故障电弧与负载同时识别的方法、装置、设备及存储介质

本发明涉及故障电弧检测，尤其涉及一种故障电弧与负载同时识别的方法、装置、设备及存储介质。

背景技术：

1、随着社会的不断发展，工业区和居住区的用电设施不断增加，使得建筑物中的电气设备越来越庞大，供配电网络的布线布局也越来越复杂，这使得生活越来越便捷的同时也增加了建筑电气潜在的安全隐患，甚至可能会导致火灾。

2、故障电弧是引发电气火灾的重要因素之一。电弧是一种游离气体，在产生时常伴随着高温和高导电率，并有金属熔化物喷溅，在电弧产生时极易发生火灾。为保障用电安全，常见的做法有安装保险丝、过流速路开关、智能断路器等。

3、然而，串联故障电弧导致的电气火灾与常规的由于电流值异常升高导致的电气火灾有所不同，线路中电流较小，低于电力系统特别是低压配电领域广泛安装的电流保护器的设定值，不易被检测，更易发生火灾。虽然，目前也有针对串联故障电弧进行检测的，但是检测的准确度都较差，如何准确地对串联故障电弧进行识别，成为目前亟需解决的技术问题。

技术实现思路

1、本发明实施例提供了一种故障电弧与负载同时识别的方法、装置、设备及存储介质，以解决目前的检测方法检测准确度较低的问题。

2、第一方面，本发明实施例提供了一种故障电弧与负载同时识别的方法，包括：

3、获取待识别低压交流用电电路的电流信号；

4、将电流信号输入至预先训练完成的故障识别模型中，确定待识别电流信号是否为交流串联故障电弧以及其负载类型；

5、故障识别模型包括顺次连接的输入层、共享层和输出层，其中，输入层基于滑动窗口对输入数据进行分窗口处理，共享层和输出层均包括至少一个卷积条件批标准化层，卷积条件批标准化层为将卷积层和条件批标准化层融合形成的卷积层。

6、在一种可能的实现方式中，共享层包括顺次连接的第一卷积条件批标准化层、第一最大池化层、第二卷积条件批标准化层、第二最大池化层、第三卷积条件批标准化层和第四卷积条件批标准化层。

7、在一种可能的实现方式中，输出层包括故障电弧识别卷积模型和故障负载识别卷积模型；

8、故障电弧识别卷积模型包括顺次连接的第五卷积条件批标准化层、第三最大池化层和第一全连接层，故障电弧识别卷积模型的损失函数为loss1；

9、故障负载识别卷积模型包括顺次连接的第六卷积条件批标准化层、第四最大池化层和第二全连接层，故障负载识别卷积模型的损失函数为loss2；

10、输出层的损失函数loss为：loss＝w1loss1+w2loss2

11、其中，w1为损失函数loss1的加权系数，w2为损失函数loss2的加权系数。

12、在一种可能的实现方式中，故障识别模型中输出层损失函数中的加权系数是基于训练样本和优化的gradnorm算法对每个模型的损失函数进行优化确定的；其中，每个模型为故障电弧识别卷积模型或故障负载识别卷积模型；

13、优化的gradnorm算法中每个模型的损失函数lossi为：

14、

15、其中，lb(t)为训练样本中第b个批次的输入数据在模型i的损失函数值，j为当前的批次数，r为滑动窗口的大小，j和b均为正整数，i为1或2，训练样本被分为多个批次对故障识别模型进行训练，第b个批次为任意一个批次的训练样本。

16、在一种可能的实现方式中，卷积条件批标准化层的输出为：

17、

18、其中，γ、β分别为条件批标准化层的缩放参数和平移参数，μ为卷积层输入数据的均值，σ2为卷积层输入数据的方差，ε＝10-8，w为卷积层的权重，b为卷积层的偏置。

