CN110058133B - 一种基于反馈机制的电气线路故障电弧误报优化方法 - Google Patents
一种基于反馈机制的电气线路故障电弧误报优化方法 Download PDFInfo
- Publication number
- CN110058133B CN110058133B CN201910300660.4A CN201910300660A CN110058133B CN 110058133 B CN110058133 B CN 110058133B CN 201910300660 A CN201910300660 A CN 201910300660A CN 110058133 B CN110058133 B CN 110058133B
- Authority
- CN
- China
- Prior art keywords
- false alarm
- fault arc
- current
- alarm
- feedback mechanism
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/12—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing
- G01R31/1227—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing of components, parts or materials
- G01R31/1263—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing of components, parts or materials of solid or fluid materials, e.g. insulation films, bulk material; of semiconductors or LV electronic components or parts; of cable, line or wire insulation
- G01R31/1272—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing of components, parts or materials of solid or fluid materials, e.g. insulation films, bulk material; of semiconductors or LV electronic components or parts; of cable, line or wire insulation of cable, line or wire insulation, e.g. using partial discharge measurements
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Locating Faults (AREA)
Abstract
本发明涉及一种基于反馈机制的电气线路故障电弧误报优化方法,获取误报场景特征集S并更新到最新,当故障电弧探测设备检测到故障电弧,提取若干个工频周期内的电气线路的若干电气特征构建待验证的特征向量X,以X遍历S中的特征向量,计算X与S中每个特征向量距离的余弦相似度ρ,当存在任一ρ小于阈值,则本次故障电弧报警为误报,否则进行人工干预,若判定为误报,则将X计入S并更新阈值,否则故障电弧提交处理。本发明针对每个故障电弧探测终端构建一个单独的误报场景特征数据集,误报的情况在同类场景将不会再次发生,通过逐渐对误报场景特征数据集的丰富,基于反馈机制,避免已知误报场景的持续误报。
Description
技术领域
本发明涉及测量电变量;测量磁变量的技术领域,特别涉及一种基于反馈机制的电气线路故障电弧误报优化方法。
背景技术
电气线路存在很多种电气故障,故障电弧即是其中之一,其通常会产生3000℃以上的高温,极易造成电气火灾的发生。
随着电气行业的发展,各种故障电弧的检测装备和检测算法层出不穷,但在全球范围内,尚无任何一个商业公司或科研机构可以做到检测算法零误报,甚至在某些实际场景下极易发生误报;基于这种误报,当多次发生后,部分用户会因为误报的困扰而拆除电气火灾监测设备,这导致了在真正的电气火灾隐患及电气火灾发生之际无法及时报警,造成巨大的人身和财产损失。
现有技术中,亦有部分研究尝试加大样本,以期尽可能覆盖更多场景,进而减少误报的发生,但这种方式始终无法、也不可能覆盖所有用户场景,且由于模型和算法的固定,一种误报往往会持续发生在同个场景中,故障电弧报警效率低,上述的缺陷亦没有得到很好的解决。
发明内容
本发明解决了现有技术中,无法做到电气线路故障电弧的检测算法零误报,甚至在某些实际场景下极易发生误报,使得部分用户会因为误报的困扰而拆除电气火灾监测设备,进而导致的在真正的电气火灾隐患及电气火灾发生之际无法及时报警,造成巨大的人身和财产损失的问题,提供了一种优化的基于反馈机制的电气线路故障电弧误报优化方法。
本发明所采用的技术方案是,一种基于反馈机制的电气线路故障电弧误报优化方法,所述方法包括以下步骤:
