CN113376551B - 串联故障电弧的检测方法及系统、设备、存储介质 - Google Patents

Abstract

本发明公开了一种串联故障电弧的检测方法及系统、设备、存储介质，该检测方法首先得到每个工频周期的采样序列，进行标准化处理之后分别计算每个工频周期序列数据的多个特征量，通过采用多个特征量来描述交流电流波形，从多个维度很好地体现出电流数据的特性，有利于提高检测精准度。然后，设置滑动检测窗口，滑动检测窗口的长度为N个工频周期，利用滑动检测窗口在多个工频周期组成的特征量序列上滑动，基于窗口滑动前后的两组特征值数据之间的距离计算结果来进行串联故障电弧的判定。整体检测识别算法基于两个特征矩阵的距离计算结果实现，无需对电流数据进行分解后进行特征量比对，算法相对较为简单，对于嵌入式系统的性能没有过高的要求。

Description

串联故障电弧的检测方法及系统、设备、存储介质

技术领域

本发明涉及用电安全检测技术领域，特别地，涉及一种串联故障电弧的检测方法及系统、设备、计算机可读取的存储介质。

背景技术

随着我国科学技术的飞速发展，城市内居民密度也日益加大，导致了区域内的家用电器密度也逐年加大，使得电气火灾占总火灾的比重逐年增加，其中故障电弧导致的电气火灾占了很大一部分。串联故障电弧是由线路电气连接点处的接触不良、绝缘层内单根导线的断裂等引起的一种故障电弧，由于电弧是一种等离子体，相当于一个阻值很小的动态电阻，当故障电弧以串联的形式在线路中存在时，其电弧电流往往小于过流保护器的额定电流，故而无法触发保护动作，导致串联故障电弧长时间存在，最终引发火灾。

目前，国内现有的串联故障电弧检测方法，主要是利用傅里叶分解、小波分析等技术方法对电流或电压数据进行分解并计算特征量，通过与正常情况下分解得到的特征量进行对比，从而判断是否有串联故障电弧产生。但是，利用这些方法的算法设计比较复杂，而且对嵌入式系统的性能有较高的要求，此外，如吸尘器、电子灯光调节器等非线性负载在正常工作时会产生大量高次谐波，这会加大基于频域的算法的检测难度，检测准确度较差。因此，目前的串联故障电弧检测算法较为复杂、检测准确度较差。

发明内容

本发明提供了一种串联故障电弧的检测方法及系统、设备、计算机可读取的存储介质，以解决现有的串联故障电弧检测算法较为复杂、检测准确度较差的技术问题。

根据本发明的一个方面，提供一种串联故障电弧的检测方法，包括以下内容：

步骤S1：周期性采集用电总线路中的瞬时电流数据，得到每个工频周期的采样序列；

步骤S2：对多个工频周期的采样序列数据进行标准化处理；

步骤S3：对于标准化处理后的每个工频周期的采样数据序列，分别计算每个工频周期序列数据的多个特征量；

步骤S4：设置滑动检测窗口，所述滑动检测窗口的长度为N个工频周期；

步骤S5：利用滑动检测窗口在多个工频周期组成的特征量序列上滑动，并计算窗口滑动前后的两组特征值数据之间的距离，基于距离计算结果进行串联故障电弧的判定。

进一步地，在所述步骤S1和步骤S2之间还包括以下内容：

步骤S12：基于当前工频周期的采样序列数据计算得到电流有效值，将计算得到的电流有效值与预设的算法开启阈值进行比较，若计算得到的电流有效值大于预设的算法开启阈值，则执行步骤S2。

进一步地，所述步骤S3中的特征量包括半波对称指标、过零率指标、模糊熵指标、分割线性指标、峭度指标和裕度指标中的至少一种。

进一步地，所述步骤S5包括以下内容：

步骤S51：利用滑动检测窗口在多个工频周期组成的特征量序列上滑动，直至滑动检测窗口被填满，得到当前窗口内的特征值矩阵S，并对所述特征值矩阵S中的每个特征列向量进行标准化处理；

步骤S52：将滑动检测窗口在多个工频周期组成的特征量序列上向前滑动一个工频周期的长度，获得新窗口内的特征值矩阵S’，并对新窗口内的特征值矩阵S’中的每个特征列向量进行标准化处理；

步骤S53：分别计算两个特征值矩阵的协方差矩阵S-cov和S-cov’；

步骤S54：分别将两个协方差矩阵的转置与协方差矩阵本身做矩阵乘法，得到两个实对称矩阵R＝S-cov^T·S-cov和R`＝S-cov’^T·S-cov’，对两个实对称矩阵进行特征分解得到两个正交特征向量矩阵；

步骤S55：对两个正交特征向量矩阵进行标准化处理；

步骤S56：计算标准化处理后的两个正交特征向量矩阵之间的距离；

步骤S57：设Q为故障指数，S为安全指数，两者的初始值均为0，自滑动检测窗口被填满后的下一次窗口移动起，每次窗口移动执行步骤S51～步骤S56，若每次窗口移动计算得到的距离值大于等于预设阈值，则令故障指数Q加1，若小于预设阈值，则令安全指数S加1；

