一种串联电弧故障检测方法及系统技术方案

本发明专利技术属于电弧故障检测技术领域，具体涉及一种串联电弧故障检测方法及系统，包括：获取母线电流信号；分析所获取的电流信号，计算并判断发生电弧故障时电流信号的时域特征量，得到筛选后的时域特征量；对所筛选后的时域特征量进行能量分解，得到变分模态分量的模糊熵，结合所得到的模糊熵得到特征评价权重；根据支持向量机和所得到的特征评价权重诊断电弧故障，实现串联电弧的故障检测。实现串联电弧的故障检测。实现串联电弧的故障检测。

【技术实现步骤摘要】
一种串联电弧故障检测方法及系统


[0001]本专利技术属于电弧故障检测
，具体涉及一种串联电弧故障检测方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
[0003]低压直流供电具有效率高、便于接入储能设备、可靠性高等优点，广泛应用于光伏发电、电动汽车、大型数据中心等系统中，并且在多电飞机、电气化舰船、航空航天、直流配用电网领域具有广阔的应用前景。在直流供电系统中，发生绝缘破坏、金属接头松动、元件老化、动物啮咬等情况时都会产生直流电弧故障。对于交流电弧，发生电弧故障时，电流会过零点产生“零休”现象；而直流电弧不同于交流电弧，电流没有过零点，无法自然熄弧，一旦发生且未被及时检测，故障可能扩散波及邻近电路，光伏组件、输电线路、控制系统等都将遭到损坏；严重时，电弧持续燃烧还可能导致火灾事故的发生。
[0004]据专利技术人了解，目前对故障电弧检测往往选择合适的特征量输入到神经网络中，但特征量的选择往往将单一时域特征作为神经网络算法的输入，检测指标单一、精度较低，具有不稳定性，所含故障信息不充分。综合能源系统设备众多，线路中常会发生电火花燃烧现象，一旦产生电弧故障，将对电力线路造成巨大危害，严重威胁电力系统的安全与稳定。以往对于电弧故障检测与诊断，往往选用单一特征量作为指标进行判断，很容易造成判断有误，除此之外，电力线路及其复杂，哪一处位置发生电弧故障无法准确确定，一处处排查造成了人力物力的大量浪费，电弧故障检测的效率极为低下。
专利
技术实现思路

