发明名称 基于支持向量机的故障电弧检测方法
摘要 一种基于支持向量机的故障电弧检测方法,涉及电弧保护技术领域,所解决的是提高故障电弧的辨识和判定准确性的技术问题。该方法的具体步骤如下:1)采集不同负载及工况下的待测线路电流样本;2)对每个电流样本的波形进行归一化;3)根据归一化后的电流样本得到测试样本组合;4)将测试样本组合分成训练集和验证集;5)计算出预测准确率最高的核函数参数和惩罚参数;6)对验证集样本中的每个样本进行预测;7)用不同的样本集进行训练,得到权值矩阵;8)用权值矩阵对验证集样本进行验证,并根据验证结果建立检测模型;9)利用检测模型对故障电弧进行辨识和判定。本发明提供的方法,能有效避免故障电弧检测设备在干扰负载下误动作。
申请公布号 CN102331543B 申请公布日期 2013.11.13
申请号 CN201110170136.3 申请日期 2011.06.23
申请人 上海市安全生产科学研究所;上海交通大学 发明人 陈征;张峰;曹潘亮;张宏荃;陈洪亮;张士文;王子俊;朱叶锋;曹月雯;方晶;陆勤
分类号 G01R31/02(2006.01)I;G01R19/00(2006.01)I;G06K9/62(2006.01)I 主分类号 G01R31/02(2006.01)I
代理机构 上海申汇专利代理有限公司 31001 代理人 林炜
主权项 1.一种基于支持向量机的故障电弧检测方法,其特征在于,具体步骤如下:1)利用负载来模拟待测线路发生故障电弧的非正常工况和正常工况,并从零点起以5kHz的频率采集至少1000个在不同负载和/或不同工况下的待测线路电流样本,并记录每个电流样本采集时的电路状态,得到电流样本组合,记为<img file="2011101701363100001DEST_PATH_IMAGE001.GIF" wi="58" he="25" />;其中,j为样本采集序号,<img file="241889DEST_PATH_IMAGE002.GIF" wi="20" he="22" />为第j个电流样本的电流矩阵,<img file="2011101701363100001DEST_PATH_IMAGE003.GIF" wi="21" he="22" />为第j个电流样本的类别,若<img file="999105DEST_PATH_IMAGE003.GIF" wi="21" he="22" />=1则表示第j个电流样本为电弧,若<img file="203822DEST_PATH_IMAGE003.GIF" wi="21" he="22" />=0则表示第j个电流样本为非电弧;其中,每个电流样本的采集时长为5个电流周期;2)通过将每个电流样本映射到区间[-1,1]内的方式对每个电流样本的波形进行归一化,具体映射公式为:<img file="402722DEST_PATH_IMAGE004.GIF" wi="165" he="128" />式中,<img file="2011101701363100001DEST_PATH_IMAGE005.GIF" wi="33" he="25" />为电流幅值最大的电流样本,<img file="9284DEST_PATH_IMAGE006.GIF" wi="32" he="25" />为电流幅值最小的电流样本,<img file="2011101701363100001DEST_PATH_IMAGE007.GIF" wi="20" he="22" />为第j个电流样本的电流矩阵,<img file="940331DEST_PATH_IMAGE008.GIF" wi="25" he="21" />为第j个电流样本归一化后的电流矩阵;得到归一化后的样本组合为:<img file="2011101701363100001DEST_PATH_IMAGE009.GIF" wi="60" he="25" />;3)对每个电流样本归一化后的电流矩阵进行同比例放大和一阶求导,得到电流样本的测试数据为:<img file="632343DEST_PATH_IMAGE010.GIF" wi="129" he="33" />其中,<img file="2011101701363100001DEST_PATH_IMAGE011.GIF" wi="29" he="34" />为第j个电流样本的测试数据,<img file="307038DEST_PATH_IMAGE012.GIF" wi="22" he="21" />为第j个电流样本的<img file="2011101701363100001DEST_PATH_IMAGE013.GIF" wi="26" he="21" />同比例放大后的电流矩阵,<img file="768106DEST_PATH_IMAGE014.GIF" wi="24" he="21" />为第j个电流样本的电流变化率矩阵;得到测试样本组合为:<img file="2011101701363100001DEST_PATH_IMAGE015.GIF" wi="63" he="33" />;4)随机选取至少800个测试样本作为训练集,剩余测试样本作为验证集;5)根据训练集样本和验证集样本,用网格交叉验证算法和遗传算法分别计算出核函数参数和惩罚参数,然后选取两种算法中预测准确率最高的核函数参数和惩罚参数作为SVM模型的核函数参数和惩罚参数;6)对验证集样本中的每个样本进行预测,其具体预测步骤如下:①准备训练样本{<img file="135634DEST_PATH_IMAGE016.GIF" wi="58" he="33" />,<img file="DEST_PATH_IMAGE017.GIF" wi="63" he="33" />…<img file="377259DEST_PATH_IMAGE015.GIF" wi="63" he="33" />…<img file="587136DEST_PATH_IMAGE018.GIF" wi="66" he="33" />},其中p为样本的训练样本的总数量;②在约束条件下求解使目标函数最大化的最优权值参数;其中,约束条件为:<img file="DEST_PATH_IMAGE019.GIF" wi="257" he="51" />式中,<img file="168290DEST_PATH_IMAGE020.GIF" wi="24" he="30" />为内积权值参数,C为惩罚参数,<img file="503457DEST_PATH_IMAGE003.GIF" wi="21" he="22" />为第j个电流样本的类别;目标函数为:<img file="DEST_PATH_IMAGE021.GIF" wi="290" he="51" />式中,<img file="170061DEST_PATH_IMAGE022.GIF" wi="40" he="24" />为目标函数,<img file="DEST_PATH_IMAGE023.GIF" wi="77" he="26" />为核函数运算,<img file="186559DEST_PATH_IMAGE024.GIF" wi="26" he="28" />为核函数运算的第j个输入变量,<img file="DEST_PATH_IMAGE025.GIF" wi="24" he="25" />为核函数运算矩阵的第i个元素;③计算最优权值<img file="622220DEST_PATH_IMAGE026.GIF" wi="114" he="51" />式中,<img file="DEST_PATH_IMAGE027.GIF" wi="30" he="30" />为最优权值参数,<img file="331550DEST_PATH_IMAGE028.GIF" wi="19" he="26" />为第j个隐层输出向量,<img file="DEST_PATH_IMAGE029.GIF" wi="26" he="28" />为最优权值向量;④计算分类判别函数<img file="219871DEST_PATH_IMAGE030.GIF" wi="248" he="51" />式中,X为待分类模式,<img file="DEST_PATH_IMAGE031.GIF" wi="45" he="24" />为分类判别函数,<img file="40060DEST_PATH_IMAGE032.GIF" wi="18" he="25" />为偏置向量;7)SVM训练用不同的样本集,在步骤5选取出的核函数参数和惩罚参数下重复步骤6的训练,得到由每次训练所计算出的<img file="DEST_PATH_IMAGE033.GIF" wi="24" he="25" />组成的权值矩阵,记为Model;8)用权值矩阵Model对验证集样本中的每个样本进行验证,选取预测准确率最佳的SVM参数作为最佳参数,并根据选取的参数建立SVM算法对故障电弧的检测模型;9)利用步骤8建立的检测模型对故障电弧进行辨识和判定。
地址 200233 上海市徐汇区田林路191号