【技术实现步骤摘要】
本专利技术涉及触电类型识别，尤其涉及一种触电类型识别方法和系统。
技术介绍
1、近年来，由电网线路损坏或电气设备漏电等原因造成的火灾事故和人身触电事故时常发生，用电安全问题成为人们关注的热点。为防止上述电气灾害的发生，剩余电流保护器在低压配电网中得到广泛应用。
2、因此，现有的技术通常是采用剩余电流保护器进行判断触电事故，具体地，剩余电流保护器通过总剩余电流有效值的大小来判断触电事故的发生，但上述方式采用的剩余电流保护器容易受电气环境的影响，导致识别准确率降低。
技术实现思路
1、本专利技术提供了一种触电类型识别方法和系统，解决了现有的剩余电流保护器容易受电气环境的影响，导致识别准确率降低的技术问题。
2、本专利技术第一方面提供的一种触电类型识别方法，包括：
3、响应于触电类型识别请求，获取所述触电类型识别请求对应的初始剩余电流信号数据集；
4、采用预设集成经验模态分解将所述初始剩余电流信号数据集中的各初始剩余电流信号进行分解，生成多个内涵模态分量；
5、对各所述内涵模态分量进行降噪，生成更新剩余电流信号数据集；
6、提取所述更新剩余电流信号数据集中的各目标剩余电流信号样本的波形特征和熵特征，生成多个特征向量；
7、对各所述特征向量进行降维处理，生成多个目标特征向量并输入预设的目标网络模型；
8、通过所述目标网络模型识别各所述目标特征向量的触电类型，生成识别结果。
9、可选地
10、响应于触电类型识别请求，获取所述触电类型识别请求对应的多组初始剩余电流信号样本；
11、按照预设周期范围截取各所述初始剩余电流信号样本，生成多个更新剩余电流信号样本；
12、采用全部所述更新剩余电流信号样本，生成初始剩余电流信号数据集。
13、可选地，所述采用预设集成经验模态分解将所述初始剩余电流信号数据集中的各初始剩余电流信号进行分解，生成多个内涵模态分量的步骤，包括：
14、将所述初始剩余电流信号数据集中的各初始剩余电流信号与白噪声序列进行相加，生成多个中间剩余电流信号；
15、采用预设集成经验模态分解将各所述中间剩余电流信号进行分解，生成多个本征模态函数；
16、按照预设次数，跳转执行所述将所述初始剩余电流信号数据集中的各初始剩余电流信号与白噪声序列进行相加，生成多个中间剩余电流信号的步骤，直至生成多个本征模态函数组；
17、对各所述本征模态函数组进行集合平均运算，生成多个内涵模态分量。
18、可选地，所述对各所述内涵模态分量进行降噪，生成更新剩余电流信号数据集的步骤，包括：
19、选取预设频率范围对应的多个所述内涵模态分量，生成多个更新内涵模态分量；
20、采用目标小波系数对各所述更新内涵模态分量进行离散小波逆变换处理，生成目标内涵模态分量；
21、对各所述目标内涵模态分量进行累加重构处理，生成降噪后的目标剩余电流信号；
22、基于所述目标剩余电流信号，生成目标剩余电流信号样本；
23、采用全部所述目标剩余电流信号样本，生成更新剩余电流信号数据集。
24、可选地，还包括：
25、采用分解层数、标准误差和小波系数的长度，计算每层所述分解层数对应的初始小波系数的阈值；
26、采用阶跃函数、调节因子、分解后预设层数对应的小波系数和所述初始小波系数的阈值，生成修正后的目标小波系数。
27、可选地，所述波形特征特征包括波形因数、峰值因数、脉冲因数、裕度因数、偏斜度系数和峭度系数；所述提取所述更新剩余电流信号数据集中的各目标剩余电流信号样本的波形特征和熵特征，生成多个特征向量的步骤，包括：
28、采用所述更新剩余电流信号数据集中的目标剩余电流信号样本的均值和均方根值，计算所述目标剩余电流信号样本的波形因数；
29、采用所述目标剩余电流信号样本的最大值和均方根值，计算所述目标剩余电流信号样本的峰值因数；
30、采用所述目标剩余电流信号样本的最大值和均值，计算所述目标剩余电流信号样本的脉冲因数；
31、采用所述目标剩余电流信号样本的最大值、预设剩余电流数量和剩余电流值的均值，计算所述目标剩余电流信号样本的裕度因数；
32、采用所述目标剩余电流信号样本的均方根值、所述预设剩余电流数量和剩余电流值，计算所述目标剩余电流信号样本的偏斜度系数；
33、采用所述目标剩余电流信号样本的均方根值、预设剩余电流数量阈值和剩余电流值的均值，计算所述目标剩余电流信号样本的峭度系数；
34、提取所述目标剩余电流信号样本的熵特征，生成多个特征向量。
