1.一种基于ARIMA波头预测的输电线路故障行波测距方法，其特征在于，包括依次执行的步骤(1)至(7)：

(1)在输电线路的首端和末端分别设置一个测量点，记首端、末端的测量点分别为Ps、Pr；假设故障发生在F点，分别在测量点Ps、Pr处利用行波测量装置提取电压信号，然后对提取的电压信号进行相模变换，得到相应的线模电压信号向量：Us＝[us，1，us，2，...，us，k-1，us，k，us，k+1，...，us，l]Ur＝[ur，1，ur，2，...，ur，j-1，ur，j，ur，j+1，...，ur，l]其中，Us为测量点Ps处提取的电压信号，Ur为测量点Pr处提取的电压信号，l为线模电压信号总长度；

(2)分别对Us、Ur中进行一阶差分计算，得到差分后的向量Uds、Udr，Uds＝[ds，2，ds，3，...，ds，l-1]，Udr＝[dr，2，dr，3，...，dr，l-1]，ds，k＝us，k+1-us，k，dr，k＝ur，k+1-ur，k，k∈[2，l-1]；设置阈值w1，分别对Uds、Udr执行搜索：从向量的第一个分量开始，遍历向量中所有元素，当遇到第一个大于阈值w1的分量时，将该分量对应的时间点作为假定初始波头到达时间点；记Uds中搜索出的假定初始波头到达时间点为ms，Udr中搜索出的假定初始波头到达时间点为mr；

(3)根据步骤(2)得到的初始波头到达时间点ms、mr，从Us中剔除ms前的a个信号，然后从Us剩余的序列中选择排在列首的长度为b的序列Us1：从Ur中剔除mr前的a个信号，然后从Ur剩余的序列中选择排在列首的长度为b的序列Ur1，(4)分别以Us1和Ur1为输入序列，采用ARIMA模型进行预测，得到相应的预测序列Us，forecast和Ur，forecast：其中，c为预测序列的长度；

(5)计算预测序列与相应的实际序列的差值的绝对值：分别对Uf-s和Uf-r进行一阶差分运算，得到相应的差分序列：设置阈值w2，分别对Ud(f-s)、Ud(f-r)执行搜索：从向量的第一个分量开始，遍历向量中所有元素，当遇到第一个大于阈值w2的分量时，记录该分量对应的时间点；记Ud(f-s)中搜索出的时间点为ns，Ud(f-r)中搜索出的时间点为nr；

(6)计算Ps精确波头到达时间点为：Ts＝ms-a-b+ns

计算Pr精确波头到达时间点为：

Tr＝mr-a-b+nr；

(7)设故障初始行波信号以传播速度v到达线路两端Ps、Pr的时间为Ts和Tr，构建双端测距公式模型为：

其中，Dsf和Drf分别是故障点与Ps、Pr之间距离；L为Ps与Pr之间的线路长度；

求解双端测距公式模型，得到：

带入Ts和Tr即可得到Dsf和Drf。

2.根据权利要求1所述的一种基于ARIMA波头预测的输电线路故障行波测距方法，其特征在于，所述步骤(4)中通过ARIMA得到预测值的具体步骤为：(a)对Us1进行一阶差分计算，得到：(b)取d＝0，将ARIMA(p，d，q)模型转化为ARIMA(p，q)模型；将Uds1带入ARIMA(p，q)模型，得到：

其中，p和q是模型的自回归阶数和移动平均阶数；θ和 是不为零的待定系数；εt是独立的误差项；

(c)随机选取N组不同值的(p，q)，p，q都为正整数；分别计算这N组(p，q)对应的ARIMA(p，q)的赤池信息量准则AIC和贝叶斯信息准则BIC，公式如下AIC＝-2(V)+2(d)

BIC＝-2(V)+d*log(n)其中，V是最佳对数似然值，d代表估计参数的数量，n是Uds1中元素的个数；

(d)选择数值最小的AIC或BIC对应的(p，q)，将相应的ARIMA(p，q)作为最佳预测模型；

(e)对ARIMA(p，q)预测的最佳模型进行一阶差分还原，得到预测值：