步骤1:初始化电气线路,获取误报场景特征集S并更新;
步骤2:故障电弧探测设备持续探测故障电弧,若检测到故障电弧,则进行下一步,否则,重复步骤2;
步骤3:自当前时刻起,提取若干个工频周期内的电气线路的若干电气特征,构建待验证的特征向量X;
步骤4:若S为空,则进行步骤6,否则,遍历S中的特征向量,计算特征向量X与S中每个特征向量距离的余弦相似度ρ;
步骤5:若任一余弦相似度ρ小于阈值H,则本次故障电弧报警为误报,忽略并结束,否则,进行下一步;H≥0;
步骤6:进行人工干预,若本次故障电弧报警为误报,则将特征向量X计入误报场景特征集S、更新阈值H,结束,否则,判定故障电弧有效,提交处理。
优选地,所述步骤3中,以1个工频周期为单元,获取n个工频周期内的电气线路的电流有效值的平均值f1、电流平肩区域平均持续时间f2、电流采样值标准差的平均值f3、奇次谐波f4及电流变化趋势变化次数平均值f5作为特征向量X。
优选地,得到所述电流有效值的平均值f1包括以下步骤:
步骤3.1:获取n个工频周期内的电气线路的电流有效值I,I={i1,...ik,...in},其中,1≤k≤n;
步骤3.3:滤除与平均值偏差度超过10%的有效值,记录剩余电流有效值I',I'={i1,...ik,...im},其中,1≤m≤n;
优选地,所述电流平肩区域为任一工频周期内电流波动小于等于α的区域;α∈(0,8%]。
优选地,所述奇次谐波f4包括3次谐波、5次谐波、7次谐波。
优选地,所述步骤6中,更新阈值H包括以下步骤:
步骤6.1:获取每第N次误报的故障电弧,将特征向量X计入误报场景特征集S,计算特征向量X与误报场景特征集S中的所有特征的欧氏距离,得到集合A;
步骤6.2:统计集合A中大于阈值W的元素的百分比w,若w≥60%的值,则保持阈值H不变并结束,否则,进行下一步;
本发明提供了一种优化的基于反馈机制的电气线路故障电弧误报优化方法,通过获取误报场景特征集S并更新到最新,当故障电弧探测设备检测到故障电弧,则提取若干个工频周期内的电气线路的若干电气特征,构建待验证的特征向量X,以特征向量X遍历S中的特征向量,计算特征向量X与S中每个特征向量距离的余弦相似度ρ,当存在任一余弦相似度ρ小于阈值H,则本次故障电弧报警为误报,否则进行人工干预,若判定为误报,则将特征向量X计入误报场景特征集S并更新阈值H,否则故障电弧将被提交处理。
本发明针对每个故障电弧探测终端构建一个单独的误报场景特征数据集,一种场景下出现误报并人工标记,之后同类场景将不会再次发生误报,通过逐渐对误报场景特征数据集的丰富,基于反馈机制,避免已知误报场景的持续误报。
附图说明
图1为本发明的方法流程图。
具体实施方式
下面结合实施例对本发明做进一步的详细描述,但本发明的保护范围并不限于此。
本发明涉及一种基于反馈机制的电气线路故障电弧误报优化方法,所述方法包括以下步骤。
步骤1:初始化电气线路,获取误报场景特征集S并更新。
本发明中,步骤1的更新指的是同步,在同一条电气线路上可能存在多个检测故障电弧的点,当一个检测点确认出现误报情况后需要更新、同步到误报场景特征集S,进而完成后续的作业。
步骤2:故障电弧探测设备持续探测故障电弧,若检测到故障电弧,则进行下一步,否则,重复步骤2。
步骤3:自当前时刻起,提取若干个工频周期内的电气线路的若干电气特征,构建待验证的特征向量X。
所述步骤3中,以1个工频周期为单元,获取n个工频周期内的电气线路的电流有效值的平均值f1、电流平肩区域平均持续时间f2、电流采样值标准差的平均值f3、奇次谐波f4及电流变化趋势变化次数平均值f5作为特征向量X。
得到所述电流有效值的平均值f1包括以下步骤:
步骤3.1:获取n个工频周期内的电气线路的电流有效值I,I={i1,...ik,...in},其中,1≤k≤n;
步骤3.3:滤除与平均值偏差度超过10%的有效值,记录剩余电流有效值I',I'={i1,...ik,...im},其中,1≤m≤n;
所述电流平肩区域为任一工频周期内电流波动小于等于α的区域;α∈(0,8%]。
所述奇次谐波f4包括3次谐波、5次谐波、7次谐波。
本发明中,特征向量X的特征值包括但不限于n个工频周期内的电气线路的电流有效值的平均值f1、电流平肩区域平均持续时间f2、电流采样值标准差的平均值f3、奇次谐波f4及电流变化趋势变化次数平均值f5,本领域技术人员可以依据需求自行设置。
本发明中,50HZ交流电的一个工频周期为20ms,一般情况下,取25个工频周期进行特征向量提取。
本发明中,电流平肩是指一个工频周期内电流维持基本不变的波形区间。
本发明中,电流变化趋势变化次数是指,若电流波形中递增变成递减趋势,则记1次变化,电流波形由递减变成递增趋势也视为1次变化。
步骤4:若S为空,则进行步骤6,否则,遍历S中的特征向量,计算特征向量X与S中每个特征向量距离的余弦相似度ρ。
本发明中,采用余弦相似度判断特征向量X与S中每个特征向量的近似程度,从方向上区分差异,修正了可能存在的度量标准不统一的问题,准确性更高。
步骤5:若任一余弦相似度ρ小于阈值H,则本次故障电弧报警为误报,忽略并结束,否则,进行下一步;H≥0。
本发明中,只要S中有一个特征向量与特征向量X的余弦相似度ρ小于阈值H,则表示特征向量X指向的特征为误报特征,则不予进一步处理。
