直流串联电弧的识别方法及装置与流程

本发明涉及，尤其涉及一种直流串联电弧的识别方法及装置。

背景技术：

1、直流串联电弧是指直流回路中因线路连接松动、绝缘老化或机械损伤导致导体间形成微小间隙，进而由电流击穿空气介质所产生的持续性高温等离子体放电现象。由于直流电流不存在自然过零点，一旦起燃便能稳定燃烧并持续释放大量能量，导致人身安全及直流系统的安全运行均受到威胁。因此，准确识别直流串联电弧对保障直流系统安全具有重要意义。

2、目前，基于深度学习的智能检测方法已成为直流串联电弧识别的主流方法。例如采用卷积神经网络（convolutional neural network，cnn）与长短期记忆网络（longshort-term memory，lstm）相结合的架构，该架构充分发挥cnn在特征提取、lstm在时序建模方面的优势，从而实现电弧识别。然而，该方法一旦应用到硬件终端（如智能断路器），由于cnn的密集卷积运算与lstm的复杂时序递推均涉及海量浮点数乘加运算，将严重影响算力消耗，导致模型推理延迟大幅增加，无法满足直流系统对电弧故障快速切断的实时性要求。

技术实现思路

1、鉴于上述问题，本发明提供一种直流串联电弧的识别方法及装置，主要目的是实现高效、低功耗的直流串联电弧识别，满足直流系统对电弧故障快速切断的实时性要求。

2、为解决上述技术问题，本发明提出以下方案：

3、第一方面，本发明提供了一种直流串联电弧的识别方法，所述方法包括：

4、获取卷积神经网络、与所述卷积神经网络具有相同层级拓扑结构的脉冲神经网络，所述卷积神经网络用于对时域离散信号变换后的时频特征进行处理以识别直流回路中的直流串联电弧；

5、将所述卷积神经网络的参数逐层映射至所述脉冲神经网络中，得到目标直流串联电弧识别模型；

6、获取目标直流回路的时域离散信号，并将所述时域离散信号编码为脉冲信号；

7、利用所述目标直流串联电弧识别模型对所述脉冲信号进行处理，得到所述目标直流回路的电弧识别结果。

8、第二方面，本发明提供了一种直流串联电弧的识别装置，所述装置包括：

9、网络获取单元，用于获取卷积神经网络、与所述卷积神经网络具有相同层级拓扑结构的脉冲神经网络，所述卷积神经网络用于对时域离散信号变换后的时频特征进行处理以识别直流回路中的直流串联电弧；

10、参数映射单元，用于将网络获取单元获取的所述卷积神经网络的参数逐层映射至所述脉冲神经网络中，得到目标直流串联电弧识别模型；

11、信号处理单元，用于获取目标直流回路的时域离散信号，并将所述时域离散信号编码为脉冲信号；

12、电弧识别单元，用于利用参数映射单元得到的所述目标直流串联电弧识别模型对信号处理单元得到的所述脉冲信号进行处理，得到所述目标直流回路的电弧识别结果。

13、为了实现上述目的，根据本发明的第三方面，提供了一种存储介质，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行上述第一方面的直流串联电弧的识别方法。

14、为了实现上述目的，根据本发明的第四方面，提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行上述第一方面直流串联电弧的识别方法。

15、借由上述技术方案，本发明提供的一种直流串联电弧的识别方法及装置，通过获取卷积神经网络、与卷积神经网络具有相同层级拓扑结构的脉冲神经网络，二者一致的层级拓扑结构为后续参数映射提供了结构匹配前提，避免拓扑差异造成的特征提取能力衰减，其中，卷积神经网络用于对时域离散信号变换后的时频特征进行处理以识别直流回路中的直流串联电弧；随后将卷积神经网络的参数逐层映射至脉冲神经网络中，得到目标直流串联电弧识别模型，能够在完整继承卷积神经网络电弧特征提取能力的前提下，将模型运算机制由传统卷积神经网络的密集浮点数乘加运算转换为脉冲神经网络的事件驱动式脉冲运算，从模型架构层面大幅削减运算过程的算力开销，适配硬件部署的算力约束；再通过获取目标直流回路的时域离散信号，并将时域离散信号编码为脉冲信号，可将原始直流回路的时域采样信号转换为与脉冲神经网络输入格式适配的脉冲序列，保障目标直流串联电弧识别模型的输入兼容性与处理可行性；最终利用目标直流串联电弧识别模型对脉冲信号进行处理，得到直流串联电弧识别结果，从而在保证直流串联电弧识别准确性的基础上，有效解决了现有基于卷积神经网络与长短期记忆网络的检测方法因海量浮点数乘加运算导致硬件中断场景下算力消耗过高的技术问题，能够在资源受限的硬件环境中实现高效、低功耗的直流串联电弧识别，满足直流系统对电弧故障快速切断的实时性要求。

16、上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

1.一种直流串联电弧的识别方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，获取卷积神经网络，包括：

3.根据权利要求1所述的方法，其特征在于，将所述卷积神经网络的参数逐层映射至所述脉冲神经网络中，得到目标直流串联电弧识别模型，包括：

4.根据权利要求1-3中任一项所述的方法，其特征在于，所述目标直流串联电弧识别模型中的网络层包括输入层、隐藏层和输出层；利用所述目标直流串联电弧识别模型对所述脉冲信号进行处理，得到所述目标直流回路的电弧识别结果，包括：

5.根据权利要求4所述的方法，其特征在于，利用隐藏层中的漏积分点火神经元，基于接收到的前一网络层发放的脉冲信号进行膜电位累积，得到更新后的膜电位，包括：

6.根据权利要求1所述的方法，其特征在于，将所述时域离散信号编码为脉冲信号，包括：

7.根据权利要求6所述的方法，其特征在于，利用翻转高斯函数确定所述正频率区间内各频率点的权重，包括：

8.一种直流串联电弧的识别装置，其特征在于，所述装置包括：

9.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行如权利要求1至权利要求7中任意一项所述的直流串联电弧的识别方法。

10.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行如权利要求1至权利要求7中任意一项所述的直流串联电弧的识别方法。