19、在一种可能的实现方式中，条件批标准化层中的每种类别的特征均对应设置一组对应参数；其中，对应参数包括条件批标准化层的缩放参数和平移参数。

20、在一种可能的实现方式中，将电流信号输入至预先训练完成的故障识别模型中，确定待识别电流信号是否为交流串联故障电弧以及其负载类型，包括：

21、将电流信号输入至预先训练完成的故障识别模型中，输出标签类型；

22、基于输出标签类型，确定待识别电流信号是否为交流串联故障电弧以及其负载类型。

23、第二方面，本发明实施例提供了一种故障电弧与负载同时识别的装置，包括：

24、获取模块，用于获取待识别低压交流用电电路的电流信号；

25、识别模块，用于将电流信号输入至预先训练完成的故障识别模型中，确定待识别电流信号是否为交流串联故障电弧以及其负载类型；

26、故障识别模型包括顺次连接的输入层、共享层和输出层，其中，输入层基于滑动窗口对输入数据进行分窗口处理，共享层和输出层均包括至少一个卷积条件批标准化层，卷积条件批标准化层为将卷积层和条件批标准化层融合形成的卷积层。

27、第三方面，本发明实施例提供了一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上第一方面或第一方面的任一种可能的实现方式所述方法的步骤。

28、第四方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上第一方面或第一方面的任一种可能的实现方式所述方法的步骤。

29、本发明实施例提供一种故障电弧与负载同时识别的方法、装置、设备及存储介质，由于故障电弧会引起电路中电流的变化，首先，从待识别的低压交流用电电路直接获取电流信号，然后，将获取到的电流信号信号输入至预先训练完成的故障识别模型中，即可确定待识别电流信号是否为交流串联故障电弧以及其负载类型。故障识别模型包括顺次连接的输入层、共享层和输出层，其中，为了能够提高识别的准确度，输入层采用了滑动窗口的方式对输入数据进行分窗处理，使得数据被自动分为多批次数据。其次，共享层和输出层均包括至少一个卷积条件批标准化层，卷积条件批标准化层为将卷积层和条件批标准化层融合形成的新的卷积层，从而省去了中间变量存储卷积层的输出，并且去除了将中间变量传递到批标准化层需要的内存读写时间，加速了处理时间，此外，卷积条件批标准化层还可以提高故障识别模型处理的准确度。

技术特征：

1.一种故障电弧与负载同时识别的方法，其特征在于，包括：

2.如权利要求1所述的识别的方法，其特征在于，所述共享层包括顺次连接的第一卷积条件批标准化层、第一最大池化层、第二卷积条件批标准化层、第二最大池化层、第三卷积条件批标准化层和第四卷积条件批标准化层。

3.如权利要求1所述的识别的方法，其特征在于，所述输出层包括故障电弧识别卷积模型和故障负载识别卷积模型；

4.如权利要求3所述的识别的方法，其特征在于，所述故障识别模型中输出层损失函数中的加权系数是基于训练样本和优化的gradnorm算法对每个模型的损失函数进行优化确定的；其中，每个模型为故障电弧识别卷积模型或故障负载识别卷积模型；

5.如权利要求1-4任一项所述的识别的方法，其特征在于，所述卷积条件批标准化层的输出为：

6.如权利要求1-4任一项所述的识别的方法，其特征在于，所述条件批标准化层中的每种类别的特征均对应设置一组对应参数；其中，所述对应参数包括条件批标准化层的缩放参数和平移参数。

7.如权利要求1-4任一项所述的识别的方法，其特征在于，所述将所述电流信号输入至预先训练完成的故障识别模型中，确定所述待识别电流信号是否为交流串联故障电弧以及其负载类型，包括：

8.一种故障电弧与负载同时识别的装置，其特征在于，包括：

9.一种电子设备，其特征在于，包括存储器和处理器，所述存储器用于存储计算机程序，所述处理器用于调用并运行所述存储器中存储的计算机程序，执行如权利要求1至7任一项所述的方法。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述方法的步骤。

技术总结本发明提供故障电弧与负载同时识别的方法、装置、设备及存储介质，该方法包括：获取待识别低压交流用电电路的电流信号；将电流信号输入至预先训练完成的故障识别模型中，确定待识别电流信号是否为交流串联故障电弧以及其负载类型；故障识别模型包括顺次连接的输入层、共享层和输出层，其中，输入层基于滑动窗口对输入数据进行分窗口处理，共享层和输出层均包括至少一个卷积条件批标准化层，卷积条件批标准化层为将卷积层和条件批标准化层融合形成的卷积层。本发明可以提高故障电弧检测的准确度。技术研发人员：杨志,郭书阳,李保罡,闫胜冰受保护的技术使用者：华北电力大学（保定）技术研发日：技术公布日：2025/1/6