基于电流相似度与高频能量的串联故障电弧检测方法

故障电弧是引起电气火灾的重要原因,针对非线性负载工况下故障电弧保护算法的误动作和拒动作问题,提出一种基于电流相似度与高频能量的串联故障电弧检测方法。参照标准搭建故障电弧实验平台并进行实验,从时域、频域角度分析电弧电流特征。采用小波函数预处理电流信号,选取电流低、高频特征量。设定故障电弧特征量阈值,以此为基础提出故障电弧识别算法。实验结果表明,该算法能够准确识别多种负载条件下的故障电弧,且未发生误动作和拒动作。     

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。     

电动汽车充电系统串联电弧故障智能识别方法

为解决电动汽车充电系统串联电弧故障电弧电流难以准确检测的问题,提出一种基于机器学习的电动汽车充电系统串联电弧故障识别方法。首先,搭建电动汽车充电系统电弧故障实验平台,采集不同工况下故障电弧电流数据;然后,采用离散傅里叶变换进行特征分析,并构建故障电弧特征数据集;最后,基于16层视觉几何群网络训练得到电弧故障检测模型,并利用各工况下测试集对电弧故障检测模型进行测试。研究结果表明该方法识别准确率均可达到98%以上,并拥有良好的抗干扰能力。     

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。     

基于变分模态分解能量熵混合时域特征和随机森林的故障电弧检测方法

在家庭生活用电器中,非线性负载电器逐渐增多。这一趋势使基于电弧“零休”特性的传统故障电流检测方法无法准确识别故障现象,因此本文提出一种基于信号时域特征结合变分模态分解固有模态能量熵的随机森林故障电弧识别方法。以线路电流为分析对象,先提取其时频特征量,再采用变分模态分解算法对故障电弧电流进行分解得到模态分量并计算其能量熵。以时域、能量熵特征构成多维特征向量,输入随机森林模型中对信号类型进行分类决策,进而识别故障电弧。实验发现,相比于其他方法,本文所提方法的故障电弧识别准确率可达99%,且适用于多种典型负载和非线性负载工作的低压配电故障电弧识别。     

基于VMD-CNN的小电流接地系统故障电弧检测方法研究

构建准确且符合特定场景的电弧模型,研究电弧小电流接地的电流信号特征,并基于可量测电气量信号进行处理,对于及时可靠辨识故障电弧具有重要意义。提出一种小电流接地系统故障电弧的检测方法,通过建立故障电弧模型,基于变分模态分解算法(Variational Mode Decomposition, VMD)和卷积神经网络算法(Convolution Neural Network, CNN)对故障电弧进行准确辨识。首先,采用改进“控制论”电弧模型,基于PSCAD软件平台搭建了典型10 kV配电网仿真模型和接地“控制论”电弧模型。其次,采用变分模态分解算法对故障情况下的电气信号进行处理,得到4组电流信号的固有模态分量(Intrinsic Mode Function, IMF)。然后,提取包含信号基频成分的第一组IMF(IMF1)作为卷积神经网络(CNN)的输入。最后,应用CNN对IMF1进行特征识别,正确辨识正常与电弧故障情境。实验与仿真结果显示,通过利用VMD-CNN识别方法,提高了对原始电流信号识别准确度,能准确检测出故障电弧。     

基于新型故障电弧模型的电弧能量特性分析

建筑物低压配电系统中频繁发生的电气火灾现象主要由故障电弧引起。电气火灾发生的频率和严重程度与故障电弧释放能量的大小密切相关。为此,分析了故障电弧引起的电路特征变化,根据该特征建立了能描述发生故障时电弧电路动态变化特征的新型故障电弧时变电阻模型,利用该模型计算了不同负载情况下故障电弧的电压、电流。在此基础上,分析了不同负载条件下故障电弧能量特性,并讨论了故障电弧的能量与负载有功功率、功率因数的关系。研究结果表明,负载有功功率越大、功率因数越小,故障电弧释放的能量越大,越容易引发电气火灾,需要重点进行故障电弧检测与防治。     

