本发明涉及低压系统电气故障检测,具体涉及一种基于双树复小波变换的检测多负载条件下交流故障电弧方法、系统、设备及存储介质。
背景技术:
1、随着电力能源使用比例的提高,电能给人们带来方便的同时,也给人们生活带来许多安全隐患。据统计,电气火灾在所有类型火灾事故中占比最高,而故障电弧是引发电气火灾的首要原因,当绝缘老化破损、电气连接松动、线路长期过负荷时,都可能会引发故障电弧,故障电弧中心温度可以达到5000~15000℃,一旦发生电弧故障,很容易引燃周围的易燃物,导致火灾事故的发生;按照连接类型,故障电弧可以分为串联故障电弧和并联故障电弧两种类型;其中串联故障电弧可以看作在系统中串接一个可变电阻,导致系统中电流下降,传统的保护设备难以对进行串联故障电弧检测和切断。
2、串联故障电弧有由于具有随机性、隐蔽性、复杂性等特点导致其难以被预知和检测,这就为故障电弧的准确检测带来一定的困难,串联故障电弧极易受到负载的干扰,进一步增加故障电弧检测的难度;现有的研究使用的负载种类有限,且通常局限单一负载的条件,难以适应的满足实际场景中负载繁多、并行运行的复杂情况。
技术实现思路
1、针对现有技术中提到的问题,本发明提出一种基于双树复小波变换的检测多负载条件下交流故障电弧方法、系统、设备及存储介质能快速、准确切断多负载运行条件下的交流故障电弧,提升了系统的安全稳定运行能力。
2、本发明一种基于双树复小波变换的检测多负载条件下交流故障电弧的方法,包括以下步骤:
3、s1:获取交流系统中含故障电弧的电流检测信号;
4、s2:基于双树复小波变换对含故障电弧的电流检测信号进行分解和重构,得到多负载交流故障电弧特征;
5、s3:对多负载交流故障电弧特征进行标定,构建故障电弧特征数据集;
6、s4:根据故障电弧特征数据集建立基于bigru的故障电弧辨识模型,得到故障电弧检测结果;
7、s5:对故障电弧检测结果进行判断,当故障电弧检测结果大于设定阈值,则判定发生故障电弧,切除故障电弧并将故障上报,当故障电弧检测结果小于设定阈值,则返回步骤s1。
8、优选地,所述步骤s1的具体过程是:利用电流传感器在交流系统中多种负载同时运行条件下,根据采样频率对含故障电弧进行实时采样,采集满足窗长的电流检测信号;
9、所述采样频率为100khz~1000khz;
10、所述电流检测信号窗长为5000数据点~10000数据点。
11、优选地,所述s2步骤具体过程是:分别使用两个平行的共轭正交滤波器组生成含故障电弧的电流检测信号的实部和虚部;
12、第一层分解时,采用奇数长度的双正交小波滤波器,实部和虚部相差一个采样间隔;第二层及更高层分解时,采用延迟四分之一采样间隔的偶数长度的双正交小波滤波器,实部与虚部的滤波器在时序上相反,相差一半的采样间隔;
13、分解后根据重构参数进行重构,得到多负载交流故障电弧特征。
14、优选地,所述步骤s2中第一层分解是antonini滤波器,或是legall滤波器、或是near-sym系列滤波器;
15、所述步骤s2中第二层及更高层分解是q-shift系列滤波器;
16、所述分解层数为3~8层;
17、所述重构参数为000000010000a,000000010000b。
18、优选地,所述步骤s3具体过程是:设定正常状态数据类别为0,故障状态数据类别为1,介于多负载交流故障电弧特征中正常状态数据与故障状态数据质之间的是中间模糊干扰数据,剔除中间模糊干扰数据,得到故障电弧特征数据集。
19、优选地,所述步骤s4具体过程是:将步骤s3中得到的故障电弧特征数据集输入至bigru模型进行模型训练学习,设置模型隐藏层数、神经元数目、循环迭代次数以及学习率的初始参数,采用遗传算法对模型隐藏层数、神经元数目、循环迭代次数、学习率超参数组合进行迭代优化,最终得到训练好的故障电弧辨识模型,将多负载交流故障电弧特征输入故障电弧辨识模型中,得到故障电弧检测结果;
20、模型隐藏层数的初始参数为2~4;
21、神经元数目的初始参数为20~100;
22、循环迭代次数的初始参数为20~500;
23、学习率的初始参数为0.001~0.05。
24、优选地,所述步骤s5具体过程是:设定判断窗长为l,判定阈值为k,当位于判断窗长l内故障电弧检测结果为1的数据长度大于k时,判定发生故障电弧,切除故障电弧并将故障上报;当位于判断窗长l内检测结果为1的数据长度不大于k时,则返回步骤s1中重新计算;所述判断窗长l为10~15,所述阈值k为6~12。
25、一种基于双树复小波变换的检测多负载条件下交流故障电弧的系统,其特征在于,包括:
26、获取模块,获取交流系统中含故障电弧的电流检测信号;
27、重构模块,基于双树复小波变换对含故障电弧的电流检测信号进行分解和重构,得到多负载交流故障电弧特征;
