一种低压直流电弧故障检测方法、系统、设备和介质与流程

本发明属于直流电弧故障诊断，具体涉及一种低压直流电弧故障检测方法、系统、设备和介质。

背景技术：

1、目前，针对交流故障电弧的识别与保护日趋完善，但在直流生态系统中，随着清洁能源的不断发展，直流故障电弧的检测方法还存在着信号采集准确度较低、信号后期处理部分数据有些丢失、普遍适用性较低的缺点，且当直流系统中电子元器件出现绝缘老化、接触不良、器件故障等问题时，电力系统中很容易产生直流故障电弧；当电路中产生直流串联故障电弧时，由于故障电弧的随机性和不稳定性，使得电路中的电压电流会降低，增加了电弧燃烧的可能性，电弧燃烧时瞬间温升极高，轻则导致一些电子器件损坏，重则会引发火灾，危害电网的安全；且由于目前的保护装置针对直流电路中诸如电压参量和电流参量这类小样本数据没有合适故障特征提取及故障检测方法，不能起到有效的防护作用，导致在线路发生直流电弧故障后无法得到及时检测并消除故障，从而引起重大的安全隐患。

技术实现思路

1、为克服上述现有技术的不足，本发明提出一种低压直流电弧故障检测方法，包括：

2、基于获取的低压直流线路的故障特征信号，利用预设的故障电弧特征参数提取模型对所述故障特征信号进行特征提取，得到所述故障特征信号对应的特征向量；

3、利用所述故障特征信号对应的特征向量对预先构建的电弧故障检测模型进行求解，确定所述低压直流线路中是否出现电弧故障；

4、其中，所述故障电弧特征参数提取模型是基于完全集合经验模态分解方法构建的；

5、所述电弧故障检测模型是基于极限学习机和麻雀搜索算法进行构建的。

6、优选的，所述故障电弧特征参数提取模型包括如下的执行过程：

7、对所述低压直流线路的故障特征信号进行数据分解和过滤，得到所述故障特征信号对应的固有模态分量；

8、对所述故障特征信号对应的固有模态分量进行皮尔逊相关性分析，得到所述故障特征信号对应的固有模态分量之间的相关系数；

9、根据所述故障特征信号对应的固有模态分量之间的相关系数，从所述故障特征信号中确定目标信号；

10、对所述目标信号进行小波软阈值去噪，并将经过去噪处理后的目标信号作为新的目标信号；

11、将所述新的目标信号的排列熵进行归一化处理，将经过归一化处理后的新的目标信号的排列熵作为所述故障特征信号对应的特征向量。

12、优选的，所述故障特征信号包括：电压特征信号和电流特征信号。

13、优选的，所述新的目标信号的排列熵对应的计算过程如下：

14、对所述新的目标信号进行相空间重构，得到对应的重构矩阵；

15、基于预设的延迟时间和嵌入维数，对所述重构矩阵中的每一行数据按照预设的顺序进行重排列，得到所述重构矩阵中每一行数据对应的符号序列；

16、基于所述重构矩阵中每一行数据对应的符号序列和预设的不同的符号序列对应的概率值，计算所述新的目标信号的排列熵。

17、优选的，所述新的目标信号的排列熵对应的计算式如下：

18、

19、其中，pj表示重构矩阵的第j行数据，j＝1,…,n；d表示嵌入维数；hp(d)表示嵌入维数为d的重构矩阵对应的新的目标信号的排列熵。

20、优选的，所述电弧故障检测模型包括如下的构建过程：

21、随机生成初始权重和阈值；

22、从历史的故障特征信号的特征向量中选取预设组特征向量作为训练数据的输入；

23、将选取的故障特征信号的特征向量对应的电弧故障检测结果作为训练数据的输出；

24、基于所述训练数据的输入、训练数据的输出、随机生成的初始权重和阈值，对预设的极限学习机进行训练，得到所述极限学习机中输出层的权重矩阵；

25、基于所述权重矩阵，利用预设的麻雀搜索算法，选择最优的初始权重和阈值，构建电弧故障检测模型。

26、优选的，所述基于所述权重矩阵，利用预设的麻雀搜索算法，选择最优的初始权重和阈值，包括：

27、步骤s1：初始化麻雀种群和迭代次数，初始化食物源、种群中意识到危险者时的位置、种群中探索者位置和种群中跟随者位置，将所述权重矩阵的行数表示所述麻雀种群中的个体数量；