步骤S58：不断移动滑动检测窗口，当安全指数S先累计达到安全值时，则判定用电总线路中不存在串联故障电弧，当安全指数S未累计达到安全值而故障指数Q先累计达到故障值时，则判定用电总线路中存在串联故障电弧。

进一步地，所述步骤S56中采用拓展F距离算法来计算两个正交特征向量矩阵之间的距离，所述拓展F距离算法的计算公式如下：

其中，F表示两个正交特征向量矩阵之间的距离，W_i表示权重系数，＜a_i,b_i＞表示两个正交特征向量矩阵中每列对应元素的内积。

进一步地，当所述步骤S5中判定用电总线路中存在串联故障电弧时，所述检测方法还包括以下内容：

步骤S6：获得用于进行串联故障电弧判定的所有工频周期的采样序列数据，并进行防误判检测。

另外，本发明还提供一种串联故障电弧的检测系统，包括：

数据采集模块，用于周期性采集用电总线路中的瞬时电流数据，得到每个工频周期的采样序列；

标准化处理模块，用于对多个工频周期的采样序列数据进行标准化处理；

特征量计算模块，用于对标准化处理后的每个工频周期的采样数据序列，分别计算每个工频周期序列数据的多个特征量；

窗口设定模块，用于设置滑动检测窗口，所述滑动检测窗口的长度为N个工频周期；

检测模块，用于利用滑动检测窗口在多个工频周期组成的特征量序列上滑动，并计算窗口滑动前后的两组特征值数据之间的距离，基于距离计算结果进行串联故障电弧的判定。

进一步地，所述检测系统还包括：

误判断检测模块，当所述检测模块判定用电总线路中存在串联故障电弧时，用于获得用于进行串联故障电弧判定的所有工频周期的采样序列数据，并进行防误判检测。

另外，本发明还提供一种设备，包括处理器和存储器，所述存储器中存储有计算机程序，所述处理器通过调用所述存储器中存储的所述计算机程序，用于执行如上所述的方法的步骤。

另外，本发明还提供一种计算机可读取的存储介质，用于存储进行串联故障电弧检测的计算机程序，所述计算机程序在计算机上运行时执行如上所述的方法的步骤。

本发明具有以下效果：

本发明的串联故障电弧的检测方法，首先周期性地采集用电总线路中的瞬时电流数据，以得到每个工频周期的采样序列，对多个工频周期的采样序列数据进行标准化处理之后，分别计算每个工频周期序列数据的多个特征量，通过采用多个特征量来描述交流电流波形，可以从多个维度很好地体现出电流数据的特性，有利于提高检测精准度。然后，设置滑动检测窗口，滑动检测窗口的长度为N个工频周期，可以同时获取N个工频周期的特征量数据，最后，利用滑动检测窗口在多个工频周期组成的特征量序列上滑动，基于窗口滑动前后的两组特征值数据之间的距离计算结果来进行串联故障电弧的判定。整体检测识别算法基于两个特征矩阵的距离计算结果实现，无需对电流数据进行分解后进行特征量比对，算法相对较为简单，对于嵌入式系统的性能没有过高的要求。

另外，本发明的串联故障电弧的检测系统同样具有上述优点。

除了上面所描述的目的、特征和优点之外，本发明还有其它的目的、特征和优点。下面将参照图，对本发明作进一步详细的说明。

附图说明

构成本申请的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是本发明优选实施例的串联故障电弧的检测方法的流程示意图。

图2是本发明优选实施例的串联故障电弧的检测方法另一具体实施方式的流程示意图。

图3是图1中步骤S5的子流程示意图。

图4是本发明优选实施例的串联故障电弧的检测方法又一具体实施方式的流程示意图。

图5是本发明另一实施例的串联故障电弧的检测系统的模块结构示意图。

图6是本发明另一实施例的串联故障电弧的检测系统的另一具体实施方式的模块结构示意图。

具体实施方式

以下结合附图对本发明的实施例进行详细说明，但是本发明可以由下述所限定和覆盖的多种不同方式实施。

如图1所示，本发明的优选实施例提供一种串联故障电弧的检测方法，包括以下内容：

步骤S1：周期性采集用电总线路中的瞬时电流数据，得到每个工频周期的采样序列；

步骤S2：对多个工频周期的采样序列数据进行标准化处理；

步骤S3：对于标准化处理后的每个工频周期的采样数据序列，分别计算每个工频周期序列数据的多个特征量；

步骤S4：设置滑动检测窗口，所述滑动检测窗口的长度为N个工频周期；

步骤S5：利用滑动检测窗口在多个工频周期组成的特征量序列上滑动，并计算窗口滑动前后的两组特征值数据之间的距离，基于距离计算结果进行串联故障电弧的判定。

可以理解，本实施例的串联故障电弧的检测方法，首先周期性地采集用电总线路中的瞬时电流数据，以得到每个工频周期的采样序列，对多个工频周期的采样序列数据进行标准化处理之后，分别计算每个工频周期序列数据的多个特征量，通过采用多个特征量来描述交流电流波形，可以从多个维度很好地体现出电流数据的特性，有利于提高检测精准度。然后，设置滑动检测窗口，滑动检测窗口的长度为N个工频周期，可以同时获取N个工频周期的特征量数据，最后，利用滑动检测窗口在多个工频周期组成的特征量序列上滑动，基于窗口滑动前后的两组特征值数据之间的距离计算结果来进行串联故障电弧的判定。整体检测识别算法基于两个特征矩阵的距离计算结果实现，无需对电流数据进行分解后进行特征量比对，算法相对较为简单，对于嵌入式系统的性能没有过高的要求。

