一种综合能源系统的交流电弧故障检测方法及系统与流程

1.本发明属于交流电弧故障检测技术领域，具体涉及一种综合能源系统的交流电弧故障检测方法及系统。


背景技术：

2.本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。
3.电弧被定义为通过绝缘介质的连续发光放电，通常伴随着电极的部分挥发，它是由碳化路径或点接触引起的气体游离放电现象。当绝缘材料老化破损或线路过载发热产生泄露电流时，会在表面形成碳化路径，从而产生电弧。电极之间表面上的碳化路径可能由于加热、泄漏电流跟踪或在一段时间内偶尔产生的火花而形成。电弧故障是电气火灾的主要原因之一；当泄漏电流流过碳化路径或产生火花时，表面加热并随着产生导电碳而热解，使它为点火做准备，同时它成为一个更好的导体，随着时间的推移趋于点火条件。电弧也有时是由松散接触的电极产生的，即电极的点接触和分离。
4.电力系统的基频可能会发生变化，而固定的采样率是大多数数据采集系统的典型特征。现有技术大多数采用快速傅里叶变换和小波变换对电力系统电弧进行测量和分析，但这种方法存在混叠效应、频谱泄漏和栅栏效应，导致电弧参数的估计误差加大，无法实现信号的精确重构并且在时频分辨率以及处理结果的信噪比方面存在固有缺陷；可通过加窗解决解决频谱泄露的问题，具有较大侧衰减和高侧衰减率的窗口可充分降低频谱泄漏和谐波干扰，纳托尔窗和汉宁窗均可提升快速傅里叶变换辨识结果的精确度，减少运算的时间，滑窗快速傅里叶变换有很好的抗噪和分辨振荡模态的能力；但是，这些窗函数不能良好的适应复杂的非线性信号的判断。


