一种基于小波分解和神经网络的电弧检测方法及装置与流程

技术特征：
1.一种基于小波分解和神经网络的电弧检测方法，其特征在于，包括：根据背景电流波形序列与当前周期电流波形采样序列作差，获取当前周期电流差分波形序列，并对所述当前周期电流差分波形序列进行离散小波变换处理，获取故障电弧检测的特征量；将所述故障电弧检测的特征量输入训练好的误差反向传播神经网络进行二分类，输出线路产生故障电弧的概率，若所述输出线路产生故障电弧的概率大于阈值，则判定线路产生故障电弧。2.根据权利要求1所述的基于小波分解和神经网络的电弧检测方法，其特征在于，所述对所述当前周期电流差分波形序列进行离散小波变换处理，获取故障电弧检测的特征量，包括：根据线路产生故障电弧时电流波形的特征获取初始的尺度函数以及初始的小波函数；分别构建所述初始的尺度函数以及所述初始的小波函数的高通滤波器和低通滤波器；采用所述高通滤波器和低通滤波器对输入信号进行滤波处理，获取所需频带上的所述故障电弧检测的特征量，所述故障电弧检测的特征量包括，小波分解的尺度系数以及小波系数。3.根据权利要求1所述的基于小波分解和神经网络的电弧检测方法，其特征在于，在根据背景电流波形序列与当前周期电流波形采样序列作差之前，还包括：对线路正常稳态运行时的电流波形进行采样，获取正常稳态运行时的周期电流波形采样序列；计算所述正常稳态运行时的周期电流波形采样序列的期望，获取所述背景电流波形序列。4.根据权利要求3所述的基于小波分解和神经网络的电弧检测方法，其特征在于，在根据背景电流波形序列与当前周期电流波形采样序列作差之前，还包括：根据采样频率200khz对线路的电流波形进行当前周期的采样，获取所述当前周期电流波形采样序列。5.根据权利要求2所述的基于小波分解和神经网络的电弧检测方法，其特征在于，所述采用所述高通滤波器和低通滤波器对输入信号进行滤波处理，获取所需频带上的所述故障电弧检测的特征量，包括：所述当前周期电流差分波形序列分别与所述低通滤波器和所述高通滤波器做离散卷积，分别获取所述小波分解的尺度系数以及小波系数。6.一种基于小波分解和神经网络的电弧检测装置，其特征在于，包括：获取模块，用于根据背景电流波形序列与当前周期电流波形采样序列作差，获取当前周期电流差分波形序列，并对所述当前周期电流差分波形序列进行离散小波变换处理，获取故障电弧检测的特征量；检测模块，用于将所述故障电弧检测的特征量输入训练好的误差反向传播神经网络进行二分类，输出线路产生故障电弧的概率，若所述输出线路产生故障电弧的概率大于阈值，则判定线路产生故障电弧。7.根据权利要求6所述的基于小波分解和神经网络的电弧检测装置，其特征在于，所述获取模块，还用于：
根据线路产生故障电弧时电流波形的特征获取初始的尺度函数以及初始的小波函数；分别构建所述初始的尺度函数以及所述初始的小波函数的高通滤波器和低通滤波器；采用所述高通滤波器和低通滤波器对输入信号进行滤波处理，获取所需频带上的所述故障电弧检测的特征量，所述故障电弧检测的特征量包括，小波分解的尺度系数以及小波系数。8.根据权利要求6所述的基于小波分解和神经网络的电弧检测装置，其特征在于，还包括第一确定模块，用于：对线路正常稳态运行时的电流波形进行采样，获取正常稳态运行时的周期电流波形采样序列；计算所述正常稳态运行时的周期电流波形采样序列的期望，获取所述背景电流波形序列。9.根据权利要求8所述的基于小波分解和神经网络的电弧检测装置，其特征在于，所述第一确定模块，还用于：根据采样频率200khz对线路的电流波形进行当前周期的采样，获取所述当前周期电流波形采样序列。10.根据权利要求7所述的基于小波分解和神经网络的电弧检测装置，其特征在于，所述获取模块，还用于：所述当前周期电流差分波形序列分别与所述低通滤波器和所述高通滤波器做离散卷积，分别获取所述小波分解的尺度系数以及小波系数。

技术总结
本发明公开了一种基于小波分解和神经网络的电弧检测方法及装置，该方法包括：根据背景电流波形序列与当前周期电流波形采样序列作差，获取当前周期电流差分波形序列，并对所述当前周期电流差分波形序列进行离散小波变换处理，获取故障电弧检测的特征量；将所述故障电弧检测的特征量输入训练好的误差反向传播神经网络进行二分类，输出线路产生故障电弧的概率，若所述输出线路产生故障电弧的概率大于阈值，则判定线路产生故障电弧。本发明基于小波分解和神经网络的检测方法，避免了由于背景噪声带来的干扰，同时降低了算法的执行时间并提高了故障电弧检测的准确度。并提高了故障电弧检测的准确度。并提高了故障电弧检测的准确度。


技术研发人员：潘峰 冯浩洋 杨雨瑶 黄友朋 危阜胜
受保护的技术使用者：广东电网有限责任公司计量中心
技术研发日：2021.08.26
技术公布日：2021/11/28