[发明专利]一种基于卷积神经网络的串联故障电弧检测装置及方法

权利要求书

1.一种基于卷积神经网络的串联故障电弧检测装置，其特征在于，包括线路电流信号采集单元、数据处理单元、故障电弧模型构建单元以及结果输出单元；其中，

所述线路电流信号采集单元，用于对故障电弧发生器每次对应加载有相异负载时所流过的电流信号进行采集并转换成相应的电弧电流数据；

所述数据处理单元，用于根据各相异负载的类型，将采集的电弧电流数据整理成各自相应的电流样本数据集，并根据是否为串联故障电弧为每一条电流样本进行标记，建立电弧电流数据库，且进一步在所述电弧电流数据库中，选出相应的电弧电流数据分别形成样本训练集和样本测试集；

所述故障电弧检测模型构建单元，用于对所述样本训练集和所述样本测试集中的样本数据进行归一化处理，并构建基于卷积神经网络的串联故障电弧检测模型，且进一步将归一化处理后的样本训练集和样本测试集导入所述串联故障电弧检测模型进行训练和测试，得到训练好的串联故障电弧检测模型；

所述结果输出单元，用于获取待检测的电弧电流数据，并将待检测的电弧电流数据导入所得到的训练好的串联故障电弧检测模型中，根据所得到的训练好的串联故障电弧检测模型所输出的标签类型结果来确定待检测的电弧电流数据是否为串联故障电弧。

2.如权利要求1所述的基于卷积神经网络的串联故障电弧检测装置，其特征在于，所述线路电流信号采集单元包括电流互感器、信号调理电路和信号转换处理模块；其中，

所述电流互感器，用于对故障电弧发生器每次对应加载有相异负载时所流过的电流信号进行采集并转成电压信号；

所述信号调理电路，用于对所述电压信号进行处理，包括对所述电压信号进行放大、对所述电压信号进行低通滤波以及进行通过虚地电压VGND对所述电压信号的电平值均提升为正值；

所述信号转换处理模块，用于对所述信号调理电路处理后的电压信号进行ADC采样转换成相应的电弧电流数据。

3.如权利要求2所述的基于卷积神经网络的串联故障电弧检测装置，其特征在于，所述电流互感器为电压型电流互感器，该电压型电流互感器通过并联采样电阻来直接将电流信号转化为电压信号。

4.如权利要求2所述的基于卷积神经网络的串联故障电弧检测装置，其特征在于，所述信号调理电路包括运算放大器IC1A、电阻R1、电阻R4和电容C1；其中，

所述运算放大器IC1A的同相输入端连接虚地电压VGND，负相输入端连接电阻R4，输出端与所述信号转换处理模块相连；

所述电阻R4和所述电容C1相并联后形成低通滤波电路，该低通滤波电路的两端与所述运算放大器IC1A的同相输入端及输出端相连；

所述电阻R4与所述电阻R1的比值决定放大倍数。

5.一种基于卷积神经网络的串联故障电弧检测方法，其特征在于，所述方法包括以下步骤：

对故障电弧发生器每次对应加载有相异负载时所流过的电流信号进行采集并转换成相应的电弧电流数据；

根据各相异负载的类型，将采集的电弧电流数据整理成各自相应的电流样本数据集，并根据是否为串联故障电弧为每一条电流样本进行标记，建立电弧电流数据库，且进一步在所述电弧电流数据库中，选出相应的电弧电流数据分别形成样本训练集和样本测试集；

对所述样本训练集和所述样本测试集中的样本数据进行归一化处理，并构建基于卷积神经网络的串联故障电弧检测模型，且进一步将归一化处理后的样本训练集和样本测试集导入所述串联故障电弧检测模型进行训练和测试，得到训练好的串联故障电弧检测模型；

获取待检测的电弧电流数据，并将待检测的电弧电流数据导入所得到的训练好的串联故障电弧检测模型中，根据所得到的训练好的串联故障电弧检测模型所输出的标签类型结果来确定待检测的电弧电流数据是否为串联故障电弧。

6.如权利要求5所述的基于卷积神经网络的串联故障电弧检测方法，其特征在于，所述串联故障电弧检测模型采用深度学习框架Keras实现卷积神经网络来建立的，定义有批次函数模块、数据读取模块、CNN结构模块、训练和测试模块；其中，所述卷积神经网络有四个卷积层、两个池化层、一个丢失层和一个全连接层。