【技术实现步骤摘要】
本专利技术涉及低压配电网故障检测，尤其涉及基于人工智能的低压用户侧串联电弧检测方法及装置。
技术介绍
1、低压配电网处于电力系统的最末级，是将电网与最终用户相连的关键环节，其供电的可靠性、安全性关乎用户的生命财产安全和生活质量。低压用户侧故障电弧频发，故障电弧在短时间内可使温度巨幅升高，引燃周围易燃物，进而引起火灾。故障电弧按照故障发生位置可分为三类：并联故障电弧、串联故障电弧和接地故障电弧。
2、串联故障电弧发生在相线或者中性线上，与负载呈串联关系。串联故障电弧的故障电流受线路负载的限制，一般接近甚至小于负载的正常工作电流，因此很难被现有的过流保护所检测到；另一方面，串联故障电弧的电流波形具有一定的随机性，还会受到负载的影响产生复杂的变化，进一步增加了串联故障电弧检测和准确判断的难度。
3、目前已有许多学者在串联故障电弧检测方面进行了大量的研究与探索，并取得了一定的成果，但也存在一些不足：在国外的研究中，针对单一特征的研究较多，但是针对多特征融合判断的研究较少，从而不能精确辨别故障电弧，易出现误判和漏判，且国外针对的是110v/60hz的电压和频率进行研究，对我国220v/50hz来说并不适用；国内对提取故障电弧在电压、电流信号的特征值的方法开展了较多的理论研究，但是更多的是针对某一单一工况下单一方法进行理论推导而得到的结论，实际配电网络中的负载工况情况复杂，导致单一方法在识别故障电弧上易出现局限性，且由于外界环境对检测装置的影响，导致误判、漏判的频率加大。面对串联故障电弧的危害，仍缺乏全面完善的解决方
技术实现思路
1、针对串联故障电弧较难检测及误判、漏判等问题，本专利技术提出基于人工智能的低压用户侧串联电弧检测方法及装置。
2、为了实现上述目的，本专利技术通过如下的技术方案来实现：
3、基于人工智能的低压用户侧串联电弧检测方法，所述方法包括：
4、构建串联电弧隐患预警模型进行故障前预警：实时监测低压用户侧的电气信号数据并输入训练好的串联电弧隐患预警模型，根据当前时刻的电气信号数据及发展趋势预测下一周期的故障电弧隐患概率值，当所述故障电弧隐患概率值超过预设的预警阈值时，判断为存在潜在故障，通知现场人员进行检测和验证，同时可视化显示预警信息；
5、构建多场景低压串联电弧辨识模型进行故障后辨识：基于实时监测的电气信号数据进行电弧相关特征提取，并输入训练好的多场景低压串联电弧辨识模型，进一步判断电弧类型和状态。
6、作为本专利技术的一种优选方案，所述构建串联电弧隐患预警模型，具体包括：
7、收集低压用户侧历史时间内发生故障前的电气信号数据，并进行数据预处理，构成故障判别数据集；所述数据预处理包括去除噪声、滤波和归一化；
8、从所述故障判别数据集中提取故障判别特征，构建故障判别特征数据集，并划分为训练集、测试集和验证集；
9、通过所述训练集对串联电弧隐患预警模型进行训练，调整优化模型参数和结构，通过所述测试集、验证集进行模型测试和验证。
10、作为本专利技术的一种优选方案，所述构建多场景低压串联电弧辨识模型，具体包括：
11、通过低压用电安全真型实验室搭建低压串联电弧故障场景，使用电弧发生器与不同类型负载串联，采集不同类型负载回路下的电气信号数据作为样本，形成样本序列；
12、对所述样本序列进行数据预处理，通过小波变换滤除噪声，并按照7:2:1的比例随机抽取到训练集、测试集和验证集中；
13、通过机器学习算法从预处理后的样本序列中提取电弧相关特征，构造指标s评估单个样本中电弧相关特征的敏感度；
14、基于随机森林算法构建多场景低压串联电弧辨识模型，筛选高敏感度的电弧相关特征输入所述多场景低压串联电弧辨识模型，使用监督学习算法进行训练，并构造自定义系数对模型超参数进行多目标优化；
15、所述多场景低压串联电弧辨识模型中的基本评估器为决策树，每棵决策树输出一个结果，按照少数服从多数的原则，对所有决策树的结果进行统计，生成整个模型的最终结果。
16、作为本专利技术的一种优选方案，对所述电气信号数据进行数据预处理，包括通过小波变换进行信号高频噪声的处理，公式为：
17、
18、式中，表示小波系数；b0为采样率，j为离散小波变换离散化幂级的值，k是与采样时间间隔相关的常数；ψ()为小波基函数，x表示时间变量。
19、作为本专利技术的一种优选方案，所述串联电弧隐患预警模型，具体为基于bp神经网络的预警模型，bp神经网络的隐含层采用tansig函数，所述隐含层的输出hl为：
20、
21、式中，xi表示bp神经网络的第i个输入，i∈[1,m]；wil为输入层至输出层的连接权值；bl为偏置；l的范围为1至n，n为隐层单元的个数；
22、输出层采用purelin函数，输出为：
23、
24、式中，yr为bp神经网络的输出，r的范围为0至1，y0表示不存在潜在故障，y1表示存在潜在故障；wlr为隐含层单元到输出层单元的连接权值；
25、将bp神经网络的输出转换为故障电弧隐患概率值p，公式为：
