[發明專利]基于AlexNet的故障電弧保護方法

在審

• 申請號: 202011260790.9
• 申請日: 2020-11-12
• 公開（公告）號: CN112364565A
• 公開（公告）日: 2021-02-12
• 發明（設計）人: 王堯;班云升;侯林明;謝振華;劉婉婷;李奎
• 申請（專利權）人: 河北工業大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京兆君聯合知識產權代理事務所(普通合伙) 11333
• 代理人: 鄭學成

本發明公開了基于AlexNet的故障電弧保護方法，該方法包括如下步驟：步驟一，生成故障電弧數據集；步驟二，建立故障電弧診斷模型結構與訓練參數；步驟三，對故障電弧進行診斷。本發明的有益效果是，具有極高的識別準確率，能夠實現故障電弧自適應保護。

技術領域

本發明涉及故障保護技術領域，特別是基于AlexNet的故障電弧 保護方法。

背景技術

不同類型負載的故障電弧時頻域特征不完全相同；即使對于同一 類負載，不同時刻的電弧電流時頻域特征也可能存在差異。在實際應 用中，很難枚舉每種負載條件下故障電弧時頻域特征，因此基于電弧 特征以及預先設定閾值的傳統故障電弧保護方法適應能力相對較差， 很難滿足非線性負載工況多變或負載未知情況下的故障電弧識別保護 新要求。

發明內容

本發明的目的是為了解決上述問題，設計了基于AlexNet的故障 電弧保護方法。

基于AlexNet的故障電弧保護方法，該方法包括如下步驟：

步驟一，生成故障電弧數據集，其過程如下：

(1)數據清洗

故障電弧試驗存在多樣性，試驗數據采集于多個試驗室、多個時 間點，這些客觀原因有可能導致造成電弧試驗數據出現異常點，為了 消除同類數據的不一致性，提高數據質量，在訓練前必須通過人為干 預對試驗數據進行“清洗”，刪除數據中的異常數據點。需要清洗的數 據類型主要包括因采樣裝置設置不力導致的采樣為零的數據或者是其 他明顯與電弧電流信號無關數據；

(2)數據分割

為了增加訓練樣本數量，提升故障電弧診斷模型的泛化能力，以 滑動窗口采樣的方式對數據進行分割，同時為了保證樣本的一致性， 規定所有樣本為固定采樣點數的.csv文件，以每4個工頻周期電流數 據為一個樣本，滑動偏移量為1個工頻周期，試驗采樣率為100Ks/s， 每一個樣本中共包括8000個采樣點；

(3)數據標注

經過數據清洗、數據分割過程后，單一負載故障電弧數據和正常 狀態數據各有5000組；在模型訓練之前，將數據集按一定比例劃分為 測試集、訓練集與驗證集；

所有的正常狀態數據存放在標注為“正常”的文件夾中，故障電 弧狀態數據存放在標注為“故障”的文件夾中，此時數據均為.csv格 式；將所有的.csv格式數據轉化為227×227×3的圖像格式，227×227 表示圖像像素，3表示RGB三通道圖像輸入；

步驟二，建立故障電弧診斷模型結構與訓練參數，其過程如下：

故障電弧診斷模型是基于經典AlexNet模型優化后來建立的，基 于AlexNet優化后的故障電弧診斷模型是由6個卷積層、3個池化層和 3個全連接層組成，模型的輸入為故障電弧數據集，輸出為線路狀態；

所述訓練過程使用的參數配置如下：激活函數選用ReLU函數，使 用dropout正則化，dropout率設置為0.5；優化算法為SGD算法，初 始學習率為0.01，若驗證集的準確率隨著迭代次數的增加不再變化， 學習率降為之前數值的十分之一；損失函數為適用于二分類問題的交 叉熵損失函數；

步驟三，對故障電弧進行診斷，基于AlexNet的故障電弧診斷模 型診斷流程如下：

(1)將采集到的電流信號進行數據預處理，得到故障電弧數據集。 將數據按照一定比例分為三組，分別作為訓練集、驗證集和測試集；

(2)網絡參數初始化，網絡模型隨機從訓練集中提取一個樣本， 從前向后依次計算得到輸出，通過反向傳播誤差，調整網絡參數并更 新網絡模型。然后輸入下一個樣本，直至誤差達到最小，則輸出故障 電弧診斷模型；