数学形态学在串联型故障电弧诊断中的应用

故障电弧是导致设备或线路电气火灾故障的原因之一。为了实现对配电系统中串联型故障电弧的快速诊断,文中提出了一种基于数学形态学的串联型故障电弧诊断方法。该方法利用数学形态学的开闭运算,有效地滤除电流信号中的噪声干扰,并通过多分辨率形态梯度(MMG)运算提取串联型故障电弧发生前后电流波形的突变特征,进而获取正常工作情况下和故障电弧发生时线路电流波形的形态梯度值。通过比较故障发生前后线路电流波形形态梯度值的大小,可以准确地判断出线路是否发生了电弧故障。该串联故障电弧诊断方法具有逻辑运算简单,计算量小且易于实现的特点。     

基于周波分析法的串联型故障电弧诊断技术

为了研究串联型故障电弧的特性,快速检测出电力线路中发生的电弧故障,及时切断故障线路,笔者提出一种利用周波分析法速检测故障电弧的诊断方法。根据电力线路发生串联故障电弧时,线路电流的周波有不规则特点,通过该方法计算相邻电流周波间的差异值并提取畸变信号,从而判断电力线路中是否存在故障电弧。本文对不同类型典型负载进行故障模拟实验,对故障电弧实验数据进行收集分析,验证了该方法的有效性和可靠性。     

低压串联电弧故障特征与检测方法分析

提出了低压配电线路中的电弧故障是电气火灾主要诱因之一,针对电弧故障的发生发展过程进行了描述,对于电弧故障的类别及特征进行了分析,得出低压配电线路中的串联电弧故障易隐匿于线路中的特点,且难以对其进行检测。同时对低压配电线路中串联电弧故障的电压、电流波形进行了一般特性的分析,指出了串联电弧故障电压、电流波形的时域特征。最后总结分析了现有的电弧故障检测技术,得出结论是,以电压或电流波形特征为检测和判断对象的电弧故障检测方法最为可行。     

低压串联电弧故障通用诊断方法的研究

低压串联电弧故障是引发电气火灾的重要原因之一。利用MATLAB软件,建立基于CASSIE模型的低压串联电弧故障仿真电路,对单一和混合负载下的串联电弧故障电流波形进行小波变换的可视化分析,结合实测电弧故障电流研究了不同负载下电弧故障的共同特征,提出了基于小波分解细节分量阈值的通用诊断方法并利用LabVIEW软件编制了诊断程序,在线路供电端实现了对各类串联电弧故障的识别,为电弧故障通用诊断的实现和应用提供了理论依据和实验方法。     

基于小波分析信号特征频段能量变比的故障电弧诊断技术研究

为了分析和研究故障电弧的特性,进而快速及时地检测出电弧故障,以便快速切断故障线路,笔者提出一种利用小波变换来分析故障电弧电流特征频段能量变比的诊断方法,通过采用db5小波基函数分别对线路正常工作情况下电流信号和串联型故障电弧电流信号进行6层小波分解,从而提取正常情况下和故障电弧发生情况下的频带能量值及其前后的能量变比,其中d4、d5细节信号所在的频段为故障电弧的特征频带。利用此故障电弧的典型特征可以准确地实现对故障电弧的诊断,且该分析结论对于线性负载情况下的故障电弧诊断研究具有普适应意义。     

基于网格分形理论的串联故障电弧检测诊断技术

提出了一种基于网格分形理论的故障电弧诊断方法。根据任意时刻正常工作电流和故障电弧电流斜率的不同变化特征,通过计算相邻电流斜率之间的关系,判断电流的突变点或电流波形的畸变点,由此对线路中可能出现的故障电弧作出诊断。     

采用小波熵的串联型故障电弧检测方法

电力电子技术已广泛应用电力系统,一些电气设备正常工作时的电流特性与故障电弧电流的典型特性相似,当设备或线路发生串联型故障电弧时,使得故障电弧的可靠诊断与检测十分困难。在多分辨分析快速小波变换及基于非参数自适应估计理论的Birge-Massart策略阀值求解的基础上引入小波熵概念,提出一种利用小波熵来反应故障电弧电流信号的能量分布,并由此提取故障电弧电流中瞬变信号的方法,实现对故障电弧电流信号中低能量瞬变信号的有效提取,从而为串联型故障电弧的诊断提供依据。     

