故障电弧诊断总结1文档格式.docx

故障电弧诊断总结1文档格式.docx

《故障电弧诊断总结1文档格式.docx》由会员分享，可在线阅读，更多相关《故障电弧诊断总结1文档格式.docx（24页珍藏版）》请在冰豆网上搜索。

采用AR参数模型对低压电弧故障进行检测，并给出回路识别参考矢量；

采用小波熵分析电弧故障，指出若小波熵值大于0.002则可判定发生电弧故障；

基于小波变换模极大值建立电弧故障神经网络模型，以实现电弧故障检测与分类。

注：

输入参数的提取可以从一下三个方面：

（1）负载正常工作时的电流特性；

（2）开关插拔产生的正常电弧电流特性现实中我们在拔、插插头的瞬间也会产生电弧，它们持续的时间短，在瞬间就熄灭了，不连续也不影响线路中设备的正常工作，几乎不会因此产生火灾而威胁环境的安全；

（3）故障电弧（接触不良）的电流特性。

主要是由于线路绝缘层老化、绝缘损坏或者短路等原因而产生的电弧。

这种电弧持续时间长，电弧燃烧时放出大量的热量，对周围环境存在极大的火灾安全隐患，是需要预防制止的电弧，也称为故障电弧。

一、采用高频特性的低压电弧故障识别方法（2016.6）

摘要：

针对不同类型负载的电弧故障，提出一种基于小波熵的电弧故障普适性检测方法。

运用小波变换提取电弧故障发生时在电流过零点附近产生的高频信号，采用该高频信号的小波熵表征电弧故障的突变信息，并利用最小二乘支持向量机对小波熵进行分类，实现对电弧故障的有效识别。

引言：

电弧故障是引起电气火灾的重要原因之一，传统的电弧故障检测方法多基于电弧产生的弧光、弧声、温度等物理参数，但是线路中电弧故障位置的不确定性限制了这些方法的应用。

电弧电流测量的便利性使其成为电弧故障检测的理想参数。

传统电弧故障的识别方法主要基于电弧电流的谐波占有率分析法，小波提取电弧电流故障特征的时频分析法以及基于自回归模型参数的识别方法等。

其局限性在于：

因为电弧故障位置不确定，电弧电压无法测得；

负载类型繁多且连接方式不同，难于可靠区分电弧故障与正常负载电弧。

本文运用小波分析提取电弧故障发生时电流过零点附近1.25MHz～2.5MHz的高频信号，以此高频信号的小波能量熵作为识别参数，借助支持向量机对电弧故障信号进行识别，以期获得具有适应于大多数负载及负载混联时电弧故障识别的普适性检测算法。

1、实验平台搭建

主要由以碳，石墨棒和铜棒为电极的可调式电弧故障发生装置、隔离变压器、电流波形传感器、数据采集系统以及计算机。

系统采样频率为5MHz/s。

2.小波熵原理简介

2.1小波变换

传统的在频域分析方法是傅里叶变换，但其不能反映信号的时域特征，发生电弧故障时信号产生短时高频冲击和微弱的波形突变，经傅里叶变换后，这些时域特征因积分而被踢出，因此傅里叶变换难以提取电弧故障有效信息。

小波变换从时域和频域两个方面来反映电弧故障信号时频特征，可以用于辨别电弧故障时电流信号的微小变化。

二、采用小波熵的串联型故障电弧检测方法（2010.12.30）

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。

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。

故障电弧它经常发生在绝缘老化或破损的线路和设备中，或者在导体松弛连接等情况下发生。

能够描述故障电弧的物理量有很多，比如温度、弧声、弧光、电弧电压等。

用于测量这些物理参数的传感器必须安装在故障电弧发生点附近，本文提出以电弧电流作为故障电弧检测和分析的物理参数，提取能用于快速有效诊断故障电弧的特征量。

注：

线性负载与非线性负载区别

二者表现出来的区别就是：

“二者都施加正弦电压时，线性负载的电流是正弦的，非线性负载的电流是非正弦的。

”

线性负载：

故障电弧发生时，电弧电流会产生较明显的“零休现象”，而故障电弧发生前电流却不存在这种“零休现象”。

可以采用小波分析算法及快速傅里叶变换实现快速诊断。

非线性负载：

施加正弦交流电压时波形将发生严重畸变，出现类似前述的电流“零休现象”，因此很难直接利用这一电流特征来诊断故障电弧。

利用多分辨分析小波分析理论。

1.小波熵原理简介

1.1小波变换

在瞬变信号检测领域中，引入小波熵的概念，用来发现信号中微小的异常变化，能够对时频域上能量分布特性进行定量描述。

小波熵值表征了信号复杂度在时频的变化情况。

三、低压系统串联故障电弧在线检测方法（2016.4）

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，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。

国内外电弧检测的方法大致可以归纳为三类：

①建立电弧模型并通过检测相应的参量检测电弧；

②根据电弧发生时所产生的弧光、噪声、辐射、温度等变化检测电弧；

③根据电弧发生时的电流、电压波形变化检测电弧。

在家庭供配电线路中，开关操作频繁（正常工作电弧）、设备线路状况复杂，容易发生触头松动、绝缘老化、击穿、接地故障（故障电弧）等问题，增加了故障电弧发生的概率。

由于用电设备分散，利用电弧光、热等物理现象来检测电弧并不现实，适合利用线路电流的变化来检测电弧。

1、利用线路电流检测电弧研究现状

目前的检测方法可以分为三大类：

一类基于电弧的某个或某些特征，如基于电弧电流畸变点的小波分析法，基于电弧电流高频谐波的傅里叶分析方法，基于电弧电流上升率的分形法，基于电弧随机性的差值-方均根检测方法；

