本发明专利技术公开了一种多场景用户侧低压直流开关电弧故障诊断方法及装置，方法包括：通过电流特性分析模型模拟每一负载下低压直流线路的电弧故障，获取低压直流线路的电流信号特征值；构建基于VMD变分模态分解技术和样本熵的故障电弧特征参数提取模型，对电流信号特征值进行数据分解与过滤，提取低压直流线路的电流信号特征参数；依据电流信号特征参数对故障电弧识别模型进行训练；通过故障电弧识别模型，依据低压直流线路的实时电流信号对用户侧低压直流开关电弧故障进行诊断。通过在用户侧低压直流开关进行电弧故障诊断，能够实时监测用电线路的运行状态，在线路发生直流开关电弧故障后及时消除故障，提升电力系统运行安全性和可靠性。和可靠性。和可靠性。
【技术实现步骤摘要】
一种多场景用户侧低压直流开关电弧故障诊断方法及装置
[0001]本专利技术涉及直流输电故障检测
，特别涉及一种多场景用户侧 低压直流开关电弧故障诊断方法及装置。
技术介绍
[0002]电弧因其能量大、温度高等特性十分容易引起火灾，危害性巨大。故 障电弧是电气线路中最常见的安全隐患，虽然传统的断路器可以对漏电、 过流和短路等险情进行保护，但许多严重的火灾事故却是由低于额定电流 的故障电弧所引起的，传统的断路器根本无法起到防护作用，因此故障电 弧成为了电气火灾防控领域中的一大难题。在此背景下，低压直流电弧故 障检测诊断技术的理论研究与应用具有重要的意义。
[0003]目前，国内外针对开关电弧故障诊断方法已经具有一定基础，主要包 括对故障电弧信号采用时域分析、频域分析及小波分析，同时对其数学模 型进行优化研究，但是上述方法对故障电弧判断的准确率比较低，且在不 同负载下的判断能力相对较弱。
技术实现思路
[0004]本专利技术实施例的目的是提供一种多场景用户侧低压直流开关电弧故 障诊断方法及装置，通过在用户侧低压直流开关进行电弧故障诊断，解决 针对电流参量这一小样本数据没有合适故障诊断方法的问题，能够实时监 测用电线路的运行状态，能够在线路发生直流开关电弧故障后及时消除故 障，提升电力系统运行安全性，提升配电网供电可靠性。
[0005]为解决上述技术问题，本专利技术实施例的第一方面提供了一种多场景用 户侧低压直流开关电弧故障诊断方法，包括如下步骤：
[0006]通过电流特性分析模型模拟每一负载下低压直流线路的电弧故障，获 取所述低压直流线路的电流信号特征值；
[0007]构建基于VMD变分模态分解技术和样本熵的故障电弧特征参数提取模 型，对采样的所述电流信号特征值进行数据分解与过滤，提取所述低压直 流线路的电流信号特征参数；
[0008]依据所提取的所述电流信号特征参数对故障电弧识别模型进行训练；
[0009]通过所述故障电弧识别模型，依据所述低压直流线路的实时电流信号 对用户侧低压直流开关电弧故障进行诊断。
[0010]进一步地，所述获取所述低压直流线路的电流信号特征值，包括：
[0011]获取每个所述负载在正常情况下的若干组电流信号；
[0012]获取每个所述负载在电弧故障情况下的若干组电弧故障电流信号；
[0013]将每一所述负载对应的若干组电弧故障电流信号汇总为电流信号特 征值。
[0014]进一步地，所述构建基于VMD变分模态分解技术和样本熵的故障电弧 特征参数提取模型，对采样的所述电流信号特征值进行数据分解与过滤， 提取所述低压直流线路的所述电流信号特征参数，包括：
[0015]通过VMD变分模态分解技术对采样的所述电流信号特征值进行迭代更 新，得到所述电流信号特征值所有分解的模态；
[0016]对所述电流信号特征值所有分解的模态进行重构，剔除有噪声的模 态，得到所述电流信号特征参数。
[0017]进一步地，所述依据提取的所述电流信号特征参数对故障电弧识别模 型进行训练，包括：
[0018]依据所述电流信号特征参数，通过ELM极限学习机对故障电弧识别模 型进行训练。
[0019]相应地，本专利技术实施例的第二方面提供了一种多场景用户侧低压直流 开关电弧故障诊断装置，包括：
[0020]信号获取模块，其用于通过电流特性分析模型模拟每一负载下低压直 流线路的电弧故障，获取所述低压直流线路的电流信号特征值；
[0021]参数提取模块，其用于构建基于VMD变分模态分解技术和样本熵的故 障电弧特征参数提取模型，对所述电流信号特征值进行数据分解与过滤， 提取所述低压直流线路的所述电流信号特征参数；
[0022]模型训练模块，其用于依据所述电流信号特征参数对故障电弧识别模 型进行训练；
[0023]故障诊断模块，其用于通过所述故障电弧识别模型，依据所述低压直 流线路的实时电流信号对用户侧低压直流开关电弧故障进行诊断。
[0024]进一步地，所述信号获取模块包括：
[0025]第一信号获取单元，其用于获取每个所述负载在正常情况下的若干组 电流信号；
[0026]第二信号获取单元，其用于获取每个所述负载在电弧故障情况下的若 干组电弧故障电流信号；
