低压故障电弧的形态小波分析

故障电弧是引发电气火灾的重要原因之一.将形态小波引入故障电弧研究领域,利用LabVIEW软件设计了形态小波分析模块,实现对信号波形的可视化分析.利用该模块结合新型测试系统,对台灯、微波炉、空调和计算机等常见家用负载的正常及故障电弧波形进行实际采集和分析.对混合负载情况下不同位置的故障电弧特征进行了形态小波分析,为构建智能化通用故障电弧诊断模型进行了初步的探索.     

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。     

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。     

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。     

低压交流串联故障电弧辨识方法

故障电弧是影响配电网络安全可靠运行的主要问题之一,研制故障电弧保护开关能够有效降低因故障电弧引发的电气火灾事故,从而保障配电网络安全可靠运行。但故障电弧辨识因线路负载、燃弧条件等原因而存在一定复杂性,该文在分析电弧燃烧特点的基础上介绍了一种多特征融合的故障电弧辨识方法。首先,借助高速相机在微小时间尺度内分析了燃弧特性,电弧不稳定性影响回路电流谐波含量;然后,从时域、频域和信号无序度三个方面分析了回路电流在线路正常和发生电弧故障时的差异,并提取了电流平均值、谐波幅值、小波能量熵三个特征量,结合各种负载特征变化的共同点确定了线路正常与故障的特征量阈值范围;最后,通过制作样机对故障电弧辨识方法的有效性和稳定性进行了验证。结果表明,所述方法在实际工程应用中的平均辨识准确率为90%,满足工程应用中的准确性和稳定性要求。     

基于小波变换的故障电弧检测方法研究

描述了故障电弧的危害、定义及检测方法分类。提出了一种基于Daubechies 4阶小波变换的故障电弧检测方法。通过试验分析证明,其具有计算简单、实时性强等特点,能有效检测线路中是否有故障电弧产生。     

基于WPD-SVD的串联故障电弧检测方法

为了研究电力系统中串联故障电弧检测问题,以三相交流电机为例,设计了一种基于小波包-奇异值分解的串联故障电弧检测方法。首先,进行了串联故障电弧实验,获得了电机A相电流数据;其次,对电流数据进行小波包分解及进一步的奇异值分解,并成功提取特征值;最终,进行6个组别各50次重复实验并将重复实验结果平均处理,再对同组前4个特征值进行加权平均处理,获得WPD-SVD判别标准特征值。在进行正常与故障状态特征值对比后,证明特征值间距及稳定性都较为理想,足够作为串联故障电弧检测判据。     

低压系统串联故障电弧在线检测方法

故障电弧是引发电气火灾的主要原因,有效可靠地检测出故障电弧是预防电气火灾的迫切要求。本文首先基于居民用电系统搭建了模拟串联故障电弧的实验平台,而后设计了以常见家用电器为负载的实验方案并采集到不同条件下的故障电弧信号。基于电弧电流的特性分析,提出了一种故障电弧在线检测方法。该方法在线路电流相邻周期相减的基础上进行小波阈值去噪和归一化,利用周期幅值作为电弧的特征量,将特征量与参考值进行比较来判断故障电弧的发生。通过对单一负载、组合负载、启动过程、正常工作以及不同电压下串联故障电弧实验数据进行分析,得到了不同负载下电弧特征量的公共阈值。与其他方法的比较结果表明所提方法能够有效检测故障电弧的发生。     

基于HCMAC神经网络的故障电弧检测方法

低压故障电弧电流的有效值往往小于热脱扣器的动作电流,导致传统的电路保护装置失效.模拟低压电气线路中的故障电弧,利用电流采样装置对故障电弧电流进行采样.在分析故障电弧电流波形特征的基础上,利用HCMAC神经网络对电流波形的各周期均值、斜率和小波变换高频系数三个判据进行综合评判,有效克服了单一判据的局限性.仿真结果表明,基于HCMAC的故障电弧检测方法可有效识别故障电弧特征,提高辨识故障电弧的准确率.     

基于小波变换与差值能量法相结合的串联故障电弧检测方法

由于低压用户端交流串联电弧故障回路电流幅值小、一些电力电子负载正常工作电流与串联电弧故障电流相似等原因,使得故障电弧的准确诊断十分困难。本文提出了一种基于小波变换与差值能量法相结合的串联电弧故障检测方法。对原始电流信号进行小波阈值去噪,运用Mallat快速算法对信号进行多分辨率分析,提取多分辨率分析结果中包含电弧信息较多、负载干扰信息较少的频段进行小波反变换;运用差值能量法对反变换后富含电弧信息的信号进行故障诊断。最后利用自制的实验设备验证了算法的准确性。     

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。     

Smart detection technology of serial arc fault on low-voltage indoor power lines

This paper employs the discrete wavelet transform (DWT) and an artificial neural network to identify the occurrence of serial arc faults on indoor low voltage power lines. Electric arc faults on power lines must be detected in order to turn off the electric power sources before fire events occur. However, since the characteristics of line current waveforms during serial arc faults are complicated, smart detection technology is required to have high accurate recognition. The DWT is utilized to obtain the time-domain characteristics of line current waveforms, and the signal energy of some sub-bands is useful information to reflect the serial arc fault patterns. And then, a radial basis function neural network (RBFNN) is trained by using the data of signal energy obtained from DWT. After the training process, the RBFNN has excellent ability to identify the serial arc-fault conditions. At last, the accumulative RBFNN outputs of 30 power cycle line current data are used to certify the occurring of a serial arc fault on the line. This study also compares the results of detecting serial arc faults with a commercial arc-fault circuit interrupter (AFCI) to reveal the goodness of the purposed method.     