28、标定模块,对多负载交流故障电弧特征进行标定,构建故障电弧特征数据集;
29、模型生成模块,根据故障电弧特征数据集建立基于bigru的故障电弧辨识模型,得到故障电弧检测结果;
30、验证模块,对故障电弧检测结果进行判断,当故障电弧检测结果大于设定阈值,则判定发生故障电弧,切除故障电弧并将故障上报,当故障电弧检测结果小于设定阈值,则返回步骤s1。
31、一种基于双树复小波变换的检测多负载条件下交流故障电弧设备,其特征在于,包括处理器和存储器,其中,所述处理器执行所述存储器中保存的计算机程序时实现如权利要求1至7任一项所述的一种基于双树复小波变换的检测多负载条件下交流故障电弧方法。
32、一种计算机可读存储介质,其特征在于,用于存储计算机程序,其中,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的一种基于双树复小波变换的检测多负载条件下交流故障电弧方法。
33、本发明相对于现有技术,取得了以下的技术效果:
34、本发明基于双树复小波变换的检测多负载条件下交流故障电弧方法,针对多种负载同时运行时,负载之间相互耦合干扰,传统故障电弧检测特征被削弱的问题,使用基于双树复小波变换的特征提取方法,能发掘多负载运行条件下交流故障电弧的明显特征,提高了多负载运行下交流故障电流检测能力,保障系统安全稳定运行;
35、本发明采用基于双向门控循环神经网络(bigru)的故障辨识模型,具备很强的故障检测能力和数据处理能力,面对类型众多的负载组合具有很强的学习能力,能够有效辨识多种负载组合运行的故障电弧特征,通过遗传算法对bigru模型参数进行迭代优化,提高了故障辨识准确率,能够快速准确切断多负载运行条件下的交流故障电弧,使得系统能在各种复杂运行条件下能够安全稳定运行。
1.一种基于双树复小波变换的检测多负载条件下交流故障电弧的方法,其特征在于,包括以下步骤:
2.根据权利要求1所述一种基于双树复小波变换的检测多负载条件下交流故障电弧的方法,其特征在于,所述步骤s1的具体过程是:利用电流传感器在交流系统中多种负载同时运行条件下,根据采样频率对含故障电弧进行实时采样,采集满足窗长的电流检测信号;
3.根据权利要求2所述一种基于双树复小波变换的检测多负载条件下交流故障电弧的方法,其特征在于,所述s2步骤具体过程是:分别使用两个平行的共轭正交滤波器组生成含故障电弧的电流检测信号的实部和虚部;
4.根据权利要求3所述一种基于双树复小波变换的检测多负载条件下交流故障电弧的方法,其特征在于,所述步骤s2中第一层分解是antonini滤波器,或是legall滤波器、或是near-sym系列滤波器;
5.根据权利要求1所述一种基于双树复小波变换的检测多负载条件下交流故障电弧的方法,其特征在于,所述步骤s3具体过程是:设定正常状态数据类别为0,故障状态数据类别为1,介于多负载交流故障电弧特征中正常状态数据与故障状态数据质之间的是中间模糊干扰数据,剔除中间模糊干扰数据,得到故障电弧特征数据集。
6.根据权利要求1所述一种基于双树复小波变换的检测多负载条件下交流故障电弧的方法,其特征在于,所述步骤s4具体过程是:将步骤s3中得到的故障电弧特征数据集输入至bigru模型进行模型训练学习,设置模型隐藏层数、神经元数目、循环迭代次数以及学习率的初始参数,采用遗传算法对模型隐藏层数、神经元数目、循环迭代次数、学习率超参数组合进行迭代优化,最终得到训练好的故障电弧辨识模型,将多负载交流故障电弧特征输入故障电弧辨识模型中,得到故障电弧检测结果;
7.根据权利要求1所述一种基于双树复小波变换的检测多负载条件下交流故障电弧的方法,其特征在于,所述步骤s5具体过程是:设定判断窗长为l,判定阈值为k,当位于判断窗长l内故障电弧检测结果为1的数据长度大于k时,判定发生故障电弧,切除故障电弧并将故障上报;当位于判断窗长l内检测结果为1的数据长度不大于k时,则返回步骤s1中重新计算;所述判断窗长l为10~15,所述阈值k为6~12。
8.一种基于双树复小波变换的检测多负载条件下交流故障电弧的系统,其特征在于,包括:
9.一种基于双树复小波变换的检测多负载条件下交流故障电弧设备,其特征在于,包括处理器和存储器,其中,所述处理器执行所述存储器中保存的计算机程序时实现如权利要求1至7任一项所述的一种基于双树复小波变换的检测多负载条件下交流故障电弧方法。
10.一种计算机可读存储介质,其特征在于,用于存储计算机程序,其中,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的一种基于双树复小波变换的检测多负载条件下交流故障电弧方法。