一种单相导线接触植被引燃预测方法、系统及介质与流程

本发明涉及导线接触植被引燃预测，具体涉及一种单相导线接触植被引燃预测方法、系统及介质。

背景技术：

1、由于人类社会经济的发展，电力网络穿越大面积的森林覆盖区域，在这些区域，由于风偏、断线坠落等原因，可能导致高、低压输配电线路与植被绝缘距离过小或直接接触产生树线放电现象。树线放电中，产生的热量使树枝温度不断上升，当温度到达树枝燃点时树枝将发生引燃，我国电力网络发达，许多线路经过森林覆盖面积大的区域，在夏季极端气候条件下，若发生树线接触，则可能引燃植被，造成森林火灾以及对电力网络运行安全带来威胁，因此电力线路引燃植被引发森林火灾应该得到重视。若能根据故障信号特征，对植被引燃风险进行预测，结合电力线路保护策略将减小森林火灾发生的可能性。而目前国尚未出现关于单相单线接触植被引燃预测研究。

2、关于单相导线接触植被引燃预测研究由于目前国内研究较少，并未出现系统性的预测方法，现有的类似研究主要集中发生导线接触植被事故后，故障电路已较大，开展故障特征分析，用以故障检测算法研究。但导线接触植被初期，故障信号幅值微弱，已有的故障特征并不适用于预测植被引燃。

3、尤其，对导线接触植被引燃的防范主要是依靠电网巡检人员在林区进行巡逻观察，或通过远程监控观察是否有导线接触植被引燃现象。已有的方法响应时间长，存在已发生导线接触植被引燃事故后，事故才被发现，然而此时植被已发生引燃，具有很大的森林火灾危险性。若在植被茂密区域，人工巡查或远程监控，导线接触植被事故不易发现。

技术实现思路

1、本发明所要解决的技术问题是现有对导线接触植被引燃的防范主要是依靠电网巡检人员在林区进行巡逻观察，或通过远程监控观察是否有导线接触植被引燃现象。现有方法响应时间长，存在已发生导线接触植被引燃事故后，事故才被发现，然而此时植被已发生引燃，具有很大的森林火灾危险性。若在植被茂密区域，人工巡查或远程监控，导线接触植被事故不易发现。总之，现有关于单相导线接触植被引燃预测方法准确率较低，不能对植被是否引燃进行提前预测。

2、本发明目的在于提供一种单相导线接触植被引燃预测方法、系统及介质，能够根据故障早期信号特征，对植被是否引燃进行提前预测。本发明方法在发生导线接触植被无引燃风险阶段，对植被引燃进行预测，达到提前预警的目的。本发明方法响应时间短，不需人工观察是否有引燃现象，只需要故障电压与电流信号作为数据输入，不需要对故障电压与电流信号单独进行预处理，自动实现时域与频域特征的提取；同时结合改进的随机森林算法建立单相导线接触接触植被引燃预测模型，就能够以较高的准确率进行引燃预测。

3、本发明通过下述技术方案实现：

4、第一方面，本发明提供了一种单相导线接触植被引燃预测方法，该方法包括：

5、获取多组单相导线接触植被的故障电压与电流信号；

6、对故障电压与电流信号进行数据特征挖掘，提取故障电压与电流的相关特征；相关特征包括故障电流时域瞬时值特征、故障电压与电流时域发展特征和故障电压与电流频域特征；

7、结合故障电压与电流的相关特征与植被引燃结果，形成样本数据集；

8、根据故障电压与电流的相关特征，进行特征重要性排序，得到重要特征集和非重要特征集；采用改进随机森林算法构建单相导线接触植被引燃预测模型，并基于样本数据集对单相导线接触植被引燃预测模型进行模型训练；

9、采用训练好的单相导线接触植被引燃预测模型和重要特征集，对待测单相导线接触植被的引燃情况进行预测。

10、进一步地，故障电压与电流信号为高压单相导线接触植被的第一阶段中而植被无引燃风险时的电压与电流信号。这是因为高压单相导线接触植被分为四个阶段，对于第二阶段开始植被已经被引燃，因此，这样的电压与电流信号已对植被引燃预测意义不大，因此本发明主要考虑第一阶段中的信号。

