一种综合能源系统的交流电弧故障检测方法及系统技术方案

本发明专利技术属于交流电弧故障检测技术领域，具体涉及一种综合能源系统的交流电弧故障检测方法及系统，包括：获取交流电弧信号，所述交流电弧信号为综合能源系统的母线电流；基于同步挤压S变换优化所获取的交流电弧信号的时频曲线；提取所述时频曲线的特征量；根据所提取的特征量和双层长短期记忆网络，检测所获取的交流电弧信号是否存在电弧故障，完成综合能源系统交流电弧的故障检测；其中，所述同步挤压S变换采用增设窗函数参数的同步挤压广义S变换。换采用增设窗函数参数的同步挤压广义S变换。换采用增设窗函数参数的同步挤压广义S变换。

【技术实现步骤摘要】
一种综合能源系统的交流电弧故障检测方法及系统


[0001]本专利技术属于交流电弧故障检测
，具体涉及一种综合能源系统的交流电弧故障检测方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
[0003]电弧被定义为通过绝缘介质的连续发光放电，通常伴随着电极的部分挥发，它是由碳化路径或点接触引起的气体游离放电现象。当绝缘材料老化破损或线路过载发热产生泄露电流时，会在表面形成碳化路径，从而产生电弧。电极之间表面上的碳化路径可能由于加热、泄漏电流跟踪或在一段时间内偶尔产生的火花而形成。电弧故障是电气火灾的主要原因之一；当泄漏电流流过碳化路径或产生火花时，表面加热并随着产生导电碳而热解，使它为点火做准备，同时它成为一个更好的导体，随着时间的推移趋于点火条件。电弧也有时是由松散接触的电极产生的，即电极的点接触和分离。
[0004]电力系统的基频可能会发生变化，而固定的采样率是大多数数据采集系统的典型特征。现有技术大多数采用快速傅里叶变换和小波变换对电力系统电弧进行测量和分析，但这种方法存在混叠效应、频谱泄漏和栅栏效应，导致电弧参数的估计误差加大，无法实现信号的精确重构并且在时频分辨率以及处理结果的信噪比方面存在固有缺陷；可通过加窗解决解决频谱泄露的问题，具有较大侧衰减和高侧衰减率的窗口可充分降低频谱泄漏和谐波干扰，纳托尔窗和汉宁窗均可提升快速傅里叶变换辨识结果的精确度，减少运算的时间，滑窗快速傅里叶变换有很好的抗噪和分辨振荡模态的能力；但是，这些窗函数不能良好的适应复杂的非线性信号的判断。

