一种面向拉弧检测的多尺度时序置信度融合检测方法与流程
本发明涉及电弧故障检测,具体来说涉及一种面向拉弧检测的多尺度时序置信度融合检测方法。
背景技术:
1、光伏系统装机规模的持续增长,使得光伏逆变器直流侧的拉弧故障检测成为安全保护的关键环节。拉弧故障若不能及时检出并触发保护动作,可能引发电气火灾等严重安全事故,因此各国均对光伏逆变器的拉弧检测响应时间提出了明确的法规要求,例如ccg/gf 175:2023中l4等级要求断开时间不超过0.5秒。
2、现有拉弧检测技术主要分为两类路线。第一类是基于固定阈值的传统电流特征检测方法,由电流采样单元、特征计算单元、阈值比较单元和告警输出单元组成,其核心思路是采集直流侧电流信号、计算时域或频域特征后与固定阈值比较,当特征超过阈值时输出拉弧告警。该类方法依赖于人工设计的特征和固定阈值,对复杂多变的光伏运行环境适应性较差,难以兼顾不同功率等级、线缆长度和噪声水平下的检测性能。
3、第二类是基于人工智能模型的拉弧检测方法,其基本流程为:将电流信号转换为时序特征后输入拉弧检测模型,模型按时间帧输出拉弧概率或置信度,再将单帧概率与固定阈值比较,若某一时刻或连续少量时刻超过阈值,则判定发生拉弧。该路线利用人工智能模型强大的特征提取和模式识别能力,能够识别更复杂的信号模式,在一定程度上提升了检测性能。
4、检索到的相关专利“逆变器的拉弧检测方法、装置、电子设备及存储介质”(cn120928137b)属于上述基于模型的检测路线。该方案将工作电流数据输入经离线训练后部署的初始拉弧检测模型,由模型输出电弧判断结果及对应置信度;在逆变器首次运行的预设连续时长内,当模型判定为正常运行且置信度大于预设阈值时,将对应工作电流数据作为样本数据存储;再利用该样本数据集合对初始拉弧检测模型进行在线训练或微调,并在候选模型满足损失、精确率、召回率等预设要求后确定为目标模型,用于后续在线检测。该方案的核心改进在于通过现场样本采集和边缘端在线训练,使模型参数适应现场工况分布。
5、然而,基于人工智能模型的拉弧检测方法在实际工程应用中仍存在以下问题:
6、第一,模型本身不可避免会产生误识别,主要表现为将瞬时噪声、开关扰动、负载切换或采样毛刺误识别为拉弧,形成短时高置信度假阳性。由于光伏逆变器运行环境复杂,电流信号中常存在非拉弧异常波动,而人工智能模型对训练数据分布之外的信号模式缺乏判别能力,导致在线推理过程中逐帧置信度出现短时抖动和瞬时误识别。
7、第二,在真实拉弧持续过程中,由于信号能量短暂下降、工况扰动或模型输出波动,模型可能在拉弧事件的某些时间片段输出低置信度,将一个连续拉弧事件错误切分成多个断裂片段,导致报警事件碎片化。
8、第三,对弱拉弧或起弧早期阶段,模型输出的置信度不足,单帧阈值判断容易导致漏报。而提高阈值虽可减少误报,却会进一步加剧弱拉弧漏检;降低阈值虽可提升灵敏度,却会放大模型短时误识别,误报率和漏报率之间难以取得平衡。
9、第四,不同光伏逆变器、线缆长度、功率等级和运行环境下,模型置信度分布存在显著差异,固定阈值难以在不同场景下同时兼顾误报和漏报。
10、上述问题的根本原因在于,现有技术将拉弧检测问题简化为单点或单窗口阈值比较,没有充分利用拉弧故障在时间维度上的持续性、间断性和事件完整性,缺乏专门面向模型误识别结果的时序纠错和事件确认机制。模型输出是逐时刻置信度,而光伏逆变器拉弧检测模块最终需要的是稳定、可执行保护动作的事件级告警,若直接使用逐帧结果,容易导致误停机、漏报警或报警事件碎片化。
11、对于上述相关专利而言,其改进重点在于模型训练和模型参数自适应,解决的是实验室训练模型与现场工况分布不一致的问题,但其后续检测仍以目标模型输出的电弧判断结果和置信度为基础进行单帧或少量连续帧判定。该专利并未重点解决模型在线推理过程中逐时间帧置信度短时抖动、瞬时误识别、真实拉弧事件被短暂断裂识别、以及在检测法规要求的断开时间约束下如何将逐帧置信度转换为稳定事件级告警的问题。
