本发明属于人工智能，具体涉及基于conformer的串联故障电弧检测方法及系统。
背景技术：
1、当前对于故障电弧的检测技术，大体上可以分为三大类。
2、传统电弧检测技术：传统的电弧检测技术一直依赖于对电流和电压信号进行分析，以及阻抗匹配等方法。这些方法在某些情况下能够有效地检测电弧故障，但其适应性通常受到复杂电网结构和各种信号干扰的制约。在电流和电压信号分析中，传统技术通常关注信号的波形、频率和振幅等特征，试图从中提取与电弧故障相关的信息。然而，对于电网结构庞大、分布复杂的情况，这些方法可能难以充分捕捉到电弧故障的准确位置和特征。阻抗匹配是传统电弧检测的另一种常见方法，其基本原理是根据电弧故障的阻抗特征来进行检测。然而，由于电网中存在多种不同的负载和连接方式，阻抗匹配方法在适应这些复杂场景时可能表现出一定的局限性。
3、光学检测技术：光学检测技术尝试通过使用光学传感器监测电弧的可见光和红外辐射，从而提高检测的精确性和可靠性。在一些情景下，这种方法具有明显的优势，尤其是在光学信号能够提供丰富信息的条件下。然而，光学检测技术受到环境光照和设备布局的影响。在强光照或光线不足的环境中，光学传感器可能受到干扰，影响检测的可靠性。此外，电力设备的布局可能导致一些区域难以被光学传感器有效覆盖，从而降低检测的全面性。
4、基于机器学习的方法：近年来，机器学习技术，特别是神经网络，已被引入电弧检测领域，以提高检测的准确性和适应性。这些方法利用大量数据进行训练，使模型能够学习复杂的电弧故障模式。然而，采用机器学习方法也面临一些挑战。为了训练深度学习模型，需要大量的标记数据，而在电力系统中获取这些数据可能面临成本高昂、标记困难的问题。此外，深度学习模型通常被认为是黑盒模型，难以解释其决策过程，这在某些应用场景下可能引起不信任。
5、故障电弧检测的技术主要存在以下一些问题：
6、复杂电网环境：电力系统作为庞大的能源传输网络，由变压器、开关设备等复杂的组件构成，形成了多层次、多节点的网络结构。这种复杂性使得电弧故障在系统内的传播路径变得错综复杂，传统方法在解析这种复杂的网络环境时可能显得力不从心。特别是在存在多个变压器和大量开关设备的情况下，电弧可能同时涉及多个部件，增加了准确定位电弧故障的难度。
7、信号干扰：电力系统中存在各种干扰，包括来自其他设备的谐波、传感器噪声等。这些干扰信号可能与电弧故障产生的信号相互叠加，使得电弧故障信号难以准确提取。传统方法在处理这些复杂的信号时可能容易出现误报，导致对真实电弧故障的错误检测。
8、实时性和响应速度：电弧故障可能瞬间发生，因此对于实时性和响应速度的要求非常高。传统方法可能受限于其算法的复杂性和计算效率，难以在短时间内完成对电弧故障的实时监测。尤其是对于突发性、短暂性的电弧故障，传统方法可能无法及时做出反应。
9、现有故障电弧检测技术主要存在以下缺陷：
10、有限的适应性：传统的电弧检测技术往往面临适应复杂电网结构和变化环境的挑战。在大规模电力系统中，存在各种设备、变压器和开关，形成了复杂而庞大的网络结构。传统技术可能受到这些复杂性的制约，难以充分理解和适应系统的多层次结构。特别是在电力系统的拓扑结构变化或设备升级时，传统方法可能需要进行频繁的调整，限制了其在大规模系统中的应用。
11、数据标记难度：应用机器学习方法进行电弧检测通常需要大量的标记数据，以便模型进行有效的训练。然而，对于电弧故障这类相对罕见但危险的情况，获取足够数量和多样性的标记数据可能面临挑战。电弧事件的发生频率较低，而且很多时候可能难以事先预测，这导致了标记数据的有限性。
12、对实时性要求的挑战：电力系统对于电弧故障的检测要求具有高度的实时性和响应速度。部分传统方法可能由于算法的复杂性或计算效率的不足而难以在短时间内完成对电弧故障的检测。特别是对于突发性、瞬时性的电弧故障，传统方法可能无法及时做出快速响应。
技术实现思路
1、本发明提出了一种基于conformer的串联故障电弧检测技术，用于解决现有故障电弧检测方法的准确度较低的问题，同时也可以在一定程度上解决上述背景技术模块提到的其他问题。
2、本发明提供基于conformer的串联故障电弧检测方法，包括以下阶段：
3、采集电流数据；
4、对电流数据进行预处理；
5、划分电流数据；
6、构建基于conformer的串联故障电弧检测模型；
7、使用测试集电流数据对模型进行测试；
8、使用其他真实数据对模型进行测试；
9、将模型部署到真实环境进行电流状态检测。
10、根据本发明提供的基于conformer的串联故障电弧检测方法，采集数据包括：获取常见负载发生电弧故障时和正常工作状态下的原始电流时序数据，即进行初步的原始电流时序数据采集。电流数据采集包括选择适当的传感器、安装传感器、连接数据采集设备、设置合理采样频率、记录并存储电流数据、进行数据标定和校准。然后对采集到的原始电流时序数据进行预处理，包括归一化、剪裁得到电流时序数据。最终将电流时序数据转换为模型可以处理的图像形式，这样的表示有助于模型学习电流数据中的模式和特征。
11、采集到的原始电流时序数据可以用如下公式表示：
12、