步骤6:进行人工干预,若本次故障电弧报警为误报,则将特征向量X计入误报场景特征集S、更新阈值H,结束,否则,判定故障电弧有效,提交处理。
所述步骤6中,更新阈值H包括以下步骤:
步骤6.1:获取每第N次误报的故障电弧,将特征向量X计入误报场景特征集S,计算特征向量X与误报场景特征集S中的所有特征的欧氏距离,得到集合A;
步骤6.2:统计集合A中大于阈值W的元素的百分比w,若w≥60%的值,则保持阈值H不变并结束,否则,进行下一步;
本发明中,任何一次故障电弧报警都可能是电气火灾隐患,在未判断为误报前,都需要人工干预并确认,当确认现场线路并无问题,人工通过故障电弧探测器上预设的按键动作标记此次为故障电弧误报,否则即进行提交处理。
本发明中,如果出现新的误报的特征向量X,则需要将特征向量X计入误报场景特征集S并更新阈值H。
本发明中,一个故障电弧探测器覆盖的场景必然为有限并且相对固定的场景,随着误报场景的发生,误报场景将不断被记忆并丰富特征集。最终误报的发生将逐渐变少并趋近于0,基于此,以欧氏距离衡量特征向量X与误报场景特征集S中的所有特征的欧氏距离,此处存在阈值W,用于衡量特征向量X与误报场景特征集S中的所有特征的差异,当差异较大时,说明这是一个全新的误差特征,阈值应当维持在原本的水平,否则可能会出现漏报的情况,而当差异很小时,说明误差特征已经与误差集合中的特征向量非常接近,误差集合已可以代表误差特征向量,故可以降低阈值H为并以H′为新的阈值H。
本发明中,更新阈值H时采用欧氏距离计算特征向量间的距离,能够体现个体数值特征的绝对差异,可以从数值大小中体现差异的分析,保证计算结果的精确。
本发明中,一般来说,阈值的更新频率为20次误报后进行一次,过高频率的更新会给服务器带来压力。
本发明中,还可以适时为误报场景特征集S中的特征向量进行查重,删除重复的特征向量。
本发明通过获取误报场景特征集S并更新到最新,当故障电弧探测设备检测到故障电弧,则提取若干个工频周期内的电气线路的若干电气特征,构建待验证的特征向量X,以特征向量X遍历S中的特征向量,计算特征向量X与S中每个特征向量距离的余弦相似度ρ,当存在任一余弦相似度ρ小于阈值H,则本次故障电弧报警为误报,否则进行人工干预,若判定为误报,则将特征向量X计入误报场景特征集S并更新阈值H,否则故障电弧将被提交处理。
本发明针对每个故障电弧探测终端构建一个单独的误报场景特征数据集,一种场景下出现误报并人工标记,之后同类场景将不会再次发生误报,通过逐渐对误报场景特征数据集的丰富,基于反馈机制,避免已知误报场景的持续误报。
Claims (7)
1.一种基于反馈机制的电气线路故障电弧误报优化方法,其特征在于:所述方法包括以下步骤:
步骤1:初始化电气线路,获取误报场景特征集S并更新;
步骤2:故障电弧探测设备持续探测故障电弧,若检测到故障电弧,则进行下一步,否则,重复步骤2;
步骤3:自当前时刻起,提取若干个工频周期内的电气线路的若干电气特征,构建待验证的特征向量X;
步骤4:若S为空,则进行步骤6,否则,遍历S中的特征向量,计算特征向量X与S中每个特征向量距离的余弦相似度ρ;
步骤5:若任一余弦相似度ρ小于阈值H,则本次故障电弧报警为误报,忽略并结束,否则,进行下一步;H≥0;
步骤6:进行人工干预,若本次故障电弧报警为误报,则将特征向量X计入误报场景特征集S、更新阈值H,结束,否则,判定故障电弧有效,提交处理。
2.根据权利要求1所述的一种基于反馈机制的电气线路故障电弧误报优化方法,其特征在于:所述步骤3中,以1个工频周期为单元,获取n个工频周期内的电气线路的电流有效值的平均值f1、电流平肩区域平均持续时间f2、电流采样值标准差的平均值f3、奇次谐波f4及电流变化趋势变化次数平均值f5作为特征向量X;其中,电流平肩是指一个工频周期内电流维持基本不变的波形区间。
4.根据权利要求2所述的一种基于反馈机制的电气线路故障电弧误报优化方法,其特征在于:所述电流平肩区域为任一工频周期内电流波动小于等于α的区域;α∈(0,8%]。
5.根据权利要求2所述的一种基于反馈机制的电气线路故障电弧误报优化方法,其特征在于:所述奇次谐波f4包括3次谐波、5次谐波、7次谐波。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910300660.4A CN110058133B (zh) | 2019-04-15 | 2019-04-15 | 一种基于反馈机制的电气线路故障电弧误报优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910300660.4A CN110058133B (zh) | 2019-04-15 | 2019-04-15 | 一种基于反馈机制的电气线路故障电弧误报优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110058133A CN110058133A (zh) | 2019-07-26 |
CN110058133B true CN110058133B (zh) | 2021-03-02 |
Family
ID=67319136