可以理解，在所述步骤S1中，利用电表测量用电总线路中的瞬时电流数据，采样周期为6.4kHz，即每个工频周期50Hz内采集128个电流数据。其中，检测对象可以是家庭用电总线路，也可以是工业用电总线路。另外，具体的采用周期可以根据实际需要进行设定，本发明在此不做具体限定，本发明以采样周期为6.4kHz来做示例性说明，设一个工频周期内采集的数据点为一组采样序列I＝(X₁，X₂，X₃，……，X₁₂₈)。

可以理解，作为优选的，如图2所示，所述串联故障电弧的检测方法在所述步骤S1和步骤S2之间还包括以下内容：

步骤S12：基于当前工频周期的采样序列数据计算得到电流有效值，将计算得到的电流有效值与预设的算法开启阈值进行比较，若计算得到的电流有效值大于预设的算法开启阈值，则执行步骤S2。

具体地，通过以下公式计算得到当前周期电流有效值：

本发明考虑到电流数据本底噪声的存在，通过预设算法开启阈值I_n，只有当计算得到的当前周期电流有效值I_rms＞算法开启阈值I_n时，电弧检测功能才开启，启动检测算法，即执行步骤S2，否则，不执行步骤S2。其中，所述算法开启阈值I_n优选设置为0.02A，当然，在本发明的其它实施例中也可以设置为其它数值。本发明通过设置预设算法开启阈值I_n，可以消除电流数据本底噪声的干扰，防止由于噪声数据导致检测算法不断开启，提高了串联故障电弧检测的准确性和有效性。

可以理解，启动检测算法后，对每组采样序列I进行标准化处理，使所有数据标准化为0到1之间，标准化方法如下：

其中，

表示标准化处理后的数据，X_i表示采样序列I中标准化处理前的数据，max{X_j}表示采样序列I中的最大值，min{X_j}表示采样序列I中的最小值。

可以理解，经过标准化处理后，对于每个工频周期的采样数据序列，分别计算每个工频周期序列数据的多个特征量。所述特征量包括半波对称指标E₁、过零率指标E₂、模糊熵指标E₃、分割线性指标E₄、峭度指标E₅和裕度指标E₆中的至少一种。本发明后续同时采用六个特征量来进行示例性说明。

其中，所述半波对称指标E₁用来表示波形的平稳性，一组正常序列中前后两个半波在数值上应为相反数，半波对称指数越大，波形越不平稳，噪声越大。具体的计算过程为：

首先，将一组采样序列I分为两组子序列：I_a＝(X₁，X₂，X₃，……，X₆₄)、I_b＝(X₆₅，X₆₆，X₆₇，……，X₁₂₈)。

然后，令两组子序列对应位置的元素相加求和，得到待测序列I`＝(X<sub>1</sub>`＝X₁+X₆₅，X₂`＝X<sub>2</sub>+X<sub>66</sub>，X<sub>3</sub>`＝X₃+X₆₇，……，X₆₄`＝X₆₄+X₁₂₈)。

最后，计算待测序列I`的总体方差为半波对称指数，即：

其中，

表示待测序列I`中的第i个数据值，

表示待测序列I`的平均值，计算得到的半波对称指标E₁越大，波形对称性越差，波形不规则，变化越多。

而所述过零率指标E₂则用于表示波形的异常情况，一组正常序列中一般只存在一次过零现象，过零率指标越大，波形异常情况越重。具体的计算过程如下：

首先，截取采样序列I中最大值与最小值之间的数据为一组子序列I_pp＝(X_max，X_max+1，X_max+2，……，X_min)或(X_min，X_min+1，X_min+2，……，X_max)。

然后，计算子序列I_pp中的过零率，即两个连续的数据出现X_i>0>X_i+1或X_i<0<X_i+1的次数，记为Z。则过零率指标为：

E₂＝(Z-1)²。

而所述模糊熵指标E₃反映了波形的混乱程度，即反映了波形中高频谐波的多少，模糊熵指标越大，波形越混乱。具体的计算过程为：

首先，将当前采样序列I拆分为128-m+1个子序列，每个子序列I_i`＝{X_i，X_i+1，X_i+2，……X_i+m-1}。本发明中以m＝4来做示例性说明，即：