12、因此,现有技术缺少一种能够在不依赖模型重新训练或参数更新的前提下,对模型输出的逐时刻置信度序列进行时序纠错和事件级确认的拉弧检测方案。
技术实现思路
1、本发明的目的在于提供一种面向拉弧检测的多尺度时序置信度融合检测方法,通过对拉弧检测模型输出的逐帧置信度序列进行二值化、短窗口与长窗口双尺度统计融合,能够同时兼顾快速响应和误报抑制:短窗口保证对起弧信号的灵敏捕捉,长窗口滤除瞬时噪声和模型短时误识别,避免因单帧抖动触发误告警。在此基础上,进一步通过最小有效持续时间剔除毛刺类假阳性事件,并通过邻近事件合并将因模型短暂漏识别而断裂的真实拉弧片段恢复为完整事件,从而将不稳定的逐帧置信度输出转化为连续、完整、可执行保护动作的事件级告警。该方法无需重新训练模型或更新模型参数,可直接部署于现有拉弧检测模型之后,在满足法规断开时间约束的前提下显著提升拉弧检测的稳定性和事件完整性。
2、为达到上述目的,本发明提供如下技术方案:
3、第一方面,本发明提供了一种面向拉弧检测的多尺度时序置信度融合检测方法,该方法包括:
4、获取光伏逆变器直流侧的电流信号,并将电流信号转换为时序特征;
5、将时序特征输入拉弧检测模型,获取拉弧检测模型按时间帧输出的置信度序列,置信度序列中的每个置信度表示对应时间帧存在拉弧故障的概率或置信程度;
6、利用第一预设阈值对置信度序列进行二值化处理,得到候选拉弧点序列;
7、在第一时间窗口内统计候选拉弧点序列中的候选拉弧点数量或置信度序列中的置信度累计值,并根据第一时间窗口的触发条件得到短尺度检测结果;
8、在第二时间窗口内统计候选拉弧点序列中的候选拉弧点数量或置信度序列中的置信度累计值,并根据第二时间窗口的触发条件得到长尺度检测结果,第一时间窗口的长度小于第二时间窗口的长度;
9、对短尺度检测结果和长尺度检测结果进行融合,当融合结果满足预设事件触发条件时,生成初始拉弧事件区间;
10、对初始拉弧事件区间进行短时干扰抑制,剔除持续时间小于最小有效持续时间的候选事件,得到有效事件;
11、对有效事件进行邻近事件合并,将间隔时间小于或等于预设合并间隔的相邻事件合并为一个事件;
12、根据合并后的事件输出拉弧告警结果。
13、在一些实施例中,还包括参数设定步骤:
14、设定单帧周期δt、第一预设阈值θ、第一时间窗口的帧数n1、第二时间窗口的帧数n2、短尺度检测结果的触发阈值、长尺度检测结果的触发阈值、最小有效持续时间的帧数nd和预设合并间隔的帧数ng;
15、第一时间窗口的长度t1=n1×δt,第二时间窗口的长度t2=n2×δt,最小有效持续时间td=nd×δt,预设合并间隔tg=ng×δt,且t1 16、在一些实施例中,利用第一预设阈值对置信度序列进行二值化处理,得到候选拉弧点序列,包括: 17、对于第i个时间帧的置信度pi,当pi≥θ时,bi=1,当pi<θ时,bi=0,其中θ为第一预设阈值,b={b1,b2,...,bk}为候选拉弧点序列,bi=1表示对应时间帧为候选拉弧点,bi=0表示对应时间帧为非候选拉弧点。 18、在一些实施例中,在第一时间窗口内统计候选拉弧点序列中的候选拉弧点数量或置信度序列中的置信度累计值,并根据第一时间窗口的触发条件得到短尺度检测结果,包括: 19、在第一时间窗口内的n1个时间帧中,统计候选拉弧点数量σbi或置信度累计值σpi; 20、当σbi≥m1或σpi≥s1时,短尺度检测结果fshort=1,否则fshort=0,其中m1为第一候选点数量阈值,s1为第一置信度累计阈值; 21、在第二时间窗口内统计候选拉弧点序列中的候选拉弧点数量或置信度序列中的置信度累计值,并根据第二时间窗口的触发条件得到长尺度检测结果,包括: 22、在第二时间窗口内的n2个时间帧中,统计候选拉弧点数量σbi或置信度累计值σpi; 23、当σbi≥m2或σpi≥s2时,长尺度检测结果flong=1,否则flong=0,其中m2为第二候选点数量阈值,s2为第二置信度累计阈值。 