System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及触电检测,尤其涉及一种生命体触电电流识别方法、装置和设备。
技术介绍
1、随着低压配电网规模的扩大,低压配电网受施工改造等影响容易存在漏电风险从而时常引发人体触电事故的发生,故对其的运行可靠性要求也越来越高。
2、目前,低压配电网主要通过剩余电流保护设备(rcd)根据检测到的剩余电流幅值的大小来判定触电事故的发生与否,但剩余电流保护设备检测时易受环境影响,且对于触电类型缺乏判别能力,导致生命体触电电流识别可靠性低下。
技术实现思路
1、本专利技术提供了一种生命体触电电流识别方法、装置和设备,解决了现有技术通过剩余电流保护设备对生命体触电电流识别时,剩余电流保护设备检测时易受环境影响,且对于触电类型缺乏判别能力,导致生命体触电电流识别可靠性低下的技术问题。
2、本专利技术第一方面提供的一种生命体触电电流识别方法,包括:
3、当采集到待识别剩余电流信号时,通过对所述待识别剩余电流信号进行分解降噪处理,确定触电有效信号;
4、对所述触电有效信号进行多维特征提取,生成多维特征矩阵;
5、采用局部线性嵌入法对所述多维特征矩阵进行降维,构建降维特征矩阵;
6、将所述降维特征矩阵输入训练好的tcn-gru模型进行识别,输出触电电流识别结果。
7、可选地,所述当采集到待识别剩余电流信号时,通过对所述待识别剩余电流信号进行分解降噪处理,确定触电有效信号的步骤,包括:
8、采用最大重叠离散小波
9、基于全部所述子信号的时域能量确定模态分解个数;
10、通过变分模态分解基于所述模态分解个数对所述待识别剩余电流信号进行降噪,构建多个模态函数;
11、对全部所述模态函数进行低频特征提取并叠加,确定触电有效信号。
12、可选地,所述剩余电流信号包括多个第一采样值;每个所述子信号包括多个与所述第一采样值对应的第二采样值;所述基于全部所述子信号的时域能量确定模态分解个数的步骤,包括:
13、分别采用各所述子信号的时域能量计算对应的能量占比;
14、顺序选取各所述能量占比进行加法运算得到能量占比和值,直至所述能量占比和值大于或等于预设占比阈值,则确定所述能量占比和值对应的能量占比个数为模态分解个数;
15、所述能量占比的计算过程包括:
16、
17、其中,u为第u个子信号,bu为第u个子信号的能量占比,bu,i为第u个子信号的第i个第一采样值对应的第二采样值,n为采样个数,为第u个子信号的时域能量,ai为第i个第一采样值。
18、可选地,所述对所述触电有效信号进行多维特征提取,生成多维特征矩阵的步骤,包括:
19、对所述触电有效信号进行时域暂态特征提取;
20、对所述触电有效信号进行傅里叶变换后进行频域暂态特征提取;
21、对所述触电有效信号进行能量特征提取;
22、将全部所述时域暂态特征、全部所述频域暂态特征和所述能量特征组成多维特征矩阵。
23、可选地,所述时域暂态特征包括绝对平均值、均方根、方差、标准差、最大值、最小值、峰峰值、偏斜度和波形因数。
24、可选地,所述频域暂态特征包括二次谐波幅值和多个频谱频域特征。
25、可选地,所述tcn-gru模型包括串联的输入层、两层tcn层、两层gru层、全连接层和输出层;所述将所述降维特征矩阵输入训练好的tcn-gru模型进行识别,输出触电电流识别结果的步骤,包括:
26、通过所述输入层将所述降维特征矩阵输入级联的两层所述tcn层进行特征提取,构建特征向量;
27、采用级联的两层所述gru层对所述特征向量进行分类识别,生成分类结果;
28、通过所述全连接层将所述分类结果映射至所述输出层,输出触电电流识别结果。
29、可选地,还包括:
30、采集剩余电流信号样本集,所述剩余电流信号样本集包括多类剩余电流信号样本;
31、通过最大重叠离散小波变换对各所述剩余电流信号样本预分解并确定对应的多个模态分解个数样本;
32、基于各所述模态分解个数样本变分模态分解对应的剩余电流信号样本,确定对应的多个触电有效信号样本;
33、分别对各所述触电有效信号样本进行多维特征提取和归一化处理后,采用局部线性嵌入法降维生成对应的多个降维特征矩阵样本;
34、将全部所述多个降维特征矩阵样本划按照关联的样本标签和预设比例划分为训练集和测试集,采用所述训练集和所述测试集对预设的tcn-gru模型进行训练和测试,确定训练好的tcn-gru模型;
