一种基于频域特征的故障电弧检测方法、系统及存储介质

本发明涉及机器学习、人工智能等领域的方法和技巧，可以归类于时间序列的异常检测和分析，高频数据的信号处理，更具体的说，是涉及一种基于频域特征的故障电弧检测方法、系统及存储介质。

背景技术：

1、当前我国火灾防控面临着火灾现象多样，管理体量大，城市风险聚集，基础设施薄弱等多方面棘手问题。据应急管理部消防救援局数据，近年来随着消防救援工作的完善和国民防火意识的增强，虽然我国火灾发生总数稳中有降，但是数据仍然触目惊心。2021年，我国共接报火灾74.8万起，死亡1987人，受伤2225人，直接财产损失67.5亿元。其中居民火灾发生数居于高位，占比在44％左右徘徊，是按发生场所分类的火灾中占比最大的。对于乡村火灾，居民住宅火灾的起数虽只占总数的34.5％，但死亡人占总数的73.8％。从引发火灾的直接原因看，因电气引发的占28.4％，并且较大以上火灾则有三分之一系电气原因引起，且以电气线路故障居多，占电气火灾总数的近八成。

2、故障电弧产生火灾占比电气火灾的一大部分，而且故障电弧发生往往较为不可预测，比如说，线路老化、充电电池老化等问题是可以提前预知的，或者说之可以被估量到的。而故障电弧发生与用电器老化与否关系不大，研究合适的故障电弧检测算法就显得非常重要。

3、申请号为cn202211617734.5，发明名称为：故障电弧检测方法、装置、设备及存储介质。该发明通过一系列特定的硬件设备和存储介质，对于负载端采取电流信息，然后用小波系数去拟合，人为经验选择出两个小波系数，指代故障电弧特征。该方法只适用于特定负载检测，采取侵入方式，且硬件装置与故障检测方法相匹配，无法分来移植。

4、申请号为cn202211272839.1，发明名称为：一种双模多负载回路电弧故障检测系统。该发明以stm32h7为核心微处理器，搭配调理电路、电源电路、数据采集电路以及无线通信电路组成双模故障诊断系统。该方法整体上是硬件层面的检测，也不能做到“非侵入”的方式。

技术实现思路

1、本发明的目的是为了克服已有电弧检测方法的不足，努力实现以“非侵入”的方式，来检测出真实家庭用电环境中是否有电弧产生。为了达到此目的，本发明提出了一种基于频域特征的故障电弧检测方法、系统及存储介质，通过智能断路器采集家庭用电环境中的真实电流强度信息，并不具体到某个负载，而是在以家庭为单位的用电总开关(即智能断路器)上收集信息，用软件级别的算法来完成故障电弧的检测，从而达到“非侵入”的目的。

2、本发明的目的可通过以下技术方案实现。

3、本发明基于频域特征的故障电弧检测方法，包括以下过程：

4、第一步：统计智能断路器数量，每个智能断路器对应一条传输线路，运用多线程算法，每个线程负责一定数量的智能断路器，每条传输线路产生的数据向量，通过智能断路器上传到服务器数据库中，保存线路信息、时间信息、电流强度信息；

5、第二步：从服务器数据库中提取出数据向量，进行低功率过滤检测；如果低功率过滤检测结果异常，则表示存在空载和干扰，进而说明无故障电弧；如果低功率过滤检测结果正常，转至第三步；

6、第三步：对提取出的数据向量进行快速傅里叶变换，此时将510维时域数据被映射成为256维频域特征，把256维频域特征送入训练后的电弧检测模型1；如果电弧检测模型1的预测值为1，表示该电弧检测模型1认为被检测数据含有故障电弧；如果电弧检测模型1的预测值为0，表示该电弧检测模型1认为被检测数据不含故障电弧，转至第四步；

7、第四步：将数据向量直接取一个周期，送入训练后的电弧检测模型2；如果电弧检测模型2的预测值为1，则表示有故障电弧；如果电弧检测模型2的预测值为0，则表示没有故障电弧。

8、第二步中所述低功率过滤检测是指，设定一个功率阈值p，如果数据向量的510维，每个维度数值都小于100，则认为这是异常的数据，不含故障电弧；如果有任意一个维度数据大于100，则认为是正常数据。

9、第三步中所述电弧检测模型1和第四步中所述电弧检测模型2均采用bp神经网络模型，两个模型的网络结构相同，bp神经网络采用三层的线性全连接网络模式，包括256个节点的输入层、200个节点的隐含层、dropout操作层、激活函数层、2个节点的输出层。

10、为训练、测试、评估电弧检测模型1、电弧检测模型2，构建数据集1和数据集2；

11、故障电弧有两种类型：故障电弧类型1和故障电弧类型2；故障电弧类型1的特点是，随着时间的变化，电流强度会有突然的震荡；故障电弧类型2的特点是，随时间的变化，电流强度会有短暂归零，并呈现周期性；

12、通过智能断路器获取故障电弧类型1、故障电弧类型2、正常电路的数据，故障电弧类型1、故障电弧类型2的数据打上有故障电弧的标签[1，0]，正常电路的数据打上有非故障电弧的标签[0，1]；故障电弧类型1和正常电路的数据经过快速傅里叶变换，构成数据集1；故障电弧类型2和正常电路的数据，不经过快速傅里叶变换，直接抽取一个周期，构成数据集2；分别用python语言将数据集1、数据集2处理成npz格式文件，保存数据；

13、将数据集1和数据集2均按比例8：2划分为训练集和测试集，训练集用于训练电弧检测模型，测试集用于测试、评估电弧检测模型，保存训练后的电弧检测模型1和电弧检测模型2。

14、本发明的目的还可通过以下技术方案实现。

15、本发明基于频域特征的故障电弧检测系统，包括智能断路器、服务器、社区监控客户端；所述智能断路器用于将每条线路产生的数据向量，上传到服务器；所述服务器包括存储器、处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述基于频域特征的故障电弧检测方法；若发现存在故障电弧，说明存在用电不安全现象，将故障电弧发生的时间、用户信息准确发送到社区监控客户端，社区管理人员统一管理。

16、本发明的目的还可通过以下技术方案实现。

17、本发明计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，其特征在于，当所述计算机程序被处理器执行时，实现上述基于频域特征的故障电弧检测方法。

18、与现有技术相比，本发明的技术方案所带来的有益效果是：

19、(1)本发明考虑不到电弧的两种类型，分别应用了时域和频域的两种特征提取方式：其一，使用了快速傅里叶方法提取了电流周期数据的频域特征，快速傅里叶变换可以以较低的计算复杂度提取信号的频域特征，有效提取了故障电弧不具有周期性的本质，从而提升模型面对真实用电环境检测场景的性能；其二，直接应用电流数据的时域特征，完全不损失信息，进行有效检测。

20、(2)本发明依托高质量故障电弧标注数据集，考虑到故障电弧的两种类型，分别训练两个不同的神经网络模型组合起来检测故障电弧，从而提高了其检测的准确率。

21、(3)本发明为了实现“非侵入”的目的，只需每家用户安装一个智能断路器即可，这样不侵入用户的家庭环境，只需要对总用电数据做采集，从而判断某用户用电过程中是否产生了故障电弧，这种基于频域特征的方法及系统可以有效地对家庭环境中是否存在故障电弧检测，以达到尽早预警的效果，推进火灾预防技术的发展