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。     

基于小波包变换和高阶累积量的电弧故障识别方法

当低压配电系统接入混合负载或在支路中出现电弧故障时,电弧故障识别难度大幅提升。针对此类电弧故障,提出一种基于小波包变换与高阶累积量相结合的电弧故障识别方法。首先采集不同负载、支路电弧故障下的电压、电流数据,建立电弧故障波形数据库;然后利用小波包变换对电弧电流信号进行分析,通过对多种试验数据进行分析,确定了通用电弧特征频带,对电弧电流波形进行重构作为电弧特征信号;通过分析故障电弧特征信号的4阶累积量值,提出了一种能够在时域中识别电弧故障的判据。该判据可以准确、快速地识别单一负载、混合负载以及支路电弧等情况下的电弧故障,且能够较为准确地检测电弧故障发生的时刻,为复杂电弧故障识别及起弧时刻的研究提供参考。     

基于小波能量矩的航空交流串联电弧故障识别算法研究

针对现有串联电弧故障识别方法会受到线路中串联的非线性负载、电感性负载影响导致工作状态误判的问题,提出了一种基于小波能量矩的串联电弧故障特征提取方法。对串联电弧故障发生试验采集到的电流数据进行多分辨率小波分解,将分解得到的小波能量矩作为回路电流信号的特征量,找出工作状态区分明显的特征向量。利用参数寻优后的K最近邻算法进行特征分类,进而识别出线路中发生的电弧故障。分类验证结果显示,该方法提取的回路电流特征明显,分类算法简单,对电弧故障的识别率较高。     

低压电器开关电弧可视化仿真研究

电器开关电弧的燃弧时间非常短,为了观察和分析燃弧的整个过程,提出一种基于电弧图像的可视化仿真方法.电弧弧柱的特征点从电弧图像中被提取出来,基于磁收缩效应、非均匀B样条理论和电弧特征点,建立一种弧柱的可视化模型.仿真结果显示,提出的可视化仿真方法对于低压电器开关电弧是有效的.     

基于高频重构信号与Bayes-XGBoost的低压电弧故障辨识方法研究

针对低压配电系统中单个用电负载支路串联电弧故障辨识困难的问题,提出一种基于高频重构信号和Bayes-XGBoost的低压电弧辨识方法。首先,搭建多支路、多负载类型的低压电弧故障真型实验平台,并采集相关数据。其次,基于故障前后主线路电流高频信号变化规律,提出信号微弱变化叠加法重构故障有效信号。最后,建立适用于单个负载支路电弧故障辨识的XGBoost模型,并采用Bayes算法对模型多个超参数进行优化。实验结果表明,所提方法在多种工况下对单个负载支路电弧故障具有较高的辨识准确率。与6种主流故障分析方法对比,所提方法在精度、训练速度和泛化能力等方面展现出了显著的优越性,有利于实现低压配电系统单个负载支路电弧故障的可靠辨识。     

基于非对称卷积神经网络的电弧故障检测系统

串联电弧故障是引发电气火灾的重要原因,对其有效检测能确保线路的正常运行和电气设备的可靠工作。 根据低压串 联电弧故障的检测难点,提出了基于非对称卷积神经网络的识别模型,用于适应性地提取串联电弧故障信息。 针对串联电弧故 障种类多、信息隐蔽等问题,首先利用格拉姆角差场时域数据处理方法,将负载模拟的时域信号经过极坐标变换、三角变换后映 射到二维矩阵中,以增加故障数据点的空间占有率和数据关联信息。 之后,为了不增加时间开销,同时改善模型的识别效能,使 用自适应非对称卷积、多通道离散注意力机制改进残差神经网络,作为低压线路中的串联电弧故障模型。 最后,利用容器封装 已训练好的故障识别模型,实现故障信息的快速分析。 验证表明,所提方法对串联电弧故障的识别率达到 99. 95%,具有良好的 识别效果。     

Numerical simulation of dry-band arcing on the surface of ADSS fiber optic cable

Deregulation of telecommunication networks and utility companies has led to a worldwide increase in the use of fiber optic cables on long-span overhead power transmission lines. The cable jacket is subject to the deterioration caused by dry-band arcing, which is believed to be the major cause of failure of cable in service. This paper establishes an arc model based on the physical mechanism and experimental observation, and performs simulation of the transient of dry-band arcing on ADSS fiber optic cable. The basic theories concerning the dynamics of arc, arc extension along the electrolytic surface and its speed, and dry-band arcing on ADSS cable are reviewed. The differential equation systems composed of the dynamic equation of the arc and its interaction with the circuit components are proposed with state variable method. And the equations are solved numerically with Runge-Kutta method. The proposed differential equations can be used to simulate dry-band arcing on experimental setup in laboratory and predict the dynamic behavior of dry-band arcing on ADSS cable in transmission network. Hence the damage caused to cable can be evaluated. Experiments are performed to verify the simulation results.     

