故障电弧电流的检测方法及系统技术方案

本发明专利技术公开一种故障电弧电流的检测方法，首先获取实测电流数据；相减相邻两个周期得到差分电流信号；对差分电流信号进行自相关运算，得到自相关系数；然后通过自相关系数对实测电流数据进行第一次分类得到正常电流信号；将正常差分电流信号划分为若干个小区间，计算每个小区间的方差，最后根据方差进行第二次分类；如果最大方差与最小方差的差值大于最小方差的预设倍率值，则判断为故障电弧电流；本方法避免了处理各种负载和电路回路不同而造成的电流信号差异过大，而不能制定合适的判断标准。前后周期相减，去掉周期成分后，则只需要对差分电流信号进行判断。避免了需要大量可靠的样本进行训练的要求，任给一个电流信号就可进行检测。

【技术实现步骤摘要】
故障电弧电流的检测方法及系统
本专利技术涉及故障电流检测
，特别是一种故障电弧电流的检测方法及系统。
技术介绍
为了实现故障电弧检测，传统做法是使用小波分解、神经网络、支持向量机等方法。使用小波分解时，需要确定合适的母波和分解层数才能达到较好的检测效果，而使用神经网络、支持向量机时，则需要大量的实测数据用于神经网络和支持向量机的训练。为了训练好网络，大量电弧电流需要提前给定正常或故障的标签，想要得到高质量的标签，则需要该领域的专家辅助标记。在数量较大的情况下，这是一项非常艰难的任务。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种故障电弧电流的检测方法，该方法利用正常电流的周期性和平稳性实现对故障电弧电流的检测。为达到上述目的，本专利技术提供如下技术方案：本专利技术提供的故障电弧电流的检测方法，包括以下步骤：获取实测电流数据；将实测电流数据相邻两个周期相减，得到差分电流信号；对差分电流信号进行自相关运算，得到自相关系数；通过自相关系数对实测电流数据进行第一次分类：判断自相关系数，若t＝1时自相关系数大于相关阈值，则该实测电流为故障电弧电流信号；反之，则为正常电流信号；获取第一次分类中所有正常电流信号；将正常差分电流信号划分为若干个小区间，计算每个小区间的方差，根据方差进行第二次分类；判断最大方差与最小方差的差值是否大于最小方差的预设倍率值，如果是，则判断为故障电弧电流；如果否，则为正常电流信号。进一步，所述相关阈值0.2-0.5。进一步，所述预设倍率值为2-5.进一步，所述测电流数据相邻周期相减按照以下公式进行：S(K,n)＝X(KNT+n)-X((K-1)NT+n)(1)其中，S(·)表示差分电流信号，X(·)为实测电流信号，n表示周期内的某一时刻，NT为一个周期内的采样点数，K为正整数。进一步，所述差分电流信号自相关系数按照以下公式计算：其中，rk为自相关系数，为一个周期差分电流信号的均值。进一步，所述正常电流信号划分为8个小区间，计算每个区间的方差。本专利技术还提供了故障电弧电流的检测系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现以下步骤：获取实测电流数据；将实测电流数据相邻两个周期相减，得到差分电流信号；对差分电流信号进行自相关运算，得到自相关系数；通过自相关系数对实测电流数据进行第一次分类：判断自相关系数，若t＝1时自相关系数大于相关阈值，则该实测电流为故障电弧电流信号；反之，则为正常电流信号；获取第一次分类中所有正常电流信号；将正常差分电流信号划分为若干个小区间，计算每个小区间的方差，根据方差进行第二次分类；判断最大方差与最小方差的差值是否大于最小方差的预设倍率值，如果是，则判断为故障电弧电流；如果否，则为正常电流信号。进一步，所述相关阈值0.2-0.5。进一步，所述预设倍率值为2-5.进一步，所述正常电流信号划分为8个小区间，计算每个区间的方差。本专利技术的有益效果在于：与传统的故障电弧检测方法相比，本专利技术提供的故障电弧电流的检测方法，避免了处理各种负载和电路回路不同而造成的电流信号差异过大，而不能制定合适的判断标准。前后周期相减，去掉周期成分后，则只需要对差分电流信号进行判断。与神经网络相比，本专利技术提供的故障电弧电流的检测方法避免了需要大量可靠的样本进行训练的要求，任给一个电流信号就可进行检测。本专利技术的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本专利技术的实践中得到教导。本专利技术的目标和其他优点可以通过下面的说明书来实现和获得。附图说明为了使本专利技术的目的、技术方案和有益效果更加清楚，本专利技术提供如下附图进行说明：图1为正常电流原始信号。图2为故障电弧电流原始信号。图3为正常差分电流信号。图4为故障电弧差分电流信号。图5为正常差分电流信号的自相关系数。图6为故障电弧差分电流信号的自相关系数。图7为算法流程图。具体实施方式下面结合附图和具体实施例对本专利技术作进一步说明，以使本领域的技术人员可以更好的理解本专利技术并能予以实施，但所举实施例不作为对本专利技术的限定。实施例1如图1所示，本实施例提供的故障电弧电流的检测方法，包括以下步骤：获取实测电流数据；将实测电流数据相邻两个周期相减，得到差分电流信号；对差分电流信号进行自相关运算，得到自相关系数；通过自相关系数对实测电流数据进行第一次分类：判断自相关系数，若t＝1时自相关系数大于0.3，则该实测电流为故障电弧电流信号；反之，则为正常电流信号；将第一次分类中所有判断为正常的差分电流信号选出来；将正常差分电流信号划分为8个小区间，计算每个小区间的方差，根据方差进行第二次分类；判断最大方差与最小方差的差值是否大于最小方差的3倍，如果是，则判断为故障电弧电流；如果否，则为正常电流信号。本实施例提供的测电流数据相邻周期相减按照以下公式进行：S(K,n)＝X(KNT+n)-X((K-1)NT+n)(1)其中，S(·)表示差分电流信号，X(·)为实测电流信号，n表示周期内的某一时刻，NT为一个周期内的采样点数，K为正整数。本实施例提供的差分电流信号时序图如图3和图4所示。本实施例提供的差分电流信号自相关运算按照以下公式计算：其中，rk为自相关系数，为一个周期差分电流信号的均值，所述自相关系数为原始时间序列中第t个数据和第t-k个数的相关系数，本实施例提供的差分电流信号自相关系数图如图5和图6所示。本实施例提供的通过相关系数进行分类具体过程如下：正常的电流信号是具有周期性的，相邻两个周期相减后，得到的差分电流信号应为白噪声。白噪声的自相关系数的特点是：只在t＝0的时候为1，其他均为0。由于在现实的生活中，电流中还存在白噪声以外的影响较小的其他噪声，因此设置0.3为自相关系数的门限，用此门限检测t＝1时的自相关系数。若t＝1时，自相关系数大于0.3则判断该信号为故障电弧电流信号，反之则为正常电流信号。本实施例提供的通过方差进行分类具体过程如下：正常电流信号减去周期成分，剩下的仅有噪声，因此能够通过白噪声自相关函数的特点，将所有正常电流信号判断出来。但少部分故障电弧电流信号也存在去掉周期成分以后，差分电流信号类似白噪声，在第一步可能会误判为正常电流信号，因此还需进一步的处理。将通过自相关系数判断为正常的差分电流信号选出来，将其划分为8个小区间，计算每个区间的方差。得到8个方差值，若最大方差与最小方差的差值大于最小方本文档来自技高网...

