[发明专利]基于长短期记忆神经网络的生命体触电电流检测方法

说明书

本发明涉及基于长短期记忆神经网络的生命体触电电流检测方法，包括如下步骤：a)、搭建生命体触电试验平台，采集试验过程中的剩余电流波形数据；b)、采用小波分解方法对步骤a)中采集的剩余电流波形数据的原始信号进行降噪处理，c)、将经过步骤b)处理过的信号按照3:1比例随机划分为训练集和测试集，并将训练集数据作为长短期记忆神经网络模型的输入对长短期记忆神经网络模型进行训练；利用训练好的长短期记忆神经网络模型对测试集的数据进行测试。与CNN和BP网络相比，本发明的长短期记忆神经网络(LSTM)在训练次数以及平均计算时间上有明显的优势。

技术领域

本发明涉及钢结构的制作流水线设备，更具体地说，是涉及一种基于长短期记忆神经网络的生命体触电电流检测方法。

背景技术

随着社会的飞速发展，电力设备与电力线路的规模不断扩大，随之而来的火灾与触电事故也时常发生，因此电力设备的安全性成为目前电力行业所聚焦的热点问题之一。目前剩余电流保护设备与漏电电流检测技术已获得大量突破性进展，但仍未能从根本上解决剩余电流保护设备正确投运率较低问题。当前绝大多数的剩余电流保护器主要是通过总剩余电流有效值的大小来判断触电事故的发生，对于触电类型缺乏判别能力，当剩余电流保护装置的电气环境受到影响时可能会引起误动。此外，在一些特殊的场合下电网的漏电电流有可能会使总剩余电流减小，从而造成剩余电流保护装置拒动。要解决这些问题，预防触电、漏电事故的发生，需要从剩余电流和生命体触电电流两方面来开发剩余电流保护装置。

发明内容

为了解决上述技术问题，本发明的目的在于提供一种基于长短期记忆神经网络的生命体触电电流检测方法，该方法为研究与开发新一代针对于生命体触电的剩余电流保护装置提供参考，对于用电安全具有重要的现实意义。

为了实现上述发明目的，本发明采用以下技术方案：

基于长短期记忆神经网络的生命体触电电流检测方法，包括如下步骤：

a)、搭建生命体触电试验平台，通过控制电流、湿度、接触面积来模拟不同情况下的生命体触电，采集试验过程中的剩余电流波形数据；

b)、采用小波分解方法对步骤a)中采集的剩余电流波形数据的原始信号进行降噪处理，小波分解方法基本步骤主要包括以下部分：

1)、对原始信号进行小波分解，计算小波分解系数；

2)、对小波分解系数的阈值量化处理，将集中于高频系数的噪声成分舍去；

3)、使用小波分解的的低频系数以及各层阈值化处理后的高频系数进行重构；

设采集到的生命体触电电流波形信号为一维离散信号：

f(n)＝s(n)+ε(n) (1)

式中s(n)为原始信号，ε(n)为噪声信号，且服从N(0,σ²)分布；

对采集到的一维电信号f(n)采用Mallat塔式算法进行小波分解，尺度系数f_k^J＝1和小波系数d_k^J+1分别为：

式中J为分解层数，h和g分别是尺度函数和小波函数对应的低通和高通滤波器，N为离散采样数据长度，n＝0,1,...,N-1，k＝0,1,...,N-1；

对分解得到的小波系数d_k^J,采取软阈值处理，得出估计小波系数D_k^J为：

式中软限幅函数的阈值为