一种串联电弧故障的检测方法和系统.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115856504A(43)申请公布日2023.03.28(21)申请号202211523576.7G06N3/048(2023.01)(22)申请日2022.11.30G06N3/08(2023.01)G06N3/0464(2023.01)(71)申请人广西电网有限责任公司电力科学研究院地址530023广西壮族自治区南宁市民主路6-2号(72)发明人郭敏吴宁肖静韩帅陈卫东郭小璇卢健斌阮诗雅龚文兰吴晓锐姚知洋(74)专利代理机构南宁东智知识产权代理事务所(特殊普通合伙)45117专利代理师裴康明(51)Int.Cl.G01R31/08(2020.01)G06F30/27(2020.01)权利要求书3页说明书10页附图3页(54)发明名称一种串联电弧故障的检测方法和系统(57)摘要本发明公开了一种串联电弧故障的检测方法和系统，包括以下步骤：获得典型负载在正常运行时的电流数据和发生电弧故障时的电流数据；将正常电路的电流故障和电弧故障分成两个数据集，分别设不同的标签，并对两个数据集进行归一化处理、划分为训练集和测试集；对电流信号进行相空间重构，计算得到电弧特征矩阵；使用训练集对改进的卷积神经网络进行训练，并使用改进的卷积神经网络对测试集进行测试，计算得到合适的模型参数；使用新的训练集对模型进行训练，并使用模型对新的测试集进行测试；利用训练好的模型对采集到的数据进行识别，并分离出故障样本。本发明对串联故障电弧具有高识别准确率，能够有效地对其故障进行高精度诊断。CN115856504ACN115856504A权利要求书1/3页1.一种串联电弧故障的检测方法，其特征在于，包括以下步骤：获得典型负载在正常运行时的电流数据和发生电弧故障时的电流数据；将正常电路的电流故障和电弧故障分成两个数据集，分别设不同的标签，并对两个数据集进行归一化处理、划分为训练集和测试集；对电流信号进行相空间重构，计算得到电弧特征矩阵；使用训练集对改进的卷积神经网络进行训练，并使用改进的卷积神经网络对测试集进行测试，计算得到合适的模型参数；使用新的训练集对模型进行训练，并使用模型对新的测试集进行测试；利用训练好的模型对采集到的数据进行识别，并分离出故障样本。2.根据权利要求1所述的一种串联电弧故障的检测方法，其特征在于，所述电流数据为和所述和分别表示第i个负载在正常电路状态时的电流数据和发生电弧故障时的电流数据；将所述标签分别设置为1和0。3.根据权利要求1所述的一种串联电弧故障的检测方法，其特征在于，所述电弧特征矩阵的建立包括以下步骤：分别采用平均互信息法和虚假临近点法求得延迟时间τ和嵌入维度m，并对单个周期的电流进行坐标延迟嵌入，利用单个周期重构得到的矢量计算距离特征矩阵；通过将单一的时间序列重构出一个相空间，一维时间序列进行延迟时间τ构造m维相空间矢量X，建立X(n)表达式：X(n)＝[x(n)，x(n+τ)，…，x(n+(m‑1)τ)]，式中，x(n)为电流信号序列；建立时间序列与其延迟时间为τ的序列的平均互信息的计算公式I(τ)：式中，xn为电流信号序列，P(xn，xn+τ)为电流信号序列xn和xn+τ的联合分布概率，最佳延迟时间为I(τ)达到第一个局部极小值的τ。4.根据权利要求3所述的一种串联电弧故障的检测方法，其特征在于，所述虚假临近点法通过对时间序列中的每个点，在m维度的空间中寻找其最临近点的距离，并将相空间的维数增加1，计算两者之间的距离，则距离差大的属于虚假临近点；令X(n)为m维空间的矢量[x(n)，x(n+τ)，......，x(n+(m‑1)τ)]，令X(r)(n)为X的最小临近点建立m维表达式和m+1维表达式：式中，和分别为，X(n)在m维和m+1维中最临近点之间的距离，建立Rto1表达式和RA表达式：2CN115856504A权利要求书2/3页式中，RA表示为真实嵌入维数的估计值，Rto1表示为确定值，当所述Rto1表达式和RA表达式任一成立则表示该点为虚假临近点。5.根据权利要求4所述的一种串联电弧故障的检测方法，其特征在于，通过相空间重构后得到τ个m维的矢量X，则构建距离特征矩阵：Di，j＝|X(i)‑X(j)|，式中，X为m维的矢量；设负载共有k种负载，每种负载电流数据的周期数均为l，则建立负载周期的距离特征矩阵：将1个周期的任一负载的距离特征矩阵按行组合，得到任一负载的距离特征矩阵聚：将k种负载的距离特征矩阵集按行合并，得到用于网络训练的数据集D：6.根据权利要求5所述的一种串联电弧故障的检测方法，其特征在于，设所述电弧特征矩阵为D，所述卷积神经网络模型的构建过程包括以下步骤：所述卷积神经网络模型包括6层网络结构，所述6层网络结构分别为卷积层C1、池化层S2、卷积层