[发明专利]一种分段式直流电弧噪声模型、参数优化及辨识方法

说明书

本发明公开一种分段式直流电弧噪声模型、参数优化及辨识方法，分段式直流电弧噪声模型参数辨识方法包括以下步骤：1）获取直流电弧电流数据；2）根据直流电弧电流的频域分布特性建立分段式电弧噪声模型；3）确定目标函数及所需辨识的参数；4）利用混沌映射初始化混沌量子布谷鸟优化算法对模型参数进行优化。本发明采用分段式直流电弧噪声模型，使模型输出能够灵活地拟合不同工作条件下电弧电流频谱分布的特性。本发明基于混沌初始化、混沌随机参数生成以及混沌局部搜索这三种机制改进传统量子布谷鸟优化算法，增强算法收敛速度以及算法跳出局部最小点的能力，从而实现更精确地辨识分段式直流电弧噪声模型参数。

技术领域

本发明涉及一种分段式直流电弧噪声模型及其参数优化、辨识方法，属于电弧故障检测领域。

技术背景

直流配电系统应用于越来越多的领域，例如多电飞机、住宅以及电动汽车等领域。但系统复杂度以及电压等级的提升对直流配电系统安全稳定运行带来了巨大挑战。其中，直流电弧故障是直流配电系统中的一种重要故障形式。相比于交流电弧故障，直流电弧故障没有过零点，难以自行熄灭，其危害更严重。直流电弧故障通常由连接器松动，导线磨损、断裂以及老化等原因造成。直流电弧故障在击穿空气放电的过程中，会产生强光、噪声、电磁辐射以及释放大量的热，最高温度可达5000℃，电弧故障极易引燃周围的可燃性物质，从而对系统造成灾难性损坏。

研究者通常基于实验的方式研究电弧故障检测方法。首先在实验平台中采集线路的电流信号，然后提取信号的故障特征并利用分类器实现对电弧故障的识别。但在飞机、舰艇以及矿井等实际系统中，开展实验研究电弧故障检测方法成本过高，而且还存在一定的危险性，可操作性不强。计算机技术的进步推动了以计算机为载体的电弧模型研究，使得低成本、高灵活性的电弧建模成为电弧故障研究的重要方面。

电弧的随机性以及不确定性主要反映在其高频噪声，因此对电弧噪声建模尤为重要。电弧电流信号包含丰富的高频噪声，有研究者通过在仿真电路的电流中叠加符合正态分布的白噪声模拟电弧的随机性。电弧电流的频谱能量呈现有色噪声的形式，而白噪声的频谱能量呈均匀分布。有研究者采用粉色噪声模拟电弧的随机性。相比于白噪声，粉色噪声能够更有效地表现电弧频谱能量在频域内的非线性特点。但粉色噪声在整个频带范围内与频率值的负一次幂正相关，无法反映电弧电流频谱能量在频域内分布形式的多样性。

对于直流电弧噪声模型而言，模型中参数的选取对于建模的准确度至关重要。有研究者采用非可积拟合法获取模型参数，但这种方法需要理解关于电弧离子场的专业知识。有研究者采用经验的方式确定模型中参数，这种方法主观性太强。南京航空航天大学高扬等人采用最小二乘法辨识电弧模型参数，但这个方法需要对参数的值域进行网格划分。参数辨识准确度与网格划分的精细程度有关，但若网格划分过于精细，将严重影响搜索效率。元启发式优化算法是当今解决工程优化问题的最主要的方式。元启发式优化算法的设计灵感大多受启发于自然界的现象，例如生物原理(繁殖、变异)和社会性行为(鸟群、鱼群、蜂群)。元启发式优化算法将优化问题看成一个黑箱，只考虑输入和输出，不依赖于优化问题的梯度信息或数学特性。在算法的初始阶段，随机生成种群，然后以特定的策略随机探测和开发目标区域，以逐渐逼近最优解。当今，已有研究者利用遗传算法和粒子群优化算法实现电弧模型的参数辨识。但遗传算法和粒子群优化算法存在易早熟、陷入局部最优以及收敛速度慢的问题。因此，为了避免参数辨识过程中的早熟现象并提升收敛准确度，有必要研究新型启发式优化算法。

发明内容

本发明为了提升对直流电弧噪声建模的准确度，从建模方法与参数辨识方法两方面提出改进，提出一种分段式电弧噪声模型参数辨识方法。

为实现上述发明目的，本发明具体采用了如下技术方案：

本发明首先提供一种分段式直流电弧噪声模型，其特征在于表示如下：