一种基于全景信息的弧光故障识别装置及方法制造方法及图纸

本发明专利技术公开一种基于全景信息的弧光故障识别装置及方法，实现断路器弧光识别，属于电力自动化技术领域，通过分析电弧故障发生时电流在时域、频域的特征变化，提取合适的特征值作为BP神经网络的输入，采用BP神经网络来检测电弧故障，针对BP神经网络收敛慢的缺点，采用遗传算法获得BP神经网络的初始权值，加快神经网络的训练收敛速度；本发明专利技术输出达到高信噪比，从而提高了故障电弧检测的准确性和可靠性。

【技术实现步骤摘要】
一种基于全景信息的弧光故障识别装置及方法
本专利技术涉及一种基于全景信息的弧光故障识别装置及方法，属于电力自动化

技术介绍
随着配电网容量的逐渐增大,中低压母线故障对电力系统安全运行的影响越来越大。开关柜内弧光短路故障是一种严重的配电系统故障，其内部电弧燃烧释放所产生的电弧效应，严重时可烧毁昂贵的开关设备，同时产生的短路电流冲击可损坏主变压器,造成长时间停电，更严重的可造成附近人员的伤亡事故。目前国外主流的弧光保护装置包括，瑞士ABB公司的REA101-107型和TVOC-2型弧光保护装置、VAMP公司生产的VAMP221(220)型电弧光保护系统，以及澳大利亚RIZNER公司生产的RIZNER-Eagle-Eyed光电式电弧光保护装置。，其中REA101-107型和TVOC-2型弧光保护装置保护动作时间小于2.5ms，使弧光对设备的损害降到了最低，同时配套的扩展单元可扩大电弧光保护范围；VAMP221(220)型电弧光保护系统采用自家生产的VA1DA型弧光传感器，性能也很优越当前故障电弧检测技术多采用传感器对故障电弧燃烧时产生的弧光进行检测，并与预设的阈值进行比较，进而判断是否有故障电弧产生。而开关柜工作环境复杂、外界噪声干扰较大，再加上故障电弧燃烧时产生的物理特征具有很大的不确定性，因此采用单一传感器检测故障电弧时，检测灵敏度和准确度之间的矛盾难以解决，致使误检率居高不下，严重影响了电力系统的安全稳定运行。
技术实现思路
针对现有技术存在的不足，本专利技术的目的是提供一种基于全景信息的弧光故障识别算法，采用多个不同类的传感器对电弧燃烧时的多种物理特征进行检测，同时提出一种捕捉弧光电流特性的BP神经网络算法，结合各传感器信息与弧光电流信息决策弧光保护动作，进行卡尔曼滤波器滤波，从而降低误动与拒动概率，有效提升保护可靠性。为了实现上述目的，本专利技术是采取以下的技术方案来实现的：一种基于全景信息的弧光故障识别装置，包括传感器单元、局部卡尔曼滤波器、信息融合单元、全局卡尔曼滤波器和弧光识别单元；所述传感器单元、局部卡尔曼滤波器、信息融合单元、全局卡尔曼滤波器和弧光识别单元依次顺序连接；传感器单元包括若干传感器，传感器单元用于检测弧光发生时的电气量，每个传感器连接一个局部卡尔曼滤波器，对传感器输出数据进行滤波；局部卡尔曼滤波器输出的信息经过信息融合单元进行信息融合后，基于全局卡尔曼滤波器进行全景信息的全局滤波，进行弧光判定。较优地，传感器单元包括弧光传感器、温度传感器和压力传感器。信息融合单元包括局部信息融合模块和全局信息融合模块；局部信息融合模块对同类传感器输出的信息进行融合；全局信息融合模块融合所有局部信息融合模块输出的全景信息。全景信息是指针对孤光光谱特性的弧光检测的特性信息，包括电流特性和声光特性。