[发明专利]拉弧的检测方法、装置、电子设备和用电系统

权利要求书

1.一种拉弧的检测方法，其特征在于，包括：

获取待测电流信号；

将所述待测电流信号输入至目标神经网络模型中，得到初步判断结果，所述初步判断结果为初步判断所述待测电流信号是否存在拉弧现象的结果，所述神经网络模型为使用多组历史数据通过机器学习训练出的，各组所述历史数据均包括第一历史目标参数和第二历史目标参数，所述第一历史目标参数为根据历史电流信号计算得到的参数，所述第二历史目标参数为表征所述历史电流信号是否存在拉弧现象的参数；

在所述初步判断结果表征初步判断所述待测电流信号存在所述拉弧现象的情况下，计算所述待测电流信号对应的时域谱的能量值，并根据所述待测电流信号对应的时域谱的能量值最终确定所述待测电流信号是否存在所述拉弧现象。

2.根据权利要求1所述的方法，其特征在于，在将待测电流信号输入至目标神经网络模型中，得到初步判断结果之前，所述方法还包括：

对多个所述历史电流信号进行希尔伯特黄变换，得到多个第一历史目标参数，所述第一历史目标参数为所述历史电流信号的多个固有模态分量的总和；

获取表征多个所述历史电流信号是否存在拉弧现象的标签，得到多个所述第二历史目标参数；

采用分别包括所述第一历史目标参数和所述第二历史目标参数的多组所述历史数据作为训练样本进行机器学习训练，得到所述目标神经网络模型。

3.根据权利要求2所述的方法，其特征在于，在计算所述待测电流信号对应的时域谱的能量值，并根据所述能量值确定最终判断结果之后，所述方法还包括：

将所述待测电流信号作为所述历史电流信号，并对所述待测电流信号和所述最终判断结果进行处理，得到新增的所述训练样本，新增的所述训练样本包括所述第一历史目标参数和新增的所述第二历史目标参数，在所述最终判断结果正确的情况下，将所述最终判断结果转换为对应的所述第二历史目标参数，在所述最终判断结果不正确的情况下，将正确的判断结果转换为对应的所述第二历史目标参数；

对新增的所述训练样本并进行训练，以更新所述目标神经网络模型。

4.根据权利要求1至3中任一项所述的方法，其特征在于，计算所述待测电流信号对应的时域谱的能量值，并根据所述待测电流信号对应的时域谱的能量值最终确定所述待测电流信号是否存在所述拉弧现象，包括：

对所述待测电流信号进行频域变化，得到目标频域谱；

根据所述目标频域谱，计算所述待测电流信号的能量值的变异系数，所述变异系数为多个频段的能量值的标准差与多个所述频段的能量值的均值的比值；

在所述变异系数大于预定阈值的情况下，最终确定所述待测电流信号存在所述拉弧现象，在所述变异系数小于或者等于所述预定阈值的情况下，最终确定所述待测电流信号不存在所述拉弧现象。

5.根据权利要求4所述的方法，其特征在于，对所述待测电流信号至少进行傅里叶变换，得到目标频域谱，包括：

对所述待测电流信号进行希尔伯特黄变换，得到所述待测电流信号的多个固有模态分量的总和；

对所述待测电流信号的多个固有模态分量的总和进行傅里叶变换，得到所述目标频域谱。

6.根据权利要求1至3中任一项所述的方法，其特征在于，所述方法还包括：

对多组所述历史数据中的第一部分进行计算，得到多个初始阈值，所述第一部分包括至少两组所述历史数据；

采用多组所述历史数据中的第二部分计算多个所述初始阈值的准确率，所述第一部分和所述第二部分形成所述多组历史数据；

确定准确率最高的所述初始阈值为目标阈值。

7.根据权利要求6所述的方法，其特征在于，所述第一历史目标参数为所述历史电流信号的多个固有模态分量的总和，对多组所述历史数据中的第一部分进行计算，得到多个初始阈值，包括：

对所述第一部分的多个所述第一历史目标参数进行傅里叶变化，得到多个历史时域谱；

计算各所述历史时域谱对应的能量值，并依据多个所述历史时域谱的能量值和对应的多个所述第二历史目标参数确定所述初始阈值。