基于电流波形曲率的短路故障快速识别方法

随着电力系统的迅速发展,短路电流超标已经成为突出问题.故障电流限制器(fault current limiter,FCL)可以在不改变电网潮流分布的情况下限制短路电流,具有良好的应用前景.如何快速准确地识别出短路故障是故障电流限制器使用效果的关键因素之一.针对短路故障发生时线路电流会发生突变这一特性,提出了一种采用线路电流波形曲率对故障电流快速识别的方法.用PSCAD仿真软件建立了华东500 kV电网故障电流限制器等值系统.在该等值系统上对基于线路电流波形曲率的故障信号快速识别方法进行了研究.结果表明该方法对短路电流突变特性有识别能力且对识别速度有提高作用.最后通过伊敏-冯屯可控串补工程现场故障录波数据验证了上述结论.     

基于分形维数和支持向量机的串联电弧故障诊断方法

电弧故障是引起电气火灾的重要原因之一。针对串联电弧故障随机性、多样性和隐蔽性等带来的诊断难题,为提高故障诊断率,设计了一种新的串联电弧故障诊断方法。借助高频电流传感器和高速数据采集系统采集串联电弧故障电流,通过分形维数定量衡量高频电流信号的混沌特性,以便提取串联电弧故障的特征信息,以盒维数和关联维数构造串联电弧故障的特征向量,采用最小二乘支持向量机对电流信号的特征向量进行分类,实现了线路正常与串联电弧故障状态的正确区分。运用所建立的实验平台验证了整个诊断方法的有效性,实验结果表明,串联电弧故障诊断率达到98%以上,所设计的诊断方法具有良好的泛化能力。     

基于Cassie模型和L3/4范数的串联电弧故障检测方法EI北大核心CSCD

在民用交流电系统中,发生串联电弧故障时,电流一般较小达不到断路器阈值,而且在某些情况下,正常工作状态电流与电弧故障电流波形非常相似,难以检测,易导致电气火灾的发生。利用Cassie模型对串联电弧故障进行模拟,分别得到线性负载和非线性负载条件下时域电流波形,并利用傅立叶变换得到电流幅值频谱。对比可知,电弧故障状态下线性负载电流波形和正常工作状态下非线性负载电流波形均会出现零休;电弧故障状态下无论是线性负载还是非线性负载电流幅值频谱均会出现谐波且与正常工作状态电流幅值频谱具有不同的特点。利用基于L3/4范数正则化的稀疏表示算法实现电弧故障检测,通过仿真说明该方法具有较好的稀疏性和准确性。     

基于电压特征能量的低压交流串联电弧故障检测方法

串联电弧故障电流波形受负荷类型影响较大,利用电流特征构建通用故障判据难度较大。为识别故障点电弧电压,提出了一种基于电压特征能量的串联电弧故障检测方法。首先,通过分析故障点电弧电压及监测点故障电压特征规律,对故障信息的特征频带选择进行了论证。然后,以不同负荷下的电弧电压波形特征归类为依据,提出了基于电压特征频带全域能量幅值和敏感相位域能量相位信息的故障检测方法。最后,利用全域总能量幅值和敏感域能量相位映射统计比实现了综合故障检测策略的构建。试验结果表明,所提方法在不同线路参数和测试负荷下的故障检测准确率超过了98%且无误检发生,验证了其有效性。     

应用短时傅里叶变换识别串联电弧故障特征的研究

介绍了电弧故障保护电器在电气火灾防护中的作用以及电弧故障检测现状。通过短时傅里叶变换,分析了多种负载串联电弧故障特征频段,提出了一种串联电弧故障识别的方法。串联电弧故障波形分析表明,短时傅里叶变换为串联电弧故障特征的提取提供了可靠依据,在此基础上采用的统计分析可准确识别串联电弧故障,并有效区分负载起动冲击电流的干扰。     

低压串联故障电弧的识别方法

以低压串联故障电弧为研究对象,采集了几种常见用电设备单独及混合运行时的电流波形,采用Matlab软件对电流波形进行离散傅里叶变换（DFT）,提出了基于谐波分量相对变化系数的低压串联故障电弧识别方法。仿真结果表明,设计方法能有效识别故障电弧的发生,为故障电弧断路器的研究提供参考。     

