[发明专利]基于全相位深度学习的低压配电系统串联故障电弧识别法

摘要

本发明公开了基于全相位深度学习的低压配电系统串联故障电弧识别法，解决了现有的低压配电网故障中，针对串联故障电弧的识别方法易受噪声、频谱泄漏干扰，影响识别效果，识别效率不高，且稳定性不高的问题。本发明方法包括：在低压交流系统下，对低压回路中的不同负载进行电流信号采集；对采集到的电流信号进行全相位离散傅里叶变换，进行负载的全相位频谱特征量提取，并构建全相位频谱特征向量；构建基于Logistic回归的深度学习神经网络模型，通过对不同负载、不同运行状态下的全相位频谱特征量进行深度学习训练，直到该模型收敛为止；利用训练好的模型完成对不同负载种类的甄别及是否发生串联故障电弧的识别。

主权项

1.基于全相位深度学习的低压配电系统串联故障电弧识别法，其特征在于，该方法包括：在低压交流系统下，对低压回路中的不同负载进行电流信号采集；对采集到的电流信号进行全相位离散傅里叶变换，进行负载的全相位频谱特征量提取，并构建全相位频谱特征向量；利用建成的全相位频谱特征向量，构建基于Logistic回归的深度学习神经网络模型，通过对不同负载、不同运行状态下的全相位频谱特征量进行深度学习训练，直到该模型收敛为止；利用学习训练完成的基于Logistic回归的深度学习神经网络模型，对待识别的分段负载电流波形进行全相位谱分析测量，进行对不同负载种类的甄别及是否发生串联故障电弧的识别，根据该模型输出它将各负载按种类、正常运行或故障电弧状态进行编号，且其中u≠v，u、v＝0，1，…，47，表示识别出负载的种类编号为round(u+1)/2，运行状态为正常电弧，u为偶数；或者运行状态为故障电弧，u为奇数；其中round()表示取四舍五入。