I₁`＝{X₁，X₂，X₃，X₄}

I₂`＝{X₂，X₃，X₄，X₅}

I₃`＝{X₃，X₄，X₅，X₆}

……

I₁₂₅`＝{X₁₂₅，X₁₂₆，X₁₂₇，X₁₂₈}

然后，定义序列距离为两个子序列的对应元素之差绝对值的最大值，即第i子序列I_i`与第j子序列I<sub>j</sub>`之间的序列距离d_i-j＝max{|X_i-X_j|，|X_i+1-X_j+1|，|X_i+2-X_j+2|，|X_i+3-X_j+3|}(i≠j)。计算每个子序列与所有其他子序列之间的序列距离，共计125*(125-1)个序列距离，具体如下：

当波形越混乱时，序列距离d_i-j为大数值的次数越多。因此，对单独序列距离而言，可近似认为d_i-j越大，波形越混乱。本方法选择使用偏大型柯西隶属度函数来计算所有序列距离的模糊隶属度，计算公式如下：

式中a为0.1，意为降低序列距离d_i-j为小数值，即波形平稳部分对结果的影响，以突出波形的混乱程度，α为0.15，是调试后得到的参数数值。

然后，计算所有模糊隶属度的平均值

然后，令m＝5，重复前述内容，计算得到新的模糊隶属度的平均值

最后，求得当前采样序列的模糊熵指标，计算公式如下：

另外，所述分割线性指标E₄反映波形的线性度。具体计算过程如下：

将采样序列I平均分为8个子序列，每个子序列包含16个数据点I_i＝(X_16*i-15，X_16*i-14，X_16*i-13，……，X_16*i)(1≤i≤8)，计算每个子序列的线性相关系数

取其中最小的三个线性相关系数

作为波形混乱程度的典型代表。则分割线性指标为：

计算得到的分割线性指标E4越小，波形线性度越差。

另外，所述峭度指标E₅反映波形的平稳程度，峭度指标越大，波形越不平稳。计算公式如下：

其中，β为归一化4阶中心距，X_rms为采样序列I的均方根值，X_i为采样序列I中的第i个数据值，i＝1,2，…，128，

表示采样序列I的平均值。

另外，所述裕度指标E₆反映了波形的丰满程度，裕度指标越小，波形越丰满。计算公式如下：

其中，X_max为采样序列I中的最大值，X_r为采样序列I的方根幅值。

可以理解，本发明通过采用以上六个特征量来对电流波形进行描述，可以从多个维度准确地体现电流数据的特性，有利于提高检测准确度。

可以理解，在所述步骤S4中，滑动检测窗口的长度为N个工频周期，即滑动检测窗口内同时包括了N个工频周期的数据。在本发明中以N＝6来做示例性说明，在此不做具体限定。即滑动检测窗口的时间长度为0.12s，窗口每次移动1个工频周期，即0.02s。

可以理解，检测算法开启时，滑动检测窗口内为空，移动检测窗口，直至窗口被填满，此后窗口每移动一次则进行一次检测。如图3所示，所述步骤S5具体包括以下内容：

步骤S51：利用滑动检测窗口在多个工频周期组成的特征量序列上滑动，直至滑动检测窗口被填满，得到当前窗口内的特征值矩阵S，并对所述特征值矩阵S中的每个特征列向量进行标准化处理；

步骤S52：将滑动检测窗口在多个工频周期组成的特征量序列上向前滑动一个工频周期的长度，获得新窗口内的特征值矩阵S’，并对新窗口内的特征值矩阵S’中的每个特征列向量进行标准化处理；

步骤S53：分别计算两个特征值矩阵的协方差矩阵S-cov和S-cov’；

步骤S54：分别将两个协方差矩阵的转置与协方差矩阵本身做矩阵乘法，得到两个实对称矩阵R＝S-cov^T·S-cov和R`＝S-cov’^T·S-cov’，对两个实对称矩阵进行特征分解得到两个正交特征向量矩阵；

步骤S55：对两个正交特征向量矩阵进行标准化处理；

步骤S56：计算标准化处理后的两个正交特征向量矩阵之间的距离；

步骤S57：设Q为故障指数，S为安全指数，两者的初始值均为0，自滑动检测窗口被填满后的下一次窗口移动起，每次窗口移动执行步骤S51～步骤S56，若每次窗口移动计算得到的距离值大于等于预设阈值，则令故障指数Q加1，若小于预设阈值，则令安全指数S加1；

步骤S58：不断移动滑动检测窗口，当安全指数S先累计达到安全值时，则判定用电总线路中不存在串联故障电弧，当安全指数S未累计达到安全值而故障指数Q先累计达到故障值时，则判定用电总线路中存在串联故障电弧。

具体地，当窗口被填满时，滑动检测窗口内包含的数据为特征值矩阵，记为S＝[T₁，T₂，T₃，T₄，T₅，T₆]，T_n为特征列向量。可以理解，所述特征值矩阵S中共有36个特征值，即E_Ti(1≤T≤6,1≤i≤6)：

可以理解，特征值矩阵S中的每一列即表示一个工频周期包括的6个特征量，即E_Ti中的T取值表示滑动检测窗口的第几列，i取值对应表示特征量，例如E₁₁则表示滑动检测窗口内的第一个工频周期的半波对称指标E₁。

