申请/专利权人:湘潭大学
申请日:2024-03-21
公开(公告)日:2024-06-21
公开(公告)号:CN118228109A
主分类号:G06F18/241
分类号:G06F18/241;G06F18/214;G06F18/21;G06N3/0442;G01R31/12
优先权:
专利状态码:在审-公开
法律状态:2024.06.21#公开
摘要:本发明公开了一种非侵入式故障电弧检测与定位方法,包括以下步骤:电流数据采集与数据集构建;构造故障因子;构建训练样本;搭建基于机器学习的故障电弧检测与定位模型;故障电弧检测与定位;故障电弧检测与定位最终结果确认。本发明通过提取故障因子中的总电流信号与故障电弧位置之间的隐含信息,并借助神经网络挖掘电弧特征,提高了故障电弧检测与定位的精确度。此外故障因子的提出,提高了故障电弧检测与定位方法在不同场景下的泛化能力,使其能够应用于商业级、楼宇级场景。
主权项:1.一种非侵入式故障电弧检测与定位方法,其特征在于,包括以下步骤:S1:电流数据采集与数据集构建;所述电流数据为在干路上采集到的经过低通滤波后的总电流数据,其中包含各支路上用电器在稳定工作和发生故障电弧时的电流数据,同时采集各支路电弧的发生情况作为故障电弧的位置信息,并构建原始数据集;S2:构造故障因子;对原始数据集中的总电流数据,分别进行方差计算、小波包分解以及滑动窗口内相邻等时间间隔电流采样累计值之差,以提取时域特征、时频域特征以及差值特征,并将这三个特征构建为故障因子;S3:构建训练样本;将故障因子、故障电弧的位置信息和低通滤波后的总电流数据重构为训练样本;S4:搭建基于机器学习的故障电弧检测与定位模型,使用训练样本对故障电弧检测与定位模型进行训练,得到训练好的故障电弧检测与定位模型;S5:故障电弧检测与定位;对在线采集的经过低通滤波后的干路电流数据,应用步骤S2的数据处理方法完成故障因子的构建,将故障因子与其对应的滤波后的干路电流重构为实时样本,并将实时样本输入步骤S4训练好的故障电弧检测与定位模型,获得检测与定位初步结果;S6:故障电弧检测与定位最终结果确认;采用双层滑动窗口机制对步骤S5的检测与定位初步结果进行平滑与各支路上的故障确认,得到检测与定位最终结果。
全文数据:
权利要求:
百度查询: 湘潭大学 一种非侵入式故障电弧检测与定位方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。