得故障终止时刻的步骤，包括：若一个周期中，该周期的各采样点同时满足一周期内故障分量的绝对值均小于负荷电流幅值的一半，一周期内故障相的电流幅值均小于负荷电流幅值，该周期起始时刻往前推一周期，即为故障终止时刻。 18.如权利要求15所述的一种计算机设备，其特征在于，所述步骤(B)，根据故障起始时刻和终止时刻，获得故障波形图，包括：利用集中参数法计算故障距离：式中，D mF 为故障距离；F为故障点；m、n分别为两端母线位置；J为序网号，由故障类型决定，对三相短路J＝1；对两相短路，J＝1,2；接地短路，J＝1,2,0；Z J 代表阻抗；D L 代表线路总长度；D nF 代表n到F的距离； 表示故障点F的各序电压； 表示M端测量到的电压； 表示N端测量到的电压； 表示M端测量到的电流； 表示N端测量到的电流；联立式2、式3消除 得：获得D mF 后，联合式(2)求得的故障点F的各序电压U FJ ，通过下式计算得出故障点处的短路电流各序分量；获得过渡电阻R F ，如下式:式中， 为故障点电流， 为故障点电压；根据过渡电阻R F 绘制故障发生时间的故障波形图。 19.如权利要求18所述的一种计算机设备，其特征在于，所述根据故障波形图，判断线路的故障类型，包括：利用图像识别算法，将根据过渡电阻R F 绘制的故障波形图与故障历史库中已定义好的故障波形图像进行匹配，判断线路的故障类型。 20.如权利要求19所述的一种计算机设备，其特征在于，所述图像识别算法包括：将故障波形图分割成小块区域；通过目标检测算法生成先验框；筛选符合条件的先验框，输出置信图框；将置信图框输入卷积神经网络进行深度学习，获得故障类型判断结果。 21.如权利要求19或20所述的一种计算机设备，其特征在于，还包括对故障类型判断结果进行校验的步骤，具体为：根据故障发生时间内的ABC三相电压和波形图，计算固定时间内ABC三相电压和波形的跳动周期的次数，根据跳动周期的次数判断故障类型；如果结果相同，则返回已判断出的故障类型；如果结果不同，则调取故障点所处的经纬度位置的动态专题图，以动态专题图的判断结果为准，返回与动态专题图判断结果一致的故障类型；如果动态专题图未变化，则返回原故障类型判断结果。