然后，对每个特征列向量(E_1j,E_2j,E_3j,E_4j,E_5j,E_6j,1≤j≤6)进行标准化处理，使所有特征值标准化为0到1之间，标准化方法如下：

其中，E_i′表示标准化处理后的特征列向量，E_i表示标准化处理前的特征列向量，min{E_j}表示特征值矩阵中的最小特征列向量，max{E_j}表示特征值矩阵中的最大特征列向量。

然后，将滑动检测窗口向前滑动一个工频周期的时间长度，获得新窗口内的特征值矩阵S`＝[T<sub>1</sub>`，T₂`，T<sub>3</sub>`，T₄`，T<sub>5</sub>`，T₆`]，并同样针对每个特征列向量进行上述标准化处理。

至此，得到了窗口移动前后的新旧窗口内两组连续采样序列的特征值矩阵S＝[T₁，T₂，T₃，T₄，T₅，T₆]和S`＝[T<sub>1</sub>`，T₂`，T<sub>3</sub>`，T₄`，T<sub>5</sub>`，T₆`]，其中，理论上T<sub>1</sub>`＝T₂、T₂`＝T<sub>3</sub>、……、T<sub>5</sub>`＝T₆。

对于标准化处理后的两个特征值矩阵，可以采用常规的距离算法来计算两个矩阵之间的距离，并根据距离计算结果来进行串联故障电弧的判断，例如当距离值超过预设阈值时则判定存在串联故障电弧，不超过则判定不存在串联故障电弧。但是，若使用常见的距离算法，例如欧式距离，只能体现特征值之间数值整体上的绝对差异，没有考虑到特征值之间的相对差异。而在本方案中，对于S和S`两个矩阵，在采样序列波形无异常时，窗口内各采样序列的差异性非常小，也就是说T<sub>1</sub>≈T<sub>1</sub>`≈T₂≈T₂`≈……≈T<sub>6</sub>，只有待比较的T<sub>6</sub>`无法判断。那么欧氏距离只相当于比较了连续两个最新采样序列的特征值，即T₆和T₆`的特征值，而其他比较项对结果的影响非常小。但如果省略特征值矩阵中的其他采样序列，只比较最新的连续两组采样序列特征值的欧氏距离，则体现不出新增采样序列T<sub>6</sub>`对前序T₅`、T<sub>4</sub>`等采样序列的影响，也不能体现出序列的起伏变化。同样的，余弦距离则只考虑到特征值之间的相对差异，余弦距离体现不出特征值数值的绝对大小差异，如果特征值近似与倍数增大，则余弦距离的计算结果体现不出特征值的变化，而且余弦距离同样体现不出序列的起伏变化。

因此，为弥补常见距离算法的部分缺陷，本发明中使用拓展F距离计算两个特征值矩阵之间的差异性。与常用的欧氏距离与余弦距离相比，拓展F距离可以体现出序列的起伏变化，也可以体现特征值数值之间的绝对差异和相对差异，而且拓展F距离将待比较的特征值数据进行了进一步的特征提取，突出两者差异，使比较结果更准确，更具备代表性。

利用拓展F距离测量相似性，首先将需要对比的两个矩阵S和S’进行转化，分别计算两者的协方差矩阵S-cov和S-cov`，可以加强矩阵中各元素之间的相关性。在本发明中，这一步算法可以把矩阵S`中T₆`带来的影响拓展到整个矩阵，且随着T<sub>6</sub>`带来影响的增大，协方差矩阵的变化也就越大，也因此可以体现出序列的起伏变化。

然后，分别将两个协方差矩阵的转置与协方差矩阵本身做矩阵乘法，得到两个实对称矩阵R＝S-cov^T·S-cov和R`＝S-cov`^T·S-cov`，对这两个实对称矩阵进行特征分解，可以得到两个正交特征向量矩阵。这一步算法可以将协方差矩阵中的特征向量提取出来组成特征向量矩阵，特征向量矩阵更具有代表性，更有利于两者比较并放大差异。

最后，计算上述两个特征向量矩阵的拓展F距离。可以理解，F范数表示一个向量或矩阵的大小，计算方法为将矩阵内所有元素的平方和再开平方。而拓展F距离是基于F范数的一种矩阵距离算法，本发明中将两个特征向量矩阵间每列对应元素相乘再求和，得到两矩阵对应列向量间的关系代数<a_i,b_i>(1≤i≤6)，然后将所有对应列之间的关系代数进行加权求和

最后将结果根据算法需求进行变换，得到的拓展F距离就可以表示两个矩阵之间的相似程度了，本发明中设计为F越小两矩阵越相似，即连续两个窗口内数据越相似。

下面是计算矩阵S和S`之间拓展F距离的具体说明：

首先，按列分别计算矩阵S和S`的协方差矩阵S-cov和S-cov`，以矩阵S为例：矩阵S的协方差矩阵

矩阵中以cov(T₁,T₂)为例，

其中E_1i和E_2i为T₁和T₂的各项特征值。

然后，对矩阵S-cov和S-cov`，分别将矩阵的转置与矩阵本身做矩阵乘法得到两个6阶实对称矩阵，对这两个实对称矩阵进行特征分解，可以得到对应的正交特征向量矩阵V<sub>S</sub>＝[a<sub>1</sub>,a<sub>2</sub>,a<sub>3</sub>,a<sub>4</sub>,a<sub>5</sub>,a<sub>6</sub>]和V<sub>S</sub>`＝[b₁,b₂,b₃,b₄,b₅,b₆],其中a_i和b_i为长度为6的正交列向量。以矩阵S-cov为例：

