欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2021109097750
申请人: 山东建筑大学
专利类型:发明专利
专利状态:已下证
专利领域: 测量;测试
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于物联网的建筑电气火灾串联故障电弧识别方法,其特征在于:包括以下过程:获取待检测线路的电流有效值、高频周期电流和电流谐波;

对获取的数据进行预处理;

一阶特征提取,包括:当预处理后的电流有效值大于阈值1时,根据第一周波数据,将识别到的特征数据通过高斯函数进行数据拟合,得到负载类型,所述负载类型为阻性或者阻感或者非线性;

二阶特征提取,包括:对一阶提取后的疑似异常数据的高频周期电流进行互补集合经验模态分解,结合负载类型,根据分解结果与预设故障本征模态函数的对比得到串联故障电弧结果。

2.如权利要求1所述的基于物联网的建筑电气火灾串联故障电弧识别方法,其特征在于:预处理包括:对获取的电流有效值、高频周期电流和电流谐波分别进行巴氏滤波和归一化处理。

3.如权利要求1所述的基于物联网的建筑电气火灾串联故障电弧识别方法,其特征在于:二阶特征提取过程中:一阶特征识别通过后,持续捕捉此后连续多个周波电气参数,对一阶特征提取后的疑似异常数据的高频周期电流进行互补集合经验模态分解;

根据数据自身时间尺度特征获取多个本征模态函数,根据本征模态函数与故障本征模态函数的对比,得到串联故障电弧结果。

4.如权利要求3所述的基于物联网的建筑电气火灾串联故障电弧识别方法,其特征在于:故障本征模态函数为S1=[x1,x2,x3…xm],待识别本征模态函数为S2=[y1,y2,y3…yn],两序列间的最优路径为:ξ(S1,S2)=D(xm,yn)+min[ξ(xm‑1,xn),ξ(xm‑1,xn‑1),ξ(xm,xn‑1)]其中,D(xm,yn)为S1和S2对应元素组成的距离代价矩阵,ξ(S1,S2)越小,故障本征模态函数与待识别本征模态函数的相似度越高。

5.如权利要求1所述的基于物联网的建筑电气火灾串联故障电弧识别方法,其特征在于:互补集合经验模态分解,包括:

在原始信号中加入p对的高斯白噪声信号,每对白噪声幅值相同但极性相反;

对p个正噪声混合信号进行经验模态分解,并进行集成平均,得到一组IMF+函数;

对p个负噪声混合信号进行经验模态分解,并进行集成平均,得到一组IMF‑函数;

对两组集成的IMF+函数和IMF‑函数求平均值,得到最终的IMF分量。

6.如权利要求5所述的基于物联网的建筑电气火灾串联故障电弧识别方法,其特征在于:第k+1个分解结果IMFk+1,具体为:

i

其中,Rk(t)=Rk‑1(t)‑IMFk,E1和Ek均为算子期望,ω (t)为均值是零的典型高斯白噪声信号,εk为系数,I为均值是零的典型高斯白噪声信号数量。

7.一种基于物联网的建筑电气火灾串联故障电弧识别系统,其特征在于:包括:数据获取模块,被配置为:获取待检测线路的电流有效值、高频周期电流和电流谐波;

预处理模块,被配置为:对获取的数据进行预处理;

一阶特征提取模块,被配置为:当预处理后的电流有效值大于阈值1时,根据第一周波数据,将识别到的特征数据通过高斯函数进行数据拟合,得到负载类型,所述负载类型为阻性或者阻感或者非线性;

二阶特征提取模块,被配置为:对一阶提取后的疑似异常数据的高频周期电流进行互补集合经验模态分解,结合负载类型,根据分解结果与预设故障本征模态函数的对比得到串联故障电弧结果。

8.一种计算机可读存储介质,其上存储有程序,其特征在于,该程序被处理器执行时实现如权利要求1‑6任一项所述的基于物联网的建筑电气火灾串联故障电弧识别方法中的步骤。

9.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的程序,其特征在于,所述处理器执行所述程序时实现如权利要求1‑6任一项所述的基于物联网的建筑电气火灾串联故障电弧识别方法中的步骤。