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。     

Predicting Damage from 277-V Single Phase to Ground Arcing Faults

Laboratory tests of arcing faults trapped between a corner of a simulated steel housing and single or multiple bus bars were found to be reasonably reproducible and caused relatively consistent burning damage. Single phase 277-V arcing fault tests using spacings of 1 to 4 in from bus bars to ground at current levels of about 3000 to 26 000 A indicate that damage is proportional to I1.5t. In this ``ballpark' arc voltage and arc length need not be known to predict probable maximum damage. For coordinated short circuit and ground fault protection, an arbitrary practical limit is proposed such that I1.5t is numerically not greater than 250 times the ampere rating of the circuit. Probable maximum burning damage in cubic inches of copper, aluminum, and steel is predicted based on the tests. The arbitrary limit is achievable with commercially available equipment using simple time current band coordination. Lower limits can be achieved using more sophisticated ground fault protection equipment.     

直流接触器触头电弧侵蚀特性

触头开断过程中会产生电弧,从而导致触头表面被侵蚀,影响其电接触性能。由于直流供电系统不存在自然过零点,致使直流接触器触头受电弧侵蚀影响比交流接触器更加严重。为了研究电弧对触头的侵蚀作用,基于磁流体动力学理论,考虑电弧与触头之间的能量耦合,建立电弧-触头动态耦合模型,研究了电流等级和分断速度对触头电弧侵蚀特性的影响。仿真结果表明：近阳极区电弧温度高于近阴极区电弧温度;电流等级由20 A提高到30 A时,电弧温度和燃弧时间显著提高,燃弧能量增加75.93%,使得触头侵蚀更加严重;触头分断速度由0.1 m/s增加到0.2 m/s时,电压电流的变化率提高,燃弧时间和熔池体积减小,燃弧能量减少47.83%,电弧对触头的侵蚀作用降低。实验结果与仿真相吻合,验证了仿真模型的正确性。     

基于改进小波变换的故障电弧检测方法的研究

为了有效避免因故障电弧而引发的电气火灾,对故障电弧的故障检测进行了深入研究。故障电弧检测最常用的方法是小波变换,但是它存在着频谱混叠的问题。针对这一问题,提出一种基于添加节点前奇抽取的抗频谱混叠的改进小波变换算法,并利用多种负载进行验证,从而优化故障电弧检测,最后得到了准确度高、计算简单、实用性好的串联故障电弧检测方法。根据UL1699搭建了故障电弧实验平台,并基于此平台进行电弧发生实验。根据实验仿真结果的验证,改进小波变换解决了小波变换的频谱混叠问题,提高了故障电弧检测的精度,有效地减少故障误报率。     

基于非侵入式负荷分解的有色金属冶炼工序识别

为进一步简化数据处理过程和提高生产工序识别准确率,提出一种基于非侵入式负荷分解的工序识别方法。首先将每种工序定义为一种用电设备,然后根据非侵入式负荷分解相关理论,分别选取双向长短期记忆网络和时间卷积网络构建负荷分解模型,选择各用电设备对应功率、总功率数据构造数据集对模型进行训练和测试,最后对测试集负荷分解结果进行相关处理得到对应的工序数据。结果表明由基于时间卷积网络的负荷分解方法构成的工序识别模型具有较高的识别准确率,针对测试集的工序识别准确率达98.83%。     

一种综合的电器质量监控方法

燃弧时间是开关电器的一个重要参数,电器的可靠性和寿命直接受燃弧时间的影响.根据燃弧时间可将电器分级,而燃弧时间取决于材料、设计、运行和环境等诸多因素的影响.本文介绍了一种综合的电器质量监控方法,取燃弧时间的影响因素为样本属性,以燃弧时间确定样本类别,在同类别样本中利用FICSEM方法提取关键影响因素,并获得达到相同燃弧时间的影响因素组合.提高关键影响因素以提高产品质量,利用最优影响因素组合降低产品成本,规避生产风险,提高经济效益.