24、在一些实施例中,对短尺度检测结果和长尺度检测结果进行融合,包括以下方式中的任一种: 25、采用逻辑或规则f=fshort∪flong进行融合; 26、采用逻辑与规则f=fshort∩flong进行融合; 27、采用加权评分规则fscore=αfshort+βflong进行融合,其中α+β=1,当fscore≥θf时触发初始事件,θf为融合评分阈值; 28、采用优先级规则,当短尺度检测结果连续满足触发条件时形成待确认事件,当长尺度检测结果满足触发条件时将待确认事件升级为有效初始事件。 29、在一些实施例中,根据合并后的事件输出拉弧告警结果,包括: 30、对于合并后的事件e=[ts,te],计算事件持续时间te=te-ts,以及事件平均置信度pavg、最大置信度pmax和融合评分fscore中的至少一项; 31、输出拉弧告警结果,拉弧告警结果包括是否发生拉弧、拉弧起始时间、结束时间、持续时间和告警等级中的至少一项。 32、第二方面,本发明还提供了一种面向拉弧检测的多尺度时序置信度融合检测装置,该装置包括: 33、信号转换模块,用于获取光伏逆变器直流侧的电流信号,并将电流信号转换为时序特征; 34、序列获取模块,用于将时序特征输入拉弧检测模型,获取拉弧检测模型按时间帧输出的置信度序列,置信度序列中的每个置信度表示对应时间帧存在拉弧故障的概率或置信程度; 35、二值处理模块,用于利用第一预设阈值对置信度序列进行二值化处理,得到候选拉弧点序列; 36、第一统计模块,用于在第一时间窗口内统计候选拉弧点序列中的候选拉弧点数量或置信度序列中的置信度累计值,并根据第一时间窗口的触发条件得到短尺度检测结果; 37、第二统计模块,用于在第二时间窗口内统计候选拉弧点序列中的候选拉弧点数量或置信度序列中的置信度累计值,并根据第二时间窗口的触发条件得到长尺度检测结果,第一时间窗口的长度小于第二时间窗口的长度; 38、结果融合模块,用于对短尺度检测结果和长尺度检测结果进行融合,当融合结果满足预设事件触发条件时,生成初始拉弧事件区间; 39、干扰抑制模块,用于对初始拉弧事件区间进行短时干扰抑制,剔除持续时间小于最小有效持续时间的候选事件,得到有效事件; 40、事件合并模块,用于对有效事件进行邻近事件合并,将间隔时间小于或等于预设合并间隔的相邻事件合并为一个事件,根据合并后的事件输出拉弧告警结果。 41、第三方面,本发明还提供了一种电子设备,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现第一方面提供的面向拉弧检测的多尺度时序置信度融合检测方法。 42、第四方面,本发明还提供了一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现第一方面提供的面向拉弧检测的多尺度时序置信度融合检测方法。 43、第五方面,本发明还提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现第一方面提供的面向拉弧检测的多尺度时序置信度融合检测方法。 44、本发明的有益效果在于:本发明中的方法,通过对拉弧检测模型输出的逐帧置信度序列进行二值化、短窗口与长窗口双尺度统计融合,能够同时兼顾快速响应和误报抑制:短窗口保证对起弧信号的灵敏捕捉,长窗口滤除瞬时噪声和模型短时误识别,避免因单帧抖动触发误告警。在此基础上,进一步通过最小有效持续时间剔除毛刺类假阳性事件,并通过邻近事件合并将因模型短暂漏识别而断裂的真实拉弧片段恢复为完整事件,从而将不稳定的逐帧置信度输出转化为连续、完整、可执行保护动作的事件级告警。该方法无需重新训练模型或更新模型参数,可直接部署于现有拉弧检测模型之后,在满足法规断开时间约束的前提下显著提升拉弧检测的稳定性和事件完整性。 45、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,并可依照说明书的内容予以实施,以下以本发明的较佳实施例并配合附图详细说明如后。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com