35、多类所述剩余电流信号样本包括三相平衡正常剩余电流信号样本、三相平衡生命体触电剩余电流信号样本、三相不平衡正常剩余电流信号样本、三相不平衡生命体触电剩余电流信号样本。
36、本专利技术第二方面提供的一种生命体触电电流识别装置,包括:
37、分解降噪模块,用于当采集到待识别剩余电流信号时,通过对所述待识别剩余电流信号进行分解降噪处理,确定触电有效信号;
38、特征提取模块,用于对所述触电有效信号进行多维特征提取,生成多维特征矩阵;
39、特征降维模块,用于采用局部线性嵌入法对所述多维特征矩阵进行降维,构建降维特征矩阵;
40、触电识别模块,用于将所述降维特征矩阵输入训练好的tcn-gru模型进行识别,输出触电电流识别结果。
41、本专利技术第三方面提供的一种电子设备,包括存储器及处理器,所述存储器中储存有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如本专利技术第一方面任一项所述的生命体触电电流识别方法的步骤。
42、从以上技术方案可以看出,本专利技术具有以下优点:
43、本专利技术通过对待识别剩余电流信号进行分解降噪处理确定触电有效信号,对触电有效信号进行多维特征提取生成多维特征矩阵,采用局部线性嵌入法对多维特征矩阵进行降维构建降维特征矩阵,将降维特征矩阵输入训练好的tcn-gru模型识别输出触电电流识别结果。在整个生命体触电电流识别过程中,通过分解降噪降低对待识别剩余电流信号的噪声干扰,从多层面来分析和刻画生命体触电的特征信息,并进一步通过tcn-gru模型识别分类,整体提升了生命体触电电流识别可靠性。
本文档来自技高网...【技术保护点】
1.一种生命体触电电流识别方法,其特征在于,包括:
2.根据权利要求1所述的生命体触电电流识别方法,其特征在于,所述当采集到待识别剩余电流信号时,通过对所述待识别剩余电流信号进行分解降噪处理,确定触电有效信号的步骤,包括:
3.根据权利要求2所述的生命体触电电流识别方法,其特征在于,所述剩余电流信号包括多个第一采样值;每个所述子信号包括多个与所述第一采样值对应的第二采样值;所述基于全部所述子信号的时域能量确定模态分解个数的步骤,包括:
4.根据权利要求1所述的生命体触电电流识别方法,其特征在于,所述对所述触电有效信号进行多维特征提取,生成多维特征矩阵的步骤,包括:
5.根据权利要求4所述的生命体触电电流识别方法,其特征在于,所述时域暂态特征包括绝对平均值、均方根、方差、标准差、最大值、最小值、峰峰值、偏斜度和波形因数。
6.根据权利要求4所述的生命体触电电流识别方法,其特征在于,所述频域暂态特征包括二次谐波幅值和多个频谱频域特征。
7.根据权利要求1所述的生命体触电电流识别方法,其特征在于,所述TCN-GRU
8.根据权利要求1所述的生命体触电电流识别方法,其特征在于,还包括:
9.一种生命体触电电流识别装置,其特征在于,包括:
10.一种电子设备,其特征在于,包括存储器及处理器,所述存储器中储存有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如权利要求1-8任一项所述的生命体触电电流识别方法的步骤。
...【技术特征摘要】
1.一种生命体触电电流识别方法,其特征在于,包括:
2.根据权利要求1所述的生命体触电电流识别方法,其特征在于,所述当采集到待识别剩余电流信号时,通过对所述待识别剩余电流信号进行分解降噪处理,确定触电有效信号的步骤,包括:
3.根据权利要求2所述的生命体触电电流识别方法,其特征在于,所述剩余电流信号包括多个第一采样值;每个所述子信号包括多个与所述第一采样值对应的第二采样值;所述基于全部所述子信号的时域能量确定模态分解个数的步骤,包括:
4.根据权利要求1所述的生命体触电电流识别方法,其特征在于,所述对所述触电有效信号进行多维特征提取,生成多维特征矩阵的步骤,包括:
5.根据权利要求4所述的生命体触电电流识别方法,其特征在于,所述时域暂态特征包括绝对平均值、均方根、方差、标准差、最大值、最小值、峰峰值...
【专利技术属性】
技术研发人员:刘石生,林杰莹,刘志雄,李俊达,王仁民,曾永浩,林伟坚,程志秋,曹宏宇,陈建文,何伟璋,黎颖茵,彭永健,余新财,陆锦明,吴沛杰,钟官添,潘博文,邓铭元,李新平,
申请(专利权)人:广东电网有限责任公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。