基于Stacking模型融合的串联故障电弧检测
2021年电子技术应用第11期
王 毅1，陈 进1，李松浓2，陈 涛2，戴莲丹3，宣 姝3
1.重庆邮电大学 通信与信息工程学院，重庆400065； 2.国网重庆市电力公司电力科学研究院，重庆400014；3.国网重庆市电力公司营销服务中心，重庆400023
摘要： 针对低压交流配电网中由于电弧燃烧程度不同、电流畸变程度不同而导致漏检、错检问题，提出一种基于Stacking模型融合的时域故障电弧检测方法。从回路电流中提取时域特征，将时域特征组成特征矩阵对机器学习算法决策树和集成学习算法随机森林等进行参数寻优。最后，将集成学习算法代替机器学习算法作为基学习器通过Stacking模型融合构建低压交流故障检测模型。实验共采集6种电器的并联电流共计96 970组，结果表明，相较于非集成算法和其他集成算法，所提方法具有更高的准确率、精确度和F1指标，其模型更为稳健。
中圖分類號： TM501.2
文獻標識碼： A
DOI：10.16157/j.issn.0258-7998.201209
中文引用格式： 王毅，陳進，李松濃，等. 基于Stacking模型融合的串聯故障電弧檢測[J].電子技術應用，2021，47(11)：53-57.
英文引用格式： Wang Yi，Chen Jin，Li Songnong，et al. Series fault arc detection based on Stacking model fusion[J]. Application of Electronic Technique，2021，47(11)：53-57.
文獻標識碼： A
DOI：10.16157/j.issn.0258-7998.201209
中文引用格式： 王毅，陳進，李松濃，等. 基于Stacking模型融合的串聯故障電弧檢測[J].電子技術應用，2021，47(11)：53-57.
英文引用格式： Wang Yi，Chen Jin，Li Songnong，et al. Series fault arc detection based on Stacking model fusion[J]. Application of Electronic Technique，2021，47(11)：53-57.
Series fault arc detection based on Stacking model fusion
Wang Yi1，Chen Jin1，Li Songnong2，Chen Tao2，Dai Liandan3，Xuan Shu3
1.School of Communication and Information Engineering，Chongqing University of Posts and Telecommunications， Chongqing 400065，China； 2.Chongqing Electric Power Research Institute，Chongqing 400014，China； 3.State Grid Chongqing Electric Power Company Marketing Service Center，Chongqing 400023，China
Abstract： Aiming at the problems of missed detection and false detection due to different arc combustion levels and current distortion levels in low-voltage AC distribution networks, a time-domain arc fault detection method based on Stacking model fusion is proposed. The time domain features are extracted from the loop current, and the time domain features are formed into a feature matrix to optimize the parameters of the machine learning algorithm decision tree and the integrated learning algorithm random forest. Finally, the integrated learning algorithm is used as the base learner instead of the machine learning algorithm to build a low-voltage AC fault detection model through Stacking model fusion. The experiment collected a total of 96 970 groups of parallel currents of six electrical appliances. The results show that compared with non-integrated algorithms and other integrated algorithms, the proposed method has higher accuracy, precision and F1 index, and its model is more robust.
Key words : arc fault；current acquisition；arc detection；integrated machine learning；Stacking model fusion
0 引言
電弧是一種由于絕緣介質被電壓擊穿而導致的持續放電現象，通常伴隨著電極部分揮發[1-2]。在生活中由于輸電線長時間帶載、過載產生熱量或者由于外力導致的絕緣層老化、破損，會產生電弧現象[3-4]。這類電弧是人們不希望產生的，稱為故障電弧[5-6]。
近年來，相關學者從不同角度對故障電弧的檢測進行了廣泛研究，文獻[7]通過快速傅里葉變換(FFT)得到電流的幅度譜，再對其進行稀疏表示來進行故障檢測，在對稀疏表示的Lp范數進行調整時，發現對不同的數據采用不同的范數可以提高分類的準確性。文獻[8]分別分析了小波熵算法、基于支持向量機(SVM)和邏輯回歸的分類模型，綜合以上算法可知相對于簡單方法，該組合算法具有更好的檢測功能。文獻[9]集中討論了電弧電流中的40～100 kHz的高頻諧波部分，通過FFT和閾值設置，可以有效識別故障電弧。文獻[10]提取電流中的9個時頻域特征，再使用主成分分析將9個特征在維度上縮減為3個參數，最后使用SVM建立了負荷識別和串聯電弧檢測的綜合模型。
本文詳細內容請下載：http://m.tom3567.com/resource/share/2000003826。
作者信息：
王 毅1，陳 進1，李松濃2，陳 濤2，戴蓮丹3，宣 姝3
(1.重慶郵電大學 通信與信息工程學院，重慶400065；
2.國網重慶市電力公司電力科學研究院，重慶400014；3.國網重慶市電力公司營銷服務中心，重慶400023)
此內容為AET網站原創，未經授權禁止轉載。