[发明专利]一种基于随机森林的串联电弧故障检测方法

权利要求书

1.一种基于随机森林的串联电弧故障检测方法，其特征在于，包括：

获取串联电弧电流的待测特征向量，并输入训练好的基于随机森林算法的检测模型，获得串联电弧的故障状态；

其中，所述的检测模型的训练过程包括：

获取若干串联电弧电流的样本特征向量以及对应的故障状态标签，构成训练集，利用训练集训练检测模型；

所述的特征向量的获取过程包括：

采集串联电弧电流的高频电流分量和低频电流分量，通过对高频电流分量和低频电流分量进行波形分析，分别获得高频特征量和低频特征量，将高频特征量和低频特征量组合成特征向量。

2.根据权利要求1所述的一种基于随机森林的串联电弧故障检测方法，其特征在于，所述的高频特征量的波形分析过程包括：

21)通过VMD算法对高频电流分量进行分解，得到带宽和最小的K个IMF分量；

22)计算每个IMF分量的方差贡献率和能量熵，以方差贡献率最大的IMF分量的能量熵为高频特征量。

3.根据权利要求2所述的一种基于随机森林的串联电弧故障检测方法，其特征在于，步骤21)包括：

将高频电流分量分解为K个IMF分量，所述的IMF分量u_k的表达式为：

u_k(t)＝A_k(t)cos(φ_k(t))

其中，为非递减函数，即A_k(t)为包络线，A_k(t)≥0；

构造如下的约束变分问题：

其中，u_k和ω_k分别为IMF分量及其中心频率，u_k＝{u₁,u₂,u₃,···,u_K}，ω_k＝{ω₁,ω₂,ω₃,···,ω_K}；

通过引入增广拉格朗日求解约束变分问题，得到带宽和最小的K个IMF分量；

所述的增广拉格朗日L的表达式为：

所述的通过引入增广拉格朗日求解约束变分问题的过程包括：

迭代计算增广拉格朗日L中的u_k、ω_k和λ_k，所述的u_k、ω_k和λ_k的迭代计算公式为：

其中，和为对应u_kⁿ⁺¹(t)、f(t)和的傅里叶变换，τ为噪声容忍度；

当相对误差e小于设定值ε时，停止迭代计算，得到带宽和最小的K个IMF分量，ε＞0。

4.根据权利要求2所述的一种基于随机森林的串联电弧故障检测方法，其特征在于，所述的方差贡献率S_var和能量熵HE_m的计算公式为：

其中，E_m为IMF分量的能量，var_m为IMF分量的方差。

5.根据权利要求1所述的一种基于随机森林的串联电弧故障检测方法，其特征在于，所述的低频特征量的波形分析过程包括：

对低频电流分量波形进行数据采样，获得若干采样点数据，根据采样点数据计算低频特征量；

所述的低频特征量包括峭度、波形因子、波峰因子、脉冲因子和裕度因子。

6.根据权利要求5所述的一种基于随机森林的串联电弧故障检测方法，其特征在于，所述的峭度ku的计算公式为：

其中，x为采样点数据，μ为x的平均值，σ为x的标准差，E表示期望。

7.根据权利要求5所述的一种基于随机森林的串联电弧故障检测方法，其特征在于，所述的波形因子S的计算公式为：

其中，N为采样点数据的总量。