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910300660.4A Active CN110058133B (zh) | 2019-04-15 | 2019-04-15 | 一种基于反馈机制的电气线路故障电弧误报优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110058133B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110861987B (zh) * | 2019-10-23 | 2021-06-08 | 日立楼宇技术(广州)有限公司 | 一种电梯故障判断逻辑验证方法、***及存储介质 |
CN113392678A (zh) * | 2020-03-12 | 2021-09-14 | 杭州海康威视数字技术股份有限公司 | 行人检测方法、设备和存储介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5485471A (en) * | 1993-10-15 | 1996-01-16 | Mitsubishi Electric Research Laboratories, Inc. | System for testing of digital integrated circuits |
CN102288857A (zh) * | 2011-05-18 | 2011-12-21 | 浙江科技学院 | 一种故障电弧的辨识检测方法及其检测保护装置 |
CN103376389A (zh) * | 2013-07-30 | 2013-10-30 | 广东雅达电子股份有限公司 | 一种用于低压线路的故障电弧判断***及其判断方法 |
CN103824135A (zh) * | 2014-03-11 | 2014-05-28 | 合肥工业大学 | 一种模拟电路故障预测方法 |
CN104569694A (zh) * | 2015-01-28 | 2015-04-29 | 北京空间飞行器总体设计部 | 一种面向航天器飞行过程的电信号特征提取和识别*** |
CN105699865A (zh) * | 2016-01-29 | 2016-06-22 | 张波 | 一种绝缘特性检测方法及其*** |
CN105866635A (zh) * | 2015-08-05 | 2016-08-17 | 深圳市赋安安全***有限公司 | 一种故障电弧探测方法及装置 |
CN107037341A (zh) * | 2017-06-02 | 2017-08-11 | 北京英瑞来科技有限公司 | 一种故障电弧检测方法 |
CN107229017A (zh) * | 2017-01-06 | 2017-10-03 | 科诺伟业风能设备(北京)有限公司 | 一种风力发电机组变桨蓄电池异常故障预测方法 |
CN108562835A (zh) * | 2018-03-19 | 2018-09-21 | 杭州拓深科技有限公司 | 一种基于bp神经网络的故障电弧检测方法 |
CN109596945A (zh) * | 2019-01-18 | 2019-04-09 | 广东电网有限责任公司 | 一种基于相关系数向量相似程度的配电网故障选线新方法 |
-
2019
- 2019-04-15 CN CN201910300660.4A patent/CN110058133B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5485471A (en) * | 1993-10-15 | 1996-01-16 | Mitsubishi Electric Research Laboratories, Inc. | System for testing of digital integrated circuits |
CN102288857A (zh) * | 2011-05-18 | 2011-12-21 | 浙江科技学院 | 一种故障电弧的辨识检测方法及其检测保护装置 |
CN103376389A (zh) * | 2013-07-30 | 2013-10-30 | 广东雅达电子股份有限公司 | 一种用于低压线路的故障电弧判断***及其判断方法 |
CN103824135A (zh) * | 2014-03-11 | 2014-05-28 | 合肥工业大学 | 一种模拟电路故障预测方法 |
CN104569694A (zh) * | 2015-01-28 | 2015-04-29 | 北京空间飞行器总体设计部 | 一种面向航天器飞行过程的电信号特征提取和识别*** |
CN105866635A (zh) * | 2015-08-05 | 2016-08-17 | 深圳市赋安安全***有限公司 | 一种故障电弧探测方法及装置 |
CN105699865A (zh) * | 2016-01-29 | 2016-06-22 | 张波 | 一种绝缘特性检测方法及其*** |
CN107229017A (zh) * | 2017-01-06 | 2017-10-03 | 科诺伟业风能设备(北京)有限公司 | 一种风力发电机组变桨蓄电池异常故障预测方法 |
