【技术实现步骤摘要】
本专利技术主要涉及到低压用电安全，特指一种基于多维特征与xgboost算法的低压用电安全电弧预警方法及存储介质。
技术介绍
1、随着科技水平的提高，家用电器种类增多，普通家庭用户对电能的需求不断上升，大部分家居产品都通过电能驱动，而电能在带来诸多便利的同时也给人们带来了许多安全隐患。线路长期过载、不规范接线、电线质量参差不齐等原因导致的电弧故障频发，且因存在随机性和隐蔽性无法在故障萌芽状态有效感知。
2、在低压家庭用电中，电弧故障可分为串联、并联及接地三种电弧故障情况，并联及接地故障发生时，相当于线路发生短路故障，线路电流明显上升，现有断路器采用过流保护基本可实现故障预警。而串联电弧故障发生时，相当于在线路中又串入一个非线性电阻，电流可能会减小，在故障发生及持续燃烧期间难以被有效感知；且存在发生位置随机的特点，也增加了预警的难度。
3、针对故障电弧隐患，目前国内外学者都已开展了丰富的研究。现有技术中，可分为基于信号、基于数学模型和基于数据分析等三个不同角度的检测方法。基于信号的电弧检测方法主要应用于配电柜、变电站和中低压配电系统的开关柜等定点检测场景，具有检测范围受限、成本过高、信号容易被环境淹没等缺点，难以广泛使用于各种复杂的低压用电场景。基于数学模型的检测方法则主要是建立电流、功率、电压和能量等其中两两或多者之间的时变关系方程，其可以在认识电弧本质电气关系的基础上找到电弧规律，可为电弧特征分析提供足够样本，但存在模型产生的数据与实际情况之间存在差距的问题。随着人工智能的发展，大多学者选择基于实验数据，
4、有从业者提出通过样本化正常与故障电弧两种电流数据，训练深度长短时记忆（long short-term memory，lstm）网络实现故障电弧辨识检测。另有从业者提出通过经验模态分解和信号相关理论实现故障电弧特征的提取，并搭建概率神经网络（product-basedneural network，pnn）检测模型实现故障电弧的检测。但以上方法均是针对当前时刻是否发生故障电弧进行研究，而故障电弧一旦发生即有可能导致电气火灾发生。因此，实现故障电弧提前预测更有利于对其进行正确处理，提高用电安全系数。
技术实现思路
1、本专利技术要解决的技术问题就在于：针对现有技术存在的技术问题，本专利技术提供一种原理简单、适用范围广、预测精度高的基于多维特征与xgboost算法的低压用电安全电弧预警方法及存储介质。
2、为解决上述技术问题，本专利技术采用以下技术方案：
3、一种基于多维特征与xgboost算法的低压用电安全电弧预警方法，其包括：
4、步骤s1：通过对用电系统的多维特征进行提取和分析，构建了全面的特征数据集并对数据进行预处理；
5、步骤s2：采用固定长度的窗口将每个预处理后的电弧电流信号划分为多个数据样本；对每个数据样本提取特征向量，构建电弧故障辨识样本；
6、步骤s3：搭建xgboost算法模型，根据电弧预警样本集，利用贝叶斯算法优化xgboost算法模型的超参数；
7、步骤s4：利用电弧预警样本集对优化后的超参数的xgboost算法模型进行训练，得到xgboost电弧预警模型；
8、步骤s5：模型预测；使用训练好的xgboost模型对测试集或新数据进行预测，得到预测结果。
9、作为本专利技术方法的进一步改进：所述步骤s1中对多维特征分析与提取时，选取基波、三次谐波、五次谐波三个频域特征、过零指标、峰态两个时域特征以及香农熵共六个特征值形成特征向量，构建故障电弧隐患预测特征数据集。
10、作为本专利技术方法的进一步改进：所述步骤s1中对电弧预警数据进行预处理包括去噪处理，数据的去噪处理方法为：择sym8小波函数对电弧电流信号进行6层分解，并利用matlab自带的基于heursure的启发式阈值选取函数自动选取阈值，去除小波系数小于阈值的信号，并对保留信号进行信号重构，进而实现信号去噪，得到去噪后电流。
