[发明专利]一种基于支持向量机和图像识别的故障电弧检测方法

权利要求书

1.一种基于支持向量机和图像识别的故障电弧检测方法，其特征在于：包括以下步骤：

S1、从入户处安装的智能电表获取用电数据；

S2、根据预先获取的电压电流数据生成V-I轨迹曲线，采用V-I轨迹曲线提取和图像识别的方法对电压电流信号进行特征提取和组合，得到电弧特征量，即通过一系列数据预处理操作，将电子图像转换为可供模型识别的图像特征向量；

S3、将S2所得的训练集标签作为特征，对其进行基于SVM的故障电弧检测，识别得到是否产生故障电弧。

2.根据权利要求1所述的一种基于支持向量机和图像识别的故障电弧检测方法，其特征在于：用电数据包括总电流和电压。

3.根据权利要求1所述的一种基于支持向量机和图像识别的故障电弧检测方法，其特征在于：S2包括以下步骤：

S21、将所得的V-I轨迹曲线进行裁剪和灰度处理，采用平均加权法对图像进行灰度化处理，如式(1)：

f(i，j)＝0.299.R(i，j)+0.587.G(i，j)+0.114.B(i，j) (1)

对灰度化处理后的图像二值化，将灰度值设置在0或者255,分离成一副特征明显的二值化图像；

S22、将二维图像转化为一维数组；

S23、将标签转化为数字矩阵，预处理过程将图像标签转化为向量形式。

4.根据权利要求3所述的一种基于支持向量机和图像识别的故障电弧检测方法，其特征在于：每张二值化图像包含64×64个像素，向量长度64×64＝4096。

5.根据权利要求3所述的一种基于支持向量机和图像识别的故障电弧检测方法，其特征在于：训练数据集为一个形状为[i,4096]的张量，i为训练集图像总数，第一个维度用来索引图片，第二个维度用来索引每张图片中的像素点，黑白图片上每一个像素点由一个正数表示该点的黑白程度，图像由二维像素点转化为一维的数组。

6.根据权利要求3所述的一种基于支持向量机和图像识别的故障电弧检测方法，其特征在于：标签0表示为([1,0])，标签1表示为([0,1])，训练集标签是一个[i,2]的数字矩阵。

7.根据权利要求1所述的一种基于支持向量机和图像识别的故障电弧检测方法，其特征在于：S3包括以下步骤：

S31、给定样本集X＝{X₁，X₂，...，X_N}，其中包含两类样本，N为S2所得训练集中元素的数目，每一个样本X_i，对应一个样本标签Y_i，Y_i∈{-1，1}，1和-1分别表示两类不同样本的标签，i＝1，...，N。；

S32、寻找最优的分类超平面，即寻找最优的ω和b，使得分类间隔最大；

S33、建立拉格朗日函数，得到原问题的对偶问题；

S34、将实时数据输入到经过样本训练获得的SVM分类器中，判断类别。

8.根据权利要求7所述的一种基于支持向量机和图像识别的故障电弧检测方法，其特征在于：所有样本标签组成标签集Y。样本集X和标签集Y共同组成训练样本集φ，若输入数据所在的特征空间存在作为决策边界的超平面H:ω^T·x+b＝0，将学习目标，则按正类和负类将超平面H分开，并使任意样本的点到超平面H的距离大于等于1，则称该分类问题具有线性可分性，如式(1)所示：

其中ω是超平面的法向量，b是超平面的常数项。

9.根据权利要求7所述的一种基于支持向量机和图像识别的故障电弧检测方法，其特征在于：S32最终归结为一个二次规划问题：

其中为损失项，C为损失系数。

10.根据权利要求7所述的一种基于支持向量机和图像识别的故障电弧检测方法，其特征在于：

S33根据式(2)、(3)建立拉格朗日函数，得到原问题的对偶问题：

设求解式(4)、(5)得到的最优拉格朗日乘子为则原问题的最优解为：

其中，为正样本中第i个支持向量，为负样本中第i个支持向量，m₁为正样本中的支持向量个数，m₂为负样本中的支持向量个数；

S34根据式(8)判断类别：

其中，X^(t)为测试样本，根据输出结果即可判断是否产生故障电弧。