(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111343081.1 (22)申请日 2021.11.12 (71)申请人 阳光电源股份有限公司 地址 230088 安徽省合肥市高新区习友路 1699号 (72)发明人 王平玉　 (74)专利代理 机构 北京康信知识产权代理有限 责任公司 1 1240 代理人 张岳峰 (51)Int.Cl. G01R 31/12(2006.01) G06F 30/27(2020.01) (54)发明名称 拉弧的检测方法、 装置、 电子设备和用电系 统 (57)摘要 本申请提供了一种拉弧的检测方法、 装置、 电子设备和用电系统。 该方法包括： 将待测电流 信号输入至目标神经网络模型中， 得到初步判断 结果， 在初步判断结果表征初步判断待测电流信 号存在拉弧现象的情况下， 计算待测电流信号对 应的时域谱的能量值， 并根据待测电流信号对应 的时域谱的能量值最终确定待测电流信号是否 存在拉弧现象。 该方法中对待测电流经过两次判 断， 第一次判断为采用神经网络模 型进行的初始 判断， 第二次判断为根据待测电流信号对应的时 域谱的能量值进行的最终判断， 该方法中通过对 待测电流信号对应的时域谱的能量值的判断， 保 证了对待测电流信号的拉弧检测更加准确， 进而 解决了现有技术中难以准确地对拉弧进行检测 的问题。 权利要求书2页 说明书12页 附图3页 CN 114034999 A 2022.02.11 CN 114034999 A 1.一种拉弧的检测方法， 其特 征在于， 包括： 获取待测电流信号； 将所述待测电流信号输入至目标神经网络模型中， 得到初步判断结果， 所述初步判断 结果为初步判断所述待测电流信号是否存在拉弧现象的结果， 所述神经网络模型为使用多 组历史数据通过机器学习训练出的， 各组所述历史数据均包括第一历史目标参数和第二历 史目标参数， 所述第一历史目标参数为根据历史电流信号计算得到的参数， 所述第二历史 目标参数为表征 所述历史电流信号是否存在拉弧现象的参数； 在所述初步判断结果表征初步判断所述待测电流信号存在所述拉弧现象的情况下， 计 算所述待测电流信号对应的时域谱的能量值， 并根据所述待测电流信号对应的时域谱的能 量值最终确定所述待测电流信号是否存在所述拉弧现象。 2.根据权利要求1所述的方法， 其特征在于， 在将待测电流信号输入至目标神经网络模 型中， 得到初步判断结果之前， 所述方法还 包括： 对多个所述历史电流信号进行希尔伯特黄变换， 得到多个第一历史目标参数， 所述第 一历史目标参数为所述历史电流信号的多个固有模态分量的总和； 获取表征多个所述历史电流信号是否存在拉弧现象的标签， 得到多个所述第 二历史目 标参数； 采用分别包括所述第一历史目标参数和所述第二历史目标参数的多组所述历史数据 作为训练样本进行机器学习训练， 得到所述目标神经网络模型。 3.根据权利要求2所述的方法， 其特征在于， 在计算所述待测电流信号对应的时域谱的 能量值， 并根据所述能量 值确定最终判断结果之后， 所述方法还 包括： 将所述待测电流信号作为所述历史电流信号， 并对所述待测电流信号和所述最终判断 结果进行处理， 得到新增的所述训练样本， 新增的所述训练样本包括所述第一历史目标参 数和新增的所述第二历史目标参数， 在所述最终判断结果正确的情况下， 将所述最终判断 结果转换为对应的所述第二历史目标参数， 在所述最终判断结果不正确的情况下， 将正确 的判断结果 转换为对应的所述第二历史目标参数； 对新增的所述训练样本并进行训练， 以更新所述目标神经网络模型。 4.根据权利要求1至3中任一项所述的方法， 其特征在于， 计算所述待测电流信号对应 的时域谱的能量值， 并根据所述待测电流信号对应的时域谱的能量值最 终确定所述待测电 流信号是否存在所述拉弧现象， 包括： 对所述待测电流信号进行 频域变化， 得到目标 频域谱； 根据所述目标频域谱， 计算所述待测电流信号的能量值的变异系数， 所述变异系数为 多个频段的能量 值的标准差与多个所述频 段的能量 值的均值的比值； 在所述变异系数大于预定 阈值的情况下， 最终确定所述待测电流信号存在所述拉弧现 象， 在所述变异系 数小于或者等于所述预定阈值的情况下， 最终确定所述待测电流信号不 存在所述拉弧现象。 5.根据权利要求4所述的方法， 其特征在于， 对所述待测电流信号至少进行傅里叶变 换， 得到目标 频域谱， 包括： 对所述待测电流信号进行希尔伯特黄变换， 得到所述待测电流信号的多个固有模态分 量的总和；权　利　要　求　书 1/2 页 2 CN 114034999 A 2对所述待测电流信号的多个 固有模态分量的总和进行傅里叶变换， 得到所述目标频域 谱。 6.根据权利要求1至 3中任一项所述的方法， 其特 征在于， 所述方法还 包括： 对多组所述历史数据中的第一部分进行计算， 得到多个初始阈值， 所述第一部分包括 至少两组所述历史数据； 采用多组所述历史数据中的第 二部分计算多个所述初始阈值的准确率， 所述第 一部分 和所述第二部分形成所述多组历史数据； 确定准确率 最高的所述初始阈值 为目标阈值。 7.根据权利要求6所述的方法， 其特征在于， 所述第 一历史目标参数为所述历史电流信 号的多个固有模态分量的总和， 对多组所述历史数据中的第一部分进行计算， 得到多个初 始阈值， 包括： 对所述第一部分的多个所述第一历史目标参数进行傅里叶变化， 得到多个历史时域 谱； 计算各所述历史时域谱对应的能量值， 并依据多个所述历史时域谱的能量值和对应的 多个所述第二历史目标参数确定所述初始阈值。 8.一种拉弧的检测装置， 其特 征在于， 包括： 第一获取 单元， 用于获取待测电流信号； 第一处理单元， 用于将所述待测电流信号输入至目标神经网络模型中， 得到初步判断 结果， 所述初步判断结果为初步判断所述待测电流信号是否存在拉弧现象的结果， 所述神 经网络模型为使用多组历史数据通过机器学习训练出的， 各组所述历史数据均包括第一历 史目标参数和 第二历史目标参数， 所述第一历史目标参数为根据历史电流信号计算得到的 参数， 所述第二历史目标参数为表征 所述历史电流信号是否存在拉弧现象的参数； 第二处理单元， 用于在所述初步判断结果表征初步判断所述待测电流信号存在所述拉 弧现象的情况下， 计算所述待测电流信号对应的时域谱的能量值， 并根据所述待测电流信 号对应的时域谱的能量 值最终确定所述待测电流信号是否存在所述拉弧现象。 9.一种电子设备， 其特征在于， 包括： 一个或多个处理器， 存储器以及一个或多个程序， 其中， 所述一个或多个程序被存储在所述存储器中， 并且被配置为由所述一个或多个处理 器执行， 所述一个或多个程序包括用于执行权利要求 1至7中任意一项 所述的拉弧的检测方 法。 10.一种用电系统， 其特征在于， 包括： 用电设备和电子设备， 所述用电设备和所述电子 设备通信连接， 所述电子设备为权利要求9所述的电子设备。权　利　要　求　书 2/2 页 3 CN 114034999 A 3