11、作为本专利技术方法的进一步改进：所述步骤s1中对电弧预警数据进行预处理包括归一化处理，数据的归一化处理方法为：将去噪后电弧电流样本信号经线性变换归一化至[-1,1]之间，公式如下：
12、
13、式中，和分别为归一化前后的电弧电流样本值；为样本数据的最大值；为样本数据最小值。
14、作为本专利技术方法的进一步改进：所述步骤s2中，对电弧电流重构过程包括：在将预处理后的电弧电流信号划分为多个数据样本之前，先对将预处理后的电流信号进行故障有效信号重构，再将重构信号划分为多个数据样本；其中，对预处理后的电流信号进行故障有效信号重构，具体为：使用小波包基sym4对电弧电流信号进行6层小波分解，将分解得到的 d1- d4四层细节信号叠加，得到重构信号。
15、作为本专利技术方法的进一步改进：所述步骤s3中提取的特征向量，所述特征向量的特征指标包括： d1- d4各层高频信号的小波能量熵、重构信号方差、重构信号积分、重构信号香农熵、重构信号峰态。
16、作为本专利技术方法的进一步改进：所述步骤s3中对xgboost算法模型优化的超参数包括：学习率、决策树个数、决策树的深度、随机采样训练样本、生成树时进行的列采样、l2正则化项参数、决定最小叶子节点权重和。
17、作为本专利技术方法的进一步改进：所述步骤s4中，根据电弧安全预警样本集对优化后超参数的xgboost算法模型进行训练，目标函数为：
18、
19、其中为损失函数，为正则项。
20、作为本专利技术方法的进一步改进：还包括对损失函数进行化简：对于第t棵树，前面的t - 1棵树都是已知的，优化当前树的参数；损失函数化简为以下形式：
21、
22、正则项可定义为：
23、
24、其中，为目标函数；为对电弧预警样本i的状态标签，为xgboost算法模型对电弧预警样本i的预测输出状态， n为电弧预警样本集中的样本数量，为电弧预警样本 i的损失函数值；代表第t棵决策树，表示第t棵决策树的复杂度惩罚函数值，t为决策树个数；超参数和可以控制惩罚力度，是叶子节点值的l2范数。
25、本专利技术进一步提供一种存储介质，所述存储介质能够被计算机或处理器读取，所述存储介质中存储有用来执行上述任意一种方法的计算机程序。
26、与现有技术相比，本专利技术的优点就在于：
27、1、本专利技术的基于多维特征与xgboost算法的低压用电安全电弧预警方法及存储介质，原理简单、适用范围广、预测精度高；本专利技术通过对用电系统的多维特征进行提取和分析，能本文档来自技高网...
【技术保护点】
1.一种基于多维特征与XGBoost算法的低压用电安全电弧预警方法，其特征在于，包括：
2.根据权利要求1所述的基于多维特征与XGBoost算法的低压用电安全电弧预警方法，其特征在于，所述步骤S1中对多维特征分析与提取时，选取基波、三次谐波、五次谐波三个频域特征、过零指标、峰态两个时域特征以及香农熵共六个特征值形成特征向量，构建故障电弧隐患预测特征数据集。
3.根据权利要求1所述的基于多维特征与XGBoost算法的低压用电安全电弧预警方法，其特征在于，所述步骤S1中对电弧预警数据进行预处理包括去噪处理，数据的去噪处理方法为：择sym8小波函数对电弧电流信号进行6层分解，并利用matlab自带的基于heursure的启发式阈值选取函数自动选取阈值，去除小波系数小于阈值的信号，并对保留信号进行信号重构，进而实现信号去噪，得到去噪后电流。
4.根据权利要求1所述的基于多维特征与XGBoost算法的低压用电安全电弧预警方法，其特征在于，所述步骤S1中对电弧预警数据进行预处理包括归一化处理，数据的归一化处理方法为：将去噪后电弧电流样本信号经线性变换归一化