技术实现要素：

5.为了解决上述问题，本发明提出了一种综合能源系统的交流电弧故障检测方法及系统，结合改进的同步挤压s变换，基于发生电弧故障前后电弧特征量的差别实现对交流电弧的故障检测，提高检测的准确率。
6.根据一些实施例，本发明的第一方案提供了一种综合能源系统的交流电弧故障检测方法，采用如下技术方案：
7.一种综合能源系统的交流电弧故障检测方法，包括：
8.获取交流电弧信号，所述交流电弧信号为综合能源系统的母线电流；
9.基于同步挤压s变换优化所获取的交流电弧信号的时频曲线；
10.提取所述时频曲线的特征量；
11.根据所提取的特征量和双层长短期记忆网络，检测所获取的交流电弧信号是否存在电弧故障，完成综合能源系统交流电弧的故障检测；
12.其中，所述同步挤压s变换采用增设窗函数参数的同步挤压广义s变换。
13.作为进一步的技术限定，基于设置在综合能源系统母线上的电流互感器，实时采集交流电弧信号。
14.进一步的，所述同步挤压s变换的基本小波函数ωf(t)为其中，gf(t)为窗函数,f为频率，t为时间。
15.进一步的，所述窗函数增设窗函数参数λ和窗函数rgs，λ∈(0,3]rgs∈(0,1]即其中，ρ为调节因子。
16.作为进一步的技术限定，所述双层长短期记忆网络采用含注意力机制的长短期记忆-卷积神经网络模型。
17.进一步的，基于所述注意力机制计算特征量的权重系数，再根据所得到的权重系数计算特征量的加权平均。
18.作为进一步的技术限定，当检测所获取的交流电弧信号存在电弧故障时，综合能源系统在预设的安全时间内及时发出报警信号，基于设置在综合能源系统内部的脱扣装置自动跳闸。
19.根据一些实施例，本发明的第二方案提供了一种综合能源系统的交流电弧故障检测系统，采用如下技术方案：
20.一种综合能源系统的交流电弧故障检测系统，包括：
21.获取模块，其被配置为获取交流电弧信号，所述交流电弧信号为综合能源系统的母线电流；
22.优化模块，其被配置为基于同步挤压s变换优化所获取的交流电弧信号的时频曲线；
23.提取模块，其被配置为提取所述时频曲线的特征量；
24.检测模块，其被配置为根据所提取的特征量和双层长短期记忆网络，检测所获取的交流电弧信号是否存在电弧故障，完成综合能源系统交流电弧的故障检测；
25.其中，在优化模块中，所述同步挤压s变换采用增设窗函数参数的同步挤压广义s变换。
26.根据一些实施例，本发明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：
27.一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发明第一方案所述的综合能源系统的交流电弧故障检测方法中的步骤。
28.根据一些实施例，本发明的第四方案提供了一种电子设备，采用如下技术方案：
29.一种电子设备，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发明第一方案所述的综合能源系统的交流电弧故障检测方法中的步骤。
30.与现有技术相比，本发明的有益效果为：
31.本技术将同步挤压广义s变换方法引入电弧故障诊断领域，通过改进窗函数使得窗口宽度更为灵活，避免了窗口宽度太窄而改变时间分辨率、窗口宽度太宽而影响频率分辨率的问题，兼顾了高频谱分辨率和低延迟，充分保留了电弧信号的特征信息，有效解决了
电弧信号中存在大量噪声干扰的问题；基于同步挤压广义s变换和注意力机制的长短期记忆(long and short-term memory model，lstm)-卷积神经网络(convolutional neural network，cnn)，构建电弧故障检测模型，有效区分好弧和坏弧，有效提高电弧检测的准确率。
附图说明
32.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。
33.图1为本发明实施例一中的综合能源系统的交流电弧故障检测方法的流程图；
34.图2为本发明实施例一中的综合能源系统的交流电弧故障检测方法的步骤示意图；
35.图3为本发明实施例一中的基于改进的同步挤压广义s变换后得到的时频曲线图；
36.图4为本发明实施例一中的神经元基本结构示意图；
37.图5为本发明实施例一中的lstm结构示意图；
38.图6为本发明实施例一中的注意力模型结构示意图；
39.图7为本发明实施例一中的引入注意力机制的双lstm模型结构示意图；
40.图8为本发明实施例一中的lstm-cnn神经网络结构示意图；
41.图9为本发明实施例二中的综合能源系统的交流电弧故障检测系统的结构框图。
具体实施方式
42.下面结合附图与实施例对本发明作进一步说明。
43.应该指出，以下详细说明都是示例性的，旨在对本技术提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本技术所属技术领域的普通技术人员通常理解的相同含义。
44.需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
45.在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
46.实施例一
47.本发明实施例一介绍了一种综合能源系统的交流电弧故障检测方法。
48.如图1所示的一种综合能源系统的交流电弧故障检测方法，包括：
49.获取交流电弧信号，所述交流电弧信号为综合能源系统的母线电流；
50.基于同步挤压s变换优化所获取的交流电弧信号的时频曲线；
51.提取所述时频曲线的特征量；
52.根据所提取的特征量和双层长短期记忆网络，检测所获取的交流电弧信号是否存在电弧故障，完成综合能源系统交流电弧的故障检测；
53.其中，所述同步挤压s变换采用增设窗函数参数的同步挤压广义s变换。
54.如图2所示，通过数据采集获得目标电流数据，然后进行所采集数据的数据处理，
