[发明专利]一种断路器故障电弧检测方法、系统、设备及存储介质

说明书

本发明公开了一种断路器故障电弧检测方法、系统、设备及存储介质，S1，基于非参数检验法，计算得到断路器电弧信号中特异周期的Renyi熵特征值；S2，计算得到已确定的特异周期区间与前一周期区间的差值均方根值；S3，根据Renyi熵特征值和差值均方根值，采用尖点突变模型计算得到故障电弧评价指标值；S4，重复步骤S1至S3，计算得到电网正常时的电弧评价指标值；S5，以电网正常时的电弧评价指标值为阈值，当故障电弧评价指标值大于阈值时，则断路器故障。提高了电弧检测算法识别率，从而有效提高断路器故障判断精度。

技术领域

本发明属于电气工程领域，涉及一种断路器故障电弧检测方法、系统、设备及存储介质。

背景技术

在低压配电网中，为了减轻对居民和工业用户等造成的危害，故障电弧检测断路器的发展和应用是非常重要的。当发生故障电弧时，通过检测供电网络中的电流信号能够分析得到很多信息，这对故障的判别有很大的作用。现有低压断路器检测故障电弧的算法也都是对故障电流进行提取分析，选取何种信号特征量提取方式对故障电弧加以分析是至关重要的。传统的应用于故障电弧信号分析的时域法有傅里叶变换、小波变换方法：傅里叶变换是一种全局分析，对于信号的时频局域特点的描述有局限性；小波变换会受到领近谐波的影响，信号分析会失真。频域分析的主流方法有经验模态分解、集合经验模态分解和小波包分析法：20世纪末，经验模态分解(Empirical Mode Decomposion，EMD)方法被提出用来分析非线性、具有自适应性的信号，它将故障电弧信号进行分解，得到多个IMF分量，但是它的缺陷是分解效果并不好，会产生模态混叠、端点效应的现象，导致多余的分量；信号分解方法又发展成为了一种集合经验模态分解(Ensemble Empirical Mode Decomposition，EEMD)方法，虽然它使得模态混叠、端点效应的现象没有那么明显，但并没有改善产生多余的分量的缺点；也有学者提出对信号进行小波包分析，将信号的能量谱和延时时间作为特征量，但这些频域方法的计算量普遍较大，其中经验模态分解及其衍生方法的计算、时间开销更加庞大，并且特征向量数往往远多于故障种类，特征提取的方法不够具有信服力，故障电弧检测算法识别率低下。

发明内容

本发明的目的在于克服上述现有技术的缺点，提供一种断路器故障电弧检测方法、系统、设备及存储介质，提高了电弧检测算法识别率，从而有效提高断路器故障判断精度。

为达到上述目的，本发明采用以下技术方案予以实现：

一种断路器故障电弧检测方法，包括以下过程：

S1，基于非参数检验法，计算得到断路器电弧信号中特异周期的Renyi熵特征值；

S2，计算得到已确定的特异周期区间与前一周期区间的差值均方根值；

S3，根据Renyi熵特征值和差值均方根值，采用尖点突变模型计算得到故障电弧评价指标值；

S4，重复步骤S1至S3，计算得到电网正常时的电弧评价指标值；

S5，以电网正常时的电弧评价指标值为阈值，当故障电弧评价指标值大于阈值时，则断路器故障。

优选的，S1的具体过程为：

S11，收集故障线路的电弧信号，然后将某段电弧信号按周期进行分段，每个周期采样多个点，利用非参数检验中的Wilcoxon秩和检验选出特异周期区间；

S12，将选取的特异周期区间Renyi熵计算出来，计算公式为：

其中，K为采样点，F为Renyi熵，参数α为Renyi熵的阶数，p_i为第i个数据的先验概率。