一种电弧检测方法、装置及可读存储介质制造方法及图纸

本申请公开了一种电弧检测方法、装置及可读存储介质，涉及电子电路领域。本申请所提供的电弧检测方法，引入了训练模型的概念，在获取到电弧输入信号后，提取该输入信号的时频域特征以及通过卷积模型获取卷积特征，并将卷积模型以及时频域特征拼接为合成向量，该合成向量则用于表征该电弧输入信号的故障概率，从而实现对电弧的检测，与传统的通过人工根据现场环境对阈值进行判断相比，由于本方案中引入了卷积模型的概念，即传统的通过技术人员判断的复杂的环境因素均由卷积模型对应的卷积特征进行代替，所以只需要输入电弧信号，即可以获取最终的合成向量，从而得到电弧的故障概率，因此无需技术人员的经验，在降低人工成本的同时适用性较高。时适用性较高。时适用性较高。

【技术实现步骤摘要】
一种电弧检测方法、装置及可读存储介质


[0001]本申请涉及电弧检测
，特别是涉及一种电弧检测方法、装置及可读存储介质。

技术介绍

[0002]近年来，随着电力技术的进步，特别是光伏发电技术的普及，与之相关的技术也得到相应发展，在光伏发电技术为人们带来便利的同时，也存在一定的危险性，由于光伏发电技术的放电现象要比其他技术常见得多，因此针对于光伏发电系统放电时产生的电弧进行准确、快速的检测识别，成为光伏发电系统保护的一项重要研究内容，具有重大意义。
[0003]现有的电弧检测方法主要是利用电弧电流、电压时域或(和)频域特征进行分析判断，通常会涉及根据光伏安装现场的环境、温度、噪声等情况进行不同阈值参数的调试，这些均依赖于技术人员的经验，因此使用起来很不方便，不稳定性也很高，如果使用以上传统方法，不仅人工成本高，同时适应性比较差。
[0004]鉴于上述技术，寻找一种适用性较强的电弧检测方法是本领域技术人员亟待解决的问题。

