【技术实现步骤摘要】
本专利技术涉及故障电弧检测，并且更具体地，涉及一种基于采样电阻电压信号的故障电弧诊断方法及系统。
技术介绍
1、在住宅和低压配电系统中，长时间的使用、外力作用及环境因素可导致电缆绝缘层老化和破损，从而降低绝缘强度，引发并联、串联电弧故障。串联故障电弧(saf)与常规电气故障相比，其电流幅值变化较小，主要表现为电流波形的高频畸变和杂波增多。这使得传统电气保护装置如空气开关和熔断器难以有效识别低压交流电弧，因为它们主要基于过电流触发断路。且随着我国新型电力系统的构建，非线性负载的增多和拓扑回路结构的复杂化，实现主干路故障电弧的有效检测和预防，成为电气故障保护领域的新挑战。目前国内外几十余家生产企业相继推出了低压电弧诊断装置，但现有的基于汇集支路(干路)检测的低压故障电弧诊断装置准确率还有待提高。采样电阻两端信号没有带宽限制，能够完好的保留电路中电流信号的原始特征，且采样电阻采样得到的故障电弧时域波形会统一的呈现高频尖峰波形特征，故障电流信号特征明显，容易识别电弧故障。但小电流负载产生的电弧特征会淹没在干路电流中。
2、因此，需要对采样电阻电压信号进一步处理，为此提出了一种基于采样电阻电压信号的故障电弧诊断方法。
技术实现思路
1、本专利技术提出一种基于采样电阻电压信号的故障电弧诊断方法及系统，以解决如何高效地进行故障电弧诊断的问题。
2、为了解决上述问题，根据本专利技术的一个方面，提供了一种基于采样电阻电压信号的故障电弧诊断方法，所述方法包括：
3、
4、对所述电压信号进行时频域特征的提取，并对提取的时频域特征进行降维处理，以获取降维处理后的特征数据；
5、基于所述特征数据训练li ghtgbm模型，并基于训练好的li ghtgbm模型对每个时间窗内的电压信号进行检测，以进行故障电弧的诊断。
6、优选地，其中所述方法还包括：
7、在对所述电压信号进行时频域特征的提取之前，逐频降低所述电压信号中的低频信息，以凸显所述电压信号中的高频信息。
8、优选地，其中所述时频域特征，包括：异常脉冲数、皮尔逊相关系数、峰峰值、整流平均值、标准差、归零化峭度、偏度、均方根、波形因子、峰值因子、脉冲因子、裕度因子、重心频率、均方根频率、频率方差、频率标准差、谱峭度均值、谱峭度标准差、谱峭度的偏度、谱峭度的峭度、频谱能量、频谱均值、3次和5次谐波的幅值之和、总谐波失真率、功率谱熵、能量熵、模糊熵、包络熵。
9、优选地，其中所述方法基于随机森林算法对提取的时频域特征进行降维处理，以获取降维后的特征数据，包括：
10、通过随机森林模型训练包含所有时频域特征的数据集，计算每个特征的重要性和模型分类准确率，再根据模型中每个特征的重要性进行特征筛选，在每次循环中按照重要性从小到大的顺序去除第一预设数量的特征，并重新训练模型，直至分类准确率达到预设准确率或剩余的特征数量为第二预设数量时停止，获取降维后的特征数据。
11、优选地，其中所述基于所述特征数据训练li ghtgbm模型，包括：
12、利用goss对特征数据进行处理，选取合适的大梯度及小梯度样本集合，并对所选的两部分样本集合进行合并，利用合并后的样本集合进行训练学习，学习一个新学习器，并进行多次迭代，以后训练好的li ghtgbm模型；
13、其中，通过optuna库实现的贝叶斯优化算法对li ghtgbm中的多个超参数进行同时优化。
14、优选地，其中基于训练好的lightgbm模型对每个时间窗内的电压信号进行检测，以进行故障电弧的诊断，包括：
15、利用训练好的li ghtgbm模型对依次每个时间窗内的电弧信号进行检测，确定每个时间窗内电弧是否发生，并在连续的第一预设数量的时间窗口内，发生电弧故障的数量大于等于第二预设数量时，确定所述交流系统发生电弧故障。
16、根据本专利技术的另一个方面，提供了一种基于采样电阻电压信号的故障电弧诊断系统，所述系统包括：
17、信号采样单元，对交流系统电路中干路电流经过的采样电阻两端电压进行采样，获取电压信号；
18、特征数据获取单元，用于对所述电压信号进行时频域特征的提取，并对提取的时频域特征进行降维处理，以获取降维处理后的特征数据；
19、诊断单元，用于基于所述特征数据训练li ghtgbm模型，并基于训练好的lightgbm模型对每个时间窗内的电压信号进行检测，以进行故障电弧的诊断。
20、优选地，其中所述系统还包括：
21、信号放大单元，用于在对所述电压信号进行时频域特征的提取之前，逐频降低所述电压信号中的低频信息，以凸显所述电压信号中的高频信息。
22、优选地，其中所述时频域特征，包括：异常脉冲数、皮尔逊相关系数、峰峰值、整流平均值、标准差、归零化峭度、偏度、均方根、波形因子、峰值因子、脉冲因子、裕度因子、重心频率、均方根频率、频率方差、频率标准差、谱峭度均值、谱峭度标准差、谱峭度的偏度、谱峭度的峭度、频谱能量、频谱均值、3次和5次谐波的幅值之和、总谐波失真率、功率谱熵、能量熵、模糊熵、包络熵。
23、优选地，其中所述特征数据获取单元，基于随机森林算法对提取的时频域特征进行降维处理，以获取降维后的特征数据，包括：
24、通过随机森林模型训练包含所有时频域特征的数据集，计算每个特征的重要性和模型分类准确率，再根据模型中每个特征的重要性进行特征筛选，在每次循环中按照重要性从小到大的顺序去除第一预设数量的特征，并重新训练模型，直至分类准确率达到预设准确率或剩余的特征数量为第二预设数量时停止，获取降维后的特征数据。
25、优选地，其中所述诊断单元，基于所述特征数据训练lightgbm模型，包括：
26、利用goss对特征数据进行处理，选取合适的大梯度及小梯度样本集合，并对所选的两部分样本集合进行合并，利用合并后的样本集合进行训练学习，学习一个新学习器，并进行多次迭代，以后训练好的lightgbm模型；
27、其中，通过optuna库实现的贝叶斯优化算法对lightgbm中的多个超参数进行同时优化。
28、优选地，其中所述诊断单元，基于训练好的lightgbm模型对每个时间窗内的电压信号进行检测，以进行故障电弧的诊断，包括：
29、利用训练好的lightgbm模型对依次每个时间窗内的电弧信号进行检测，确定每个时间窗内电弧是否发生，并在连续的第一预设数量的时间窗口内，发生电弧故障的数量大于等于第二预设数量时，确定所述交流系统发生电弧故障。
30、基于本专利技术的另一方面，本专利技术提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现一种基于采样电阻电压信号的故障电弧诊断方法中任一项的步骤。
31、基于本专利技术的另一方面，本发本文档来自技高网...