矩阵S的协方差矩阵的转置

令S-cov^T·S-cov，即两矩阵对应元素相乘，得到一个6阶时实对称矩阵R。将该矩阵进行特征分解，会得到6个特征向量a_i(1≤i≤6)，每个特征向量为6维列向量，可组成6维矩阵V_S：

将上述矩阵V_S标准化，标准化方法为:

矩阵标准化后的每一列元素的值的平方和为1。

同理，矩阵S`经过上述算法可以得到矩阵V<sub>S</sub>`，其中b_i(1≤i≤6)为标准化处理后的6维列向量，处理方法同上。

然后，计算拓展F距离，公式如下：

其中，F表示两个正交特征向量矩阵之间的距离，W_i为权重系数，为本发明经过测试后确定值为W_i＝{0.125,0.25,0.1875,0.125,0.1875,0.125}，<a_i,b_i>＝a_i1*b_i1+a_i2*b_i2+a_i3*b_i3+a_i4*b_i4+a_i5*b_i5+a_i6*b_i6为两向量内积。F值越小，两矩阵越相似。

然后，设Q为故障指数，S为安全指数，两者初值均为0。电弧检测算法启动后，自滑动检测窗口被填满后的下一次窗口移动起，开始计算F。若F≥预设阈值，表示新窗口内最新采样序列带来的影响较大，可能发生电弧故障，令Q+1；若F＜预设阈值，表示新窗口内最新采样序列带来的影响较大，采样序列间差异性不大，不会发生电弧故障，令S+1。经过试验后，本发明设置预设阈值为0.15。

不断移动滑动检测窗口，每移动一次计算一次拓展F距离。当安全指数S先累计达到安全值时，表示此时线路中不存在串联故障电弧，此时故障指数Q若大于0，则是由于电器正常启停或换挡导致，认为家庭用电安全，同时重置Q、S为0，返回并继续移动滑动检测窗口。其中，本发明中设置安全值为3，当然在本发明其它实施例中也可以设置为其它值，在此不做具体限定。而当安全指数S未累计达到安全值而故障指数Q先累计达到故障值时，本发明设置故障值为N，即为滑动检测窗口的时间长度，表示在连续的S+Q个采样序列中，存在N个采样序列与其他所有采样序列间的相关性较差，该段采样序列混乱程度较大，因此线路中极大可能存在故障电弧，家庭用电存在危险。

可以理解，本发明采用拓展F距离算法来计算两个特征值矩阵之间的距离，并根据距离计算结果来判定线路中是否存在串联故障电弧，相比于常规的距离算法，例如欧式距离、余弦距离等，拓展F距离可以体现出序列的起伏变化，也可以体现特征值数值之间的绝对差异和相对差异，而且拓展F距离将待比较的特征值数据进行了进一步的特征提取，突出两者差异，使比较结果更准确，更具备代表性。

可以理解，作为优选的，如图4所示，当所述步骤S5中判定用电总线路中存在串联故障电弧时，所述串联故障电弧的检测方法还包括以下内容：

步骤S6：获得用于进行串联故障电弧判定的所有工频周期的采样序列数据，并进行防误判检测。

具体地，获得用于进行串联故障电弧判定的所有工频周期K的采样序列数据，K＝Q+S，分别计算得到每个工频周期的电流有效值，得到一组电流有效值序列{I_RMS-1，I_RMS-2，……，I_RMS-K}，计算所述电流有效值序列的线性相关系数R²，计算公式为：

其中，I_RMS-i表示电流有效值序列中的第i个电流有效值，

表示电流有效值序列的平均值，L_i＝{1，2，……，K}为一组递增序列，

为该递增序列的平均值。

若计算得到的线性相关系数大于等于阈值，则判定用电总线路中不存在串联故障电弧，返回步骤S57，若计算得到的线性相关系数小于阈值，则最终判定用电总线路中存在串联故障电弧。其中，该阈值优选设置为0.4，当然在本发明的其它实施例中也可以设置为其它数值。

可以理解，本发明考虑到某些特殊电器的工作状态较为复杂，可能会被检测算法误识别成串联故障电弧，但这种状态又都会伴随着电流有效值的线性变化，因此若线性相关系数|R²|≥0.4，则认为此时线路中不存在故障电弧，而是某电器的正常工作状态，返回步骤S57；若|R²|＜0.4，则最终确定电路中存在故障电弧，并向用户发送报警信息。本发明通过进行防误判检测，进一步提高了检测的准确度。

