本发明属于电力设备灭弧检测技术领域，具体涉及一种电力设备灭弧能力检测方法。
背景技术：
电力设备中，气体绝缘/灭弧具有良好的自恢复能力，并且具有电容率稳定、介质损耗小、不燃、不爆、化学稳定性好、不老化、价格便宜等优点，因此气体绝缘/灭弧介质广泛应用于电气设备中。常用的气体绝缘/灭弧材料有空气、氮气、氢气、二氧化碳、六氟化硫等，同时人们仍在探索综合性能更好的气体绝缘/灭弧材料。其中的一个关键问题就是如何能快速、系统评估气体的燃弧特性和灭弧性能，这对于快速筛选性能优良的潜在灭弧气体具有重大的工程价值和理论意义。然而，现有技术主要通过燃弧时间、开断电流能力来对气体灭弧性能进行评估，存在以下不足之处：气体燃弧和灭弧过程的信息不全，难以从综合特性上掌握气体燃弧特性和灭弧性能。
技术实现要素：
本发明的目的是提供一种电力设备灭弧能力检测方法，解决了现有技术中存在的电力设备灭弧性能评估不准确的问题。
本发明所采用的技术方案是，一种电力设备灭弧能力检测方法，具体按照以下步骤实施：
步骤1、采集设备中电弧开断过程中气体电弧的产生时刻和灭弧时刻；
步骤2、将步骤1采集的时刻信息输入神经网络模型中进行计算仿真；
步骤3、将步骤2的仿真结果进行统计，做电流随时间的变化曲线，将波峰和波谷对应的时刻分别记为两个集合；
步骤4、对步骤3得到的两个集合再次进行神经网络模型计算，最终得到灭弧性能检测结果。
本发明的特点还在于，
步骤1中采集间隔设为10～20s采集一次。
步骤2中神经网络模型为bp神经网络模型。
步骤3中波峰、波谷对应时刻均采样5～10个。
步骤4中，当神经网络模型输出结果30％～40％，则说明该电力设备灭弧性能不符合要求。
本发明的有益效果是，一种电力设备灭弧能力检测方法，简单高效、可靠性强、易于操作、成本低廉，具有很广阔的应用市场。
具体实施方式
下面结合具体实施方式对本发明进行详细说明。
本发明一种电力设备灭弧能力检测方法，具体按照以下步骤实施：
步骤1、采集设备中电弧开断过程中气体电弧的产生时刻和灭弧时刻，其中，采集间隔设为10～20s采集一次；
步骤2、将步骤1采集的时刻信息输入神经网络模型中进行计算仿真，神经网络模型为bp神经网络模型；
步骤3、将步骤2的仿真结果进行统计，做电流随时间的变化曲线，将波峰和波谷对应的时刻分别记为两个集合，波峰、波谷对应时刻均采样5～10个；
步骤4、对步骤3得到的两个集合再次进行神经网络模型计算，最终得到灭弧性能检测结果，神经网络模型输出结果30％～40％，则说明该电力设备灭弧性能不符合要求。
实施例1
本发明一种电力设备灭弧能力检测方法，具体按照以下步骤实施：
步骤1、采集设备中电弧开断过程中气体电弧的产生时刻和灭弧时刻，其中，采集间隔设为10s采集一次；
步骤2、将步骤1采集的时刻信息输入神经网络模型中进行计算仿真，神经网络模型为bp神经网络模型；
步骤3、将步骤2的仿真结果进行统计，做电流随时间的变化曲线，将波峰和波谷对应的时刻分别记为两个集合，波峰、波谷对应时刻均采样5个；
步骤4、对步骤3得到的两个集合再次进行神经网络模型计算，最终得到灭弧性能检测结果，神经网络模型输出结果30％，则说明该电力设备灭弧性能不符合要求。
实施例2
本发明一种电力设备灭弧能力检测方法，具体按照以下步骤实施：
步骤1、采集设备中电弧开断过程中气体电弧的产生时刻和灭弧时刻，其中，采集间隔设为20s采集一次；
步骤2、将步骤1采集的时刻信息输入神经网络模型中进行计算仿真，神经网络模型为bp神经网络模型；
步骤3、将步骤2的仿真结果进行统计，做电流随时间的变化曲线，将波峰和波谷对应的时刻分别记为两个集合，波峰、波谷对应时刻均采样10个；
步骤4、对步骤3得到的两个集合再次进行神经网络模型计算，最终得到灭弧性能检测结果，神经网络模型输出结果40％，则说明该电力设备灭弧性能不符合要求。
实施例3
本发明一种电力设备灭弧能力检测方法，具体按照以下步骤实施：
步骤1、采集设备中电弧开断过程中气体电弧的产生时刻和灭弧时刻，其中，采集间隔设为14s采集一次；
步骤2、将步骤1采集的时刻信息输入神经网络模型中进行计算仿真，神经网络模型为bp神经网络模型；
步骤3、将步骤2的仿真结果进行统计，做电流随时间的变化曲线，将波峰和波谷对应的时刻分别记为两个集合，波峰、波谷对应时刻均采样7个；
步骤4、对步骤3得到的两个集合再次进行神经网络模型计算，最终得到灭弧性能检测结果，神经网络模型输出结果35％，则说明该电力设备灭弧性能不符合要求。
实施例4
本发明一种电力设备灭弧能力检测方法，具体按照以下步骤实施：
步骤1、采集设备中电弧开断过程中气体电弧的产生时刻和灭弧时刻，其中，采集间隔设为18s采集一次；
步骤2、将步骤1采集的时刻信息输入神经网络模型中进行计算仿真，神经网络模型为bp神经网络模型；
步骤3、将步骤2的仿真结果进行统计，做电流随时间的变化曲线，将波峰和波谷对应的时刻分别记为两个集合，波峰、波谷对应时刻均采样9个；
步骤4、对步骤3得到的两个集合再次进行神经网络模型计算，最终得到灭弧性能检测结果，神经网络模型输出结果38％，则说明该电力设备灭弧性能不符合要求。