基于长短期记忆神经网络的生命体触电电流检测*

赵启承， 虞雁凌

(1.国网浙江省电力有限公司电力科学研究院，浙江 杭州 310014；2.浙江亿安电力电子科技有限公司，浙江 杭州 311300)

0 引 言

随着社会的飞速发展，电力设备与电力线路的规模不断扩大，随之而来的火灾与触电事故也时常发生，因此,电力设备的安全性成为目前电力行业所聚焦的热点问题之一。目前,剩余电流保护设备与漏电电流检测技术已获得大量突破性进展，但仍未能从根本上解决剩余电流保护设备正确投运率较低问题。当前绝大多数的剩余电流保护器主要是通过总剩余电流有效值的大小来判断触电事故的发生，对于触电类型缺乏判别能力，当剩余电流保护装置的电气环境受到影响时可能会引起误动。此外，在一些特殊的场合下,电网的漏电电流有可能会使总剩余电流减小，从而造成剩余电流保护装置拒动。要解决这些问题，预防触电、漏电事故的发生，需要从剩余电流和生命体触电电流两方面来开发剩余电流保护装置。国内外许多学者对生命体触电检测与触电类型识别进行了大量的研究。文献[1]利用Mallat算法对总剩余电流进行滤波并构造实时更新的自适应阈值对触电波形进行检测，同时提取触电电流特征、时域特征和波形特征等多个特征值，并作为反向传播(BP)神经网络的输入，从而获得触电分类模型。文献[2]利用循环功率谱获取剩余电流信号的循环功率三维图，并利用K-means聚类对不同维度的循环频谱密度特征进行聚类分析，在此基础上添加偏置修正的欧式距离测度，一定程度上提升了聚类分析识别的准确度，但该模型并未提出如何确定触电时刻。……