[发明专利]拉弧的检测方法、装置、电子设备和用电系统

说明书

本申请提供了一种拉弧的检测方法、装置、电子设备和用电系统。该方法包括：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，在初步判断结果表征初步判断待测电流信号存在拉弧现象的情况下，计算待测电流信号对应的时域谱的能量值，并根据待测电流信号对应的时域谱的能量值最终确定待测电流信号是否存在拉弧现象。该方法中对待测电流经过两次判断，第一次判断为采用神经网络模型进行的初始判断，第二次判断为根据待测电流信号对应的时域谱的能量值进行的最终判断，该方法中通过对待测电流信号对应的时域谱的能量值的判断，保证了对待测电流信号的拉弧检测更加准确，进而解决了现有技术中难以准确地对拉弧进行检测的问题。

技术领域

本申请涉及拉弧检测领域，具体而言，涉及一种拉弧的检测方法、装置、电子设备和用电系统。

背景技术

随着工业用电的不断发展和家庭用电设备的不断普及，导致火灾事故频发，其中，近年来电气火灾陡升，特别是由电气火灾导致的较大火灾占约1/2。所以，应该高度重视因为电线短路、过负荷、以及电气设备故障等引起的电气火灾，电气火灾若未能消灭在隐患期或初期而爆发起来，可能会引起巨大的人员伤亡及财产损失，经过研究，电气火灾与故障电弧有关。

因此，通过检测用电设备中是否存在拉弧，可以实时检测故障信号，为及时切断电源保护电路发挥了巨大作用。目前，发明人了解到有多种检测方法可以对拉弧进行检测，但是，准确性不高。

发明内容

本申请的主要目的在于提供一种拉弧的检测方法、装置、电子设备和用电系统，以解决现有技术中难以准确地对拉弧进行检测的问题。

根据本发明实施例的一个方面，提供了一种拉弧的检测方法，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。

可选地，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。

可选地，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。

可选地，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。