[发明专利]一种基于小波分解和神经网络的电弧检测方法及装置

说明书

本发明公开了一种基于小波分解和神经网络的电弧检测方法及装置，该方法包括：根据背景电流波形序列与当前周期电流波形采样序列作差，获取当前周期电流差分波形序列，并对所述当前周期电流差分波形序列进行离散小波变换处理，获取故障电弧检测的特征量；将所述故障电弧检测的特征量输入训练好的误差反向传播神经网络进行二分类，输出线路产生故障电弧的概率，若所述输出线路产生故障电弧的概率大于阈值，则判定线路产生故障电弧。本发明基于小波分解和神经网络的检测方法，避免了由于背景噪声带来的干扰，同时降低了算法的执行时间并提高了故障电弧检测的准确度。

技术领域

本发明涉及低压配电网故障电弧检测技术领域，尤其涉及一种基于小波分解和神经网络的电弧检测方法及装置。

背景技术

电弧的实质是能量集中、温度高、亮度大的一种气体放电现象，当开关电器开断电路时，如果开断触头间的电压等级达到一定的值，就会在触头间产生强烈的白光，称之为电弧。在低压配电网线路中的电弧分为好弧和坏弧两种。好弧是指负载正常开断、拔插、启动等引起的电弧，这种电弧不会对负载造成损坏。坏弧是指由连接松动、绝缘碳化、损坏等引起的电弧，也叫故障电弧。故障电弧是引起电气火灾的主要原因之一。目前，针对发生电弧时输电线路电流、电压特征检测低压配电网故障电弧的检测方法如下：

现有专利(CN101673930A)直接对线路的原始电流波形进行离散小波变换，计算小波系数。线路的原始电流波形存在背景噪声，当线路上存在一些非线性负荷，其正常运行的波形具有“休零区”、“高频噪声”等故障电弧波形具有的特征时，直接对线路原始波形进行小波分析容易造成决策器产生误判，将这些负荷正常运行的波形识别为故障电弧发生时的波形。

现有专利(CN108562835A)提取电流平肩时间、电流跳变值比例、1s内电流大幅跳变的次数、1s内电流平均值的标准差这四个主要特征作为人工神经网络的输入。这种方法没有充分挖掘电流波形数据所包含的信息，且泛化性较差，对于不同应用场景，线路产生故障电弧时电流波形特性差异较大，需要通过大量实验分析才能选取最适合该场景的特征作为人工神经网络的输入。

发明内容

本发明目的在于，提供一种基于小波分解和神经网络的电弧检测方法，以解决现有技术中低压配电网故障电弧检测效率低的问题。

为实现上述目的，本发明提供一种基于小波分解和神经网络的电弧检测方法，包括：

根据背景电流波形序列与当前周期电流波形采样序列作差，获取当前周期电流差分波形序列，并对所述当前周期电流差分波形序列进行离散小波变换处理，获取故障电弧检测的特征量；

将所述故障电弧检测的特征量输入训练好的误差反向传播神经网络进行二分类，输出线路产生故障电弧的概率，若所述输出线路产生故障电弧的概率大于阈值，则判定线路产生故障电弧。

优选地，所述对所述当前周期电流差分波形序列进行离散小波变换处理，获取故障电弧检测的特征量，包括：

根据线路产生故障电弧时电流波形的特征获取初始的尺度函数以及初始的小波函数；

分别构建所述初始的尺度函数以及所述初始的小波函数的高通滤波器和低通滤波器；

采用所述高通滤波器和低通滤波器对输入信号进行滤波处理，获取所需频带上的所述故障电弧检测的特征量，所述故障电弧检测的特征量包括，小波分解的尺度系数以及小波系数。

优选地，在根据背景电流波形序列与当前周期电流波形采样序列作差之前，还包括：

对线路正常稳态运行时的电流波形进行采样，获取正常稳态运行时的周期电流波形采样序列；

计算所述正常稳态运行时的周期电流波形采样序列的期望，获取所述背景电流波形序列。

优选地，在根据背景电流波形序列与当前周期电流波形采样序列作差之前，还包括：