基于dsPIC的电弧故障检测装置

在分析故障电弧特征的基础上,利用Matlab对故障电弧波形进行3次B样条小波分解。经分析得m,可利用第4尺度下的细节分量最大值作为判断故障电弧发生的依据。在实物设计中,以dsPIC为核心搭建了电弧电流采样硬件电路、继电器控制硬件电路,编写Mallat小波分解算法程序、故障判断程序等,设计了一个基于dsPIC的电弧故障检测系统。最后,搭建了串联电弧故障模拟试验电路,并以电水壶为典型负裁对系统的功能进行测试。通过试验,验证了系统对于电弧故障识别的有效性。     

串联故障电弧检测方法的研究

提出了一种基于小波包能量熵的故障电弧检测方法,该方首先计算电流信号的小波包能量熵对故障电弧电流信号的能量分布进行定量描述,然后,提取故障电弧电流与正常工作电流的能量熵比值,并将其作为故障发生的判据。结果表明,该方法能有效提取串联故障电弧电流的时频特征,为串联故障电弧的诊断和检测提供了一种新途径。     

矿用电连接器串联型故障电弧诊断方法研究

为提高煤矿井下供电系统的可靠性,在不同电压、电流、功率因数、环境相对湿度条件下,开展了因机械振动引发的串联型故障电弧模拟实验。分析了不同实验参数对故障电弧的影响;提取串联型故障电弧相邻五周期电流信号中的过零点数、归一化后的方差、协方差构成特征向量;建立了基于随机森林分类算法的串联型故障电弧诊断模型,以正常运行及故障电弧电流信号的特征向量构成训练样本和测试样本作为随机森林模型的输入,对样本进行分类,进而诊断是否发生串联型故障电弧。结果表明,该方法能够有效地实现矿用电连接器串联型故障电弧的诊断。     

基于邻波电流差与随机性的交流串联电弧故障识别

低压电力线路的交流串联电弧故障易引发电气火灾,造成人身财产损失。根据故障的电流突变量幅值与电流变化量的电弧随机性特征,提出了基于电流邻波绝对差与随机性的电弧识别方法。该方法基于故障前后的电流突变量变化规律,以突变幅度作为故障启动判据。然后根据故障周期间电流变化量在不同负载种类、气隙间距下的电弧随机特征时域分布,构建了电弧故障存在性判据。最后通过一维卷积神经网络综合识别电弧故障。当故障支路负载功率占比20%时,所提方法使用未训练干路数据的平均检测准确率为90.97%,可有效检测串联电弧故障,具有较好的适应性。     

基于电弧电磁辐射的故障电弧识别

随着用电系统中非线性负载的增多,根据故障电弧的电压电流特征进行故障电弧识别容易发生故障电弧的误判别。针对该问题,本文自主搭建了故障电弧模拟试验平台,并在不同负载下进行了串联故障电弧的模拟试验。在试验分析的基础上,提出了一种基于电弧电磁辐射信号的故障电弧识别方法,通过故障电弧时域信号的模极大值提取,得到故障电弧的电磁辐射信号特征值,并根据该特征值进行故障电弧的识别。试验结果表明,在计及距离衰减、屏蔽、非线性负载干扰以及传感器测量方位等影响因素的条件下,该方法能够实现故障电弧的有效识别,提高了故障电弧的识别准确率。     

基于自组织特征映射网络的电弧故障检测方法

一般利用故障电弧产生时的电流波形特性进行电弧故障检测。随着线路负载种类的日益增多,故障电弧产生时的电流波形与某些负载无弧情况下的电流波形十分相似,难以通过简单的电流时频域特征进行电弧故障检测,影响电弧故障检测的准确性。针对该问题,提出一种自组织特征映射网络与滑窗法相结合的电弧故障检测方法,在自组织特征映射网络自主挖掘电流数据内在特征的基础上,利用相邻周期电流样本之间的关联性与连续性,对电流信号进行连续检测,提高电弧故障检测准确率。所提方法能有效实现电弧故障检测,电弧故障检测准确率可达99 %。