一种基于全景信息的弧光故障识别方法，包括以下步骤：S1，传感器单元采集弧光发生时的电气量信息；S2，建立BP神经网络，确定BP神经网络参数；步骤S2具体包括以下步骤：(201)，传感器单元连接多参量传感器数据的局部卡尔曼滤波器，分析电弧故障发生时电流在时域和频域的特征变化，提取特征值作为BP神经网络的输入，采用BP神经网络检测电弧故障，采用遗传算法获得BP神经网络的初始权值，实现断路器弧光识别；(202)确定BP神经网络输入层与输出层神经元个数：输入层神经元为6个，包括采样时间窗口内电流最大最小幅值差Idiff、电流在中低频段的能量、电流在中低频段内小波包分解树第一节点Node(4，1)、第2节点Node(4,2)、第3节点Node(4,3)和第4节点Node(4,4)的平均均方根值(RMS)；输出层神经元个数为1个；(203)确定隐藏层神经元个数：基于公式(1)计算隐藏层神经元个数：式中H：表示神经网络隐藏层的神经元个数；I：表示的是神经网络输入层的神经元个数；O：表示的是神经网络输出层的神经元个数，α为弹性动量，取值范围为1～10；S3，大数据神经网络训练：对原始电流采样数据提取6个特征量形成N个样本数据作为训练样本，神经网络训练停止条件是训练迭代次数Epoch≥6000、输出误差MSE≤0.001或者梯度下降Gradi-ent≤1.00e－10；S4，局部卡尔曼滤波器和全局卡尔曼滤波器初始值设定X0是全局状态初始值，P0是全局协方差阵初始值，Q0是全局系统协方差阵初始值，全局卡尔曼滤波器和局部卡尔曼滤波器的信息分配因子按传感器侦测量特性设定；P0全局协方差阵初始值和Q0全局系统协方差阵初始值是没有离散度的，取0或者一个零漂误差；S5，基于测量估计量和状态估计量完成采样点信息融合；设定初始值在系统开始时刻，Pm是全局协方差阵，Qm是全局系统协方差阵，其中m为传感器个数，全局卡尔曼滤波器和每个局部卡尔曼滤波器的信息分配因子基于公式(2)和公式(3)进行分配；公式(2)为全局卡尔曼滤波器信息因子分配公式，其中Qi是传感器第i点离散采样数据的全局系统协方差阵，Q为全局卡尔曼滤波器分配因子；公式(3)为局部卡尔曼滤波器信息因子分配公式，其中Pi是传感器第i点离散采样数据值的全局协方差阵,P为局部卡尔曼滤波器分配因子；βi为权重因子；公式(2)，公式(3)中权重因子βi遵守信息守恒定理，且β1+β2+…βm-1+βm＝1(0≤βi≤1)，i＝1,2,3…m；则局部卡尔曼滤波器算法为公式(4)、全局卡尔曼滤波器算法为公式(5)公式(4)适用于同种类型的传感器，其中Pi为传感器第i点离散采样数据的全局协方差阵，是第i点离散时间采样的状态估计矢量；Dk是第k个传感器采样数据，Zi为第i点的观测值，为第i点数据的转置，Ri为第i点数据的残差；公式(5)中，Q全i是各类型传感器局部融合后第i组数据的全局系统协方差阵，为是各类型传感器局部融合后，第i组数据的离散时间采样的状态估计矢量；D′k表示第k个传感器局部融合后数据，Z′i为数据局部融合后第i点的观测值，H′iT为数据局部融合后第i点数据的转置，R′i为数据局部融合后第i点数据的残差；通过公式(4)，对故障电弧检测系统中的每个传感器探测到信号实施局部滤波处理；把每个局部卡尔曼滤波器的处理结果按传感器类别局部融合后，进行全局权重分配，实现信息融合，全局卡尔曼滤波器继续根据公式(5)对接收到融合信息实施滤波，分析弧光是否发生；S6，基于全局卡尔曼滤波器输出的全景信息得出弧光发生信号，用于逻辑跳闸出口。较优地，α的取值，满足神经网络的输出误差(MSE)≤0.001或者梯度下降≤1.00e－10；α＝6时，神经网络输出误差最小。本专利技术包括以下有益效果：(1)本申请公开一种基于全景信息的弧光故障识别方法，捕捉弧光电流特性的BP神经网络算法，克服模拟滤波器不灵活和不稳定的问题，基于BP神经网络模型、卡尔曼滤波和全景信息的融合，对温度的变化、电路噪声的干扰改变带来的影响体现出坚强的鲁棒性，大幅降低了弧光保护误动的概率。(2)本申请公开一种基于全景信息的弧光故障识别装置，多种类传感器构建的全景信息滤波器，对多个不同故障电弧故障特征进行实时滤波，能够很好地消除噪声干扰和提高信噪比，进一步提高了故障电弧检测的准确性和可靠性，完善了系统的容错能力和复原能力。有效提高电弧侦测能力。本文档来自技高网...

