直流故障電弧的特征提取與識別.pdf

1、直流電弧因為沒有周期性和過零點等特性，致使直流故障電弧的檢測要比交流故障電弧困難。國內(nèi)外對直流故障電弧的特征提取缺乏多樣化，因此本文旨在豐富直流故障電弧的特征種類，從特征提取和識別兩個方面給出特征的評價標準。
　　本文所研究的電弧屬于熱陰極、氣體中、串聯(lián)、直流、故障電弧，并通過實驗的方法采集正常工作和發(fā)生故障電弧時的電流數(shù)據(jù)，選取電弧剛發(fā)生時的不穩(wěn)定階段作為特征提取的數(shù)據(jù)基礎(chǔ)。對采集的數(shù)據(jù)從時域、頻域、小波、譜分析和混沌分析這幾個

2、角度共提取了17個特征。在時頻分析中，從電流變化的角度提取了時域特征4個，從統(tǒng)計學的角度提取了頻域特征3個，利用小波變換提取了小波特征3個。在譜分析中，從幅值角度提取功率譜特征3個，從幅值和相位的角度提取高階譜特征3個。在混沌分析中，基于自相關(guān)法計算時間延遲、基于虛假最近鄰法計算嵌入維數(shù)，利用這兩個參數(shù)重構(gòu)電弧電流的相空間，并利用小數(shù)據(jù)量法提取最大Lyapunov指數(shù)特征1個。給出特征提取層面的特征評價指標，即價值量百分比，并計算各特征

3、的指標值大小，其中混沌特征的指標值最大。利用支持向量機(Support Vector Machines，SVM)對故障電弧特征進行識別。選擇基于高斯核函數(shù)的非線性支持向量機作為最終分類器。利用網(wǎng)格搜索法和3-折交叉驗證法對SVM的參數(shù)進行尋優(yōu)，得到的懲罰參數(shù)是0.054409，核參數(shù)是1。訓練出1個總分類器，準確率為99.999％，17個比較分類器，各自準確率都有下降，但整體保持在99.9％以上。給出識別層面的特征評價標準，即對準確率的