13、其中，是第 i个时间点，是在时间点测量到的实际电流值，其中， n为原始电流时序数据中的元素个数。
14、根据本发明提供的基于conformer的串联故障电弧检测方法，数据预处理包括：经过归一化和剪裁，初步处理过后的电流时序数据和原始电流时序数据类似，同样是一个包含时间和电流值的时间序列，电流时序数据可以用如下公式表示：
15、
16、其中，是处理后的第 j个时间点，是时间点对应的处理后的电流值，其中， m为处理后的电流时序数据中的元素个数。需要指出的时，此处的电流时序数据是剪裁过后的，取的是一个电流周期。然后就可以根据处理后的电流时序数据，绘制出电流波形图。
17、根据本发明提供的基于conformer的串联故障电弧检测方法，划分电流数据包括：将得到的电流波形图进行详细地分析，进而将其区分为正常电流波形图和故障电弧波形图，并将正常电流波形图打上正常标签，将故障电弧波形图打上故障标签。这个标记过程可以确保模型在训练时充分了解正常和故障电流波形图的状态，从而提升模型的学习效果。然后按比例随机划分训练集和测试集。该阶段的关键在于按照一定的比例随机选择样本，这可以确保训练集全面地覆盖各种正常和故障两种情况，并且测试集能够提供一个客观的评估标准。这样的划分能够有效地验证模型的泛化能力，使其在未见过的真实数据上同样表现出色。
18、根据本发明提供的基于conformer的串联故障电弧检测方法，构建基于conformer的串联故障电弧检测模型包括：
19、基于conformer的串联故障电弧检测模型包括依次连接的输入模块、卷积池化层、transformer层、全连接层、分类层和输出模块，其中，卷积池化层和transformer层共同组成conformer结构。
20、输入模块负责接收电流波形图像数据，图像数据是经过预处理后的电流时序数据绘制而成的，其中包含了正常运行和可能的故障情况下的电流波形。
21、卷积池化层首先通过卷积提取电流波形图像的一系列特征，卷积操作可以有效捕捉到电流波形图中的局部信息。此处连续两个卷积层可以逐渐提取更高级别的电流数据特征。
22、卷积操作可以表示为：
23、
24、其中，是卷积后电流特征图中位置的值， k和 l是卷积核的尺寸，是输入图像中位置的值，是卷积核在位置的权重，该参数 k是模型学习的部分，训练过程中会根据损失函数进行调整。
25、然后采取残差模块缓解本模型训练过程中的梯度消失问题。接着采取注意力模块，提高模型对电流图像中关键特征的捕捉和利用的能力。
26、在cbam之后再次使用卷积层，这有助于进一步提取经过调整后的电流特征数据，从而增强模型对电流数据的表达能力。
27、然后进行池化操作，降低电流特征数据的空间维度，保留重要信息。此处采取的最大池化可以表示为：
28、
29、其中，是池化后特征图中位置的值，s和t是池化窗口大小，是输入特征图上位置的值。
30、transformer层大体可以分为编码模块和解码模块，编码模块包含4个编码器，解码模块包含4个解码器。卷积池化层输出的电流特征数据，输入到编码模块之后，产生编码后的电流信息，该信息再经过解码模块，产生transformer层的输出，作为全连接层的输入。
31、全连接层的输入为transformer层的输出，transformer层的输出经过全连接层进行最终的处理，以进行二分类任务，即判断电弧是否存在故障。
32、分类头的输入是全连接层输出的电流特征数据，电流特征数据包含了对电流图像特征进行高层次抽象和学习的信息。全连接层的输出接近1认为是正常电流数据，接近0认为是故障电流数据。为了将模型的输出映射到最终的二元分类结果，本发明设定一个阈值0.5。当输出大于0.5时，模型判定电流数据正常，用1表示，当输出小于等于0.5时，模型判定电流数据存在故障，用0表示。
33、根据本发明提供的基于conformer的串联故障电弧检测方法，使用测试集电流数据对模型进行测试包括：使用测试集数据对训练出的模型进行测试，测试模型召回率和准确度，若不达标则调整模型和参数重新训练。
34、根据本发明提供的基于conformer的串联故障电弧检测方法，使用其他真实数据对模型进行测试包括：使用非训练集和测试集的数据对网络模型的准确度进行测试，若不能精准发现故障电弧，则需要做出相应调整重新训练模型。
35、根据本发明提供的基于conformer的串联故障电弧检测方法，将模型部署到真实环境进行电流状态检测包括：将测试达标的网络模型部署到真实环境中进行电流状态检测，检测出故障电弧时进行预警处理。
36、本发明还提供基于conformer的串联故障电弧检测系统，包括：数据采集模块、预处理模块、数据划分模块、conformer模块、训练模块、第一测试模块、第二测试模块和检测模块；
37、数据采集模块用于获取负载发生电弧故障时和正常工作状态下的原始电流时序数据；
38、预处理模块用于对采集到的电流数据进行归一化、剪裁；并将电流波形图转换为图像形式；
39、数据划分模块用于划分数据，形成训练集电流数据和测试集电流数据；
40、conformer模块包括输入模块、卷积池化层、transformer层、全连接层、分类层和输出模块，卷积池化层和transformer层共同组成conformer结构，用于基于conformer的串联故障电弧检测模型；