采用改进后的同步挤压广义s变换，得到优化后的时频曲线，根据优化后的时频曲线，将其输入故障判断模块进行电弧故障的识别。为了进一步解决数据冗杂的问题，在算法早期就筛减无效的采集数据，本实施例把含有双lstm层机制和注意力机制的lstm-cnn网络引入电弧故障检测领域，使其作为故障判断模块，长短期记忆神经网络层对大量数据的流通与否进行控制，引入注意力机制将模型的注意力放在需要重点关注的时间序列数据上，减少其他数据的权重.将更大的权重分配给重要数据，有效地提高预测模型的准确性。
55.具体的，输入层负责接收数据处理模块得到的时频曲线，卷积层负责提取数据特征，池化层接在卷积层后以防止网络出现过拟合，池化层根据局部相似性进行二次特征提取，通过压缩参数的数量实现特征降维，滤除无效参数，减小了参数的空间维度，最后通过输出层输出故障诊断的结果。当最终判定存在故障电弧时，声光报警在规定时间内进行报警，以引起监控人员的注意。若在发生电弧故障后的规定时间内未进行手动复位，脱扣装置令开关自动跳闸，以保护综合能源系统。
56.本实施例采用改进后的同步挤压广义s变换，得到如图3所示的优化后的时频曲线，充分保留了电弧信号的特征信息，并且良好的解决了电弧信号中存在大量噪声干扰的问题，展现出其高时频聚焦性的优点；
57.具体的，信号函数为x(t)，对其进行s变换，即：其中，x(t)为采集到的信号，τ为时间，f为频率。s变换的基本小波函数是由gaussian函数与简谐波的乘积构成；基本小波函数定义为:其中，gf(t)为窗函数,f为频率，t为时间。
58.本实施例对窗函数进行了改进，引入了窗函数的参数λ和参数rgs，λ∈(0,3]，rgs∈(0,1]，窗函数新的表达式为：其中，ρ为调节因子，为了在进行时频分析时能够平衡频率分辨率和时间分辨率，取ρ＝4。因此，信号的广义s变换为：对广义s变换的时频谱时间求取偏导，得到信号的瞬时频率，即最终得到的信号x(t)同步挤压广义s变换表示为：其中，fk为广义s变换时频谱上的离散频率；δfk＝f
k-f
k-1
；f0为同步挤压广义s变换时频谱上的频率。改进后的同步挤压广义s变换可以兼顾时间分辨率和频率分辨率，使得到的时频曲线保留了精细和完整性的特征，从而令特征量也更为准确。
59.本实施例将同步挤压广义s变换处理后的信号作为lstm-cnn神经网络的输入量，多次迭代计算后得到电弧故障诊断结果；具体的，
60.把得到的时频曲线作为输入lstm-cnn神经网络的输入层；电弧的时频曲线由输入层传递给lstm层，数据在lstm层中依次经过遗忘门、输入门和输出门；遗忘门对上个神经元
b+1；将卷积核矩阵与图像上对应位置元素相乘，再把乘积相加，即完成了一次在此卷积核下的特征提取过程，得到特征矩阵。
66.如图8所示，在多次卷积后，网络特征信息冗余，将输入矩阵划分为多个不重叠的子区域，对子区域内特征值进行选择性输出，进行池化处理，即：其中，为第l-1层神经元输出值，为第l层神经元经过池化后的输出值，pool(.)是池化函数。每个输出特征都将与β相乘后再加上一个偏置b，最后通过激活函数f(.)输出；全连接层可以将局部特征信息整合为具有区分类别功能的一维向量，全连接层计算公式为：yk＝f(wkx
k-1
+bk)，其中，k为网络层的序号，yk为全连接层的输出，x
k-1
为全连接层的输入，wk为权重系数，bk为偏置项，f为分类函数，将cnn模型对于输入值的类别预测结果表示为概率值；将反复迭代直至收敛的结果输出，得到电弧故障的检测结果。
67.本实施例将同步挤压广义s变换方法引入电弧故障诊断领域，通过改进窗函数使得窗口宽度更为灵活，避免了窗口宽度太窄而改变时间分辨率、窗口宽度太宽而影响频率分辨率的问题，兼顾了高频谱分辨率和低延迟，充分保留了电弧信号的特征信息，有效解决了电弧信号中存在大量噪声干扰的问题；基于同步挤压广义s变换和注意力机制的长短期记忆(long and short-term memory model，lstm)-卷积神经网络(convolutional neural network，cnn)，构建电弧故障检测模型，有效区分好弧和坏弧，有效提高电弧检测的准确率。
68.实施例二
69.本发明实施例二介绍了一种综合能源系统的交流电弧故障检测系统。
70.如图9所示的一种综合能源系统的交流电弧故障检测系统，包括：
71.获取模块，其被配置为获取交流电弧信号，所述交流电弧信号为综合能源系统的母线电流；
72.优化模块，其被配置为基于同步挤压s变换优化所获取的交流电弧信号的时频曲线；
73.提取模块，其被配置为提取所述时频曲线的特征量；
74.检测模块，其被配置为根据所提取的特征量和双层长短期记忆网络，检测所获取的交流电弧信号是否存在电弧故障，完成综合能源系统交流电弧的故障检测；
75.其中，在优化模块中，所述同步挤压s变换采用增设窗函数参数的同步挤压广义s变换。
76.详细步骤与实施例一提供的综合能源系统的交流电弧故障检测方法相同，在此不再赘述。
77.实施例三
78.本发明实施例三提供了一种计算机可读存储介质。
79.一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发明实施例一所述的综合能源系统的交流电弧故障检测方法中的步骤。
80.详细步骤与实施例一提供的综合能源系统的交流电弧故障检测方法相同，在此不再赘述。
81.实施例四
82.本发明实施例四提供了一种电子设备。
83.一种电子设备，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发明实施例一所述的综合能源系统的交流电弧故障检测方法中的步骤。
84.详细步骤与实施例一提供的综合能源系统的交流电弧故障检测方法相同，在此不再赘述。
85.以上所述仅为本实施例的优选实施例而已，并不用于限制本实施例，对于本领域的技术人员来说，本实施例可以有各种更改和变化。凡在本实施例的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本实施例的保护范围之内。

