本申请是一种电弧故障识别方法，具体涉及故障识别技术领域。所述方法包括：获取目标电流数据；通过电弧检测模型对目标电流数据进行处理，获得电弧故障概率值；电弧检测模型为通过电弧样本数据集进行训练得到的机器学习模型；电弧样本数据集中包括样本电流数据以及样本电流数据上的电弧标注；当电弧故障概率值大于第一故障阈值时，将目标电流数据确定为故障电弧电流；当电弧故障概率值小于第一故障阈值且大于第二故障阈值时，根据目标电流数据对电弧样本数据集进行更新；其中，更新后的电弧样本数据集用于在满足指定条件时对电弧检测模型进行再训练。基于上述方案，在实现电弧故障识别功能时准确度高。识别功能时准确度高。识别功能时准确度高。
【技术实现步骤摘要】
一种电弧故障识别方法、装置、设备及可读存储介质
[0001]本申请涉及故障识别的
，具体涉及一种电弧故障识别方法、装置、设备及可读存储介质。
技术介绍
[0002]随着新能源技术的快速发展，光伏系统得到越来越广泛的应用。但由于太阳能光伏板的老化等原因，其内部易产生直流电弧故障从而引起火灾。因此，对直流电弧的检测很有必要。直流电弧的电特性包括电流和电压等，现有技术多是采集直流电弧电流数据进行处理和分析。
[0003]现有的电弧检测方法主要是利用电流、电压时域和频域特征进行分析判断，通常会涉及光伏现场的环境、温度、噪声等情况不同阈值参数的调试，通过对数据规律的总结，划定阈值，通过阈值区分是否发生了电弧。
[0004]然而，现有的电弧检测方法抗干扰性差，易误判，准确度低。
技术实现思路
[0005]本申请提供了一种电弧故障识别方法、装置、设备及可读存储介质，提高了电弧故障识别准确度，该技术方案如下。
[0006]一方面，提供了一种电弧故障识别方法，所述方法包括：
[0007]获取目标电流数据；
[0008]通过电弧检测模型对所述目标电流数据进行处理，获得电弧故障概率值；所述电弧检测模型为通过电弧样本数据集进行训练得到的机器学习模型；所述电弧样本数据集中包括样本电流数据以及所述样本电流数据上的电弧标注；
[0009]当所述电弧故障概率值大于第一故障阈值时，将所述目标电流数据确定为故障电弧电流；
[0010]当所述电弧故障概率值小于第一故障阈值且大于第二故障阈值时，根据所述目标电流数据对所述电弧样本数据集进行更新；
[0011]其中，更新后的电弧样本数据集用于在满足指定条件时对所述电弧检测模型进行再训练。
[0012]又一方面，提供了一种电弧故障识别装置，所述装置包括：
[0013]数据采集模块，用于获取目标电流数据；
[0014]故障检测模块，用于通过电弧检测模型对所述目标电流数据进行处理，获得电弧故障概率值；所述电弧检测模型为通过电弧样本数据集进行训练得到的机器学习模型；所述电弧样本数据集中包括样本电流数据以及所述样本电流数据上的电弧标注；
[0015]所述故障检测模块还用于当所述电弧故障概率值大于第一故障阈值时，将所述目标电流数据确定为故障电弧电流；
[0016]数据更新模块，用于当所述电弧故障概率值小于第一故障阈值且大于第二故障阈
值时，根据所述目标电流数据对所述电弧样本数据集进行更新；
[0017]其中，更新后的电弧样本数据集用于在满足指定条件时对所述电弧检测模型进行再训练。
[0018]在一种可能的实现方式中，所述故障检测模块还用于，
[0019]当所述电弧故障概率值小于第二故障阈值时，将所述目标电流数据确定为正常电流数据。
[0020]在一种可能的实现方式中，所述数据更新模块还用于，
[0021]获取所述目标电流数据对应的电弧标注；
[0022]根据所述目标电流数据，以及所述目标电流数据中的电弧标注，对所述电弧样本数据集进行更新，获得所述更新后的电弧样本数据集。
[0023]在一种可能的实现方式中，所述指定条件为所述更新后的电弧样本数据集与对所述电弧检测模型进行训练的电弧样本数据集的样本数量之差大于数量阈值；
[0024]或者，所述指定条件为当前时间与所述电弧检测模型的上一次训练时间之差大于时间阈值。
[0025]在一种可能的实现方式中，所述装置还包括：
[0026]数据集获取模块，用于获取所述电弧样本数据集；
[0027]样本预测模块，用于通过电弧检测模型对所述样本电流数据进行处理，获得样本预测概率；
[0028]模型更新模块，用于基于所述样本预测概率与所述样本电流数据上的电弧标注，对所述电弧检测模型进行反向传播更新，获得更新后的电弧检测模型。
[0029]在一种可能的实现方式中，所述模型更新模块还用于，
[0030]根据所述样本预测概率与所述样本电流数据上的电弧标注，获得损失函数值；
[0031]基于所述损失函数值，通过神经网络进行反向传播，以对所述电弧检测模型的每层权重进行更新，获得更新后的电弧检测模型。
