买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉电子科技大学申请的专利一种低压配电系统中串联电弧故障检测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119024113B 。

龙图腾网通过国家知识产权局官网在2026-01-23发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411134152.0，技术领域涉及：G01R31/12；该发明授权一种低压配电系统中串联电弧故障检测方法是由徐紫涵;盛瀚民;陈凯;邹松庭;马文建;邵晋梁设计研发完成，并于2024-08-19向国家知识产权局提交的专利申请。

本一种低压配电系统中串联电弧故障检测方法在说明书摘要公布了：本发明公开了一种低压配电系统中串联电弧故障检测方法，通过搭建正常及电弧数据采集平台获得真实的电流数据和标签，收集公开数据集以验证模型的泛化能力，通过观察电流波形总结出平肩、周期间相似性和电流突变三条人工经验并构建能用于处理一维时间序列数据的可解释性模型，将三条人工经验结合的预测结果和真实标签比较，对不一致的样本增加其损失权重，使得经验能够嵌入到模型中并辅助模型进行训练；这样通过机理嵌入的方式可以解决带标签样本较少的小样本环境下对可解释性神经树进行训练的问题，从而具有可解释性、泛化能力好、预测精度高等优点。

本发明授权一种低压配电系统中串联电弧故障检测方法在权利要求书中公布了：1.一种低压配电系统中串联电弧故障检测方法，其特征在于，包括以下步骤： 1、数据采集及预处理； 1.1、等间隔的采集不同负载下的交流线路在正常和电弧故障时的电流信号，每个负载下均采集m个电流采样点，记采集到的电流信号为I＝{I1,I2,…,Ij,…,Ih}，Ij＝{i1,i2,…,im}，其中，Ij表示第j个负载下采集的电流信号，im表示第m个采样点采集到的电流值，h表示负载个数； 1.2、对每个负载下采集的电流信号Ij进行分帧； 设每帧包含w个电流采样点，则每个负载拥有帧电流样本，记则每个负载拥有的电流样本表示为：{Ij1,Ij2,…,Ijl…,Ijd}； 然后给每帧电流样本打上0或1的标签，其中，0表示正常，1表示电弧故障； 2、提取电流样本的特征； 2.1、提取每个电流样本Ijl的肩部； 记电流样本Ijl＝{ij1,ij2,…,ijn,…,ijw},n∈[1,w]，判断每一个电流ijn是否满足： |ijn|＜th1amp;|ijn+1|＜th1amp;|ijn+2|＜th1amp;|ijn+3|＜th1amp;|ijn+3-ijn|＜th2 th2＝7％×Irms 其中，Irms表示电流有效值； 如果上述条件满足，则将采样点ijn作为电流样本Ijl的肩部，遍历完电流样本Ijl中所有电流值，然后统计肩部个数总数，记为电流平肩N_shoulders； 2.2、提取每个电流样本Ijl的周期间相似性； 2.2.1、设置陷波滤波器，其传递函数Hz为： 其中，a为陷波系数，z表示Z域； 2.2.2、利用陷波滤波器对电流样本Ijl进行陷波滤波，得到滤波后的电流样本n∈[1,w] 2.2.3、设电流样本包含t个周期，即每个周期有m＝wt个采样点，则第c个周期和第c+1个周期间的皮尔逊相关系数记为rc,c+1 其中，表示滤波后第c个周期内第k个采样点的电流值，表示滤波后第c+1个周期内第k个采样点的电流值，和分别是第c个周期和第c+1个周期内所有采样点的电流均值； 2.2.4、利用周期间的皮尔逊相关系数表示周期间的相似性，则通过如下公式计算电流样本的总周期间相似性为r，记为周期间相似性P_correlation； 2.3、提取电流突变； 2.3.1、去除每个电流样本Ijl的直流分量： 其中，ijn_dc表示ijn去除直流分量后的值； 2.3.2、记去除直流分量后的电流样本为然后对电流样本进行快速傅里叶变换得到频谱Xjl[k]： 