[发明专利]训练方法、电弧检测方法、装置、电子设备及存储介质

权利要求书

1.一种电弧检测模型的训练方法，包括：

利用基于小波变换的梅尔频率倒谱系数方法对目标电流信号进行处理，得到目标训练样本集，其中，所述目标训练样本集包括多个正常电流信号样本和多个电弧电流信号样本；以及

利用所述目标训练样本集训练目标深度学习模型，得到所述电弧检测模型。

2.根据权利要求1所述的方法，其中，所述利用基于小波变换的梅尔频率倒谱系数方法对目标电流信号进行处理，得到目标训练样本集，包括：

对多个所述目标电流信号中的每个目标电流信号进行预加重处理，得到预加重目标电流信号；

对每个所述预加重目标电流信号进行分帧处理，得到分帧信号；

对每个所述分帧信号进行加窗处理，得到加窗信号；

利用小波变换方法对每个所述加窗信号进行处理，得到小波变换信号，其中，所述小波变换信号的频段属于电弧特征频段；

利用梅尔滤波器组对每个所述小波变换信号进行处理，得到处理后的小波变换信号；以及

对每个所述处理后的小波变换信号进行离散余弦变换，得到所述电弧电流信号样本或所述正常电流信号样本。

3.根据权利要求1或2所述的方法，还包括：

利用数据预处理得到所述目标电流信号，其中，所述数据预处理包括数据异常值剔除和/或数据离散化。

4.根据权利要求1或2所述的方法，其中，所述利用所述目标训练样本集训练目标深度学习模型，得到所述电弧检测模型，包括：

根据预设输入顺序或随机输入方式，将所述多个正常电流信号样本和所述多个电弧电流信号样本输入所述目标深度学习模型，得到与每个所述正常电流信号样本对应的预测结果和与每个所述电弧电流信号样本对应的预测结果；以及

利用与每个所述正常电流信号样本对应的标签、与每个所述正常电流信号样本对应的预测结果、与每个所述电弧电流信号样本对应的标签和与每个所述电弧电流信号样本对应的预测结果训练所述目标深度学习模型，得到所述电弧检测模型。

5.根据权利要求4所述的方法，其中，所述利用与每个所述正常电流信号样本对应的标签、与每个所述正常电流信号样本对应的预测结果、与每个所述电弧电流信号样本对应的标签和与每个所述电弧电流信号样本对应的预测结果训练所述目标深度学习模型，得到所述电弧检测模型，包括：

将与每个所述正常电流信号样本对应的标签和预测结果输入损失函数，得到第一输出值；

将与每个所述电弧电流信号样本对应的标签和预测结果输入所述损失函数，得到第二输出值；

根据所述第一输出值和所述第二输出值，得到输出值；

根据所述输出值，调节所述目标深度学习模型的模型参数，直至所述输出值收敛；以及

将在所述输出值收敛的情况下得到的目标深度学习模型，确定为所述电弧检测模型。

6.根据权利要求1或2所述的方法，还包括：

根据目标采样频率对原始电流信号进行采样，得到所述目标电流信号。

7.根据权利要求6所述的方法，还包括：

获取与M个采样频率中的每个采样频率对应的训练样本集，其中，M≥2；

确定N个深度学习模型，其中，N≥2；

确定T个对应关系，其中，每个所述对应关系表征所述采样频率与所述深度学习模型之间的对应关系，每个所述采样频率具有对应的所述深度学习模型，每个所述深度学习模型具有对应的所述采样频率，2≤T≤M×N；

利用与所述T个对应关系中的每个对应关系包括的采样频率对应的训练样本集训练所述对应关系包括的深度学习模型，得到T个训练完成的深度学习模型；

对所述T个训练完成的深度学习模型中的每个训练完成的深度学习模型进行评价，得到评价结果；

根据所述评价结果，从所述T个对应关系中确定目标对应关系；

将所述目标对应关系包括的采样频率确定为所述目标采样频率；以及

将所述目标对应关系包括的深度学习模型确定为所述目标深度学习模型。