技术实现思路

[0005]本申请的目的是提供一种电弧检测方法，以便于解决当前的电弧检测方法的适用性不强，在考虑环境因素的情况下，需要经验丰富的工作人员进行检测，人工成本过高的问题。
[0006]为解决上述技术问题，本申请提供一种电弧检测方法，包括：
[0007]获取电弧输入信号，并提取所述电弧输入信号中的时频域特征；
[0008]将所述电弧输入信号通过卷积模型生成卷积特征，所述卷积模型为提前通过历史电弧输入信号以及对应的卷积结果作为训练数据生成的计算模型；
[0009]将所述时频域特征与所述卷积特征拼接为合成向量，所述合成向量用于表征所述电弧输入信号对应的电弧的故障概率。
[0010]优选地，所述提取所述电弧输入信号中的时频域特征包括：
[0011]对所述电弧输入信号进行小波变换以及2048点傅立叶变换，并通过如下计算公式获取得到时频域特征，a＝∑W
k
/2048，c＝max{u
n
}
‑
min{u
n
}，d＝∑|u
n
|；
[0012]其中，W
k
为小波系数，a为小波系数均值，F
j
为频率在2Hz到90kHz之间的所述傅立叶系数按幅值进行降序排列后的参数，b为去掉F
j
中前50个最大值，和后20个最小值后对所述傅里叶系数取10为底对数后求和，u
n
为对所述电弧输入信号计算后一点减前一点之差，n＝1，2
…
，2047，c为u
n
的最大值与最小值之差，d为u
n
的绝对值之和；
[0013]将参数a，b，c，d作为所述电弧输入信号的所述时频域特征。
[0014]优选地，所述卷积模型的建立包括如下步骤：
[0015]利用交叉熵损失函数以及批量梯度下降算法对所述训练数据进行计算；
[0016]利用优化器对计算结果进行优化；
[0017]使用余弦递减的学习率调整策略，将优化后的所述计算结果经过多次反向传播更新后获取卷积结果，建立所述卷积模型。
[0018]优选地，所述优化器为Adam优化器。
[0019]优选地，在所述将所述时频域特征与所述卷积特征拼接为合成向量之后，还包括：
[0020]判断所述合成向量是否满足预设标准；
[0021]若是，则确定电弧为正常电弧；
[0022]若否，则确定所述电弧为故障电弧。
[0023]优选地，还包括：
[0024]每隔预设时间，采用历史电弧输入信号以及对应的检测结果，对所述预设标准进行更新。
[0025]优选地，在确定所述电弧为故障电弧之后，还包括：
[0026]控制报警装置进行报警。
[0027]为解决上述问题，本申请还提供一种电弧检测装置，包括：
[0028]获取模块，用于获取电弧输入信号，并提取所述电弧输入信号中的时频域特征；
[0029]卷积模块，用于将所述电弧输入信号通过卷积模型生成卷积特征，所述卷积模型为提前通过历史电弧输入信号以及对应的卷积结果生成的模型；
[0030]拼接模块，用于将所述时频域特征与所述卷积特征拼接为合成向量，所述合成向量用于表征所述电弧输入信号对应的电弧的故障概率。
[0031]优选地，该装置还包括：
[0032]计算模块，用于利用交叉熵损失函数以及批量梯度下降算法对所述训练数据进行计算；
[0033]优化模块，用于利用优化器对计算结果进行优化；
[0034]建立模块，用于使用余弦递减的学习率调整策略，将优化后的所述计算结果经过多次反向传播更新后获取卷积结果，建立所述卷积模型。
[0035]优选地，该装置还包括：
[0036]判断模块，用于判断所述合成向量是否满足预设标准，若是，开启第一确认模块，若否，开启第二确认模块；
[0037]第一确认模块，用于确定电弧为正常电弧；
[0038]第二确认模块，用于确定所述电弧为故障电弧。
[0039]优选地，该装置还包括：
[0040]更新模块，用于每隔预设时间，采用历史电弧输入信号以及对应的检测结果，对所述预设标准进行更新。
[0041]优选地，该装置还包括：
[0042]报警模块，用于控制报警装置进行报警。
[0043]为解决上述问题，本申请还提供另一种电弧检测装置，包括存储器，用于存储计算机程序；
[0044]处理器，用于执行所述计算机程序时实现如上述的电弧检测方法的步骤。
[0045]为解决上述问题，本申请还提供一种计算机可读存储介质，所述计算机可读存储
介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上述的电弧检测方法的步骤。
[0046]本申请所提供的电弧检测方法，引入了训练模型的概念，在获取到电弧输入信号后，提取该输入信号的时频域特征以及通过卷积模型获取卷积特征，并将卷积模型以及时频域特征拼接为合成向量，该合成向量则用于表征该电弧输入信号的故障概率，从而实现对电弧的检测，与传统的通过人工根据现场环境对阈值进行判断相比，由于本方案中引入了卷积模型的概念，即传统的通过技术人员判断的复杂的环境因素均由卷积模型对应的卷积特征进行代替，所以只需要输入电弧信号，即可以获取最终的合成向量，从而得到电弧的故障概率，因此无需技术人员的经验，在降低人工成本的同时适用性较高。
[0047]本申请提供的电弧检测装置以及计算机可读存储介质与上述的电弧检测方法对应，有益效果同上。
附图说明
[0048]为了更清楚地说明本申请实施例，下面将对实施例中所需要使用的附图做简单的介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，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。
[004本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电弧检测方法，其特征在于，包括：获取电弧输入信号，并提取所述电弧输入信号中的时频域特征；将所述电弧输入信号通过卷积模型生成卷积特征，所述卷积模型为提前通过历史电弧输入信号以及对应的卷积结果作为训练数据生成的计算模型；将所述时频域特征与所述卷积特征拼接为合成向量，所述合成向量用于表征所述电弧输入信号对应的电弧的故障概率。2.根据权利要求1所述的电弧检测方法，其特征在于，所述提取所述电弧输入信号中的时频域特征包括：对所述电弧输入信号进行小波变换以及2048点傅立叶变换，并通过如下计算公式获取得到时频域特征，a＝∑W
k
/2048，c＝max{u
n
}
‑
min{u
n
}，d＝∑|u
n
|；其中，W
k
为小波系数，a为小波系数均值，F
j
为频率在2Hz到90kHz之间的所述傅立叶系数按幅值进行降序排列后的参数，b为去掉F
j
中前50个最大值，和后20个最小值后对所述傅里叶系数取10为底对数后求和，u
n
为对所述电弧输入信号计算后一点减前一点之差，n＝1，2
…
，2047，c为u
n
的最大值与最小值之差，d为u
n
的绝对值之和；将参数a，b，c，d作为所述电弧输入信号的所述时频域特征。3.根据权利要求1所述的电弧检测方法，其特征在于，所述卷积模型的建立包括如下步骤：利用交叉熵损失函数以及...

【专利技术属性】
技术研发人员：汤帅，戴晨松，杨杰，张亮亮，曾维波，谢胜仁，方刚，
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：