2.3.3、对频谱Xjl[k]进行归一化： 2.3.4、计算电流样本Ijl的总谐波失真THDjl： 记总谐波失真为电流突变Thd_values； 3、搭建一维神经树串联电弧故障检测模型； 一维神经树模型是由内部节点和叶节点组成的二叉树结构，其中，每个叶节点上部署了求解器，求解器由一维卷积、Relu激活函数、最大池化、展平操作、Dropout操作和全连接层构成；每个内部节点上部署了路由器；二叉树的每条决策路径上部署了转换器，转换器包括卷积层、池化层和ReLU激活函数； 4、训练一维神经树串联电弧故障检测模型； 4.1、在采集到的电流信号I中选取一个批次的电流样本Ijl输入到一维神经树串联电弧故障检测模型，然后通过转换器对每个电流样本Ijl进行特征提取，具体如下： 针对每个电流样本Ijl通过转换器做特征提取，记为特征电流 首先将电流样本Ijl进行一维卷积操作： 其中，cn是一维卷积运算的输出，表示在位置n处的卷积结果，Ijln+k-p是输入信号在位置n+k处的值，ωk是卷积核在位置k处的权重，p是填充长度，K为卷积核长度； 然后将卷积后结果cn通过RuLU激活函数： ReLUcn＝max0,cn 最后利用最大池化层降低数据量： 其中，H是池化窗口的大小，ξ是步进，h是池化窗口内的位置索引； 4.2、将特征电流输入至路由器，基于伯努利分布对特征电流进行随机采样，得到分裂、保持、停止三种路由决策； 路由器按照三种路由决策分别对特征电流进行路由输出，输出记为r＝1,2,3分别代表分裂、保持、停止三种路由决策； 4.3、将路由输出输入至求解器，预测三种路由输出对应的条件概率； 其中，表示在给定输入和模型参数Θ的情况下，模型预测输出Yjl的概率分布，Θ＝θ,ψ,φ是模型的参数集，包括路由器参数θ、转换器参数ψ和求解器参数φ，表示输入被分配到第f个叶节点的概率，表示在选择了第f个叶节点后的特定预测分布，z∈{0,1}L，zf＝1指的是使用了叶节点f，L为叶节点总数； 求得的条件概率分布对应了每一个类别的概率，概率最大的类别则为模型预测结果predicted； 4.4、计算电流样本Ijl被分配到叶节点f的概率 其中，Pf表示从根节点到叶节点f的路径集合，表示路由器在路径上的决策概率，是一个二元关系，当叶节点f是内部节点o的左子树时为真； 4.5、更新电流样本Ijl的权重； 根据电流平肩N_Shoulders、电流周期间相似性P_correlation和电流突变Thd_values设置经验值P； P＝N_shoulders＜＝th3amp;P_correlation＞＝th4amp;Thd_values＜th5*predicted≠0 若电流样本Ijl的特征满足上述经验值P，则将电流样本的权重更新为 4.6、使用经验引导的负对数似然作为损失函数计算三种路由输出下的损失值； 其中，pY|Iweight,Θ表示在给定输入和参数的情况下模型预测标签的条件概率，d为一批次样本数量，Y＝{Yj1,Yj2,…,Yjl,…,Yjd}表示一批次样本的预测输出集合，表示一批次输入被分配到第f个叶节点的概率，即路径选择的概率，是第f个叶节点下模型输出Yjl的概率； 4.7、选出损失最小的路由输出，作为本批次电流样本最终路由输出； 4.8、重复步骤4.1-4.7，通过重复迭代训练，直至一维神经树串联电弧故障检测模型收敛； 5、串联电弧故障检测； 按照步骤1实时采集交流线路的电流信号，然后进行预处理后提取电流样本，并输入到训练好的一维神经树串联电弧故障检测模型中，从而检测是否发生电弧故障。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人电子科技大学，其通讯地址为：611731 四川省成都市高新区(西区)西源大道2006号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。