一种基于多特征融合的剩余电流故障判断方法及系统与流程

本发明涉及低压配电网保护领域，尤其是涉及一种基于多特征融合的剩余电流故障判断方法及系统。

背景技术：

1、剩余电流监控系统是低压配电网电气火灾预防与人身触电保护的核心设备，广泛应用于居民小区、工业园区、商业综合体等场所。其基本原理是通过零序电流互感器检测线路中的剩余电流，当剩余电流超过预设阈值时，触发报警或切断电路，从而防止电气火灾和触电事故的发生。

2、随着低压配电网负载结构的日益复杂化，线路中的谐波干扰、电磁噪声以及负载波动显著增加，对剩余电流故障判断的准确性和可靠性提出了更高的要求。传统剩余电流保护装置主要依赖单一特征量进行判断，其技术架构简单、响应速度快，但在复杂工况下容易出现误判和漏判。近年来，学术界和工业界开始探索基于多特征融合的剩余电流故障判断方法，通过提取剩余电流的时域、频域特征，并结合环境温度、负载电流等辅助信息，综合判断故障状态，以期提高判断精度和抗干扰能力。

3、然而，现有基于多特征融合的技术方案仍存在若干共性缺陷，主要体现在特征融合方式的静态性、信号预处理与特征提取之间的割裂性、缺乏故障预测能力以及系统自诊断机制的缺失等方面，限制了其在复杂工况下的工程应用效果。

4、因此需要提供一种基于多特征融合的剩余电流故障判断方法及系统，来解决上述问题。

技术实现思路

1、本发明的目的在于提供一种基于多特征融合的剩余电流故障判断方法及系统，通过动态加权融合、改进卡尔曼滤波保留关键频带、arima趋势预测及闭环自诊断，显著提升了复杂工况下剩余电流故障判断的精度、可靠性与主动性，有效解决了现有技术的核心缺陷。

2、为实现上述目的，本发明提供了一种基于多特征融合的剩余电流故障判断方法，包括以下步骤：

3、s1：通过零序电流互感器采集低压配电网线路中的实时剩余电流信号作为原始剩余电流信号，同步采集环境温度信号和负载电流信号，形成多源原始信号集合；

4、s2：对s1中形成的多源原始信号集合进行预处理，得到标准化后的多源信号集合；

5、s3：提取标准化后的多源信号集合中的个信号核心特征，形成多维度特征向量；剩余电流信号特征包括时域特征和频域特征，环境温度信号特征为温度变化率，负载电流信号特征为负载波动系数；

6、s4：构建特征-故障敏感度映射矩阵，根据各特征参数的实时数值，动态调整加权融合算法的权重系数，计算动态融合特征值；

7、s5：故障判断，将s4中计算得到的动态融合特征值与预设故障阈值进行对比，若动态融合特征值不小于预设故障阈值，判定线路存在剩余电流故障，根据各特征参数的数值范围及激活的敏感特征集，识别故障类型；否则判定线路正常；

8、s6：对s5判断出的故障信号进行二次验证，采用s变换提取故障状态下剩余电流的时频特征，与预设的各类故障特征模板进行匹配，匹配度≥95%则确认故障，否则判定为误判，重新返回s1进行信号采集；

9、s7：将连续多个滑动窗口计算得到的动态融合特征值按时间顺序构成融合特征时间序列{}，采用自适应arima模型对融合特征时间序列进行短时预测，得到未来t个时间窗口的预测融合特征值；

10、s8：当预测融合特征值时，输出预警信号并标记潜在故障类型，实现故障提前预警，其中为预警系数，取值范围为[0.6-0.8]。

11、优选的，s2中对多源原始信号集合进行预处理的具体过程如下：

12、s21：采用改进卡尔曼滤波算法消除原始剩余电流信号中的干扰噪声，得到去噪后的剩余电流信号；

13、改进卡尔曼滤波算法的状态方程和观测方程分别为：

14、；

15、；

16、式中，为k时刻的系统状态向量，仅包含去噪后剩余电流信号幅值这一状态量，具有唯一性；为状态转移矩阵，取值为固定常数0.98；为系统噪声驱动矩阵，取值为1；为时刻的系统噪声，服从均值为0、方差为的正态分布；为

k时刻的观测向量；为观测矩阵，取值为1；为

k时刻的观测噪声，服从均值为0、方差为的正态分布；

17、s22：改进卡尔曼滤波算法在状态估计中引入自适应噪声协方差匹配机制，实时估计并更新系统噪声方差和观测噪声方差；

18、s23：针对剩余电流的工频基波及其特征谐波分量，预设保留频带为0-500hz，通过调整状态转移矩阵的带宽参数，确保故障特征频带内的信号无衰减通过，同时滤除500hz以上的高频开关噪声和脉冲干扰；

19、s24：通过滑动窗口法对去噪后的剩余电流信号、环境温度信号、负载电流信号进行标准化处理，消除量纲影响后，得到标准化后的多源信号、、。

20、优选的，s3中剩余电流信号的时域特征包括峰值、有效值和波形畸变率，频域特征包括基波幅值、二次谐波幅值、五次谐波幅值；各特征参数之间的定义唯一且互不干扰；

21、剩余电流信号的有效值；式中为单个滑动窗口内的采样点数，为第

i个采样时刻；

22、波形畸变率；式中为剩余电流第n次谐波幅值，n≥2；

23、温度变化率；式中为固定时间间隔，取值为10s；

24、负载波动系数；式中，、、分别为单个滑动窗口内标准化负载电流的最大值、最小值和平均值。

25、优选的，s4中动态融合特征值的计算公式为：

26、=；

27、式中，、、、、分别为各特征对应的动态权重系数，满足，=；为动态调整系数，取值范围为[0.5,1.5]，为特征

i是否属于当前激活敏感特征集的指示函数，激活时取值为1，否则为0；为剩余电流有效值，为剩余电流波形畸变率，为剩余电流第二次谐波幅值，为环境温度变化率，为负载波动系数。