[0027]信号汇总单元，其用于将每一所述负载对应的若干组电弧故障电流信 号汇总为所述电流信号特征值。
[0028]进一步地，所述参数提取模块包括：
[0029]信号迭代单元，其用于通过VMD变分模态分解技术对输入电流信号进 行迭代更新，得到所述输入电流信号所有分解的模态；
[0030]信号过滤单元，其用于对所述输入电流信号所有分解的模态进行重 构，剔除有噪声的模态，得到所述电流信号特征参数。
[0031]进一步地，所述模型训练模块依据所述电流信号特征参数，通过ELM 极限学习机对故障电弧识别模型进行训练。
[0032]相应地，本专利技术实施例的第三方面提供了一种电子设备，包括：至少 一个处理器；以及与其连接的存储器；其中，所述存储器存储有可被所述 至少一个处理器执行的指令，所述指令被一个处理器执行，以使所述至少 一个处理器执行上述多场景用户侧低压直流开关电弧故障诊断方法。
[0033]相应地，本专利技术实施例的第四方面提供了一种计算机可读存储介质， 其上存储有计算机指令，该指令被处理器执行时实现上述多场景用户侧低 压直流开关电弧故障诊断方法。
[0034]本专利技术实施例的上述技术方案具有如下有益的技术效果：
[0035]通过在用户侧低压直流开关进行电弧故障诊断，解决针对电流参量这 一小样本数据没有合适故障诊断方法的问题，能够实时监测用电线路的运 行状态，能够在线路发生直流开关电弧故障后及时消除故障，提升电力系 统运行安全性，提升配电网供电可靠性。
附图说明
[0036]图1是本专利技术实施例提供的故障电弧模拟研究试验台原理图；
[0037]图2是本专利技术实施例提供的多场景用户侧低压直流开关电弧故障诊断 方法流程图；
[0038]图3是本专利技术实施例提供的VMD分解流程图；
[0039]图4是本专利技术实施例提供的K值确定方法流程图；
[0040]图5是本专利技术实施例提供的样本熵计算流程图；
[0041]图6是本专利技术实施例提供的ELM网络结构图；
[0042]图7是本专利技术实施例提供的ELM算法改进流程图；
[0043]图8是本专利技术实施例提供的实际测试和预测分类结果图；
[0044]图9是本专利技术实施例提供的多场景用户侧低压直流开关电弧故障诊断 装置模块框图；
[0045]图10是本专利技术实施例提供的信号获取模块框图；
[0046]图11是本专利技术实施例提供的参数提取模块框图。
[0047]附图标记：
[0048]1、信号获取模块，11、第一信号获取单元，12、第二信号获取单元， 1本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种多场景用户侧低压直流开关电弧故障诊断方法，其特征在于，包括如下步骤：通过电流特性分析模型模拟每一负载下低压直流线路的电弧故障，获取所述低压直流线路的电流信号特征值；构建基于VMD变分模态分解技术和样本熵的故障电弧特征参数提取模型，对采样的电流信号特征值进行数据分解与过滤，提取所述低压直流线路的电流信号特征参数；依据所提取的电流信号特征参数对故障电弧识别模型进行训练；通过所述故障电弧识别模型，依据所述低压直流线路的实时电流信号对用户侧低压直流开关电弧故障进行诊断。2.根据权利要求1所述的多场景用户侧低压直流开关电弧故障诊断方法，其特征在于，所述获取所述低压直流线路的电流信号特征值，包括：获取每个所述负载在正常情况下的若干组电流信号；获取每个所述负载在电弧故障情况下的若干组电弧故障电流信号；将每一所述负载对应的若干组电弧故障电流信号汇总为电流信号特征值。3.根据权利要求1所述的多场景用户侧低压直流开关电弧故障诊断方法，其特征在于，所述构建基于VMD变分模态分解技术和样本熵的故障电弧特征参数提取模型，对采样的所述电流信号特征值进行数据分解与过滤，提取所述低压直流线路的所述电流信号特征参数，包括：通过VMD变分模态分解技术对采样的所述电流信号特征值进行迭代更新，得到所述电流信号特征值所有分解的模态；对所述电流信号特征值所有分解的模态进行重构，剔除有噪声的模态，得到所述电流信号特征参数。4.根据权利要求1所述的多场景用户侧低压直流开关电弧故障诊断方法，其特征在于，所述依据提取的所述电流信号特征参数对故障电弧识别模型进行训练，包括：依据所述电流信号特征参数，通过ELM极限学习机对故障电弧识别模型进行训练。5.一种多场景用户侧低压直流开关电弧故障诊断装置，其特征在于，包括：信号获取模块，其用于通过电流特性分析模型模拟每一负载下低压直流线路的电弧故障，获取所述低压直流线路...
【专利技术属性】
技术研发人员：祁天星，侯磊，王振岳，马涛，鹿海成，张禹森，黄蓉，张锐，王珂，付龙，彭小辉，贾永会，曹晓波，曹诚路，
申请(专利权)人：河北雄安许继电科综合能源技术有限公司许继集团有限公司国家电网有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。