41、训练模块用于使用训练集电流数据对串联故障电弧检测模型进行训练；
42、第一测试模块用于使用测试集数据对训练出的串联故障电弧检测模型进行测试，测试其召回率和准确度，若不达标则调整模型和参数重新训练；
43、第二测试模块用于使用非训练集和测试集的数据对串联故障电弧检测模型的准确度进行测试，若不达标则调整模型和参数重新训练；
44、检测模块用于利用测试达标的串联故障电弧检测模型检测电流状态，检测出故障电弧时进行预警处理。
45、本发明还提供一种电子设备，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计算机程序，所述处理器执行所述程序时实现如上述任一种所述基于conformer的串联故障电弧检测方法。
46、本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述基于conformer的串联故障电弧检测方法。
47、本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述基于conformer的串联故障电弧检测方法。
48、与现有技术相比，本发明的有益效果是：
49、1、高效特征学习
50、本发明中的模型使用到的注意力机制，能够在全局范围内捕捉图像特征之间的复杂关系，提高对电流数据特征的学习能力。相较于其他方法，本发明能更有效地提取和抽象图像中的关键特征。模型在卷积池化层和transformer层中的特征提取和学习过程，能够更全面地表达电弧图像中的信息，提高检测性能。
51、2、自适应性
52、采用conformer架构，使得本发明中的模型能够端到端地学习输入电流图像到输出分类的映射，而无需手动设计特征提取器。模型能够自适应地学习不同电弧模式之间的复杂关系，适应性更强。注意力机制允许模型在学习过程中动态调整对图像不同部分的关注程度，从而更好地适应不同电弧故障的特征。
53、3、计算效率高
54、本发明中的模型相对于传统的深度学习模型参数较少，计算效率较高。这对于在资源有限的嵌入式系统中进行实时电弧检测是非常重要的。
55、4、多层次特征提取与全局信息融合
56、卷积池化层和transformer层的结合使得模型能够在多个层次上提取特征，并在全局范围内融合信息。这有助于更全面地理解电流图像，可以提高检测准确性。并且能够有效地捕捉电流图像中的局部和全局信息，使得故障电弧的特征更为显著，相较于传统方法具有更好的性能。
57、本发明使用包含conformer结构的模型进行串联电弧故障检测，可以提高模型特征学习的效率、提高模型的自适应性、提高模型的计算效率并且促进电流数据特征的多层次提取和全局信息融合。
1.基于conformer的串联故障电弧检测方法，其特征在于，包括以下阶段：
2.根据权利要求1所述基于conformer的串联故障电弧检测方法，其特征在于，采集电流数据包括获取负载发生电弧故障时和正常工作状态下的原始电流时序数据，还包括选择传感器、安装传感器、连接数据采集设备、设置合理采样频率、记录并存储电流数据、进行数据标定和校准。
3.根据权利要求2所述基于conformer的串联故障电弧检测方法，其特征在于，对电流数据进行预处理包括对采集到的原始电流时序数据进行归一化、剪裁得到电流时序数据；并将电流时序数据转换为图像形式；
4.根据权利要求3所述基于conformer的串联故障电弧检测方法，其特征在于，划分数据，形成训练集电流数据和测试集电流数据包括：将电流波形图区分为正常电流波形图和故障电弧波形图，并将正常电流波形图打上正常标签，将故障电弧波形图打上故障标签；按比例随机划分训练集和测试集。
5.根据权利要求3所述基于conformer的串联故障电弧检测方法，其特征在于，建立基于conformer的串联故障电弧检测模型包括：依次连接的输入模块、卷积池化层、transformer层、全连接层、分类层和输出模块；卷积池化层和transformer层组成conformer结构；
6.基于conformer的串联故障电弧检测系统，其特征在于，该系统用于权利要求1-5任意一项所述基于conformer的串联故障电弧检测方法，系统包括：数据采集模块、预处理模块、数据划分模块、conformer模块、训练模块、第一测试模块、第二测试模块和检测模块；
7.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，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至5任一项所述基于conformer的串联故障电弧检测方法。
8.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述基于conformer的串联故障电弧检测方法。
9.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述基于conformer的串联故障电弧检测方法。