基于平稳小波变换的光伏直流串联电弧故障检测

光伏系统直流串联电弧故障具有随机性和隐蔽性的特点,且容易受到外部环境和光伏系统内部噪声的影响,难以检测。利用小波变换提取的电流时频域特征对电弧故障有很好的辨识度,但面临小波基选取的问题。在采集大量电弧故障数据的基础上,通过小波变换分析和对比实验,提出一种针对常用电弧故障特征指标提取的最优小波基选取方法。通过此方法确定bior4.4小波基为提取电弧故障特征的最优小波基,并由此构建基于bior4.4平稳小波变换的时频域特征。通过对比试验发现,基于bior4.4的时频域特征对电弧故障的辨识度明显提高,且表现出对正常噪声信号的抑制作用。为从多角度反映电弧故障特征,补充时域特征,并与时频域特征结合构成电流特征库,利用随机森林算法实现电弧故障的诊断。电弧故障检测准确率达到98.58%,正常信号的误判率仅为0.76%。     

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。     

同塔双回线电弧故障单端测距算法

高压输电线路的短路故障多伴随有电弧,针对目前众多故障定位算法中没有考虑过渡电阻的非线性特性的现状,提出了一种使用单端电气量进行故障测距的算法,该算法首先将耦合双回线解耦为同向量和反向量,根据反向量序网两端电压为零的特点,仅利用单侧电流推导故障点处的电压和电流,然后根据电弧故障电压、电流的转移特性构造测距方程,并利用最小二乘方法求解,实现故障测距。该算法使用了最小二乘方法得到故障距离,不需要输入对端系统等值阻抗,从理论上保证了该算法具有较高的测距精度。该算法理论分析简单,电磁暂态程序ATP仿真结果表明该测距算法有效、精度高。     

电动汽车串联型电弧故障检测方法

电弧故障是引发电气火灾的主要原因之一。在电动汽车电气系统中,直流串联电弧故障通常发生在接触点松动或线路连接损坏处,会引起火灾、爆炸等严重事故。为快速、准确地检测电动汽车串联型电弧故障,搭建了电动汽车故障电弧实验平台,采集不同工况下干路电流时间序列并建立了样本库。通过轻量化卷积神经网络,建立了基于改进Mobilenet网络的串联故障电弧检测模型。通过对比分析学习率、网络层数、样本长度,对模型进行了优化。该优化模型通过干路电流可实现电动汽车串联型故障电弧的检测和故障选线,检测准确率达到96.39%,论文为电动汽车电气系统电弧故障检测提供了一种可行性方案。     

基于改进CEEMD和RF的低压串联故障电弧识别方法

了解决完整集合经验模态分解(complete ensemble empirical mode decomposition, CEEMD)得到的固有模态函数分量数目及其频段不固定,以及故障电弧特征难以准确提取导致故障识别准确率低的不足,引入T检验和方差贡献率形成了一种改进CEEMD方法,进一步提出一种基于改进CEEMD和随机森林(random forest, RF)的串联故障电弧识别方法。首先,依托串联电弧故障试验平台,采集不同负载的电流信号。然后,采用改进CEEMD对信号进行分析并提取故障特征量,以TreeBagger函数进行特征降维,形成特征向量样本集。最后,结合RF构建故障电弧诊断模型,对样本集进行分类识别。结果表明：改进CEEMD能有效地提取不同负载电流的故障特征,所提故障电弧识别方法的识别准确率达到97.50%。通过进行不同特征提取方法和不同分类模型对诊断结果影响的消融实验,进一步证明了所提方法的可行性。     

脉冲电流选线技术对故障电弧的影响

脉冲电流选线技术需要短时改变中性点接地方式,接地方式的改变会给故障电弧熄灭带来负面的影响。针对故障电弧自行熄灭的条件,研究了电弧熄灭后故障点电压的恢复情况,结果表明,接地方式的改变可能加快故障点电压的恢复速度,增加电弧熄灭后复燃的几率。为了避免脉冲电流选线技术对电弧熄灭的不利影响,提出了改变接地方式的合理时间范围并给出了相应的计算方法;另外,指出了添加限流电阻可以减小对电弧熄灭的不利影响。     

基于LabVIEW的航空故障电弧发生装置研制

针对航空故障电弧研究中电弧信号采集繁琐的问题,文中设计了一种基于Lab VIEW的航空故障电弧发生装置。该系统由Lab VIEW上位机、DSP控制系统、电弧发生装置三部分组成。首先,通过Lab VIEW虚拟按键控制电弧发生装置触头移动,引发电弧;其次,利用串行通信将采集的数据传送至Lab VIEW上位机进行实时显示与存储。大量实验测试表明,新设计的实验平台能够实现故障电弧触发的自动控制与电弧特性的准确采集,同时简化了数据采集过程,具有良好的实用性与人性化设计。