35、可选地，所述熵特征包括能量熵和功率谱熵特征；所述提取所述目标剩余电流信号样本的熵特征，生成多个特征向量的步骤，包括：
36、计算所述目标剩余电流信号样本的多个点能量之间的和值；
37、采用所述预设剩余电流数量、所述和值和所述剩余电流值，计算所述目标剩余电流信号样本的能量熵；
38、采用所述目标剩余电流信号样本的预设频谱所占比重和所述预设剩余电流数量，计算所述目标剩余电流信号样本的功率谱熵特征；
39、采用所述波形因数、所述峰值因数、所述脉冲因数、所述裕度因数、所述偏斜度系数、所述峭度系数、所述能量熵和所述功率谱熵特征，生成所述目标剩余电流信号样本的特征向量。
40、可选地，所述对各所述特征向量进行降维处理，生成多个目标特征向量并输入预设的目标网络模型的步骤，包括：
41、采用全部所述特征向量构建特征数据集；
42、通过非线性函数将所述特征数据集中的各特征向量映射至特征空间，生成核矩阵和所述核矩阵对应的多个核矩阵元素；
43、对所述核矩阵进行中心化处理，生成中心化核矩阵；
44、基于所述中心化核矩阵，确定所述中心化核矩阵对应的协方差矩阵；
45、对所述协方差矩阵进行特征值分解，生成分解后的初始特征向量和初始特征值；
46、按照预设排列顺序对各所述特征值进行排序，生成更新特征值和所述更新特征值对应的初始特征向量；
47、对各所述初始特征向量进行施密特正交化处理，生成更新特征向量；
48、选取预设特征值阈值对应的多个更新特征值对应的更新特征向量，构建降维向量矩阵；
49、采用所述降维向量矩阵和所述特征数据集，生成多个目标特征向量并输入预设的目标网络模型。
50、可选地，还包括：
51、将全部所述目标特征向量划分为训练集和测试集；
52、将所述训练集和预设标签均输入预设的初始网络模型进行训练，生成更新网络模型；
本文档来自技高网...
【技术保护点】
1.一种触电类型识别方法，其特征在于，包括：
2.根据权利要求1所述的触电类型识别方法，其特征在于，所述响应于触电类型识别请求，获取所述触电类型识别请求对应的初始剩余电流信号数据集的步骤，包括：
3.根据权利要求1所述的触电类型识别方法，其特征在于，所述采用预设集成经验模态分解将所述初始剩余电流信号数据集中的各初始剩余电流信号进行分解，生成多个内涵模态分量的步骤，包括：
4.根据权利要求1所述的触电类型识别方法，其特征在于，所述对各所述内涵模态分量进行降噪，生成更新剩余电流信号数据集的步骤，包括：
5.根据权利要求4所述的触电类型识别方法，其特征在于，还包括：
6.根据权利要求1所述的触电类型识别方法，其特征在于，所述波形特征特征包括波形因数、峰值因数、脉冲因数、裕度因数、偏斜度系数和峭度系数；所述提取所述更新剩余电流信号数据集中的各目标剩余电流信号样本的波形特征和熵特征，生成多个特征向量的步骤，包括：
7.根据权利要求6所述的触电类型识别方法，其特征在于，所述熵特征包括能量熵和功率谱熵特征；所述提取所述目标
8.根据权利要求1所述的触电类型识别方法，其特征在于，所述对各所述特征向量进行降维处理，生成多个目标特征向量并输入预设的目标网络模型的步骤，包括：
9.根据权利要求1所述的触电类型识别方法，其特征在于，还包括：
10.一种触电类型识别系统，其特征在于，包括：
...【技术特征摘要】
1.一种触电类型识别方法，其特征在于，包括：
2.根据权利要求1所述的触电类型识别方法，其特征在于，所述响应于触电类型识别请求，获取所述触电类型识别请求对应的初始剩余电流信号数据集的步骤，包括：
3.根据权利要求1所述的触电类型识别方法，其特征在于，所述采用预设集成经验模态分解将所述初始剩余电流信号数据集中的各初始剩余电流信号进行分解，生成多个内涵模态分量的步骤，包括：
4.根据权利要求1所述的触电类型识别方法，其特征在于，所述对各所述内涵模态分量进行降噪，生成更新剩余电流信号数据集的步骤，包括：
5.根据权利要求4所述的触电类型识别方法，其特征在于，还包括：
6.根据权利要求1所述的触电类型识别方法，其特...
【专利技术属性】
技术研发人员：徐桂培，赖洁文，陈镇宇，王庆斌，张青，蔡高凤，罗棋昌，
申请(专利权)人：广东电网有限责任公司，
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。