[发明专利]一种基于突变系数和SVM的故障电弧检测方法

权利要求书

1.一种基于突变系数和SVM的故障电弧检测方法，其特征在于，包括以下步骤：

S01输入一个周期的电流信号；

S02采用haar小波，通过小波分析，计算一个周期内的突变系数；所述突变系数为周期内高频系数的最大值除以高频系数绝对值的平均值；

S03输入的周期数累计，与L进行比较，若输入的周期数累计小于L，则返回第S01步；若输入的周期数累计大于或等于L，则进行下一步；

S04将连续L个周期的突变系数作为特征向量训练SVM模型，得到SVM模型核函数；

S05将特征向量，带入SVM模型核函数中，比较该向量所包含的L个周期内是否出现故障电弧。

2.根据权利要求1所述的基于突变系数和SVM的故障电弧检测方法，其特征在于，步骤S02具体包括以下步骤：

S021利用连续小波分解电流信号得出一个周期内的高频系数向量D：

(1)haar小波的高频滤波系数为g＝[0.5,-0.5]，

(2)haar的高频滤波系数与电流信号进行卷积，

j＝1,2,3……n

其中j是该周期内的小波系数个数，g是高频滤波系数，f是电流信号，得到高频系数向量D；

S022进行小波分析，计算周期内高频系数向量D的绝对均值；

S023计算一个周期内的突变系数。

3.根据权利要求2所述的基于突变系数和SVM的故障电弧检测方法，其特征在于，步骤S023中的突变系数为周期内高频系数的最大值除以高频系数绝对值的平均值，即：

其中CM为突变系数，D为高频系数向量。

4.根据权利要求1所述的基于突变系数和SVM的故障电弧检测方法，其特征在于，步骤S04具体包括以下步骤：

S041提取特征向量：选取最近的L个周期的突变系数；

S042打上标签：对这L个突变系数打上标签，得到特征向量；

S043排序：对这L个突变系数，即特征向量中的元素进行排序；

S044数据预处理：对特征向量进行标准化；

S045模型训练和评估，得出SVM模型核函数。

5.根据权利要求4所述的基于突变系数和SVM的故障电弧检测方法，其特征在于，步骤S042还包括以下步骤：若该特征向量所代表的实验是发生电弧的实验，则打上标签1；若该特征向量所代表的实验是未发生电弧的实验，则打上标签-1。

6.根据权利要求4所述的基于突变系数和SVM的故障电弧检测方法，其特征在于，步骤S043中的特征向量排序方法为：第一维特征是L个周期中最小的突变系数，第二维特征是L个周期中次小的突变系数，以此类推，最后一维特征是L个周期中最大的突变系数。

7.根据权利要求4所述的基于突变系数和SVM的故障电弧检测方法，其特征在于，步骤S044中，按照以下方法进行标准化处理：

其中X′_ij代表的是第i条记录中的第j个特征经标准化后的值，X_ij代表的是第i条记录中的第j个特征标准化前的值，mean(X_train)代表的是训练集中所有突变系数的均值，std(X_train)代表的是训练集中所有突变系数的标准差。

8.根据权利要求4所述的基于突变系数和SVM的故障电弧检测方法，其特征在于，步骤S045中，使用带有rbf(径向基函数)的SVM模型进行模型训练。

9.根据权利要求4所述的基于突变系数和SVM的故障电弧检测方法，其特征在于，SVM模型所采用的高斯核函数为：

其中，X_i代表的是第i个支持向量，X是标准化后需要进行分类的未知特征向，γ即为模型训练时使用的核函数的参数γ。

10.根据权利要求1所述的基于突变系数和SVM的故障电弧检测方法，其特征在于，步骤S05还包括以下步骤：

将特征向量带入SVM模型核函数中，若计算出来的值大于0，则认为该向量所包含的L个周期内出现故障电弧，系统进行报警；若计算出来的值小于0，则认为该向量所包含的L个周期内未出现故障电弧。