【技术保护点】
1.一种基于采样电阻电压信号的故障电弧诊断方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
3.根据权利要求1所述的方法，其特征在于，所述时频域特征，包括：异常脉冲数、皮尔逊相关系数、峰峰值、整流平均值、标准差、归零化峭度、偏度、均方根、波形因子、峰值因子、脉冲因子、裕度因子、重心频率、均方根频率、频率方差、频率标准差、谱峭度均值、谱峭度标准差、谱峭度的偏度、谱峭度的峭度、频谱能量、频谱均值、3次和5次谐波的幅值之和、总谐波失真率、功率谱熵、能量熵、模糊熵、包络熵。
4.根据权利要求1所述的方法，其特征在于，所述方法基于随机森林进行特征筛选，以获取降维后的特征数据，包括：
5.根据权利要求1所述的方法，其特征在于，所述基于所述特征数据训练LightGBM模型，包括：
6.根据权利要求1所述的方法，其特征在于，基于训练好的LightGBM模型对每个时间窗内的电压信号进行检测，以进行故障电弧的诊断，包括：
7.一种基于采样电阻电压信号的故障电弧诊断系统，其特征在于，所述
8.根据权利要求7所述的系统，其特征在于，所述系统还包括：
9.根据权利要求7所述的系统，其特征在于，所述时频域特征，包括：异常脉冲数、皮尔逊相关系数、峰峰值、整流平均值、标准差、归零化峭度、偏度、均方根、波形因子、峰值因子、脉冲因子、裕度因子、重心频率、均方根频率、频率方差、频率标准差、谱峭度均值、谱峭度标准差、谱峭度的偏度、谱峭度的峭度、频谱能量、频谱均值、3次和5次谐波的幅值之和、总谐波失真率、功率谱熵、能量熵、模糊熵、包络熵。
10.根据权利要求7所述的系统，其特征在于，所述特征数据获取单元，基于随机森林算法对提取的时频域特征进行降维处理，以获取降维后的特征数据，包括：
11.根据权利要求7所述的系统，其特征在于，所述诊断单元，基于所述特征数据训练LightGBM模型，包括：
12.根据权利要求7所述的系统，其特征在于，所述诊断单元，基于训练好的LightGBM模型对每个时间窗内的电压信号进行检测，以进行故障电弧的诊断，包括：
13.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-6中任一项所述方法的步骤。
14.一种电子设备，其特征在于，包括：
...【技术特征摘要】
1.一种基于采样电阻电压信号的故障电弧诊断方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
3.根据权利要求1所述的方法，其特征在于，所述时频域特征，包括：异常脉冲数、皮尔逊相关系数、峰峰值、整流平均值、标准差、归零化峭度、偏度、均方根、波形因子、峰值因子、脉冲因子、裕度因子、重心频率、均方根频率、频率方差、频率标准差、谱峭度均值、谱峭度标准差、谱峭度的偏度、谱峭度的峭度、频谱能量、频谱均值、3次和5次谐波的幅值之和、总谐波失真率、功率谱熵、能量熵、模糊熵、包络熵。
4.根据权利要求1所述的方法，其特征在于，所述方法基于随机森林进行特征筛选，以获取降维后的特征数据，包括：
5.根据权利要求1所述的方法，其特征在于，所述基于所述特征数据训练lightgbm模型，包括：
6.根据权利要求1所述的方法，其特征在于，基于训练好的lightgbm模型对每个时间窗内的电压信号进行检测，以进行故障电弧的诊断，包括：
7.一种基于采样电阻电压信号的故障电弧诊断系统，其特征在于，所述系统包括：
8.根据权利要求7所述的系统，其特征...
【专利技术属性】
技术研发人员：张蓬鹤，陈少雄，宋如楠，杨艺宁，吴忠强，薛阳，陈敢超，王加英，郜波，陈昊，任毅，王聪，杨柳，王璧成，于浩，
申请(专利权)人：中国电力科学研究院有限公司，
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。