一种基于相空间重构的半监督深度学习电弧电压异常检测方法技术

本发明专利技术公开了一种基于相空间重构的半监督深度学习电弧电压异常检测方法，包括如下步骤：步骤(1)、构建电压电弧混沌时间序列数据集；步骤(2)、对电弧电压混沌时间序列进行相空间重构并用C

【技术实现步骤摘要】
一种基于相空间重构的半监督深度学习电弧电压异常检测方法


[0001]本专利技术涉及电气故障诊断方法
，具体涉及一种基于相空间重构的半监督深度学习电弧电压异常检测方法。

技术介绍

[0002]为了在低压供配电系统中，导体因外绝缘体老化、电接触不良或断裂等原因可能会发生电弧故障。电弧故障是电路的非正常放电现象，如果电弧持续时间较长，极有可能引发电气火灾，存在着极大的安全隐患。在很多情况中，线路中电弧故障的发生并没有伴随着过大的电流，其电流很可能小于线路的额定电流，但是现有的熔断器、断路器等保护装置只能对过流、短路等情况进行检测和保护，对于电弧故障未必能起到很好的保护效果。电弧故障具有的高隐蔽性并且带有较强的破坏性，对电气系统的稳定运行产生重大的威胁。
[0003]在低压配电系统中，电弧故障类型主要可分为串联电弧、并联电弧和接地电弧，针对电弧故障诊断主要分为电弧数学模型诊断故障电弧、依据电弧发生时所产生的弧光、电磁波等物理现象检测故障电弧和基于线路电流和电压信号的时频特征诊断电弧故障。因电弧信号的不确定性、不稳定性且信号中含有较多的高频本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于相空间重构的半监督深度学习电弧电压异常检测方法，包括如下步骤：步骤(1)、构建电压电弧混沌时间序列数据集；步骤(2)、对电弧电压混沌时间序列进行相空间重构并用C
‑
C法估计相空间重构参数；步骤(3)、基于非异常数据的LSTM模型得出预测点；步骤(4)、构建端到端的异常评分网络；步骤(5)、基于欧式距离构建深度异常检测模型；步骤(6)、训练模型并对模型进行优化，多次对模型进行更新迭代后得到深度异常检测器。2.根据权利要求1所述的一种基于相空间重构的半监督深度学习电弧电压异常检测方法，其特征在于：所述步骤(1)中构建电压电弧混沌时间序列数据集的方法如下：1、依据UL1699、GB14287.4标准搭建实际用电线路模拟平台，用示波器和电流传感器分别对电压、电流进行实时检测和采样，将模拟平台启动之后的电弧电压时间序列数据作为数据集T
non
‑
anomaly
；2、依据配电系统的实际使用情况设计电弧故障数据采集平台，用示波器和电流传感器对发生电弧故障时的数据进行采集、标注并记为数据集T
anomaly
；3、则电压电弧混沌时间序列数据集为T＝T
non
‑
anomaly
∪T
anomaly
4、对采集到的电弧电压时间序列T进行归一化预处理，将序列处理为一个均值为0，方差为1的标准时间序列：其中x
i
为归一化处理后的标准时间序列，T
i
为电弧电压时间序列T中第i个的数据，E
T
为时间序列T的均值，σ
T
为时间序列T的标准差。3.根据权利要求2所述的一种基于相空间重构的半监督深度学习电弧电压异常检测方法，其特征在于：所述步骤(2)中对电弧电压混沌时间序列进行相空间重构并用C
‑
C法估计相空间重构参数的方法如下：1、对归一化之后的电弧电压混沌时间序列{x
i
|i＝1,2,
…
,N}使用基于Takens原理的坐标延迟法进行相空间重构：其中τ表示延迟时间；m表示嵌入维数；N表示混沌时间序列长度；X表示对时间序列重构之后的相空间。2、在针对含噪电弧电压混沌时间序列进行相空间重构时，选择C
‑
C法计算值作为初始值，并基于C
‑
C关联积分联合算法求取给定时间序列的τ和m；其中C
‑
C关联积分为：
其中M＝N
‑
(m
‑
1)τ，N为采样点数，M为重构可得相点数；r为空间距离；τ为延迟时间；m为嵌入维数；C(m,N,r,τ)为关联积分；X
i
，X
j
为相空间X中的两个不同相点，且两个不同相点之间距离采用∞
‑
范数计算；θ为Heaviside单位函数，当两个不同相点X
i
，X
j
之间的无穷范数小于等于设定的r时，函数值为1，否则为0；3、按照如下给出的等量关系可得不同延迟时间τ对应的值和S
cor
值，其中，表示τ取所有不同值时的最大偏差量的平均值，S
cor
为求最优时间窗口的统计量；的第一个极小点即为所求的最佳延迟时间τ
opt
，S
cor
的全局最小点即为最优延迟时间窗口τ
W
；；ΔS(m,τ)＝max{S(m,r
i
,τ)}
‑
min{S(m,r
i
,τ)},τ)},τ)}其中，S(m,N,r,τ)为离散时间序列统计量；Len为第s个子列中的数据个数；C
s
(m,L,r,τ)为第s个子序列的关联积分；为嵌入维数为1时第s个子序列的关联积分的m次方；S(m,r,τ)为S(m,N,r,τ)处于N
→
∞的情况下的简化表达；S(m,r
i
,τ)为第i个r下计算所得的值；ΔS(m,τ)为计算r取不同值时S(m,r,τ)的最大偏差量；计算不同m和r时S(m,r,τ)的平均值；用于计算不同m时ΔS(m,τ)的平均值；4、最后依据等式τ
W
＝(m
opt
‑
1)τ
opt
，可得出最佳嵌入维数m
opt
。4.根据权利要求3所述的一种基于相空间重构的半监督深度学习电弧电压异常检测方法，其特征在于：所述步骤(3)中基于非异...

【专利技术属性】
技术研发人员：吕银华，肖天华，
申请(专利权)人：浙江中辰城市应急服务管理有限公司，
类型：发明
国别省市：