[发明专利]一种基于频域特征的故障电弧检测方法、系统及存储介质

权利要求书

1.一种基于频域特征的故障电弧检测方法，其特征在于，包括以下过程：

第一步：统计智能断路器数量，每个智能断路器对应一条传输线路，运用多线程算法，每个线程负责一定数量的智能断路器，每条传输线路产生的数据向量，通过智能断路器上传到服务器数据库中，保存线路信息、时间信息、电流强度信息；

第二步：从服务器数据库中提取出数据向量，进行低功率过滤检测；如果低功率过滤检测结果异常，则表示存在空载和干扰，进而说明无故障电弧；如果低功率过滤检测结果正常，转至第三步；

第三步：对提取出的数据向量进行快速傅里叶变换，此时将510维时域数据被映射成为256维频域特征，把256维频域特征送入训练后的电弧检测模型1；如果电弧检测模型1的预测值为1，表示该电弧检测模型1认为被检测数据含有故障电弧；如果电弧检测模型1的预测值为0，表示该电弧检测模型1认为被检测数据不含故障电弧，转至第四步；

第四步：将数据向量直接取一个周期，送入训练后的电弧检测模型2；如果电弧检测模型2的预测值为1，则表示有故障电弧；如果电弧检测模型2的预测值为0，则表示没有故障电弧。

2.根据权利要求1所述的基于频域特征的故障电弧检测方法，其特征在于，第二步中所述低功率过滤检测是指，设定一个功率阈值P，如果数据向量的510维，每个维度数值都小于100，则认为这是异常的数据，不含故障电弧；如果有任意一个维度数据大于100，则认为是正常数据。

3.根据权利要求1所述的基于频域特征的故障电弧检测方法，其特征在于，第三步中所述电弧检测模型1和第四步中所述电弧检测模型2均采用BP神经网络模型，两个模型的网络结构相同，BP神经网络采用三层的线性全连接网络模式，包括256个节点的输入层、200个节点的隐含层、dropout操作层、激活函数层、2个节点的输出层。

4.根据权利要求3所述的基于频域特征的故障电弧检测方法，其特征在于，为训练、测试、评估电弧检测模型1、电弧检测模型2，构建数据集1和数据集2；

故障电弧有两种类型：故障电弧类型1和故障电弧类型2；故障电弧类型1的特点是，随着时间的变化，电流强度会有突然的震荡；故障电弧类型2的特点是，随时间的变化，电流强度会有短暂归零，并呈现周期性；

通过智能断路器获取故障电弧类型1、故障电弧类型2、正常电路的数据，故障电弧类型1、故障电弧类型2的数据打上有故障电弧的标签[1，0]，正常电路的数据打上有非故障电弧的标签[0，1]；故障电弧类型1和正常电路的数据经过快速傅里叶变换，构成数据集1；故障电弧类型2和正常电路的数据，不经过快速傅里叶变换，直接抽取一个周期，构成数据集2；分别用python语言将数据集1、数据集2处理成npz格式文件，保存数据；

将数据集1和数据集2均按比例8：2划分为训练集和测试集，训练集用于训练电弧检测模型，测试集用于测试、评估电弧检测模型，保存训练后的电弧检测模型1和电弧检测模型2。

5.一种基于频域特征的故障电弧检测系统，其特征在于，包括智能断路器、服务器、社区监控客户端；所述智能断路器用于将每条线路产生的数据向量，上传到服务器；所述服务器包括存储器、处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现权利要求1至4中任一项所述的基于频域特征的故障电弧检测方法；若发现存在故障电弧，说明存在用电不安全现象，将故障电弧发生的时间、用户信息准确发送到社区监控客户端，社区管理人员统一管理。

6.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，其特征在于，当所述计算机程序被处理器执行时，实现权利要求1至4中任一项所述的基于频域特征的故障电弧检测方法。