[发明专利]故障电弧电流的检测方法及系统

说明书

本发明公开一种故障电弧电流的检测方法，首先获取实测电流数据；相减相邻两个周期得到差分电流信号；对差分电流信号进行自相关运算，得到自相关系数；然后通过自相关系数对实测电流数据进行第一次分类得到正常电流信号；将正常差分电流信号划分为若干个小区间，计算每个小区间的方差，最后根据方差进行第二次分类；如果最大方差与最小方差的差值大于最小方差的预设倍率值，则判断为故障电弧电流；本方法避免了处理各种负载和电路回路不同而造成的电流信号差异过大，而不能制定合适的判断标准。前后周期相减，去掉周期成分后，则只需要对差分电流信号进行判断。避免了需要大量可靠的样本进行训练的要求，任给一个电流信号就可进行检测。

技术领域

本发明涉及故障电流检测技术领域，特别是一种故障电弧电流的检测方法及系统。

背景技术

为了实现故障电弧检测，传统做法是使用小波分解、神经网络、支持向量机等方法。使用小波分解时，需要确定合适的母波和分解层数才能达到较好的检测效果，而使用神经网络、支持向量机时，则需要大量的实测数据用于神经网络和支持向量机的训练。为了训练好网络，大量电弧电流需要提前给定正常或故障的标签，想要得到高质量的标签，则需要该领域的专家辅助标记。在数量较大的情况下，这是一项非常艰难的任务。

发明内容

有鉴于此，本发明的目的在于提供一种故障电弧电流的检测方法，该方法利用正常电流的周期性和平稳性实现对故障电弧电流的检测。

为达到上述目的，本发明提供如下技术方案：

本发明提供的故障电弧电流的检测方法，包括以下步骤：

获取实测电流数据；

将实测电流数据相邻两个周期相减，得到差分电流信号；

对差分电流信号进行自相关运算，得到自相关系数；

通过自相关系数对实测电流数据进行第一次分类：判断自相关系数，若t＝1时自相关系数大于相关阈值，则该实测电流为故障电弧电流信号；反之，则为正常电流信号；

获取第一次分类中所有正常电流信号；

将正常差分电流信号划分为若干个小区间，计算每个小区间的方差，

根据方差进行第二次分类；判断最大方差与最小方差的差值是否大于最小方差的预设倍率值，如果是，则判断为故障电弧电流；如果否，则为正常电流信号。

进一步，所述相关阈值0.2-0.5。

进一步，所述预设倍率值为2-5.

进一步，所述测电流数据相邻周期相减按照以下公式进行：

S(K,n)＝X(KN_T+n)-X((K-1)N_T+n) (1)

其中，S(·)表示差分电流信号，X(·)为实测电流信号，n表示周期内的某一时刻，N_T为一个周期内的采样点数，K为正整数。

进一步，所述差分电流信号自相关系数按照以下公式计算：

其中，r_k为自相关系数，为一个周期差分电流信号的均值。

进一步，所述正常电流信号划分为8个小区间，计算每个区间的方差。

本发明还提供了故障电弧电流的检测系统，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，所述处理器执行所述程序时实现以下步骤：

获取实测电流数据；

将实测电流数据相邻两个周期相减，得到差分电流信号；