基于VMD参数优化、样本熵的断路器故障电弧检测方法技术

本发明专利技术公开基于VMD参数优化、样本熵的断路器故障电弧检测方法，包括如下步骤：S1、收集故障线路的电弧电流信号，利用该信号的实际电气特性确定小波基函数和相应的分解层次N，再根据已有的标准熵，计算出信号的最佳小波包分解树；S2、利用VMD方法对断路器故障电弧电流进行分解，并对所分解的电弧电流参数进行参数优化；S3、计算经步骤S2分解得到的各模态分量的样本熵SE，并将得到的故障电弧信号特征向量输入到SVM进行训练和测试，从而达到智能低压断路器故障电弧识别的目的。该方法通过参数优化后的VMD算法对信号特征进行提取，效果更好，将计算样本熵SE所得到的特征向量输入到SVM进行故障电弧识别有更高的准确度。故障电弧识别有更高的准确度。故障电弧识别有更高的准确度。

【技术实现步骤摘要】
基于VMD参数优化、样本熵的断路器故障电弧检测方法


[0001]本专利技术涉及电气工程
，具体涉及基于VMD参数优化、样本熵的断路器故障电弧检测方法。

技术介绍

[0002]在低压配电网中，为了减轻对居民和工业用户等造成的危害，故障电弧检测断路器的发展和应用是非常重要的。当发生故障电弧时，通过检测供电网络中的电流信号能够分析得到很多信息，这对故障的判别有很大的作用。
[0003]现有低压断路器检测故障电弧的算法也都是对故障电流进行提取分析，选取何种信号处理方式对故障电弧加以分析是至关重要的。传统的应用于故障电弧信号分析和处理的方法有傅里叶变换、小波变换等各种时域分析方法。傅里叶变换是一种全局分析，对于信号的时频局域特点的描述有局限性；小波变换会受到领近谐波的影响，信号分析会失真。20世纪末，经验模态分解(Empirical Mode Decomposion，EMD)方法被提出用来分析非线性、具有自适应性的信号，它将故障电弧信号进行分解，得到多个IMF分量，但是它的缺陷是分解效果并不好，会产生模态混叠、端点效应的现象，会产生多余的分本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于VMD参数优化、样本熵的断路器故障电弧检测方法，其特征在于，包括如下步骤：S1、收集故障线路的电弧电流信号，利用该信号的实际电气特性确定小波基函数和相应的分解层次N，再根据已有的标准熵，计算出信号的最佳小波包分解树；S2、利用VMD方法对断路器故障电弧电流进行分解，并对所分解的电弧电流参数进行参数优化；S3、计算经步骤S2分解得到的各模态分量的样本熵SE，并将得到的故障电弧信号特征向量输入到SVM进行训练和测试，从而达到智能低压断路器故障电弧识别的目的。2.根据权利要求1所述的基于VMD参数优化、样本熵的断路器故障电弧检测方法，其特征在于：在步骤S1中还包括步骤S1.1，具体的对小波包分解高频系数进行阈值量化，并通过实验选择合适的阈值得到信号预处理的最佳结果，最后根据第N层的小波包对系数进行量化处理并进行小波重构。3.根据权利要求1所述的基于VMD参数优化、样本熵的断路器故障电弧检测方法，其特征在于：在步骤S2中还包括步骤S2.1，具体的为首先建立变分模型，通过Hilbert变换对每一个故障电弧信号f(t)解析，得到估计的中心宽的解析信号I
i
；对每个通过混合解析估计的中心频率ω
i
，把信号的频谱转换到基带。4.根据权利要求3所述的基于VMD参数优化、样本熵的断路器故障电弧检测方法，其特征在于：在步骤S2.1中还包括：S2.1.1，具体的为计算解析信号各个模态分量的平方(L2)，得到带宽；S2.1.2，具体的为将步骤S2.1.1产生的变分约束问题通过引入二次惩罚因子α和拉格朗日乘子λ，将其转换成非约束问题，并通过乘法算子交替方向算法(ADMM)不断更新模态分量I
in+1
、中心频率ω
in+1
、λ
n+1
。5.根据权利要求1所述的基于VMD参数优化、样本熵的断路器故障电弧检测方法，其特征在于：在步骤S2中还包括步骤S...

【专利技术属性】
技术研发人员：刘德峰，邱健，
申请(专利权)人：西安零壹智能电器有限公司，
类型：发明
国别省市：