Document
拖动滑块完成拼图
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

基于人工智能的低压用户侧串联电弧检测方法及装置 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:江苏易立电气股份有限公司

摘要:本发明公开了基于人工智能的低压用户侧串联电弧检测方法及装置,包括:构建串联电弧隐患预警模型进行故障前预警,根据当前时刻的电气信号数据及发展趋势预测下一周期的故障电弧隐患概率值,当超过预设的预警阈值时判断为存在潜在故障,通知现场人员进行检测和验证,同时可视化显示预警信息;构建多场景低压串联电弧辨识模型进行故障后辨识,基于实时监测的电气信号数据进行电弧相关特征提取,并输入训练好的多场景低压串联电弧辨识模型,进一步判断电弧类型和状态。通过本发明的方法及装置,能够在故障发生前进行及时预防与处理,在故障发生后精确辨识电弧类型和状态,切实提高串联故障电弧感知的灵敏性、可靠性以及人身安全保护的快速性。

主权项:1.基于人工智能的低压用户侧串联电弧检测方法,其特征在于,所述方法包括:构建串联电弧隐患预警模型进行故障前预警:实时监测低压用户侧的电气信号数据并输入训练好的串联电弧隐患预警模型,根据当前时刻的电气信号数据及发展趋势预测下一周期的故障电弧隐患概率值,当所述故障电弧隐患概率值超过预设的预警阈值时,判断为存在潜在故障,通知现场人员进行检测和验证,同时可视化显示预警信息;所述构建串联电弧隐患预警模型,具体包括:收集低压用户侧历史时间内发生故障前的电气信号数据,并进行数据预处理,构成故障判别数据集;所述数据预处理包括去除噪声、滤波和归一化;从所述故障判别数据集中提取故障判别特征,构建故障判别特征数据集,并划分为训练集、测试集和验证集;通过所述训练集对串联电弧隐患预警模型进行训练,调整优化模型参数和结构,通过所述测试集、验证集进行模型测试和验证;所述串联电弧隐患预警模型,具体为基于BP神经网络的预警模型,BP神经网络的隐含层采用tansig函数,所述隐含层的输出hl为: 式中,Xi表示BP神经网络的第i个输入,i∈[1,m];Wil为输入层至输出层的连接权值;bl为偏置;l的范围为1至n,n为隐层单元的个数;输出层采用purelin函数,输出为: 式中,Yr为BP神经网络的输出,r的范围为0至1,Y0表示不存在潜在故障,Y1表示存在潜在故障;Wlr为隐含层单元到输出层单元的连接权值;将BP神经网络的输出转换为故障电弧隐患概率值P,公式为:构建多场景低压串联电弧辨识模型进行故障后辨识:基于实时监测的电气信号数据进行电弧相关特征提取,并输入训练好的多场景低压串联电弧辨识模型,进一步判断电弧类型和状态;所述构建多场景低压串联电弧辨识模型,具体包括:通过低压用电安全真型实验室搭建低压串联电弧故障场景,使用电弧发生器与不同类型负载串联,采集不同类型负载回路下的电气信号数据作为样本,形成样本序列;对所述样本序列进行数据预处理,通过小波变换滤除噪声,并按照7:2:1的比例随机抽取到训练集、测试集和验证集中;通过机器学习算法从预处理后的样本序列中提取电弧相关特征,特征提取公式为: 式中,K表示提取的特征值;β为四阶中心矩,Drms为样本序列D的有效值,N为样本序列的长度,Dy表示样本序列中的第y个采样点的数据;构造指标S评估单个样本中电弧相关特征的敏感度,指标S的计算公式为: 式中,G为电弧相关特征的类别总数,p、q分别表示其中的第p类、第q类电弧相关特征;a为单个样本I中属于第q类电弧相关特征的特征值,Sa表示被评估的特征值a的敏感度;为第q类电弧相关特征中所有特征值的平均值;Cp、Cq分别表示第p类、第q类电弧相关特征中在范围[a-0.5v,a-0.5v]内的样本数量;v=minmaxvq-minvq,q=0,1,2,…,G-1;maxvq、minvq分别表示电弧相关特征中的最大值和最小值;Sa越接近1表示敏感度越高,Sa越接近0表示敏感度越低,筛选Sa超出预设的敏感度阈值的特征值作为高敏感度的电弧相关特征;基于随机森林算法构建多场景低压串联电弧辨识模型,筛选高敏感度的电弧相关特征输入所述多场景低压串联电弧辨识模型,使用监督学习算法进行训练,并构造自定义系数对模型超参数进行多目标优化;所述模型超参数包括:决策树的数量、决策树的最大深度、叶节点最小样本数、每棵决策树考虑的特征个数上限和决策树的节点样本不纯度;所述构造自定义系数对模型超参数进行多目标优化,具体为:记录多场景低压串联电弧辨识模型的分类正确率为C,分类正确率的方差为V,分类时间T,自定义系数fc的计算公式为:fc=aC+bV+cT;式中,a、b、c分别表示分类正确率为C、分类正确率的方差为V和分类时间T的权重;所述多场景低压串联电弧辨识模型中的基本评估器为决策树,每棵决策树输出一个结果,按照少数服从多数的原则,对所有决策树的结果进行统计,生成整个模型的最终结果。

全文数据:

权利要求:

百度查询: 江苏易立电气股份有限公司 基于人工智能的低压用户侧串联电弧检测方法及装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。