故障电弧诊断总结.docx

故障电弧诊断总结.docx

《故障电弧诊断总结.docx》由会员分享，可在线阅读，更多相关《故障电弧诊断总结.docx（22页珍藏版）》请在冰豆网上搜索。

故障电弧诊断总结

研究意义：

电弧故障（ArcFault）有并联电弧故障和串联电弧故障之分。

并联电弧故障表现为电路短路，故障电流大，现有电气保护体系能对其保护；而串联电弧故障因受线路负载限制，其故障电流小，常为5~30A，甚至更低（荧光灯电弧故障电流有效值约为0.1A），以至于现有保护体系无法实现对串联电弧故障保护，是现有电气保护体系的漏洞之一，存在潜在电气安全隐患。

串联电弧可分为“好弧”和“坏弧”，如电弧焊机、有刷电机工作时产生的电弧及插拔插座时产生的电弧常称为“好弧”；其他非按人类意愿或控制产生的电弧称为“坏弧”。

对电弧故障进行检测时，不应将“好弧”误判为电弧故障，进而切断电源造成不必要损失。

实时准确检测串联电弧故障，并切断故障电路是避免电弧持续燃烧以至于酿成火灾等事故的有效途径。

依据电弧发生时所产生的声、光、电、磁等特性，采用实验方法研究电弧特性。

以电弧电、磁特征作为检测方法输入，实验研究了电弧故障，分析说明串联电弧与并联电弧，交流电弧与直流电弧之不同；在频域展开电弧特性研究，指出故障电弧特征量多集中在2-200kHz频段。

随着电力电子技术发展，非线性负载增多，传统基于电弧“零休”等特性的检测方法已不能满足要求。

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）

摘要：

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。

引言：

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）

摘要：

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。

引言：

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）

摘要：

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-LevelDecomposition）

小波分解树（waveletdecompositiontree）

分解时对逼近系数进行反复分解.

信号的小波分解：

小波重构：

小波分解是小波分析的一半,与此相对的另一半是信号的小波重构（reconstruction）,或综合（synthesis）（无信息丢失）.称为小波逆变换（IDWT）.

下图为信号的小波重构示意图：

由小波分解得到的小波系数重构信号。

信号的小波重构涉及滤波和上采样

上采样：

小波重构中的上采样是在两原数据点间插入零值。

前面所述的是由小波分解系数重构原始信号,与此类似,我们也可由小波分解系数重构某一级的逼近和细节信号.

单级重构

多级重构

滤波器与小波形状的联系：

在实际使用小波中,很少直接从构造一个小波开始,而是设计适合的镜像滤波器,进而选定小波函数计出波形.

构造适合db2小波的低通重构滤波器L：

（1）低通滤波器系数可由Matlab中的dbaux命令得到;

（2）若反转该滤波器系数向量,并且每一偶数样本乘以-1,则可得到高通重构滤波器H’的系数.

（3）H’上采样（H’系数间隔插零）

（4）上采样向量与原始低通滤波器卷乘

（5）若重复该过程几次,即上采样并将结果滤波器向量与原始低通滤波器系数卷乘,则可得到以下图案.

不难看出滤波器形状越来越接近db2小波,这表明小波的形状完全由重构滤波器决定.

二者的重要联系说明:

我们不能任意选择一个形状称之为小波并进行小波分析.至少当需要对信号进行精确重构时,我们不能选择任意的小波形状.我们必须选取由积分镜像分解滤波器所决定的形状作为小波.

通过重复上采样并与高通滤波器进行卷积可得到小波函数（小波的波形——细节信号）;重复上采样并与低通滤波器进行卷积可得到尺度函数的近似形状（逼近信号）.

小波的多级分解和重构可表示为

这一过程包括两个方面:

信号分解得到小波系数,由小波系数重构原信号.

4、小波变换后的特征量提取

进一歩的分析实验数据的特性，采用了提取特征量是比较好的方式，能使分析的结果更具普遍性。

通过对分解后的信号釆用单支重构，然后提取每层小波的能量。

采用的提取各频段能量的计算公式如下所示：

其中为分解层数，对于本文中计算机数据能量特征提取，此时取为分解重构后的数据长度，近似信号的能量只需计算分解的最后一层信号的能量，即

而总的能量计算公式为：

因此，可得到信号小波变换后的特征向量为；

小波变换最重要的是在众多小波基函数中选择合适的小波基函数，文中给出了常见的小波函数，重点介绍了本文使用的小波函数，并比较了函数各个系列在不同分解层数下的误差，以此为参考，选择合适的分解层数对信号进行了层分解。