5.根据权利要求1-4中任意一项所述的基于多维特征与XGBoost算法的低压用电安全电弧预警方法，其特征在于，所述步骤S2中，对电弧电流重构过程包括：在将预处理后的电弧电流信号划分为多个数据样本之前，先对将预处理后的电流信号进行故障有效信号重构，再将重构信号划分为多个数据样本；其中，对预处理后的电流信号进行故障有效信号重构，具体为：使用小波包基sym4对电弧电流信号进行6层小波分解，将分解得到的d1-d4四层细节信号叠加，得到重构信号。
6.根据权利要求1-4中任意一项所述的基于多维特征与XGBoost算法的低压用电安全电弧预警方法，其特征在于，所述步骤S3中提取的特征向量，所述特征向量的特征指标包括：d1-d4各层高频信号的小波能量熵、重构信号方差、重构信号积分、重构信号香农熵、重构信号峰态。
7.根据权利要求1-4中任意一项所述的基于多维特征与XGBoost算法的低压用电安全电弧预警方法，其特征在于，所述步骤S3中对XGBoost算法模型优化的超参数包括：学习率、决策树个数、决策树的深度、随机采样训练样本、生成树时进行的列采样、L2正则化项参数、决定最小叶子节点权重和。
8.根据权利要求1-4中任意一项所述的基于多维特征与XGBoost算法的低压用电安全电弧预警方法，其特征在于，所述步骤S4中，根据电弧安全预警样本集对优化后超参数的XGBoost算法模型进行训练，目标函数为：
9.根据权利要求8所述的基于多维特征与XGBoost算法的低压用电安全电弧预警方法，其特征在于，还包括对损失函数进行化简：对于第t棵树，前面的t - 1棵树都是已知的，优化当前树的参数；损失函数化简为以下形式：
10.一种存储介质，所述存储介质能够被计算机或处理器读取，其特征在于，所述存储介质中存储有用来执行上述权利要求1-9中任意一种方法的计算机程序。
...【技术特征摘要】
1.一种基于多维特征与xgboost算法的低压用电安全电弧预警方法，其特征在于，包括：
2.根据权利要求1所述的基于多维特征与xgboost算法的低压用电安全电弧预警方法，其特征在于，所述步骤s1中对多维特征分析与提取时，选取基波、三次谐波、五次谐波三个频域特征、过零指标、峰态两个时域特征以及香农熵共六个特征值形成特征向量，构建故障电弧隐患预测特征数据集。
3.根据权利要求1所述的基于多维特征与xgboost算法的低压用电安全电弧预警方法，其特征在于，所述步骤s1中对电弧预警数据进行预处理包括去噪处理，数据的去噪处理方法为：择sym8小波函数对电弧电流信号进行6层分解，并利用matlab自带的基于heursure的启发式阈值选取函数自动选取阈值，去除小波系数小于阈值的信号，并对保留信号进行信号重构，进而实现信号去噪，得到去噪后电流。
4.根据权利要求1所述的基于多维特征与xgboost算法的低压用电安全电弧预警方法，其特征在于，所述步骤s1中对电弧预警数据进行预处理包括归一化处理，数据的归一化处理方法为：将去噪后电弧电流样本信号经线性变换归一化至[-1,1]之间，公式如下：
5.根据权利要求1-4中任意一项所述的基于多维特征与xgboost算法的低压用电安全电弧预警方法，其特征在于，所述步骤s2中，对电弧电流重构过程包括：在将预处理后的电弧电流信号划分为多个数据样本之前，先对将预处理后的电流信号进行故障有效信号重构，再将重构信号划分为多个数据样本；其中，对预处...
【专利技术属性】
技术研发人员：肖湘奇，肖宇，邓汉钧，叶志，杨帅，吴文娴，邹晟，罗宇剑，黄瑞，杨茂涛，刘谋海，黄红桥，刘治国，贺星，李圆媛，余敏琪，王智，曾伟杰，叶浏青，肖建红，杨兴旺，
申请(专利权)人：国网湖南省电力有限公司，
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。