另外，如图5所示，本发明的另一实施例一种串联故障电弧的检测系统，优选采用如上所述的串联故障电弧的检测方法，所述检测系统包括：

数据采集模块，用于周期性采集用电总线路中的瞬时电流数据，得到每个工频周期的采样序列；

标准化处理模块，用于对多个工频周期的采样序列数据进行标准化处理；

特征量计算模块，用于对标准化处理后的每个工频周期的采样数据序列，分别计算每个工频周期序列数据的多个特征量；

窗口设定模块，用于设置滑动检测窗口，所述滑动检测窗口的长度为N个工频周期；

检测模块，用于利用滑动检测窗口在多个工频周期组成的特征量序列上滑动，并计算窗口滑动前后的两组特征值数据之间的距离，基于距离计算结果进行串联故障电弧的判定。

可以理解，本实施例的串联故障电弧的检测系统，首先周期性地采集用电总线路中的瞬时电流数据，以得到每个工频周期的采样序列，对多个工频周期的采样序列数据进行标准化处理之后，分别计算每个工频周期序列数据的多个特征量，通过采用多个特征量来描述交流电流波形，可以从多个维度很好地体现出电流数据的特性，有利于提高检测精准度。然后，设置滑动检测窗口，滑动检测窗口的长度为N个工频周期，可以同时获取N个工频周期的特征量数据，最后，利用滑动检测窗口在多个工频周期组成的特征量序列上滑动，基于窗口滑动前后的两组特征值数据之间的距离计算结果来进行串联故障电弧的判定。整体检测识别算法基于两个特征矩阵的距离计算结果实现，无需对电流数据进行分解后进行特征量比对，算法相对较为简单，对于嵌入式系统的性能没有过高的要求。

另外，作为优选的，如图6所示，所述检测系统还包括：

误判断检测模块，当所述检测模块判定用电总线路中存在串联故障电弧时，用于获得用于进行串联故障电弧判定的所有工频周期的采样序列数据，并进行防误判检测。

可以理解，本实施例的系统中的各个模块与上述方法实施例中的各个步骤相对应，故各个模块的具体工作原理和工作过程参考上述方法实施例，在此不再赘述。

另外，本发明的另一实施例还提供一种设备，包括处理器和存储器，所述存储器中存储有计算机程序，所述处理器通过调用所述存储器中存储的所述计算机程序，用于执行如上所述的方法的步骤。

另外，本发明的另一实施例还提供一种计算机可读取的存储介质，用于存储进行串联故障电弧检测的计算机程序，所述计算机程序在计算机上运行时执行如上所述的方法的步骤。

一般计算机可读取介质的形式包括：软盘(floppy disk)、可挠性盘片(flexibledisk)、硬盘、磁带、任何其与的磁性介质、CD-ROM、任何其余的光学介质、打孔卡片(punchcards)、纸带(paper tape)、任何其余的带有洞的图案的物理介质、随机存取存储器(RAM)、可编程只读存储器(PROM)、可抹除可编程只读存储器(EPROM)、快闪可抹除可编程只读存储器(FLASH-EPROM)、其余任何存储器芯片或卡匣、或任何其余可让计算机读取的介质。指令可进一步被一传输介质所传送或接收。传输介质这一术语可包含任何有形或无形的介质，其可用来存储、编码或承载用来给机器执行的指令，并且包含数字或模拟通信信号或其与促进上述指令的通信的无形介质。传输介质包含同轴电缆、铜线以及光纤，其包含了用来传输一计算机数据信号的总线的导线。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种串联故障电弧的检测方法，其特征在于，包括以下内容：

步骤S1：周期性采集用电总线路中的瞬时电流数据，得到每个工频周期的采样序列；

步骤S2：对多个工频周期的采样序列数据进行标准化处理；

步骤S3：对于标准化处理后的每个工频周期的采样数据序列，分别计算每个工频周期序列数据的多个特征量，特征量包括半波对称指标、过零率指标、模糊熵指标、分割线性指标、峭度指标和裕度指标中的至少一种；

步骤S4：设置滑动检测窗口，所述滑动检测窗口的长度为N个工频周期；

步骤S5：利用滑动检测窗口在多个工频周期组成的特征量序列上滑动，并计算窗口滑动前后的两组特征值数据之间的距离，基于距离计算结果进行串联故障电弧的判定；

所述步骤S5包括以下内容：

步骤S51：利用滑动检测窗口在多个工频周期组成的特征量序列上滑动，直至滑动检测窗口被填满，得到当前窗口内的特征值矩阵S，并对所述特征值矩阵S中的每个特征列向量进行标准化处理；

步骤S52：将滑动检测窗口在多个工频周期组成的特征量序列上向前滑动一个工频周期的长度，获得新窗口内的特征值矩阵S’，并对新窗口内的特征值矩阵S’中的每个特征列向量进行标准化处理；

步骤S53：分别计算两个特征值矩阵的协方差矩阵S-cov和S-cov’；

步骤S54：分别将两个协方差矩阵的转置与协方差矩阵本身做矩阵乘法，得到两个实对称矩阵R＝S-cov^T·S-cov和R`＝S-cov’^T·S-cov’，对两个实对称矩阵进行特征分解得到两个正交特征向量矩阵；