采用小波分析统计了负载信号分解后的能量，提取能量特征向量，进一歩说明数据在小波变换后的特征，同时，为后面的进行神经网络的判别提供训练和测试样本。

5、小波神经网络的基本结构（其模型精度具有争议）

小波神经网络是小波分析和神经网络相结合的产物，神经网络与小波函数结合方式

为紧致型结构，将神经网络隐含层中神经元的传统激发函数用小波函数来代替。

注意：

1、理论上讲任何一个连续的非多项式、常数函数都可以做为BP的激活函数，而且这都是已经在数学上证明过的问题。

2、但sigmoid函数相对其他函数有它自身的优点，比如说光滑性，鲁棒性，以及在求导的时候可以用它自身的某种形式来表示。

3、这一点在做数值试验的时候很重要，因为权值的反向传播，要求激活函数的导数。

4、多层就有多个导数，如果用一般的连续函数，这对计算机的存储和运算都是一个问题，此外还要考虑整个模型的收敛速度，我上面提到连续函数都可以做激活函数。

5、但是相应的Sigmoidal型函数的收敛速度还是比较快的（相同的结构前提下）。

6、还有就是BP在做分类问题的时候，Sigmoidal函数能比较好的执行这一条件，关于连续函数可以做激活函数的证明，可以在IEEEtrans.onneuralnetworks和NeuralNetworks以及NeuralComputating和NeuralComputation上找到。

五、电流型串联电弧故障检测（2013.10）

摘要：

对低压配电线路电弧故障的特征进行分析研究，采用Mallat算法对低压线路电弧故障电流实施变换，获得各尺度小波变换的小波分量，与正常运行分量相比其故障特征明显，且高尺度的小波分量还可以抑制噪声干扰。

还对启动电流和电弧故障的小波分量加以比较。

引言：

低压配电线路常因接触不良等而出现电弧故障，如果没有及时切断线路，可能导致火灾的发生而电弧故障电流通常在额定范围之内，传统的断路器无法将这类电弧加以准确检测。

美国全国电气规程在2008年强制规定所有的家用线路都必须安装防火灾的AFCI（电弧故障断路器），为了提高AFCI的可靠性，国内外学者提出了多种电弧故障检测的方法，用短时傅里叶变换分别分析了在阻性负载和计算机负载下，串联电弧电流的基频分量谐波分量变化的特征。

采用小波变换对电弧故障电流加以分解结合BP神经网络提取故障辨识模式，而BP神经网络的实现需要较多的样本数据。

采用SVM（支持向量机）对电弧故障进行识别，该方法对阻感性负载有一定的识别能力。

计算了电流上升率，通过判断相邻电流的波动程度以辨别额定工作电流和电弧故障电流。

根据国标GB/T7260-3-2003，电路中可以分为线性负载和非线性负载两类。

上述这几种检测方法的辨识泛化能力不强，未能提出一种可适用于多类型负载的检测方案。

本研究结合多分辨率分析对配电线路的电流信号实施小波变换，提出一种可以提取电弧故障时的特征，解决配电线路电弧故障与非线性负载正常运行的有效区分，同时防止了负载设备的启动电流引起误判断。

1、电弧故障检测方案与理论分析

1.1故障检测原理

实验线路采用一个自制的电弧发生器来模拟线路发生电弧的现象。

将它和各种负载设备串联接入线路，以研究不同负载下发生故障电弧的特性。

电弧发生器由一根可移动电极

（铜棒）和一根固定电极（碳棒）组成。

1.2算法理论分析

利用Mallat算法实现小波变换进行电弧故障识别，即用不同的分辨率逐级逼近信号函

数：

其中:

V反映了电弧故障电流信号f（t）的近似分量，W反映了电流信号的细节分量，因电弧故障电流信号其频谱是有限的，如果选择足够大的尺度空间，可将电流信号用各个尺度下标准正交基的组合将其展开，即：

将电弧故障电流信号f（t）按Mallat算法进行逐层二抽取分解，如图3。

d为不同尺度下分解出来的高频分量即小波变换值，其包含着电弧故障电流噪声和突变信号信息。

而且随着尺度的增大，噪声引起的小波变换模的极大值迅速减少，而表征电弧故障的奇异信号的小波变换值便可突显出来。

2、电弧故障特征的提取

常见负载下，配电线路电弧故障电流一般伴随着几个明显的特征，如电流“零休”现象、电流正负半周不对称、波形失去周期性以及具有丰富的高频谐波等。

为了有效地区分负载启动、正常运行与电弧故障状态，选用基于db4小波函数的Mallat算法快速分析来提取电弧故障特征值。

六、电气火灾故障电弧探测器的研究（2013）

摘要：

建筑物低压配电系统中，现有预防电气火灾的保护装置，主要对过载、短路等引起的过电流及由接地故障产生的剩余电流起到检测作用。

当发生易引起电气火灾的串联型故障电弧时，因故障电流值低于传统保护装置的动作阀值，不能全面、有效的预防电气火灾致使我国每年因电气故障引发的火灾，居其他原因引发火灾的首位。