26、作为本专利技术的一种优选方案，所述低压串联电弧故障场景中，设置采集频率为10khz，每个电气信号数据被赋予一个唯一的编号，通过从原始信号序列中截取宽度为200的滑动时间窗的小片段得到；所述样本序列至少包括八种不同类型负载和17种操作状态。
27、作为本专利技术的一种优选方案，所述电弧相关特征包括能量谱、基频分量、三次谐波分量、五次谐波分量、基频分量率、三次谐波分量率、五次谐波分量率、积分、过零时间、方差、峰度和香农熵。
28、作为本专利技术的一种优选方案，所述通过机器学习算法从预处理后的样本序列中提取电弧相关特征，特征提取公式为：
29、
30、式中，k表示提取的特征值；β为四阶中心矩，drms为样本序列d的有效值，n为样本序列的长度，dy表示样本序列中的第y个采样点的数据；
31、指标s的计算公式为：
32、
33、式中，g为电弧相关特征的类别总数，p、q分别表示其中的第p类、第q类电弧相关特征；
34、a为单个样本i中属于第q类电弧相关特征的特征值，s(a)表示被评估的特征值a的敏感度；为第q类电弧相关特征中所有特征值的平均值；cp、cq分别表示第p类、第q类电弧相关特征中在范围[a-0.5v,a-0.5v]内的样本数量；
35、v＝min(max(vq)－min(vq))，q＝0,1,2,…,g-1；max(vq)、min(vq)分别表示电弧相关特征中的最大值和最小值；
36、s(a)越接近1表示敏感度越高，s(a)越接近0表示敏感度越低，筛选s(a)超出预设的敏感度阈值的特征值作为高敏感度的电弧相关特征，输入所述多场景低压串联电弧本文档来自技高网...
【技术保护点】
1.基于人工智能的低压用户侧串联电弧检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于人工智能的低压用户侧串联电弧检测方法，其特征在于，所述构建串联电弧隐患预警模型，具体包括：
3.根据权利要求1所述的基于人工智能的低压用户侧串联电弧检测方法，其特征在于，所述构建多场景低压串联电弧辨识模型，具体包括：
4.根据权利要求2所述的基于人工智能的低压用户侧串联电弧检测方法，其特征在于，对所述电气信号数据进行数据预处理，包括通过小波变换进行信号高频噪声的处理，公式为：
5.根据权利要求2所述的基于人工智能的低压用户侧串联电弧检测方法，其特征在于，所述串联电弧隐患预警模型，具体为基于BP神经网络的预警模型，BP神经网络的隐含层采用tansig函数，所述隐含层的输出hl为：
6.根据权利要求3所述的基于人工智能的低压用户侧串联电弧检测方法，其特征在于，所述低压串联电弧故障场景中，设置采集频率为10kHZ，每个电气信号数据被赋予一个唯一的编号，通过从原始信号序列中截取宽度为200的滑动时间窗的小片段得到；所述样本序列至
7.根据权利要求3所述的基于人工智能的低压用户侧串联电弧检测方法，其特征在于，所述电弧相关特征包括能量谱、基频分量、三次谐波分量、五次谐波分量、基频分量率、三次谐波分量率、五次谐波分量率、积分、过零时间、方差、峰度和香农熵。
8.根据权利要求3所述的基于人工智能的低压用户侧串联电弧检测方法，其特征在于，所述通过机器学习算法从预处理后的样本序列中提取电弧相关特征，特征提取公式为：
9.根据权利要求3所述的基于人工智能的低压用户侧串联电弧检测方法，其特征在于，所述模型超参数包括：决策树的数量、决策树的最大深度、叶节点最小样本数、每棵决策树考虑的特征个数上限和决策树的节点样本不纯度；
10.基于权利要求1-9任一项所述的基于人工智能的低压用户侧串联电弧检测方法的检测装置，其特征在于，所述装置包括：
...【技术特征摘要】
1.基于人工智能的低压用户侧串联电弧检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于人工智能的低压用户侧串联电弧检测方法，其特征在于，所述构建串联电弧隐患预警模型，具体包括：
3.根据权利要求1所述的基于人工智能的低压用户侧串联电弧检测方法，其特征在于，所述构建多场景低压串联电弧辨识模型，具体包括：
4.根据权利要求2所述的基于人工智能的低压用户侧串联电弧检测方法，其特征在于，对所述电气信号数据进行数据预处理，包括通过小波变换进行信号高频噪声的处理，公式为：
5.根据权利要求2所述的基于人工智能的低压用户侧串联电弧检测方法，其特征在于，所述串联电弧隐患预警模型，具体为基于bp神经网络的预警模型，bp神经网络的隐含层采用tansig函数，所述隐含层的输出hl为：
6.根据权利要求3所述的基于人工智能的低压用户侧串联电弧检测方法，其特征在于，所述低压串联电弧故障场景中，设置采集频率为10khz，每个电气信号...
【专利技术属性】
技术研发人员：储海兵，李聪，韩伶霞，王亚明，崔少华，
申请(专利权)人：江苏易立电气股份有限公司，
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。