[发明专利]一种基于广义S变换的神经网络故障电弧识别系统及方法

权利要求书

1.一种基于广义S变换的神经网络故障电弧检测系统，其特征在于：包括生成训练样本模块、训练神经网络模块和故障电弧识别模块，生成训练样本模块包括故障电弧实验和仿真数据采集模块、基于广义S变换的电弧特征提取模块，故障电弧识别模块包括用户实时总负荷数据采集与处理模块、神经网络模型模块、故障识别结果模块。

2.根据权利要求1所述的一种基于广义S变换的神经网络故障电弧检测系统，其特征在于：所述的故障电弧实验和仿真数据采集模块，参照UL1699标准搭建故障电弧发生装置，展开故障电弧模拟实验，同时结合基于Mayr和Cassie的故障电弧模型仿真分析，采集不同电器类型的正常运行和故障电弧数据，包括但不限于电流、电压、有功功率和无功功率。

3.根据权利要求1所述的一种基于广义S变换的神经网络故障电弧检测系统，其特征在于：所述的基于广义S变换的电弧特征提取模块，通过S变换进行故障电弧电流特征提取，形成神经网络模型的训练样本输入，引入具有宽度与频率成反向变化的高斯窗S变换，用于故障电弧电流信号特征提取。

4.根据权利要求1所述的一种基于广义S变换的神经网络故障电弧检测系统，其特征在于：所述的用户实时总负荷数据采集与处理模块，获取用户负荷电压、电流数据，并进行相应预处理，进行S变换特征计算，作为所述的神经网络模型模块的输入。

5.根据权利要求1所述的一种基于广义S变换的神经网络故障电弧检测系统，其特征在于：所述的神经网络模型模块，利用所述的生成训练样本部分得到的数据作为训练样本，通过训练过的神经网络模型输出电器运行状态，即正常运行与否，即差量电流的广义S变换结果作为输入，存在电弧故障与否作为输出，所述神经网络选用RBF神经网络。

6.根据权利要求1所述的一种基于广义S变换的神经网络故障电弧检测系统，其特征在于：所述的故障识别结果模块，用于检测与分析结果的展示与输出，同时，用于依据用户家庭中故障电弧是否存在的判定结果，来决定是否通过声光报警等手段发出故障警报。

7.一种基于广义S变换的神经网络故障电弧识别方法，其特征在于：包括以下步骤：

S1、获取用户负荷电压、电流、有功功率和无功功率数据，并进行相应预处理，得到单个设备稳态电流；

S2、对由S1获得的设备稳态电流波形，进行S变换和特征提取；

S3、利用S变换得到的电器正常和电弧故障情况下的特征样本，作为神经网络的输入，进行模型训练；

S4、将总负荷得到的单个电器差量稳态电流提取好的特征输入到训练好的神经模型中，从而得出电器运行状态，即存在电弧故障与否：首先对总负荷的有功功率进行事件检测，获取到要进行识别的稳态区段；然后，在稳态区段截取一部分电流波形，进行模拟信号重构，并进行频率调整；最后，对获取到的稳态电流进行S变换，得到对应特征，并进行归一化处理。

8.根据权利要求7所述一种基于广义S变换的神经网络故障电弧识别方法，其特征在于：

信号x(t)的S变换S(τ,f)定义如下：

其中，w(τ-t,f)为高斯窗口，t为控制高斯窗口在t轴位置的参数

S变换的离散表示形式为：

其中，

对采集到的N个离散信号点x[i]，i＝0,1，…，N-1，采用式(3)、(4)进行S变换，变换的结果为一两维矩阵，列对应采样时间点，行对应频率值，矩阵元素为对应的幅值。