[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

说明书

本发明涉及一种基于广义S变换的神经网络故障电弧检测系统，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。基于该系统提供一种神经网络故障电弧辨识方法，将S变换特征提取方法和神经网络模式识别方法相融合，利用S变换能够准确捕捉故障电弧电流信号的特征，把握时频特性，解决了以往特征区分度不高、容易混淆的问题。通过验证，本发明的方法的负荷识别效果具有较高的准确率，可为非侵入式负荷识别技术的一系列高级应用提供技术基础。

技术领域

本发明属于智能电网领域，涉及故障电弧识别技术，尤其是一种基于广义S变换的神经网络故障电弧识别方法。

背景技术

随着智能电网的发展与人民生活水平的提高，工业电气设备和家用电器种类不断增多，随之而来的电气火灾事故发生率也逐年增高。据公安部消防局统计，近年来我国电气火灾发生率约为30％，并且呈逐年上升趋势，电气火灾已高居各类火灾原因之首。

研究表明，在电气火灾中由故障电弧引起的火灾事故远多于带电导体间金属性短路引起的火灾，故障电弧是电气火灾的重要诱因。电弧故障可能发生在电路内的任何电线组合之间，与连接的负载形成并联或串联关系，因此将电弧故障分为根据故障发生位置可将电弧分成并联电弧故障和串联电弧故障这几类。发生并联故障电弧，线路大电流触发断路器的过电流保护阈值可检测出来；但是当线路发生串联电弧时，电路中相当于串联电弧阻抗，线路电流可能会出现比额定电流值小的情况，目前的断路器漏电保护及过流保护均无法准确检测该类故障电弧。

尽管低压供电系统配置了断路器、熔断器及剩余电流动作断路器等保护电器，对于维护供电可靠性、减少电气火灾事故起到了很大作用，但是这些保护装置无法对电弧故障进行有效保护。在低压系统中，发生电弧故障时电弧的温度超过5500℃，高强热电弧发射出的热粒子经时间累积易引燃线路周围绝缘层材料，特别是在处在低压系统中复杂的周边环境，从而大大增大了引起电气火灾的几率，因此，低压故障电弧检测与识别研究对防范电气火灾有着重大意义。

故障电弧检测具体是基于故障电弧数据完成训练识别，即可处理为模式识别问题，因此许多研究应用模式识别领域普遍利用的神经网络等人工智能算法解决该问题。神经网络模型具有强大的非线性拟合能力，在故障电弧识别领域具有许多其他算法无法比拟的优势，但是仍存在以下困难和挑战：为建立神经网络模型，常常需要大量有标记样本数据进行训练学习；

虽然电弧电流在时间、频率和时间频率域上具有明显的特征，但单独依靠一个特征来可靠地检测瞬时电弧条件的存在是不可行的，尤其是在考虑低压用户负载系统中电器数量和类别多且未知的情况下。以往的工作从不同的角度对故障电弧检测问题进行了重点研究，取得了不小进步，但这些方法在应用于复杂的家庭环境中时容易出现误跳闸。迄今为止，还没有一种方法能比较好地识别出复杂家庭环境中出现的故障电弧。

因此，为了解决上述问题，亟需一种特征提取方法，以及将故障电弧检测和神经网络模式识别有机融合的故障识别方法。

发明内容

本发明的目的在于克服现有技术的不足之处，提供一种基于广义S变换的神经网络故障电弧辨识方法，将S变换特征提取方法和神经网络模式识别方法相融合，利用S变换能够准确捕捉故障电弧电流信号的特征，把握时频特性，解决了以往特征区分度不高、容易混淆的技术问题。

本发明解决其技术问题是采取以下技术方案实现的：