[发明专利]一种基于自组织大脑情感学习的低压故障电弧检测方法

说明书

本发明提供了一种基于自组织大脑情感学习的低压故障电弧检测方法，包括：S1：通过低压供配电线路的电流检测数据，分别计算出周期采样电流均方差、周期电流小波分解与重构的高频分量；S2：构建具有2个通道的功能调节函数及自动择优调整模型结构与参数的模糊大脑情感学习神经网络模型；S3：利用李雅普诺夫函数设定模型的优化学习率，使得模型系统稳定，从而正确检测低压供配电线路中的故障电弧；将故障电弧电流数据计算得到的周期采样电流均方差、周期电流小波分解与重构的高频分量作为特征数据，输入模型对模型进行训练，直至模型收敛；S4：通过基于自组织大脑情感学习的低压配电线路故障电弧模型对待测电流进行故障电弧检测。

技术领域

本发明涉及低压故障电弧检测技术领域，尤其涉及一种基于自组织大脑情感学习的低压故障电弧检测方法。

背景技术

低压配电网故障电流大部分由电弧故障引起，电弧是两个电极之间跨越绝缘介质的持续放电现象，经常伴随着电极的局部发热。典型的电弧是在两极之间的空气间隔中形成的，其中心温度一般为5000至15000摄氏度。低压配电网中，线路和设备工作时间较长且运行环境复杂，绝缘层可能出现老化、破损或接触不良现象，导致其绝缘能力下降，进而产生故障电弧。故障电弧产生后，在较小电流下就可产生极高的温度，足以引燃线路或设备周围可燃物。

低压供配电线路中的故障电弧由于其电流值小，不足以驱动断路器或熔断器保护动作，极易产生电气火灾。供配电线路中负载多样化，存在与故障电弧波形相似的特性。故，传统上采用单一的判据区分电弧故障，误判率较高。

发明内容

有鉴于此，本发明的目的在于提出一种基于自组织大脑情感学习的低压故障电弧检测方法，能够准确判断故障电弧，以确保低压供用电系统安全运行。

为解决上述问题，本发明采用如下技术方案：

一种基于自组织大脑情感学习的低压故障电弧检测方法，包括如下步骤：

S1：通过低压供配电线路的电流检测数据，分别计算出周期采样电流均方差、周期电流小波分解与重构的高频分量；

S2：构建具有2个通道的功能调节函数及自动择优调整模型结构与参数的模糊大脑情感学习神经网络模型；

S3：利用李雅普诺夫函数设定模型的优化学习率，使得模型系统稳定，从而正确检测低压供配电线路中的故障电弧；

将故障电弧电流数据计算得到的周期采样电流均方差、周期电流小波分解与重构的高频分量作为特征数据，输入模型对模型进行训练，直至模型收敛，获得基于自组织大脑情感学习的低压配电线路故障电弧模型；

S4：通过基于自组织大脑情感学习的低压配电线路故障电弧模型对待测电流进行故障电弧检测。

进一步的，S1中周期采样电流均方差，计算公式如下：

其中，I_i表示在第i个采样周期采样的电流值,N表示N个采样周期，表示在N个采样周期内采样的电流信号的均值，S_i表示第i个采样周期内的采样电流均方差；

周期电流小波分解，计算公式如下：

其中，W_f(a,b)表示分解的小波函数，a表示周期尺度伸缩因子，b表示周期平移因子；表示具有自变量*的小波周期函数,表达式如下：

周期电流小波重构，计算公式如下：

其中，M_i表示具有i个采样周期序列的小波变换电流信号，γ是给定的小波变换常数。

进一步的，S2包括如下步骤：