技术特征：
1.一种综合能源系统的交流电弧故障检测方法，其特征在于，包括：获取交流电弧信号，所述交流电弧信号为综合能源系统的母线电流；基于同步挤压s变换优化所获取的交流电弧信号的时频曲线；提取所述时频曲线的特征量；根据所提取的特征量和双层长短期记忆网络，检测所获取的交流电弧信号是否存在电弧故障，完成综合能源系统交流电弧的故障检测；其中，所述同步挤压s变换采用增设窗函数参数的同步挤压广义s变换。2.如权利要求1中所述的一种综合能源系统的交流电弧故障检测方法，其特征在于，基于设置在综合能源系统母线上的电流互感器，实时采集交流电弧信号。3.如权利要求1中所述的一种综合能源系统的交流电弧故障检测方法，其特征在于，所述同步挤压s变换的基本小波函数ω
f
(t)为其中，g
f
(t)为窗函数，f为频率，t为时间。4.如权利要求3中所述的一种综合能源系统的交流电弧故障检测方法，其特征在于，所述窗函数增设窗函数参数λ和窗函数rgs，λ∈(0,3]，rgs∈(0,1]，即其中，ρ为调节因子。5.如权利要求1中所述的一种综合能源系统的交流电弧故障检测方法，其特征在于，所述双层长短期记忆网络采用含注意力机制的长短期记忆-卷积神经网络模型。6.如权利要求5中所述的一种综合能源系统的交流电弧故障检测方法，其特征在于，基于所述注意力机制计算特征量的权重系数，再根据所得到的权重系数计算特征量的加权平均。7.如权利要求1中所述的一种综合能源系统的交流电弧故障检测方法，其特征在于，当检测所获取的交流电弧信号存在电弧故障时，综合能源系统在预设的安全时间内及时发出报警信号，基于设置在综合能源系统内部的脱扣装置自动跳闸。8.一种综合能源系统的交流电弧故障检测系统，其特征在于，包括：获取模块，其被配置为获取交流电弧信号，所述交流电弧信号为综合能源系统的母线电流；优化模块，其被配置为基于同步挤压s变换优化所获取的交流电弧信号的时频曲线；提取模块，其被配置为提取所述时频曲线的特征量；检测模块，其被配置为根据所提取的特征量和双层长短期记忆网络，检测所获取的交流电弧信号是否存在电弧故障，完成综合能源系统交流电弧的故障检测；其中，在优化模块中，所述同步挤压s变换采用增设窗函数参数的同步挤压广义s变换。9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现了如权利要求1-7任一项所述的综合能源系统的交流电弧故障检测方法的步骤。10.一种电子设备，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计算机程序，其特征在于，所述处理器执行所述程序时实现了如权利要求1-7任一项所述的综合能源系统的交流电弧故障检测方法的步骤。

技术总结
本发明属于交流电弧故障检测技术领域，具体涉及一种综合能源系统的交流电弧故障检测方法及系统，包括：获取交流电弧信号，所述交流电弧信号为综合能源系统的母线电流；基于同步挤压S变换优化所获取的交流电弧信号的时频曲线；提取所述时频曲线的特征量；根据所提取的特征量和双层长短期记忆网络，检测所获取的交流电弧信号是否存在电弧故障，完成综合能源系统交流电弧的故障检测；其中，所述同步挤压S变换采用增设窗函数参数的同步挤压广义S变换。换采用增设窗函数参数的同步挤压广义S变换。换采用增设窗函数参数的同步挤压广义S变换。


技术研发人员：田鹏 李岩 荣以平 朱建文 刘玉娇 李国亮 唐晓光 王坤 林煜清 徐小龙 杨斌 林美华 宋培鑫 王瑞琪 朱国梁 颜勇 刘建文 马俊迪 葛珍珍 王晓 高鹏 张宁 卢宇航
受保护的技术使用者：国网山东综合能源服务有限公司
技术研发日：2023.04.28
技术公布日：2023/8/6