【技术保护点】
1.故障电弧电流的检测方法，其特征在于：包括以下步骤：/n获取实测电流数据；/n将实测电流数据相邻两个周期相减，得到差分电流信号；/n对差分电流信号进行自相关运算，得到自相关系数；/n通过自相关系数对实测电流数据进行第一次分类：判断自相关系数，若n＝1时自相关系数大于相关阈值，则该实测电流为故障电弧电流信号；反之，则为正常电流信号；/n获取第一次分类中所有正常电流信号；/n将正常差分电流信号划分为若干个小区间，计算每个小区间的方差，/n根据方差进行第二次分类；判断最大方差与最小方差的差值是否大于最小方差的预设倍率值，如果是，则判断为故障电弧电流；如果否，则为正常电流信号。/n

【技术特征摘要】
1.故障电弧电流的检测方法，其特征在于：包括以下步骤：
获取实测电流数据；
将实测电流数据相邻两个周期相减，得到差分电流信号；
对差分电流信号进行自相关运算，得到自相关系数；
通过自相关系数对实测电流数据进行第一次分类：判断自相关系数，若n＝1时自相关系数大于相关阈值，则该实测电流为故障电弧电流信号；反之，则为正常电流信号；
获取第一次分类中所有正常电流信号；
将正常差分电流信号划分为若干个小区间，计算每个小区间的方差，
根据方差进行第二次分类；判断最大方差与最小方差的差值是否大于最小方差的预设倍率值，如果是，则判断为故障电弧电流；如果否，则为正常电流信号。


2.如权利要求1所述的方法，其特征在于：所述相关阈值0.2-0.5。


3.如权利要求1所述的方法，其特征在于：所述预设倍率值为2-5。


4.如权利要求1所述的方法，其特征在于：所述测电流数据相邻周期相减按照以下公式进行：
S(K,n)＝X(KNT+n)-X((K-1)NT+n)
其中，S(·)表示差分电流信号，X(·)为实测电流信号，n表示周期内的某一时刻，NT为一个周期内的采样点数，K为正整数。


5.如权利要求1所述的方法，其特征在于：所述差分电流信号自相关系数按照以下公式计算：



其中，
rk为自相关系数；

为一个周期差分电流信号的均值；
Sn表示差...

【专利技术属性】
技术研发人员：钱江，唐文，刘川锋，黄少寅，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川;51