28、步骤s2：获取所述极限学习机在训练过程中的错误率，并基于所述错误率，设定适应度函数，并以麻雀种群中个体的位置表示适应度函数值；

29、步骤s3：计算所述麻雀种群中每个个体的适应度函数值，并保存麻雀个体的位置；

30、步骤s4：更新食物源、意识到危险者时的位置、探索者位置和跟随者位置；

31、步骤s5：计算更新位置后的所述麻雀种群中每个个体的适应度函数值，并保存麻雀个体的位置；

32、步骤s6：判断麻雀种群中个体的当前的适应度函数值是否优于原有适应度函数值；若是，更新适应度函数值作为当前的适应度函数值，并执行步骤s7；若否，保留原有适应度函数值作为当前的适应度函数值，并执行步骤s7；

33、步骤s7：判断当前的适应度函数值是否满足预设的最优条件；若是，将所述适应度函数值对应的初始权重和阈值作为最优的初始权重和阈值并结束；若否，执行步骤s3。

34、优选的，所述适应度函数对应的表达式如下：

35、f＝arg min(pt+pc)

36、其中，pt表示所述电弧故障检测模型在训练特征向量时的错误率；pc表示所述电弧故障检测模型在测试时产生的错误率；f表示适应度函数表达式。

37、基于同一发明构思，本发明还提供了一种低压直流电弧故障检测系统，包括：

38、特征参数提取模块：用于基于获取的低压直流线路的故障特征信号，利用预设的故障电弧特征参数提取模型对所述故障特征信号进行特征提取，得到所述故障特征信号对应的特征向量；

39、电弧故障检测模块：用于利用所述故障特征信号对应的特征向量对预先构建的电弧故障检测模型进行求解，确定所述低压直流线路中是否出现电弧故障；

40、其中，所述特征参数提取模块中的故障电弧特征参数提取模型是基于完全集合经验模态分解方法构建的；所述电弧故障检测模块中的电弧故障检测模型是基于极限学习机和麻雀搜索算法进行构建的。