CN107037341A (zh) * | 2017-06-02 | 2017-08-11 | 北京英瑞来科技有限公司 | 一种故障电弧检测方法 |
CN108562835A (zh) * | 2018-03-19 | 2018-09-21 | 杭州拓深科技有限公司 | 一种基于bp神经网络的故障电弧检测方法 |
CN109596945A (zh) * | 2019-01-18 | 2019-04-09 | 广东电网有限责任公司 | 一种基于相关系数向量相似程度的配电网故障选线新方法 |
Non-Patent Citations (1)
Title |
---|
光伏***中直流串联电弧故障的检测研究;苗甲;《中国优秀硕士学位论文全文数据库 工程科技II辑》;20170215;C042-1254 * |
Also Published As
Publication number | Publication date |
---|---|
CN110058133A (zh) | 2019-07-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106888205B (zh) | 一种非侵入式基于功耗分析的plc异常检测方法 | |
CN110895526A (zh) | 一种大气监测***中数据异常的修正方法 | |
CN111444168A (zh) | 一种配电室变压器日最大负荷异常数据检测处理方法 | |
CN111610407B (zh) | 基于朴素贝叶斯的电缆老化状态评估方法和装置 | |
CN110058133B (zh) | 一种基于反馈机制的电气线路故障电弧误报优化方法 | |
CN113518011B (zh) | 异常检测方法和装置、电子设备及计算机可读存储介质 | |
CN106709905B (zh) | 一种基于双目视觉图像的防振锤故障在线检测识别方法 | |
CN110286656B (zh) | 一种错误数据容忍的虚警过滤方法和装置 | |
CN106645934B (zh) | 基于动态网格离群点的用电行为反窃电诊断方法和装置 | |
CN113589105B (zh) | 基于物联网的建筑电气火灾串联故障电弧识别方法及*** | |
CN109284933B (zh) | 一种基于数理统计的电子式互感器状态评估***及方法 | |
CN117312997B (zh) | 一种电力管理***智能诊断方法及*** | |
CN117371339B (zh) | 基于物联网的变压器运行监测*** | |
CN113592308B (zh) | 一种基于常态模型的监测数据告警阈值提取方法 | |
CN113536066A (zh) | 一种数据异常检测算法确定方法、装置及计算机设备 | |
Avanzato et al. | YOLOv3-based mask and face recognition algorithm for individual protection applications | |
CN109087490B (zh) | 一种基于报警持续时间特征的干扰报警识别方法 | |
CN117150244B (zh) | 基于电参数分析的智能配电柜状态监测方法及*** | |
CN117214780B (zh) | 变压器故障检测方法及装置 | |
CN116510223B (zh) | 基于物联网的自识别消防泵电参数巡检监测*** | |
CN104598361B (zh) | 一种性能监控方法和装置 | |
CN117092980A (zh) | 一种基于大数据的电气故障检测控制*** | |
CN106649204B (zh) | 一种变压器油中溶解气体异常识别方法 | |
CN110031701B (zh) | 一种基于电流指纹技术的电器特征检测方法 | |
CN113408210B (zh) | 基于深度学习的非侵入负荷分解方法、***、介质和设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: An optimization method of electric line fault arc false alarm based on feedback mechanism Effective date of registration: 20220317 Granted publication date: 20210302 Pledgee: Hangzhou United Rural Commercial Bank Limited by Share Ltd. branch of science and technology Pledgor: HANGZHOU TPSON TECHNOLOGY Co.,Ltd. Registration number: Y2022330000347 |
|
PE01 | Entry into force of the registration of the contract for pledge of patent right |