串联型低压交流电气故障打火辨识方法技术

本发明专利技术提供了一种串联型低压交流电气故障打火辨识方法，包括：步骤一：基于典型负载情况下电路正常运行及产生串联型电气故障打火时的回路电流信号，构建基于小波能量分解的深度学习模型；步骤二：实时获取用电环境中的回路电流信号，基于构建的深度学习模型辨识电气故障打火。本发明专利技术基于用电环境中典型负载的回路电流信号构建基于小波能量分解的深度学习模型，进而根据该深度学习模型对每条线路进行电气火灾隐患排查与预警，辨识电气故障打火，实现了电气火灾的精准监控。

Identification Method of Series Low Voltage AC Electrical Fault Fire

【技术实现步骤摘要】
串联型低压交流电气故障打火辨识方法
本专利技术属于电气安全防护
，具体涉及一种串联型低压交流电气故障打火辨识方法。
技术介绍
电气火灾一般是指由于电气线路、用电设备、器具以及供配电设备出现故障性释放的热能：如高温、电弧、电火花以及非故障性释放的能量；如电热器具的炽热表面，在具备燃烧条件下引燃本体或其他可燃物而造成的火灾，也包括由雷电和静电引起的火灾。在各类电气火灾中，漏电火灾、短路火灾较为常见。漏电火灾线路的某一个地方因为某种原因(自然原因或人为原因，如风吹雨打、潮湿、高温、碰压、划破、磨擦、腐蚀等)使电线的绝缘或支架材料的绝缘能力下降，导致电线与电线之间(通过损坏的绝缘、支架等)、导线与大地之间(电线通过水泥墙壁的钢筋、马口铁皮等)有一部分电流通过，这种现象就是漏电。当漏电发生时，漏泄的电流在流入大地途中，如遇电阻较大的部位时，会产生局部高温或产生漏电火花，致使附近的可燃物着火，从而引起火灾。短路火灾电气线路中的裸导线或绝缘导线的绝缘体破损后，火线与零线，或火线与地线(包括接地从属于大地)在某一点碰在一起，引起电流突然大量增加的现象就叫短路，俗称碰线、混线或连电。由于短路时电阻突然减少，电流突然增大，其瞬间的发热量也很大，大大超过了线路正常工作时的发热量，并在短路点易产生强烈的火花和电弧，不仅能使绝缘层迅速燃烧，而且能使金属熔化，引起附近的易燃可燃物燃烧，造成火灾。为监测电气火灾发生，现有技术中采用的电气火灾监测设备包括温度传感器、剩余电流互感器、组合式电气火灾监控探测器、电气故障打火探测器、消防物联数据网关、消防互联网传输模块等部件。温度传感器通过捆扎方式监测线缆温度、内置监测配电箱温度等数据，传递到混合式电气火灾监控探测器；剩余电流互感器通过将线路按电流同向穿过线圈，监测线路中剩余电流数据；组合式电气火灾监控探测器提供8个地址，用于对接温度传感器、剩余电流互感器，实现线路温度、剩余电流数据的显示和本地报警。现有电气火灾监测设备主要用于数据监测，对安全防护和监测具有不足：1、安装设备较多、施工条件受限，一般仅用于二级配电箱，无法实现末端用电安全管理；2、监测指标缺乏针对线路打火监测，无法有效做到事前预警。3、能够通过监测发现高温、剩余电流、电弧告警数据，但监测数据仅用于火灾预警，无法实现隐患定位和排除。
技术实现思路
本专利技术的目的是提供一种串联型低压交流电气故障打火辨识方法，基于用电环境中典型负载的回路电流信号构建基于小波能量分解的深度学习模型，进而根据该深度学习模型对每条线路进行电气火灾隐患排查与预警，辨识电气故障打火，实现电气火灾精准监控。本专利技术提供了一种串联型低压交流电气故障打火辨识方法，包括：步骤一：基于典型负载情况下电路正常运行及产生串联型电气故障打火时的回路电流信号，构建基于小波能量分解的深度学习模型；步骤二：实时获取用电环境中的回路电流信号，基于构建的深度学习模型辨识电气故障打火。进一步地，步骤一包括：基于典型负载的回路电流信号，以小波分解各层细节信号能量的平均值和标准差作为深度学习输入特征量，构建所述深度学习模型。进一步地，步骤一还包括：在对所述深度学习模型进行训练前，基于粒子群优化算法对深度学习权值及阈值的初始值进行寻优，以加快深度学习训练收敛速度。进一步地，步骤一还包括：在深度学习过程中基于自适应调整学习率更新调整所述权值和阈值。进一步地，步骤二包括：基于电流互感器及信号调理电路获取典型负载的回路电流信号。与现有技术相比本专利技术的有益效果是：基于用电环境中典型负载的回路电流信号构建基于小波能量分解的深度学习模型，进而根据该深度学习模型对每条线路进行电气火灾隐患排查与预警，辨识电气故障打火，实现了电气火灾的精准监控。