对建筑物低压配电系统中，常引起电气火灾的故障电弧，我国目前还没有颁布明确的标准和规范；现有预防电气火灾的预警装置不能全面有效的检测配电线路上的“串弧”。

基于上述原因，本文对建筑物低压配电系统中，易引起电气火灾的故障电弧检测技术进行研究。

1、故障电弧检测的研究现状

为了检测故障电弧，美国学者在年就设计研发出了一种故障电弧断路器（AFCI），该设备可以检测因短路，线路误接，线路老化等引起的故障电弧。

加拿大大学的等研究人员在燃弧点附近放置相应的传感器，通过这些传感器来检测故障电弧所产生的电磁福射、噪声和热量，只有当这三种传感器同时都检测到故障信号时，才能确定系统中产生了电弧故障。

电弧电流的频域特性的发现使得在频域领域进行电弧故障的检测成为了可能。

后来电弧检测中引入了傅里叶分解、神经网络、小波分析等算法。

由于故障电弧发生的随机性，对于故障电弧的检测具有一定的难度。

由于温度，弧光，气压等传统的电弧传感器无法精准的检测到故障电弧的发生位置。

另一方面一些电弧是非常微弱和短暂的，比如通常所说的“好弧”它无法导致火灾的发生，它不是本文所提出的故障电弧，这样就会加大我们的检测难度。

2、故障电弧的产生

故障电弧电流“零休”：

当故障电弧发生时，在电弧电流过零点的前后一段时间里，故障电弧气隙之间的阻抗会变得很大，这是限制故障电弧电流值的一个重要因素。

在电弧电流

的上个周期结束与下半个周期开始的这个时间里，电弧电流并不是一般的正弦波，而是另外的一个规律，那就是电弧电流等于电弧两端电压与电弧阻抗的比值。

在这段过零点的一小段时间内，由于阻抗变大，故障电弧电流就会限制的非常小，几乎为零。

下一个半周期同样也会出现相同的现象，在这段时间里我们把这种电流近乎为零的现象称之为电弧电流的“零休现象”。

电弧的零休时间跟许多因素有着很大的关联，一方面，它与气隙内部相关，另一个方面，它与电路的电压，电流以及负载的类型相关。

一般情况，电弧的“零休”时间会从几微秒到几十微妙。

故障电弧的“零休”现象为故障电弧的研究提供一定的理论基础，也为故障电弧检测技术指出了研究方向。

3、故障电弧实验装置的构建

本实验装置的主要构造分为以下几块：

220V（50HZ）纯净交流电源，电弧发生装置，数字示波器，电流传感器。

它包括一个静止的直径为6.4mm碳石墨电极与一个可以移动的铜质电极，静止电极接220V交流电，移动电极可以接至负载。

首先可以将两个电极处于一个完全接触的状态，即是一个线路完全闭合状态，这样可以观察到接负载后供电线路的正常情况的电流特性，然后旋转右边的调节器，可以将活动电极慢慢移动使得它与静止电极慢慢分离，当它们的间隙到达的了一定的距离以后电弧就会发生了，电弧发生以后立即停止移动电极确保电弧持续发生。

这时候可以观察在接入负载以后供电线路上产生故障电弧时的电流特性。

为了保证采样精度达到实验的要求，该数字示波器的主要参数设定如下表2.1所示:

电弧电流的波形会发生很明显的畸变。

于是必须针对这个现象展开研究，观察在供电线路中故障电弧的电流特性会受到哪些因素的影响。

本文在实验中将不同类型的负载接入实验的供电线路，然后观察和分析故障电弧产生时零休现象的变化情况。

在建筑电气中，大量的存在着阻感性的负载，所以本文在本次实验中选用阻性，感性，阻感性三种负载进行研究，实验的主要工作有以下几点：

（1）在纯阻性负载的情况下，故障电弧电流的基本特性；

（2）在纯感性负载的情况下，故障电弧电流的基本特性；

（3）在阻感负载的情况下，故障电弧电流的基本特性；

（4）对比以上三种负载下故障电弧的差别与相同点。

4、故障电弧电流数据处理与分析

很多专家都提到，对于故障电弧的检测的难点就在于区分一些热拔插或者特殊负载造成的好弧与故障电弧的差别，因为从直观上看它们都会出现一些共同的特征，这就需要利用小波分析对这个零休时间做一个判别。

七、故障电弧检测的关键技术研究及断路器开发（2013.6）

1、故障电弧发展背景

据相关统计，仅大约电流产生的电弧温度即可达到2000℃-3000℃，足以引燃任何可燃物，而且当电压低至20V时