技术实现思路

[0005]为了解决上述问题，本专利技术提出了一种综合能源系统的交流电弧故障检测方法及系统，结合改进的同步挤压S变换，基于发生电弧故障前后电弧特征量的差别实现对交流电弧的故障检测，提高检测的准确率。
[0006]根据一些实施例，本专利技术的第一方案提供了一种综合能源系统的交流电弧故障检测方法，采用如下技术方案：
[0007]一种综合能源系统的交流电弧故障检测方法，包括：
[0008]获取交流电弧信号，所述交流电弧信号为综合能源系统的母线电流；
[0009]基于同步挤压S变换优化所获取的交流电弧信号的时频曲线；
[0010]提取所述时频曲线的特征量；
[0011]根据所提取的特征量和双层长短期记忆网络，检测所获取的交流电弧信号是否存在电弧故障，完成综合能源系统交流电弧的故障检测；
[0012]其中，所述同步挤压S变换采用增设窗函数参数的同步挤压广义S变换。
[0013]作为进一步的技术限定，基于设置在综合能源系统母线上的电流互感器，实时采集交流电弧信号。
[0014]进一步的，所述同步挤压S变换的基本小波函数ω
f
(t)为其中，g
f
(t)为窗函数,f为频率，t为时间。
[0015]进一步的，所述窗函数增设窗函数参数λ和窗函数rgs，λ∈(0,3]rgs∈(0,1]即其中，ρ为调节因子。
[0016]作为进一步的技术限定，所述双层长短期记忆网络采用含注意力机制的长短期记忆
‑
卷积神经网络模型。
[0017]进一步的，基于所述注意力机制计算特征量的权重系数，再根据所得到的权重系数计算特征量的加权平均。
[0018]作为进一步的技术限定，当检测所获取的交流电弧信号存在电弧故障时，综合能源系统在预设的安全时间内及时发出报警信号，基于设置在综合能源系统内部的脱扣装置自动跳闸。
[0019]根据一些实施例，本专利技术的第二方案提供了一种综合能源系统的交流电弧故障检测系统，采用如下技术方案：
[0020]一种综合能源系统的交流电弧故障检测系统，包括：
[0021]获取模块，其被配置为获取交流电弧信号，所述交流电弧信号为综合能源系统的母线电流；
[0022]优化模块，其被配置为基于同步挤压S变换优化所获取的交流电弧信号的时频曲线；
[0023]提取模块，其被配置为提取所述时频曲线的特征量；
[0024]检测模块，其被配置为根据所提取的特征量和双层长短期记忆网络，检测所获取的交流电弧信号是否存在电弧故障，完成综合能源系统交流电弧的故障检测；
[0025]其中，在优化模块中，所述同步挤压S变换采用增设窗函数参数的同步挤压广义S变换。
[0026]根据一些实施例，本专利技术的第三方案提供了一种计算机可读存储介质，采用如下技术方案：
[0027]一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现如本专利技术第一方案所述的综合能源系统的交流电弧故障检测方法中的步骤。
[0028]根据一些实施例，本专利技术的第四方案提供了一种电子设备，采用如下技术方案：
[0029]一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，所述处理器执行所述程序时实现如本专利技术第一方案所述的综合能源系统的交流电弧故障检测方法中的步骤。
[0030]与现有技术相比，本专利技术的有益效果为：
[0031]本申请将同步挤压广义S变换方法引入电弧故障诊断领域，通过改进窗函数使得窗口宽度更为灵活，避免了窗口宽度太窄而改变时间分辨率、窗口宽度太宽而影响频率分辨率的问题，兼顾了高频谱分辨率和低延迟，充分保留了电弧信号的特征信息，有效解决了
电弧信号中存在大量噪声干扰的问题；基于同步挤压广义S变换和注意力机制的长短期记忆(Long and Short
‑
Term Memory model，LSTM)
‑
卷积神经网络(Convolutional Neural Network，CNN)，构建电弧故障检测模型，有效区分好弧和坏弧，有效提高电弧检测的准确率。
附图说明
[0032]构成本实施例的一部分的说明书附图用来提供对本实施例的进一步理解，本实施例的示意性实施例及其说明用于解释本实施例，并不构成对本实施例的不当限定。
[0033]图1为本专利技术实施例一中的综合能源系统的交流电弧故障检测方法的流程图；
[0034]图2为本专利技术实施例一中的综合能源系统的交流电弧故障检测方法的步骤示意图；
[0035]图3为本专利技术实施例一中的基于改进的同步挤压广义S变换后得到的时频曲线图；
[0036]图4为本专利技术实施例一中的神经元基本结构示意图；
[0037]图5为本专利技术实施例一中的LSTM结构示意图；
[0038]图6为本专利技术实施例一中的注意力模型结构示意图；
[0039]图7为本专利技术实施例一中的引入注意力机制的双LSTM模型结构示意图；
[0040]图8为本专利技术实施例一中的LSTM
‑
CNN神经网络结构示意图；
[0041]图9为本专利技术实施例二中的综合能源系统的交流电弧故障检测系统的结构框图。
具体实施方式
[0042]下面结合附图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种综合能源系统的交流电弧故障检测方法，其特征在于，包括：获取交流电弧信号，所述交流电弧信号为综合能源系统的母线电流；基于同步挤压S变换优化所获取的交流电弧信号的时频曲线；提取所述时频曲线的特征量；根据所提取的特征量和双层长短期记忆网络，检测所获取的交流电弧信号是否存在电弧故障，完成综合能源系统交流电弧的故障检测；其中，所述同步挤压S变换采用增设窗函数参数的同步挤压广义S变换。2.如权利要求1中所述的一种综合能源系统的交流电弧故障检测方法，其特征在于，基于设置在综合能源系统母线上的电流互感器，实时采集交流电弧信号。3.如权利要求1中所述的一种综合能源系统的交流电弧故障检测方法，其特征在于，所述同步挤压S变换的基本小波函数ω
f
(t)为其中，g
f
(t)为窗函数，f为频率，t为时间。4.如权利要求3中所述的一种综合能源系统的交流电弧故障检测方法，其特征在于，所述窗函数增设窗函数参数λ和窗函数rgs，λ∈(0,3]，rgs∈(0,1]，即其中，ρ为调节因子。5.如权利要求1中所述的一种综合能源系统的交流电弧故障检测方法，其特征在于，所述双层长短期记忆网络采用含注意力机制的长短期记忆
‑
卷积神经网络模型。6.如权利要求5中所述的一种综合能源系统的交流电弧故障检测方法，其特征在于，基于所述注意力...

【专利技术属性】
技术研发人员：田鹏，李岩，荣以平，朱建文，刘玉娇，李国亮，唐晓光，王坤，林煜清，徐小龙，杨斌，林美华，宋培鑫，王瑞琪，朱国梁，颜勇，刘建文，马俊迪，葛珍珍，王晓，高鹏，张宁，卢宇航，
申请(专利权)人：国网山东综合能源服务有限公司，
类型：发明
国别省市：