[发明专利]基于时域特征参数融合的电弧故障诊断方法

说明书

本发明公开了一种基于时域特征参数融合的电弧故障诊断方法，该方法包括：步骤一、设计用于电弧故障诊断的BP神经网络(1)神经网络输入与输出模式确定；(2)神经网络训练集和测试集样本的获取；(3)BP神经网络层数确定；(4)网络隐含层神经元个数确定；(5)BP神经网络训练参数选取；步骤二、遗传算法优化BP神经网络流程如图7所示，其中，遗传算法优化过程主要包括以下步骤：(1)个体编码和种群初始化；(2)适应度计算；(3)产生新群体。本发明的有益效果是：相对于随机权值和阈值训练的BP神经网络，遗传算法优化的BP神经网络性能更优，电弧故障识别准确率相对较高。

技术领域

本发明涉及电弧故障检测领域，特别是一种基于时域特征参数融合的电弧故障诊断方法。

背景技术

电弧电流时域故障特征主要体现在以下三个方面：(1)电流波形产生近似为零的“平肩部”；(2)电弧电流高频分量较丰富，且在电流信号“平肩部”末端对应的电弧重燃时刻，电流波形发生周期性突变；(3)发生不稳定电弧故障时，电流波形对称度下降且容易产生随机性半波丢失，电流信号平均值增大较为明显。针对上述故障特征，选取以下三个时域特征参数，以提取电弧故障发生时电弧电流所具有的时域故障特征。

(1)电流信号平肩部百分比：试验中采集电弧电流信号为离散数据，将每个周期电流瞬时值的绝对值小于Ilim的点数与数据总点数的比值定义为该周期电流信号平肩部百分比。

(2)电流上升率极大值：负载正常运行过程中干扰信号容易引起电流幅值发生突变，电流信号相邻离散点差值存在局部极大值，因此，为尽量减小干扰信号影响、更准确提取电弧故障时电流变化率隐含的故障特征，计算每个周期内相邻2个离散点电流信号采样值的差值并取其绝对值，剔除其中的最大值，计算前 5个极大值的平均值作为该周期电流上升率极大值。

(3)电流平均值：设示波器采样率为fs，则每个交流周期内电流信号离散点总数为N＝fs/50，某一周期电流信号平均值定义为：

式中：ik为第k个采样点电流瞬时值。本文中只关心电流波形对称度变化量，因此，所述的电弧电流平均值指每个周期电流平均值的绝对值。

对典型负载条件下电流信号进行处理，提取其平肩部百分比、电流上升率极大值和电流平均值，如图1所示，所采集的电流信号持续时间为2s，包括负载正常工作、产生故障电弧和电弧不稳定燃烧三个阶段。为了尽量减小负载类型和电弧燃烧稳定程度对故障电弧时域特征参数的影响，改善电弧故障时域故障特征的提取效果，同时采用电流信号平肩部百分比、电流上升率极大值和电流平均值进行电弧故障诊断。此外，采用相似度模型对各时域特征参数进行处理，以保证不同负载条件和不同电流等级下各时域特征参数具有相同的数量级。第j个周期内第i个时域特征参数对应的相似度为：