11、进一步地，故障电流时域瞬时值特征的提取为：在时域上，采用经验模态分解法对故障电流信号进行分解，得到故障电流时域瞬时值特征，包括：

12、步骤a1，计算第一阶段的故障电流信号的三个等分点，在各个等分点取若干个采样点数据；

13、步骤b1，对一个等分点的若干个采样点数据进行经验模态分解，获得imf1-imf8共8份imf模态分量；

14、步骤c1，在获得分解后的imf模态分量后，分别取各imf模态分量的{20％，40％，60％，80％}百分位数作为时域特征；

15、步骤d1，选择下一个等分点，重复步骤b1、步骤c1，完成三个等分点的特征提取，获得经验模态分解特征作为故障电流时域瞬时值特征。

16、进一步地，故障电压与电流时域发展特征的提取为：

17、步骤a2，对故障电压与电流信号进行多项式拟合，得到拟合曲线；多项式的最高阶数由决定系数r2值满足大于预设值(0.8)的条件确定；

18、步骤b2，对拟合曲线分别求取一阶导数和二阶导数；

19、步骤c2，分别计算一阶导数和二阶导数的最小值min、最大值max、平均值mean以及标准差std作为故障电压与电流时域发展特征。

20、进一步地，故障电压与电流频域特征的提取为：在频域上，采用小波包变换法对故障电压与电流信号进行分解，得到故障电压与电流频域特征，包括：

21、在频域上，将故障电压与电流信号经过快速傅里叶变换fft变换后，得到变换域结果；

22、采用小波包变换法对变换域进行5层分解，得到分解后的32个节点；

23、从32个节点中，对基频50hz以及3次谐波频率、5次谐波频率、7次谐波频率、9次谐波频率、11次谐波频率所在频段的小波包系数；

24、对小波包系数分别提取包括小波包系数和sumi、均值meani、标准差stdi、熵值entropyi以及小波包能量占比ei，并将它们作为故障电压与电流频域特征。

25、进一步地，根据故障电压与电流的相关特征，进行特征重要性排序，得到重要特征集和非重要特征集，包括：

26、根据故障电压与电流的相关特征，分别利用互信息计算法、递归特征消除法和嵌入式特征选择法计算故障电压与电流的相关特征的重要性，得到故障电压与电流的相关特征与植被引燃结果之间的重要性排序，即获得每种方法的初步重要特征集；将以上三种方法得到的初步重要特征集进行交集运算，得到重要特征集和和非重要特征集。

27、进一步地，改进随机森林算法的构建步骤为：

28、步骤1，利用自主采样法bootstrap sampling在训练数据样本集d中随机抽取n个样本形成样本子集dk，共执行k次；其中，训练数据样本集d中共有n个样本，m个相关特征集；

29、步骤2，根据相关特征的特征重要性排序结果，将相关特征集m分为：重要特征集m1，非重要特集m2；

30、步骤3，在重要特征集m1中随机抽取m1个特征，m1∈[1,m1]；在m2中随机抽取m2个特征，m2＝m-m1；其中的取整；

31、步骤4，构建cart决策树：选择最小gini系数特征作为决策树节点划分属性，重复步骤4，直至无属性划分或叶子节点样本集无法再区分；

32、步骤5，重复步骤3到步骤5，生成k棵决策树，得到构建好的改进随机森林算法。

33、第二方面，本发明又提供了一种单相导线接触植被引燃预测系统，该系统使用上述的一种单相导线接触植被引燃预测方法；该系统包括：

34、获取单元，用于获取多组单相导线接触植被的故障电压与电流信号；

35、相关特征提取单元，用于对故障电压与电流信号进行数据特征挖掘，提取故障电压与电流的相关特征；相关特征包括故障电流时域瞬时值特征、故障电压与电流时域发展特征和故障电压与电流频域特征；

36、样本数据集形成单元，用于结合故障电压与电流的相关特征与植被引燃结果，形成样本数据集；

37、特征重要性排序单元，用于根据故障电压与电流的相关特征，进行特征重要性排序，得到重要特征集和非重要特征集；

38、预测模型构建及训练单元，用于采用改进随机森林算法构建单相导线接触植被引燃预测模型，并基于样本数据集对单相导线接触植被引燃预测模型进行模型训练；

39、引燃预测单元，采用训练好的单相导线接触植被引燃预测模型和重要特征集，对待测单相导线接触植被的引燃情况进行预测。

40、进一步地，故障电压与电流信号为高压单相导线接触植被的第一阶段中而植被无引燃风险时的电压与电流信号。

41、第三方面，本发明又提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述的一种单相导线接触植被引燃预测方法。

42、本发明与现有技术相比，具有如下的优点和有益效果：

43、本发明一种单相导线接触植被引燃预测方法、系统及介质，在发生导线接触植被无引燃风险阶段，对植被引燃进行预测，达到提前预警的目的。本发明方法响应时间短，不需人工观察是否有引燃现象，只需要故障电压与电流信号作为数据输入，不需要对故障电压与电流信号单独进行预处理，自动实现时域与频域特征的提取；同时结合改进的随机森林算法建立单相导线接触接触植被引燃预测模型，就能够以较高的准确率进行引燃预测。