28、一种基于多特征融合的剩余电流故障监控系统，用于实现一种基于多特征融合的剩余电流故障判断方法的步骤，包括信号采集模块、信号预处理模块、特征提取模块、自适应特征融合模块、故障判断模块、趋势预测模块、报警与控制模块、自诊断模块及数据存储与通信模块；

29、信号采集模块、信号预处理模块、特征提取模块和自适应特征融合模块之间依次连接，自适应特征融合模块分别与故障判断模块和趋势预测模块连接，故障判断模块和趋势预测模块与报警与控制模块连接；

30、自诊断模块分别与信号采集模块、信号预处理模块、特征提取模块、自适应特征融合模块和故障判断模块连接，通信模块与上述所有模块连接。

31、优选的，信号采集模块包括零序电流互感器、温度传感器和电流传感器，分别用于采集剩余电流信号、环境温度信号和负载电流信号，将采集到的模拟信号转换为多源数字信号后传输至信号预处理模块；

32、信号预处理模块接收信号采集模块传输的多源数字信号，采用改进卡尔曼滤波算法进行去噪处理，通过滑动窗口法进行标准化处理，将处理后的信号传输至特征提取模块；

33、特征提取模块接收预处理后的多源数字信号，分别提取剩余电流的时域、频域特征，以及环境温度、负载电流的特征参数，形成多维度特征向量，传输至自适应特征融合模块；

34、自适应特征融合模块内置自适应加权融合算法和特征-故障敏感度映射矩阵，接收特征提取模块传输的多维度特征向量，根据实时特征数值动态调整权重系数，计算动态融合特征值，传输至故障判断模块；

35、故障判断模块，预设唯一故障阈值，对比融合特征值与故障阈值，判断线路是否存在故障及故障类型，同时通过s变换进行故障二次验证；

36、趋势预测模块内置自适应arima预测模型，接收连续多个滑动窗口的动态融合特征值，构成融合特征时间序列并进行短时预测，当预测值达到预警阈值时输出预警信号至报警与控制模块；

37、报警与控制模块确认存在剩余电流故障时，立即发出声光报警信号，同时输出控制信号至断路器，切断故障线路；当趋势预测模块输出预警信号时，发出预警提示，不执行跳闸操作；

38、自诊断模块中定期注入预设的自检信号波形，通过闭环检测各模块的响应输出，判断各模块是否工作正常；当任一模块响应异常或输出偏差超过预设自检阈值时，生成模块故障代码并上传至远程监控中心，同时自动旁路故障模块并启用备用算法通道；

39、数据存储与通信模块用于存储采集的原始剩余电流信号、预处理后的多源数字信号、特征参数、融合特征值及故障判断结果，同时支持与远程监控中心通信，实时上传故障信息。

40、优选的，信号采集模块的采样频率固定为1000hz，采样精度为16位，零序电流互感器的测量范围为0-500ma，温度传感器的测量范围为-20℃~80℃，测量误差的绝对值不大于0.5℃，电流传感器的测量范围为0-100a，测量误差的绝对值不大于±1%。

41、优选的，故障判断模块中故障阈值通过1000组不同故障类型的样本数据训练得到，取值为0.72，根据实际线路运行工况，通过远程监控中心进行微调；自适应特征融合模块中，基础权重系数通过样本训练确定，分别为=0.35，，，，，动态调整系数的取值为1.0。

42、优选的，自诊断模块的自检周期设置为24小时，自检信号波形为包含幅值为=50hz的基波、二次谐波幅值=100hz、三次谐波幅值的复合波形，幅值为满量程的50%；各模块的正常响应偏差阈值的绝对值不超过5%，否则判定为模块异常。

43、因此，本发明采用上述的一种基于多特征融合的剩余电流故障判断方法及系统，技术效果如下：

44、（1）本发明增加自适应动态加权融合机制，通过构建特征-故障敏感度映射矩阵，根据实时特征数值自动激活对应的敏感特征集并动态调整权重系数，使监控系统对人体触电、设备漏电、绝缘劣化等不同故障类型均保持最优灵敏度。

45、（2）本发明采用改进卡尔曼滤波算法，在状态估计中引入自适应噪声协方差匹配机制，并针对剩余电流故障特征频带预设0-500hz保留频带，确保关键故障特征信号无衰减通过，同时有效滤除高频开关噪声和脉冲干扰。

46、（3）本发明新增趋势预测预警机制，通过对连续多个滑动窗口的动态融合特征值构成时间序列，采用自适应arima模型进行短时预测，当预测融合特征值达到预警阈值时提前输出预警信号。

47、（4）本发明新增自诊断模块，通过定期注入预设的自检信号波形，对信号采集模块、信号预处理模块、特征提取模块、自适应特征融合模块进行闭环检测，能够自动定位故障模块并生成故障代码，同时启用备用算法通道。

48、（5）本发明中所有核心参数均有唯一定义和标准化计算方法，参数之间互不交叉、互不干扰。

49、（6）本发明将自适应动态加权融合、改进卡尔曼滤波、s变换二次验证、arima趋势预测以及系统自诊断五大创新点有机融合，构成从信号采集、预处理、特征提取、自适应融合、故障判断、二次验证、趋势预测到系统自诊断的完整技术闭环。