【技术保护点】
1.一种基于全景信息的弧光故障识别装置，其特征在于，包括传感器单元、局部卡尔曼滤波器、信息融合单元、全局卡尔曼滤波器和弧光识别单元；所述传感器单元、局部卡尔曼滤波器、信息融合单元、全局卡尔曼滤波器和弧光识别单元依次顺序连接；传感器单元包括若干传感器，传感器单元用于检测弧光发生时的电气量，每个传感器连接一个局部卡尔曼滤波器，对传感器输出数据进行滤波；局部卡尔曼滤波器输出的信息经过信息融合单元进行信息融合后，基于全局卡尔曼滤波器进行全景信息的全局滤波，进行弧光判定。

【技术特征摘要】
1.一种基于全景信息的弧光故障识别装置，其特征在于，包括传感器单元、局部卡尔曼滤波器、信息融合单元、全局卡尔曼滤波器和弧光识别单元；所述传感器单元、局部卡尔曼滤波器、信息融合单元、全局卡尔曼滤波器和弧光识别单元依次顺序连接；传感器单元包括若干传感器，传感器单元用于检测弧光发生时的电气量，每个传感器连接一个局部卡尔曼滤波器，对传感器输出数据进行滤波；局部卡尔曼滤波器输出的信息经过信息融合单元进行信息融合后，基于全局卡尔曼滤波器进行全景信息的全局滤波，进行弧光判定。2.根据权利要求1所述的一种基于全景信息的弧光故障识别装置，其特征在于，传感器单元包括弧光传感器、温度传感器和压力传感器。3.根据权利要求1所述的一种基于全景信息的弧光故障识别装置，其特征在于，信息融合单元包括局部信息融合模块和全局信息融合模块；局部信息融合模块对同类传感器输出的信息进行融合；全局信息融合模块融合所有局部信息融合模块输出的全景信息。4.根据权利要求1所述的一种基于全景信息的弧光故障识别装置，其特征在于，全景信息是指针对孤光光谱特性的弧光检测的特性信息，包括电流特性和声光特性。5.一种基于全景信息的弧光故障识别方法，其特征在于，包括以下步骤：S1，传感器单元采集弧光发生时的电气量信息；S2，建立BP神经网络，确定BP神经网络参数；步骤S2具体包括以下步骤：(201)，传感器单元连接多参量传感器数据的局部卡尔曼滤波器，分析电弧故障发生时电流在时域和频域的特征变化，提取特征值作为BP神经网络的输入，采用BP神经网络检测电弧故障，基于遗传算法获得BP神经网络的初始权值；(202)确定BP神经网络输入层与输出层神经元个数：输入层神经元为6个，包括采样时间窗口内电流最大最小幅值差Idiff、电流在中低频段的能量、电流在中低频段内小波包分解树第一节点Node(4，1)、第2节点Node(4,2)、第3节点Node(4,3)和第4节点Node(4,4)的平均均方根值(RMS)；输出层神经元个数为1个；(203)确定隐藏层神经元个数：基于公式(1)计算隐藏层神经元个数：式中H：表示神经网络隐藏层的神经元个数；I：表示的是神经网络输入层的神经元个数；O：表示的是神经网络输出层的神经元个数，α为弹性动量，取值范围为1～10；S3，大数据神经网络训练：对原始电流采样数据提取6个特征量形成N个样本数据作为训练样本，神经网络训练停止条件是训练迭代次数Epoch≥6000、输出误差MSE≤0.001...

【专利技术属性】
技术研发人员：陈力，周斌，沈健，彭奇，周劭亮，张敏，沈宇龙，王猛，
申请(专利权)人：国电南瑞科技股份有限公司，国电南瑞南京控制系统有限公司，
类型：发明
国别省市：江苏,32