[发明专利]一种基于突变系数和SVM的故障电弧检测方法

说明书

本发明公开了一种基于突变系数和SVM的故障电弧检测方法。包括以下步骤：S01输入一个周期的电流信号；S02采用计算量较小的haar小波，通过小波分析，计算一个周期内的突变系数；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。本发明采取用小波分析的方法，提取信号的高频细节信息，创造性的提出了突变系数概念，通过突变系数和电流幅值来判断是否发生电弧，标准统一，检测方便。

技术领域

本发明涉及一种用电安全监控技术领域，特别涉及一种基于突变系数和SVM的故障电弧检测方法。

背景技术

随着电力事业的发展，单机发电容量不断增大，低压配电装置额定容量也随之提高，由于新型低压器件及附件不断出现，低压配电装置结构形式多样化，不可避免地出现低压配电装置中的电弧故障，甚至会因电弧引起火灾，由此所造成的设备损坏和经济损失相当严重。

电弧是一种气体放电现象，电流通过某些绝缘介质(例如空气)所产生的瞬间火花。而根据电弧产生的机理，可以分为好弧(插拔电器时产生的电弧等)和坏弧(故障电弧)，其中好弧是瞬时性的，不会持续存在，也并不影响线路和设备的正常工作，也不会引起火灾，所以发生好弧的情况下，通常认为线路和设备是安全的。而根据故障电弧产生的位置又可分为串联电弧、并联电弧和对地电弧，如图1、2、3所示。

而低压故障电弧的一般特征有：电流波形中含有丰富的高频噪声；电弧上有电压降；电流上升速度通常比正常状态要大；每半个周期都存在电流接近零的区域，称“电流零区”，把它命名为平肩部；电压波形接近矩形，在电流零区变化率较其他时间大，在电流过零时最大；故障电弧经常是零星的，间歇的；电流波形具有很强的随机性。

可以将这些特征作为特征参量来检测电弧，检测每个周期信号的峰峰值，平均值，平肩部比例等等，通过与阈值比较来判定是否发生电弧。例如已获得授权的201210231516.8号中国发明专利，公开了一种通过采集每周期的电流数据，来分析电流波形是否存在正负半周不对称、周期差异过大，进而判断是否发生了电弧故障的故障电弧检测方法。

但是该技术方案中，仍需要对每一个特征参量设定阈值并且阈值设定仍不能包含所有特征，不同负载的阈值也不相同，且需要通过尽可能多的特征参量来判断，比较繁琐，且没有统一的标准。

发明内容

本发明的目的在于，利用小波分析提出了突变系数概念，并结合机器学习中的SVM模型，提供一种基于突变系数和SVM模型的故障电弧检测方法，有效地检测出故障电弧并避免正常电弧的干扰。

一种基于突变系数和SVM的故障电弧检测方法，包括以下步骤：

S01输入一个周期的电流信号；

S02采用计算量较小的haar小波，通过小波分析，计算一个周期内的突变系数；

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将每一个未知的特征向量，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。

进一步的，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，