[0005]为了解决上述问题，本专利技术提出了一种串联电弧故障检测方法及系统，对电弧故障特征进行多维提取分析，避免了提取单一特征因指标单一而造成的诊断错误，提高电弧故障诊断的正确率，准确诊断综合能源系统中发生的串联电弧故障，提高了综合能源系统的安全性。
[0006]根据一些实施例，本专利技术的第一方案提供了一种串联电弧故障检测方法，采用如下技术方案：
[0007]一种串联电弧故障检测方法，包括：
[0008]获取母线电流信号；
[0009]分析所获取的电流信号，计算并判断发生电弧故障时电流信号的时域特征量，得到筛选后的时域特征量；
[0010]对所筛选后的时域特征量进行能量分解，得到变分模态分量的模糊熵，结合所得到的模糊熵得到特征评价权重；
[0011]根据支持向量机和所得到的特征评价权重诊断电弧故障，实现串联电弧的故障检
测。
[0012]作为进一步的技术限定，在分析所获取的电流信号的过程中，计算并存储电流信号的时域特征；所述时域特征包括峰峰值、方差、标准差、均值、有效值、峭度、波形指标、峰值因子、脉冲因子和偏度。
[0013]进一步的，监测所得到的电流信号的时域特征，当时域特征超出设定阈值时判定可能存在电弧故障，筛选出该时域特征以便故障检测。
[0014]作为进一步的技术限定，在得到变分模态分量的模糊熵的过程中，采用改进的变分模态分解，即采用澳洲野狗算法优化变分模态分解。
[0015]作为进一步的技术限定，筛选后时域特征量的分解，得到各个变分模态分量的模糊熵，选出模糊熵最大的前三个变分模态分量，将电流信号进行合并重构得到新的信号分量，计算新的信号分量的电流时域特征，采用Relief
‑
F特征选择算法计算所得到的新的信号分量的电流时域特征的特征评价权重。
[0016]作为进一步的技术限定，在根据支持向量机和所得到的特征评价权重诊断电弧故障的过程中，根据筛选后的时域特征及特征评价权重构造综合时域特征，结合所构造的综合时域特征和预设的故障诊断模型进行电弧故障诊断，通过改进的支持向量机进行所得到的故障检测结果的二次故障诊断，实现串联电弧的故障检测。
[0017]进一步的，所述故障诊断模型采用随机森林算法和改进的支持向量机；所述改进的支持向量机采用澳洲野狗算法(DOA算法)优化惩罚因子和权重向量。
[0018]根据一些实施例，本专利技术的第二方案提供了一种串联电弧故障检测系统，采用如下技术方案：
[0019]一种串联电弧故障检测系统，包括：
[0020]获取模块，其被配置为获取母线电流信号；
[0021]计算模块，其被配置为析所获取的电流信号，计算并判断发生电弧故障时电流信号的时域特征量，得到筛选后的时域特征量；对所筛选后的时域特征量进行能量分解，得到变分模态分量的模糊熵，结合所得到的模糊熵得到特征评价权重；
[0022]检测模块，其被配置为根据支持向量机和所得到的特征评价权重诊断电弧故障，实现串联电弧的故障检测。
[0023]根据一些实施例，本专利技术的第三方案提供了一种计算机可读存储介质，采用如下技术方案：
[0024]一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现如本专利技术第一方案所述的串联电弧故障检测方法中的步骤。
[0025]根据一些实施例，本专利技术的第四方案提供了一种电子设备，采用如下技术方案：
[0026]一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，所述处理器执行所述程序时实现如本专利技术第一方案所述的串联电弧故障检测方法中的步骤。
[0027]与现有技术相比，本专利技术的有益效果为：
[0028]本专利技术能够对电弧故障特征进行多维提取分析，避免了提取单一特征因指标单一而造成的诊断错误，提高了对于电弧故障诊断的正确率；对疑似发生电弧故障的线路进行二次提取特征分析，特征蕴含的故障信息更加准确，进一步提高了故障特征的检测准确度；
构建综合时域特征进行故障类型的识别、诊断，保证了故障电弧检测结果检测精度，实现精准判断。
[0029]本专利技术能够准确诊断综合能源系统中发生的串联电弧故障，提高了综合能源系统的安全性，为未来综合能源系统内电弧故障的精确诊断提供了一种新思路；采用云平台实时监控并报警提示，能清楚的反应出哪条线路发生电弧故障，节省了人力物力，有效保障了电力系统线路稳定性。
附图说明
[0030]构成本实施例的一部分的说明书附图用来提供对本实施例的进一步理解，本实施例的示意性实施例及其说明用于解释本实施例，并不构成对本实施例的不当限定。
[0031]图1为本专利技术实施例一中的串联电弧故障检测方法的流程图；
[0032]图2为本专利技术实施例一中的串联电弧故障检测方法的具体过程示意图；
[0033]图3为本专利技术实施例一中的采集电流正常与故障状态图；
[0034]图4为本专利技术实施例一中的数据采集架构图；
[0035]图5为本专利技术实施例一中的时域特征图；
[0036]图6为本专利技术实施例一中的某一时域特征判断图；
[0037]图7为本专利技术实施例一中的VMD分解结果及所选I MF分量示意图；
[0038]图8为本专利技术实施例一中的随机森林算法原理图；
[0039]图9为本专利技术实施例一中的改进的支持向量机原理图；
...

【技术保护点】

【技术特征摘要】
1.一种串联电弧故障检测方法，其特征在于，包括：获取母线电流信号；分析所获取的电流信号，计算并判断发生电弧故障时电流信号的时域特征量，得到筛选后的时域特征量；对所筛选后的时域特征量进行能量分解，得到变分模态分量的模糊熵，结合所得到的模糊熵得到特征评价权重；根据支持向量机和所得到的特征评价权重诊断电弧故障，实现串联电弧的故障检测。2.如权利要求1中所述的一种串联电弧故障检测方法，其特征在于，在分析所获取的电流信号的过程中，计算并存储电流信号的时域特征；所述时域特征包括峰峰值、方差、标准差、均值、有效值、峭度、波形指标、峰值因子、脉冲因子和偏度。3.如权利要求2中所述的一种串联电弧故障检测方法，其特征在于，监测所得到的电流信号的时域特征，当时域特征超出设定阈值时判定可能存在电弧故障，筛选出该时域特征以便故障检测。4.如权利要求1中所述的一种串联电弧故障检测方法，其特征在于，在得到变分模态分量的模糊熵的过程中，采用改进的变分模态分解，即采用澳洲野狗算法优化变分模态分解。5.如权利要求1中所述的一种串联电弧故障检测方法，其特征在于，筛选后时域特征量的分解，得到各个变分模态分量的模糊熵，选出模糊熵最大的前三个变分模态分量，将电流信号进行合并重构得到新的信号分量，计算新的信号分量的电流时域特征，采用Relief
‑
F特征选择算法计算所得到的新的信号分量的电流时域特征的特征评价权重。6.如权利要求1中所述的一种串联...

【专利技术属性】
技术研发人员：刘玉娇，李国亮，林煜清，王坤，唐晓光，林美华，宋培鑫，徐小龙，杨斌，王瑞琪，朱国梁，孟凡波，吴小川，张化坤，林桂柯，李佳萍，李东昕，
申请(专利权)人：国网山东综合能源服务有限公司，
类型：发明
国别省市：