基于多维度特征提取的电弧故障检测方法

• 作者: 杨洋 黄罗杰 李平 沈力峰 吕忠 阳世群
• 来源期刊: 电子测量与仪器学报
• 学科: 工学
• 关键词: 电弧故障 窗口划分 小波分解 经验模态分解 机器学习
• 年，卷（期）: 2021,（10）
• 所属期刊栏目: 学术论文|PAPERS
• 页码范围: 107-115
• 页数: 9页
• 分类号: TN911.71|TM501.2
• 语种: 中文
• DOI: 10.13382/j.jemi.B2104018

摘要

针对当前含多种电气故障的复杂电路电弧故障识别率低、训练速度慢的问题,提出一种窗口划分结合小波分解与经验模态分解(empirical mode decomposition,EMD)分别从时域、频域及时间尺度等多个维度提取电流特征量,利用机器学习分类模型进行电弧故障识别的方法.首先,利用搭建的电气故障实验平台采集故障及正常电流数据,并将电流数据进行窗口分段,然后分别使用小波变换与EMD方法对电流信号进行分解并计算不同维度上的特征量,将该特征信息作为分类算法的输入进行电弧故障诊断.经实验验证,该特征提取方法在梯度提升决策树(gradient boosting decision tree,GBDT)上的电弧故障检测准确率高达98％,相比电流不分段的方式分类准确率提升了1.87％,能有效获取电弧故障特征,实现对电弧故障高效率与高准确率检测.