[发明专利]一种用于识别用电设备电弧的方法和系统

摘要

本发明公开了一种用于识别用电设备使用线路电弧的方法，包括：实时采集用电设备在稳态情况下的电压数据和电流数据，并对该电压和电流数据进行滤波和采样处理，以分别得到处理后的用电设备的电压数据和电流数据，根据处理后的用电设备的电压数据和电流数据获得用电设备的电压‑电流轨迹曲线，对该电压‑电流轨迹曲线进行归一化和图像二进制化处理，以得到用电设备的二值图像并进行备份，确定是否可以在电弧数据库中找到与得到的用电设备的二值图像相似度达到80％以上的二值图像，如果是则表明用电设备在使用过程中的线路产生了电弧。本发明能够解决现有电弧检测方法中存在的电弧识别准确率不高、计算过程繁杂、判断时间长的技术问题。

主权项

1.一种用于识别用电设备使用线路电弧的方法，其特征在于，包括以下步骤：(1)实时采集用电设备在稳态情况下的电压数据和电流数据，并对该电压和电流数据进行滤波和采样处理，以分别得到处理后的用电设备的电压数据和电流数据；(2)根据处理后的用电设备的电压数据和电流数据获得用电设备的电压‑电流轨迹曲线，对该电压‑电流轨迹曲线进行归一化和图像二进制化处理，以得到用电设备的二值图像并进行备份；(3)确定检测是否可以在电弧数据库中找到与步骤(2)所得到的用电设备的二值图像相似度达到80％以上的二值图像，如果是则表明用电设备在使用过程中的线路产生了电弧，此时向用电设备用户发送报警信息，并切断用电设备的电路，然后过程结束，否则进入步骤(4)，其中电弧数据库是在初始化阶段建立，该电弧数据库中共有n个数据表每张数据表反映了使用电弧发生器测量得到的、不同用电设备在不同工作状态下电流、电压、以及对应的二值图像三者之间的映射关系，其中n表示所述方法所能适用的用电设备的类别总数；(4)将用电设备的二值图像输入到训练好的电弧判别模型中，以得到电弧识别结果，其中所述电弧判别模型是通过以下过程生成的：(a)每次从电弧数据库中获取多个二值图像，利用卷积神经网络对这多幅二值图像进行训练，并重复本过程，直到电弧数据库中所有二值图像都被训练完毕为止，从而得到训练好的卷积神经网络，并设置计数器i＝1；(b)利用步骤(a)得到的训练好的卷积神经网络对电弧数据库中第i个数据表中所有k个二值图像中的每一个二值图像a_ij进行处理，以获得该二值图像对应的特征向量矩阵，其中j∈(1,k)；(c)根据图像对应的特征向量矩阵计算电弧数据库中第i个数据表中每一个二值图像a_ij和其他所有二值图像之间的欧式距离的平均值d_ij，并从中取出平均值的最大值d_imax，利用PCA方法对第i个数据表中所有k个二值图像对应的k个1*n大小的特征向量矩阵进行降维处理，以得到1*s的特征值矩阵，其中s为3到5之间的整数；(d)设置i＝i+1，并判断i是否等于n，如果是则进入步骤(e)，否则返回步骤(b)；(e)对得到的k个最大值d_imax按照从小到大的顺序排列成最大值数组，将该数组中两两相邻的元素进行相减，得到新的数组[Diff₁，Diff₂，…，Diff_k‑1]，从新的数组中选出绝对值最大的元素，并获取该元素在最大值数组中对应的两个元素中的较小值dist；(f)利用基于密度的聚类算法对步骤(c)得到的特征值矩阵进行聚类，以得到n种用电设备对应的聚类结果。