[发明专利]基于AlexNet的故障电弧保护方法

说明书

本发明公开了基于AlexNet的故障电弧保护方法，该方法包括如下步骤：步骤一，生成故障电弧数据集；步骤二，建立故障电弧诊断模型结构与训练参数；步骤三，对故障电弧进行诊断。本发明的有益效果是，具有极高的识别准确率，能够实现故障电弧自适应保护。

技术领域

本发明涉及故障保护技术领域，特别是基于AlexNet的故障电弧 保护方法。

背景技术

不同类型负载的故障电弧时频域特征不完全相同；即使对于同一 类负载，不同时刻的电弧电流时频域特征也可能存在差异。在实际应 用中，很难枚举每种负载条件下故障电弧时频域特征，因此基于电弧 特征以及预先设定阈值的传统故障电弧保护方法适应能力相对较差， 很难满足非线性负载工况多变或负载未知情况下的故障电弧识别保护 新要求。

发明内容

本发明的目的是为了解决上述问题，设计了基于AlexNet的故障 电弧保护方法。

基于AlexNet的故障电弧保护方法，该方法包括如下步骤：

步骤一，生成故障电弧数据集，其过程如下：

(1)数据清洗

故障电弧试验存在多样性，试验数据采集于多个试验室、多个时 间点，这些客观原因有可能导致造成电弧试验数据出现异常点，为了 消除同类数据的不一致性，提高数据质量，在训练前必须通过人为干 预对试验数据进行“清洗”，删除数据中的异常数据点。需要清洗的数 据类型主要包括因采样装置设置不力导致的采样为零的数据或者是其 他明显与电弧电流信号无关数据；

(2)数据分割

为了增加训练样本数量，提升故障电弧诊断模型的泛化能力，以 滑动窗口采样的方式对数据进行分割，同时为了保证样本的一致性， 规定所有样本为固定采样点数的.csv文件，以每4个工频周期电流数 据为一个样本，滑动偏移量为1个工频周期，试验采样率为100Ks/s， 每一个样本中共包括8000个采样点；

(3)数据标注

经过数据清洗、数据分割过程后，单一负载故障电弧数据和正常 状态数据各有5000组；在模型训练之前，将数据集按一定比例划分为 测试集、训练集与验证集；

所有的正常状态数据存放在标注为“正常”的文件夹中，故障电 弧状态数据存放在标注为“故障”的文件夹中，此时数据均为.csv格 式；将所有的.csv格式数据转化为227×227×3的图像格式，227×227 表示图像像素，3表示RGB三通道图像输入；

步骤二，建立故障电弧诊断模型结构与训练参数，其过程如下：

故障电弧诊断模型是基于经典AlexNet模型优化后来建立的，基 于AlexNet优化后的故障电弧诊断模型是由6个卷积层、3个池化层和 3个全连接层组成，模型的输入为故障电弧数据集，输出为线路状态；

所述训练过程使用的参数配置如下：激活函数选用ReLU函数，使 用dropout正则化，dropout率设置为0.5；优化算法为SGD算法，初 始学习率为0.01，若验证集的准确率随着迭代次数的增加不再变化， 学习率降为之前数值的十分之一；损失函数为适用于二分类问题的交 叉熵损失函数；

步骤三，对故障电弧进行诊断，基于AlexNet的故障电弧诊断模 型诊断流程如下：

(1)将采集到的电流信号进行数据预处理，得到故障电弧数据集。 将数据按照一定比例分为三组，分别作为训练集、验证集和测试集；

(2)网络参数初始化，网络模型随机从训练集中提取一个样本， 从前向后依次计算得到输出，通过反向传播误差，调整网络参数并更 新网络模型。然后输入下一个样本，直至误差达到最小，则输出故障 电弧诊断模型；