[发明专利]一种基于小波变换+CNN的直流电弧故障检测方法

权利要求书

1.一种基于小波变换+CNN的直流电弧故障检测方法，其特征在于，包括以下步骤：

(1)构建CNN结构，即设计池化层、卷积层的层数，以及各层次序；

(2)设计CNN各层的数据处理方法，包括各池化层的池化方法和滤波器大小、各卷积层的滤波器大小、各卷积层和单层感知机的激活函数、各卷积层和单层感知机每个神经元的偏置初始值、各卷积层和单层感知机每个神经元的权重初始值，选择CNN的误差反向传播算法；

(3)确定电流信号的采样频率f_s，获取用于训练CNN的电流信号；CNN的输入为电流信号的时频谱函数值，即电流信号的小波系数；

(4)设计高通滤波器，滤除电流信号中的直流分量及低频噪声信号；

(5)选择尺度因子和小波基函数，即母函数，计算频率分辨率，计算时间分辨率1/f_s，对滤波后的电流信号进行小波变换，得到小波系数；电流信号的时频谱函数值取电流信号在“db4”小波基下的小波系数W_f(2^-j,2^jk)，其中j,k∈Z；

时频谱函数小波系数W_f(2^-j,2^jk)的计算式为：

W_f(2^-j,2^jk)为伸缩量为2^-j、平移量为2^jk时的小波系数，“ˉ”表示取共轭；

尺度序列为：c/s，c/(s-1)，c/(s-2)，…，c，其中s是对信号进行小波变换时所用尺度序列的长度，c为一常数，c/s对应频率自变量的值为f_s/2；

(6)设置出现电弧故障时CNN输出结果为1，正常情况时CNN输出结果为0，将归一化处理后的电流信号的小波变换结果即小波系数输入CNN，完成CNN的训练，至此完成CNN的构建；

(7)采集被检测线路的电流信号，采样频率为f_s；电弧电流采样频率f_s的取值范围为≥200kHz；

(8)用设计好的高通滤波器滤除被检测线路电流信号的直流分量及低频噪声信号；

(9)按选择的时间分辨率和频率分辨率，将滤波后的被检测线路电流信号通过小波变换求出其小波系数；

(10)将步骤(9)获得的小波系数归一化处理后输入CNN，CNN的输出结果即为电弧故障判别结果；

(11)若在同一环境中重复检测电弧故障时，重复步骤(7)-(10)即可，若要将此方法运用到新环境中时，按步骤(1)-(10)顺序执行。

2.根据权利要求1所述的一种基于小波变换+CNN的直流电弧故障检测方法，其特征在于：电流信号的时频谱函数有两个自变量，分别是时间和频率，并由此生成电流时频谱函数的二维图像，图像的像素值为时频谱函数值，像素点的位置由电流信号的时刻和频率确定；运用CNN识别直流电弧故障时，将电流的时频谱函数图像的像素值归一化处理后作为CNN的输入，输出为电弧故障判断结果。