一种结合图半监督学习算法的串联故障电弧识别方法技术

本发明专利技术公开了一种结合图半监督学习算法的串联故障电弧识别方法包括：采集用电设备正常工作时和出现串联电弧时的电压电流数据，以每周波为样本，对所有电流样本分别进行计算构造特征量，建立数据集；为少量正常电流样本和电弧电流样本人工生成标签，采用图半监督学习算法为无标签样本自动生成标签；将数据集合并成训练集训练串联电弧识别模型，利用识别模型识别串联故障电弧。本发明专利技术提供的结合图半监督学习算法的串联故障电弧识别方法半监督学习算法可有效利用大量无标签的电流数据样本，大大减轻人工标记样本的人力物力等成本，本发明专利技术可在少量有标签样本的条件下，即可达到较高的识别准确率。识别准确率。识别准确率。

【技术实现步骤摘要】
一种结合图半监督学习算法的串联故障电弧识别方法


[0001]本专利技术涉及负荷识别
，具体为一种结合图半监督学习算法的串联故障电弧识别方法。

技术介绍

[0002]随着国民经济的飞速发展，用电设备越来越多，各种新型负载也不断涌现，使得电网系统越来越复杂，危险电气事件的发生频率增加，电气事故引发火灾的问题日益突出，而在电气事故引发火灾的事件当中，有相当一部分是由故障电弧引起的。
[0003]高级量测体系的建设与物联网技术的发展，为用电智能感知应用奠定了基础，用于感知负荷侧用电安全识别技术受到了极大的关注。其中串联电弧识别技术经过多年的发展，已有许多方法可以在预先收集的数据量足够大的数据集条件下，实现串联故障电弧的准确识别。但是，实际应用中由于串联故障电弧的偶发性，采集数据、标记样本通常需要花费大量的人力、物理、财力，因而通常智能收集到少量的有标签电流数据和大量无标签的电流数据，导致现有串联电弧故障识别方法均较难应对，阻碍了串联电弧故障识别技术的落地应用。
[0004]所以，采用半监督学习的机器学习方法，实现一种能够在标签不完本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种结合图半监督学习算法的串联故障电弧识别方法，其特征在于，包括：采集用电设备正常工作时和出现串联电弧时的电压电流数据，以每周波为样本，对所有电流样本分别进行计算构造特征量，建立数据集；为少量正常电流样本和电弧电流样本人工生成标签，采用图半监督学习算法为无标签样本自动生成标签；将数据集合并成训练集训练串联电弧识别模型，利用识别模型识别串联故障电弧。2.如权利要求1所述的结合图半监督学习算法的串联故障电弧识别方法，其特征在于：所述采集用电设备正常工作时和出现串联电弧时的电压电流数据包括：使用智能终端采集用电设备正常工作时和出现串联电弧时的电压电流数据，智能终端包括智能插座与智能电表，且具备大于1MHz的高频采样能力。3.如权利要求1所述的结合图半监督学习算法的串联故障电弧识别方法，其特征在于，所述构造特征量包括：分别计算电流零休区占比、电流峰均比、电流波形系数、电流偶数次谐波聚合值和电流奇数次谐波聚合值，建立数据集。4.如权利要求3所述的结合图半监督学习算法的串联故障电弧识别方法，其特征在于，所述电流零休区占比计算方法为：首先对单周波电流序列进行归一化操作，如下式所示：其中，i
t
为原始电流值，i
′
t
为归一化后的电流值，|i|
max
分别为单周波电流序列的最大绝对值；电流零休区占比SP的计算如下所示：SP＝n0/n其中，n0为单周波电流序列中电流值在(
‑
0.1,0.1)的序列点数，n为单周波电流序列长度。5.如权利要求3所述的结合图半监督学习算法的串联故障电弧识别方法，其特征在于，所述电流峰均比计算公式为：I
PAR
＝I
pp
/I
rms
其中，I
pp
为电流峰峰值，I
rms
为电流有效值；所述电流波形系数计算公式为：I
wave_factor
＝I
rms
/I
mean
其中，I
rms
为电流有效值，I
mean
为电流平均值。6.如权利要求3所述的结合图半监督学习算法的串联故障电弧识别方法，其特征在于，所述电流偶数次谐波聚合值计算方法：其中，i
k
为经傅里叶变换后第k次谐波电流幅值；所述电流奇数次谐波聚合值计算方法为：
其中，i
k
为经傅里叶变换后第k次谐波电流幅值。7.如权利要求1所述的结合图半监督学习算法的串联故障电弧识别方法，其特征在于，所述图半监督学习算法包括：给定有标签数据集D
l
...

【专利技术属性】
技术研发人员：谈竹奎，肖永，朱勇，任召廷，刘斌，潘旭辉，杨成，张秋雁，徐玉韬，代吉玉蕾，唐赛秋，王宇，辛明勇，
申请(专利权)人：贵州电网有限责任公司，
类型：发明
国别省市：