[0032]在一种可能的实现方式中，所述模型更新模块还用于：
[0033]对所述电弧检测模型进行反向传播更新，获得候选电弧检测模型；
[0034]对所述候选电弧检测模型中的各层权重参数，量化为指定精度的数据格式，获得更新后的电弧检测模型；
[0035]其中，所述指定精度的数据格式，包括以下至少一者：
[0036]8位精度的浮点数；
[0037]16位精度的浮点数；
[0038]8位精度的定点数。
[0039]再一方面，提供了一种计算机设备，所述计算机设备包括处理器和存储器，所述存储器中存储有至少一条指令，所述至少一条指令由所述处理器加载并执行以实现上述的电弧故障识别方法。
[0040]又一方面，提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令，所述至少一条指令由处理器加载并执行以实现上述的电弧故障识别方法。
[0041]再一方面，提供了一种计算机程序产品或计算机程序，所述计算机程序产品或计算机程序包括计算机指令，所述计算机指令存储在计算机可读存储介质中。计算机设备的
处理器从计算机可读存储介质中读取所述计算机指令，处理器执行所述计算机指令，使得所述计算机设备执行上述电弧故障识别方法。
[0042]本申请提供的技术方案可以包括以下有益效果：
[0043]本申请先获取目标电流数据；通过电弧检测模型对目标电流数据进行处理，获得电弧故障概率值；电弧检测模型为通过电弧样本数据集进行训练得到的机器学习模型；电弧样本数据集中包括样本电流数据以及样本电流数据上的电弧标注；当电弧故障概率值大于第一故障阈值时，将目标电流数据确定为故障电弧电流；当电弧故障概率值小于第一故障阈值且大于第二故障阈值时，根据目标电流数据对电弧样本数据集进行更新；其中，更新后的电弧样本数据集用于在满足指定条件时对电弧检测模型进行再训练。上述方案，通过电弧检测模型获取目标电流数据对应的电弧故障概率值，再根据电弧故障概率值的范围筛选对应的目标电流数据对电弧样本数据集进行更新，进而对电弧检测模型进行再训练，再训练完成后的电弧检测模型，对电弧故障概率处于第一故障阈值与第二故障阈值之间的目标电流数据，具有更好的识别能力，提高了电弧故障识别准确度。
附图说明
[0044]为了更清楚地说明本申请具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0045]图1是根据一示例性实施例示出的一种电弧故障识别系统的结构示意本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种电弧故障识别方法，其特征在于，所述方法包括：获取目标电流数据；通过电弧检测模型对所述目标电流数据进行处理，获得电弧故障概率值；所述电弧检测模型为通过电弧样本数据集进行训练得到的机器学习模型；所述电弧样本数据集中包括样本电流数据以及所述样本电流数据上的电弧标注；当所述电弧故障概率值大于第一故障阈值时，将所述目标电流数据确定为故障电弧电流；当所述电弧故障概率值小于第一故障阈值且大于第二故障阈值时，根据所述目标电流数据对所述电弧样本数据集进行更新；其中，更新后的电弧样本数据集用于在满足指定条件时对所述电弧检测模型进行再训练。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：当所述电弧故障概率值小于第二故障阈值时，将所述目标电流数据确定为正常电流数据。3.根据权利要求2所述的方法，其特征在于，所述根据所述目标电流数据对所述电弧样本数据集进行更新，包括：获取所述目标电流数据对应的电弧标注；根据所述目标电流数据，以及所述目标电流数据中的电弧标注，对所述电弧样本数据集进行更新，获得所述更新后的电弧样本数据集。4.根据权利要求2所述的方法，其特征在于，所述指定条件为所述更新后的电弧样本数据集与对所述电弧检测模型进行训练的电弧样本数据集的样本数量之差大于数量阈值；或者，所述指定条件为当前时间与所述电弧检测模型的上一次训练时间之差大于时间阈值。5.根据权利要求1至4任一所述的方法，其特征在于，所述方法还包括：获取所述电弧样本数据集；通过电弧检测模型对所述样本电流数据进行处理，获得样本预测概率；基于所述样本预测概率与所述样本电流数据上的电弧标注，对所述电弧检测模型进行反向传播更新，获得更新后的电弧检测模型。6.根据权利要求5所述的方法，其特征在于，所述基于所述样本预测概率与所述样本电流数据上的电弧标注，对所述电弧检测模型进行反向传播更新，获...
【专利技术属性】
技术研发人员：张亮亮，曾维波，
申请(专利权)人：固德威技术股份有限公司，
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。