步骤S55：对两个正交特征向量矩阵进行标准化处理；

步骤S56：计算标准化处理后的两个正交特征向量矩阵之间的距离；

步骤S57：设Q为故障指数，S为安全指数，两者的初始值均为0，自滑动检测窗口被填满后的下一次窗口移动起，每次窗口移动执行步骤S51～步骤S56，若每次窗口移动计算得到的距离值大于等于预设阈值，则令故障指数Q加1，若小于预设阈值，则令安全指数S加1；

步骤S58：不断移动滑动检测窗口，当安全指数S先累计达到安全值时，则判定用电总线路中不存在串联故障电弧，当安全指数S未累计达到安全值而故障指数Q先累计达到故障值时，则判定用电总线路中存在串联故障电弧；

所述步骤S56中采用拓展F距离算法来计算两个正交特征向量矩阵之间的距离，所述拓展F距离算法的计算公式如下：

其中，F表示两个正交特征向量矩阵之间的距离，W_i表示权重系数，＜a_i,b_i＞表示两个正交特征向量矩阵中每列对应元素的内积。

2.如权利要求1所述的串联故障电弧的检测方法，其特征在于，在所述步骤S1和步骤S2之间还包括以下内容：

步骤S12：基于当前工频周期的采样序列数据计算得到电流有效值，将计算得到的电流有效值与预设的算法开启阈值进行比较，若计算得到的电流有效值大于预设的算法开启阈值，则执行步骤S2。

3.如权利要求1或2所述的串联故障电弧的检测方法，其特征在于，当所述步骤S5中判定用电总线路中存在串联故障电弧时，所述检测方法还包括以下内容：

步骤S6：获得用于进行串联故障电弧判定的所有工频周期的采样序列数据，并进行防误判检测。

4.一种串联故障电弧的检测系统，其特征在于，包括：

数据采集模块，用于周期性采集用电总线路中的瞬时电流数据，得到每个工频周期的采样序列；

标准化处理模块，用于对多个工频周期的采样序列数据进行标准化处理；

特征量计算模块，用于对标准化处理后的每个工频周期的采样数据序列，分别计算每个工频周期序列数据的多个特征量，特征量包括半波对称指标、过零率指标、模糊熵指标、分割线性指标、峭度指标和裕度指标中的至少一种；

窗口设定模块，用于设置滑动检测窗口，所述滑动检测窗口的长度为N个工频周期；

检测模块，用于利用滑动检测窗口在多个工频周期组成的特征量序列上滑动，并计算窗口滑动前后的两组特征值数据之间的距离，基于距离计算结果进行串联故障电弧的判定，具体过程为：

先利用滑动检测窗口在多个工频周期组成的特征量序列上滑动，直至滑动检测窗口被填满，得到当前窗口内的特征值矩阵S，并对所述特征值矩阵S中的每个特征列向量进行标准化处理；

然后将滑动检测窗口在多个工频周期组成的特征量序列上向前滑动一个工频周期的长度，获得新窗口内的特征值矩阵S’，并对新窗口内的特征值矩阵S’中的每个特征列向量进行标准化处理；

再分别计算两个特征值矩阵的协方差矩阵S-cov和S-cov’；

然后分别将两个协方差矩阵的转置与协方差矩阵本身做矩阵乘法，得到两个实对称矩阵R＝S-cov^T·S-cov和R`＝S-cov’^T·S-cov’，对两个实对称矩阵进行特征分解得到两个正交特征向量矩阵；

再对两个正交特征向量矩阵进行标准化处理；

再计算标准化处理后的两个正交特征向量矩阵之间的距离；

然后设Q为故障指数，S为安全指数，两者的初始值均为0，自滑动检测窗口被填满后的下一次窗口移动起，每次窗口移动执行步骤S51～步骤S56，若每次窗口移动计算得到的距离值大于等于预设阈值，则令故障指数Q加1，若小于预设阈值，则令安全指数S加1；

最后不断移动滑动检测窗口，当安全指数S先累计达到安全值时，则判定用电总线路中不存在串联故障电弧，当安全指数S未累计达到安全值而故障指数Q先累计达到故障值时，则判定用电总线路中存在串联故障电弧；

其中，采用拓展F距离算法来计算两个正交特征向量矩阵之间的距离，所述拓展F距离算法的计算公式如下：

其中，F表示两个正交特征向量矩阵之间的距离，W_i表示权重系数，＜a_i,b_i＞表示两个正交特征向量矩阵中每列对应元素的内积。

5.如权利要求4所述的串联故障电弧的检测系统，其特征在于，所述检测系统还包括：

误判断检测模块，当所述检测模块判定用电总线路中存在串联故障电弧时，用于获得用于进行串联故障电弧判定的所有工频周期的采样序列数据，并进行防误判检测。

6.一种设备，其特征在于，包括处理器和存储器，所述存储器中存储有计算机程序，所述处理器通过调用所述存储器中存储的所述计算机程序，用于执行如权利要求1～3任一项所述的方法的步骤。

7.一种计算机可读取的存储介质，用于存储进行串联故障电弧检测的计算机程序，其特征在于，所述计算机程序在计算机上运行时执行如权利要求1～3任一项所述的方法的步骤。

Images