基于Hadoop的高壓輸電線路合閘故障診斷方法

周 曉，朱晗雨

(武漢理工大學 機電工程學院，湖北 武漢 430070)

高壓輸電線路電力故障診斷主要是指通過線路狀態信息進行分析判斷準確識別故障類別[1],而高壓輸電線路合閘故障診斷對于整個電力系統能夠穩定運行具有重要意義，該技術不僅能夠降低電網運行風險，滿足日常用電需要，也提升了高壓輸電線路的可靠性[2]。目前，高壓輸電線路合閘故障診斷方法有基于信號分析技術的方法以及基于數據挖掘技術的方法等。

基于信號分析的電力系統故障診斷技術主要通過小波變換(wavelet transform, WT)和S變換等傳統方法對電力波形進行分解，并在此基礎上根據數據特點進行優化從而實現故障診斷的目的。基于小波變換的故障診斷方法[3-4]首先將采集到的電力波形數據進行小波分解，提取到波形信息的高頻小波系數，然后分析小波系數從而預測系統的故障時間點，然后結合故障發生的時間點，采用基于模極大值的奇異性檢測方法分析系統的故障位置，該方法對于暫態信號的處理效果較好，但是難以選取合適的小波基函數。基于S變換的故障診斷方法[5]通過獲取的時頻特性和系統狀態信息熵進行電力系統故障診斷，該方法對系統的變化敏感度高，抗干擾能力強，但是對于高頻信號的分析能力不如小波變換。

數據挖掘技術利用各類機器學習算法分析高壓輸電線路合閘故障數據從而實現故障診斷的目的，目前圍繞數據挖掘技術開展研究的方法主要分為有監督學習算法和無監督學習算法。……