附图说明图1是本专利技术串联型低压交流电气故障打火辨识方法的流程图；图2是两种典型负载的电流信号小波变换能量分布图；图3是本专利技术基于小波能量分解的深度学习模型的整体结构图。具体实施方式下面结合附图所示的各实施方式对本专利技术进行详细说明，但应当说明的是，这些实施方式并非对本专利技术的限制，本领域普通技术人员根据这些实施方式所作的功能、方法、或者结构上的等效变换或替代，均属于本专利技术的保护范围之内。参图1所示，本实施例提供了一种串联型低压交流电气故障打火辨识方法，包括：步骤S1：基于典型负载情况下电路正常运行及产生串联型电气故障打火时的回路电流信号，构建基于小波能量分解的深度学习模型；步骤S2：实时获取用电环境中的回路电流信号，基于构建的深度学习模型辨识电气故障打火。该串联型低压交流电气故障打火辨识方法，基于用电环境中典型负载的回路电流信号构建基于小波能量分解的深度学习模型，进而根据该深度学习模型对每条线路进行电气火灾隐患排查与预警，辨识电气故障打火，实现了电气火灾的精准监控。在本实施例中，步骤S1包括：基于典型负载的回路电流信号，以小波分解各层细节信号能量的平均值和标准差作为深度学习输入特征量，构建所述深度学习模型。在本实施例中，步骤S1还包括：在对所述深度学习模型进行训练前，基于粒子群优化算法对深度学习权值及阈值的初始值进行寻优，以加快深度学习训练收敛速度。在本实施例中，步骤S1还包括：在深度学习过程中基于自适应调整学习率更新调整所述权值和阈值。在本实施例中，步骤S2包括：基于电流互感器及信号调理电路获取典型负载的回路电流信号。本专利技术针对交流串联型电气故障打火发生时回路电流幅值较小、传统线路保护装置不能有效检测的问题，提出了一种基于小波变换能量与深度学习结合且适用于多种典型负载的串联型低压交流电气故障打火辨识方法。利用自制的电弧发生装置模拟产生低压交流电气故障打火，获取了典型负载情况下电路正常运行及产生串联型电气故障打火时回路的电流信号。对采集的信号进行小波分解，将各层细节信号能量的平均值和标准差输入BP深度学习后构成小波深度学习，实现对不同负载测试样本的辨识。采用粒子群优化算法计算深度学习训练初始值，利用自适应学习率方法提高了训练速度。算法输出结果含义明确，输入层特征量选取合理。实验结果表明，采用该方法进行电气故障打火辨识的准确率达到95％以上。下面对本专利技术作进一步详细说明。1、串联型电气故障打火产生机理及检测标准电弧现象与气体的种类和压力、温度、电极间的距离以及电压等因素有关。串联型电弧一般是由于开关断开或导线接触不良、松动时产生的，与负载是串联关系。串联型电气故障打火发生时相当于在回路中增加一个具有一定电压的元件，此时回路电流幅值比电路正常运行时小。传统的保护装置(故障断路器等)一般无法检测串联型电气故障打火。2、电气故障打火波形数据采集利用数据采集系统的电流互感器及信号调理电路可获取用电环境中的典型负载的回路电流信号，包括正常运行与回路中存在电气故障打火的情况。电气故障打火的情况可通过电弧发生器产生。3、典型电流信号波形分析通过多次实验，获取大量典型负载情况下电路正常工作及发生电气故障打火时回路中的电流信号。通过实验结果可知：作为近阻性负载，电气故障打火发生时回路电流信号具有典型的“平肩部”特征，但对于正常运行的调光灯负载(开关性)，其电流波形也具有类似特点。当前，由于开关型负载使用日益频繁，采用电流波形的形状或简单的傅里叶分析等方法一般无法适应电气故障打火的检本文档来自技高网...

【技术保护点】
1.一种串联型低压交流电气故障打火辨识方法，其特征在于，包括：步骤一：基于典型负载情况下电路正常运行及产生串联型电气故障打火时的回路电流信号，构建基于小波能量分解的深度学习模型；步骤二：实时获取用电环境中的回路电流信号，基于构建的深度学习模型辨识电气故障打火。

【技术特征摘要】
1.一种串联型低压交流电气故障打火辨识方法，其特征在于，包括：步骤一：基于典型负载情况下电路正常运行及产生串联型电气故障打火时的回路电流信号，构建基于小波能量分解的深度学习模型；步骤二：实时获取用电环境中的回路电流信号，基于构建的深度学习模型辨识电气故障打火。2.根据权利要求1所述的串联型低压交流电气故障打火辨识方法，其特征在于，所述步骤一包括：基于典型负载的回路电流信号，以小波分解各层细节信号能量的平均值和标准差作为深度学习输入特征量，构建所述深度学习模型。3.根据权利要求2...

【专利技术属性】
技术研发人员：刘寒，
申请(专利权)人：中电科安科技股份有限公司，
类型：发明
国别省市：北京,11