一种基于半监督式机器学习的低压故障电弧感知方法

摘要

本发明公开了一种基于半监督式机器学习的低压故障电弧感知方法，对一个分析周期内的检测信号，经过小波包分解后在故障电弧特征频段对应节点重构小波系数，通过绝对值求和得到对应频段上的特征值，基于安全式半监督支持向机对特征值进行状态分类，判断低压用电系统内故障电弧发生的情况，在感知到故障电弧发生的条件下，结合对检测信号进行短时傅里叶变换及特定频段分量累加而得到的特征值，辨识故障电弧的类型。本发明能够在有限样本标签训练条件下，减少分类模型计算量，获得相对较高的故障电弧感知准确率，同时通过增加对串联、并联故障电弧的精准判断，从而能够最大限度地优化灭弧措施、提升系统运行维护效率。