二是对电弧进行整体识别，已有的算法有模型参数法，支持向量机法，神经网络法；

三是上述两种方法的组合，基于电弧电流波形的畸变性，通过小波变换的细节系数检测电弧电流的畸变点，进而检测出电弧。

然而某些非线性负载正常工作时也存在相似的畸变点，不同负载下的细节系数阈值不统一，需要判断负载的类型；

从整体识别的角度，使用神经网络算法对电弧信号进行训练，其特点是识别率较高，但是实时性差，需要对大量数据进行训练。

把小波（包）检测和神经网络识别进行结合，以减少模式识别的数据量，提高了检测的实时性，然而其改善程度并不明显。

对燃弧前后的电流数据进行波形分析，在相邻周期波形相减的基础上，利用小波阈值消噪提取到故障电弧特征量，并应用软件对实验数据进行分析，结果表明该检测方法具有很高的识别率。

2、实验装置与数据采集

2.1实验装置

2.2数据采集

数据采集使用示波器，采样速率选择为20kHz，实验步骤如图2所示，调节示波器的采样速率和延迟时间，使采集到的波形跨越正常、起弧、燃弧、熄弧全过程。

四、电弧故障断路器的故障电弧电流特性研究（实例）（2012.6）

电弧故障断路器能够发现故障电弧，其工作的关键在于准确辨识故障电弧。

研究故障电弧电流同正常电流之间的本质差异，通过不同的数学方法分析电弧和正常情况下电

流数据的特征，为识别故障电弧提供依据。

通过搭建的电弧实验平台，模拟线路中发生串联电弧时的状况，获得了分别单独以纯电阻、调光灯、空调、计算机和调光灯组合作为负载时各自的故障弧电流和正常电流的实测数据（不同负载的故障电弧电流和正常电流）。

对于实测数据，首先进行数据指标的分析，分析了负载在故障电弧和正常两种情形下电流有效值、平均值、峰峰值、平肩部百分比和电流上升率等数据指标之间的差异，找出同一负载两情形下这些指标下的特征。

其次，运用傅里叶变换观察两种情况下的频谱特征，并比较发生故障电弧时奇次谐波含量和偶次谐波含量与正常情形时存在的差异。

进一歩运用小波变换分析实验数据，根据分解重构后的误差值大小选择合适的小波基函数及分解层数，依据所选择的小波基函数对数据进行去噪声处理，信号故障点的判断，提取小波变换后的能量特征向量，并运用该特征向量作为小波神经网络的输入样本。

傅里叶分析结果和小波变化分析结果的故障电弧神经网络辨识方法。

1、对于电弧的一般特性：

（1）电压和电流中均包含大量的高频噪声信号；

（2）电压的波形类似于矩形波；

（3）电弧存在电降，因此对同一电路来讲，非电弧电流幅值一般大于电弧电流，线路存在补偿的情况除外；

（4）非电弧电流的上升率通常小于电弧电流；

（5）每过半个周期，电弧电流先于非电弧电流的零点前熄灭，后于非电弧电流的零点后重燃，在这个区域建立一段幅值接近零且变换不明显的区域，被定义为“平肩部”；

（6）电弧通常也是零星的、短脉冲间穿插着部分正常的电流。

对电弧的检测可依据这些特性，研究合适的检测方法。

故障电弧电压电流波形

电弧普遍分为三种形式：

串联电弧、并联电弧和对地电弧，如下图所示。

若将第三种形式产生的电弧归纳到第二类中，此时分为串联弧和并联电弧。

电弧发生器及测量电路图：

电弧实验实物图：

安装电极部分：

铜棒电极和碳极：

2、实测数据及其处理

比较了两种电流数据的有效值、平均值、峰峰值、平肩部百分比及上升率的差异，即指标分析法。

一般纯电阻负载，正常情形的波形与发生电弧故障时的波形差异明显；

但负载位60W和300W的调光灯时，波形变化不是特别明显。

3、数据的小波变换

傅里叶变换是一种全局的分析，因此无法表述信号的时频局部特性，而时频局部特性恰好又是非平稳信号最基本且关键的性质，稳定信号理想的处理工具还是傅里叶变换分析。

傅里叶分析：

将信号分解为不同频率的正弦波。

小波分析：

将信号分解为不同尺度（比例缩放）、平移（起始位置）的小波。

连续小波变换的5个基本步骤：

1、选取一个小波，将其与原始信号的开始一段进行比较。

小波基函数的选取可通过小波分解层数误差比较。

2、计算小波系数C，其值的大小取决于小波与选取信号段的相似程度，越相似其值越大。

更精确的是若信号与小波能量都等于1，则C可解释为互相关系数。

注意：

系数的大小与所选择小波的形状有关。

3、从左到右平移小波逐段重复步骤1、2的比较，直到完成整个信号的比较。

4、小波伸缩（尺度化），重复步骤1~3。

5、重复1~4步得到所有尺度下的小波系数。

离散小波变换：

连续小波变换的计算量非常大，费时。

第一部滤波：

逼近和细节逼近成分对应大尺度低频分量，细节成分对应小尺度高频分量。

原始信号S通过两个互补的滤波器得到两个信号A和D.

使用的原信号为一叠加有高频噪声的实正弦信号,其分解原理图如下，在离散小波分析中采用二取一的”降采样技术”得到分别具有500点的小波系数cD和cA;

Matlab语句如下

s=sin（20.*linspace（0,pi,1000））+0.5.*rand（1,1000）;

[cA,cD]=dwt（s,'

db2'

）;

db2为小波类型。

离散小波多级分解（Multiple-LevelDecompos