41、优选的，所述特征参数提取模块中的故障电弧特征参数提取模型包括如下的执行过程：

42、对所述低压直流线路的故障特征信号进行数据分解和过滤，得到所述故障特征信号对应的固有模态分量；

43、对所述故障特征信号对应的固有模态分量进行皮尔逊相关性分析，得到所述故障特征信号对应的固有模态分量之间的相关系数；

44、根据所述故障特征信号对应的固有模态分量之间的相关系数，从所述故障特征信号中确定目标信号；

45、对所述目标信号进行小波软阈值去噪，并将经过去噪处理后的新的目标信号作为新的目标信号；

46、将所述新的目标信号的排列熵进行归一化处理，将经过归一化处理后的目标信号的排列熵作为所述故障特征信号对应的特征向量。

47、优选的，所述特征参数提取模块中的故障特征信号包括：电压特征信号和电流特征信号。

48、优选的，所述特征参数提取模块中新的目标信号的排列熵对应的计算过程如下：

49、对所述新的目标信号进行相空间重构，得到对应的重构矩阵；

50、基于预设的延迟时间和嵌入维数，对所述重构矩阵中的每一行数据按照预设的顺序进行重排列，得到所述重构矩阵中每一行数据对应的符号序列；

51、基于所述重构矩阵中每一行数据对应的符号序列和预设的不同的符号序列对应的概率值，计算所述新的目标信号的排列熵。

52、优选的，所述特征参数提取模块中新的目标信号的排列熵对应的计算式如下：

53、

54、其中，pj表示重构矩阵的第j行数据，j＝1,…,n；d表示嵌入维数；hp(d)表示嵌入维数为d的重构矩阵对应的新的目标信号的排列熵。

55、优选的，所述电弧故障检测模块中的电弧故障检测模型包括如下的构建过程：

56、随机生成初始权重和阈值；

57、从历史的故障特征信号的特征向量中选取预设组特征向量作为训练数据的输入；

58、将选取的故障特征信号的特征向量对应的电弧故障检测结果作为训练数据的输出；

59、基于所述训练数据的输入、训练数据的输出、随机生成的初始权重和阈值，对预设的极限学习机进行训练，得到所述极限学习机中输出层的权重矩阵；

60、基于所述权重矩阵，利用预设的麻雀搜索算法，选择最优的初始权重和阈值，构建电弧故障检测模型。

61、优选的，所述电弧故障检测模块中基于所述权重矩阵，利用预设的麻雀搜索算法，选择最优的初始权重和阈值，包括：

62、步骤s1：初始化麻雀种群和迭代次数，初始化食物源、种群中意识到危险者时的位置、种群中探索者位置和种群中跟随者位置，将所述权重矩阵的行数表示所述麻雀种群中的个体数量；

63、步骤s2：获取所述极限学习机在训练过程中的错误率，并基于所述错误率，设定适应度函数，并以麻雀种群中个体的位置表示适应度函数值；

64、步骤s3：计算所述麻雀种群中每个个体的适应度函数值，并保存麻雀个体的位置；

65、步骤s4：更新食物源、意识到危险者时的位置、探索者位置和跟随者位置；

66、步骤s5：计算更新位置后的所述麻雀种群中每个个体的适应度函数值，并保存麻雀个体的位置；

67、步骤s6：判断麻雀种群中个体的当前的适应度函数值是否优于原有适应度函数值；若是，更新适应度函数值作为当前的适应度函数值，并执行步骤s7；若否，保留原有适应度函数值作为当前的适应度函数值，并执行步骤s7；

68、步骤s7：判断当前的适应度函数值是否满足预设的最优条件；若是，将所述适应度函数值对应的初始权重和阈值作为最优的初始权重和阈值并结束；若否，执行步骤s3。

69、优选的，所述电弧故障检测模块中适应度函数对应的表达式如下：

70、f＝arg min(pt+pc)

71、其中，pt表示所述电弧故障检测模型在训练特征向量时的错误率；pc表示所述电弧故障检测模型在测试时产生的错误率；f表示适应度函数表达式。

72、基于同一发明构思，本发明还提供一种计算机设备，包括：一个或多个处理器；

73、存储器，用于存储一个或多个程序；

74、当所述一个或多个程序被所述一个或多个处理器执行时，实现如前所述的一种低压直流电弧故障检测方法。

75、基于同一发明构思，本发明还提供一种计算机可读存储介质，其上存有计算机程序，所述计算机程序被执行时，实现如前所述的一种低压直流电弧故障检测方法。

76、与最接近的现有技术相比，本发明具有的有益效果如下：

77、本发明提供了一种低压直流电弧故障检测方法、系统、设备和介质，包括：基于获取的低压直流线路的故障特征信号，利用预设的故障电弧特征参数提取模型对所述故障特征信号进行特征提取，得到所述故障特征信号对应的特征向量；利用所述故障特征信号对应的特征向量对预先构建的电弧故障检测模型进行求解，确定所述低压直流线路中是否出现电弧故障；其中，所述故障电弧特征参数提取模型是基于完全集合经验模态分解方法构建的；所述电弧故障检测模型是基于极限学习机和麻雀搜索算法进行构建的；本发明通过采用预设的故障电弧特征参数提取模型对低压直流线路中的小样本信号进行特征提取，并利用预先构建的电弧故障检测模型对提取到的小样本信号进行电弧故障检测，有利于提高直流线路中电弧检测时的准确性，并能够在直流线路发生电弧故障后及时检测并消除故障，从而提升直流生态系统运行安全性和供电可靠性。