基于沙戈荒新能源送出特性的特高压工程知识图谱构建技术研究

为了解决直流系统中工况变动及负载变更条件下造成的故障电弧识别准确率低的问题,提出了一种基于自适应噪声的完全集合经验模态分解-希尔伯特（complete ensemble empirical mode decomposition with adaptive noise-Hilbert transform, CEEMDAN-HT）包络谱和堆叠自编码器（stacking automatic encoder,SAE）的直流串联故障电弧诊断方法。首先参考雄安高铁站区直流系统典型负载搭建含混合负载的直流串联故障电弧实验平台,采集多工况下的电流信号并建立故障电弧数据库。其次采用CEEMDAN对原始信号进行分解得到多个固有模态函数（intrinsic mode function,IMF）,然后进行HT变换Hilbert transform）分析包络谱,组成首尾相接的高维特征样本,最后将样本输入SAE模型中学习特征,实现变负载下的直流故障电弧识别。实验结果表明：该方法能够很好地发挥CEEMDAN-HT从原始信号中提取故障电弧特征和SAE无监督学习的能力,不需要人工设置阈值即可准确识别故障电弧并进行负载分类,平均准确率可达98.9%。     

基于随机共振方法增强光伏直流故障电弧检测特征的研究

光伏直流系统中存在复杂多样的系统噪声干扰，使得故障电弧特征难以有效提取，因而增强故障电弧特征信息对准确检测故障电弧至关重要。为此，搭建含多种源荷、线路阻抗等元件的光伏直流故障电弧实验平台，研究随机共振方法对不同直流系统拓扑结构下故障电弧检测特征的增强效果。不同拓扑结构的故障电弧特征增强均有其独立的最优参数组合，蚁群算法寻找最优参数相较于传统的正交试验方法更具快速性及准确性，最优参数组合下随机共振处理后的检测特征可以更加有效地区分故障电弧与正常状态。通过对实验数据的计算与比较，验证了随机共振方法对不同拓扑结构故障电弧特征增强的普适性，最终基于支持向量机方法构建了直流故障电弧检测算法，得到较高的检测准确率。在故障电弧检测环节引入随机共振方法，可有效增强电弧检测特征的有效信息，保证高准确率的同时，降低故障电弧检测算法的设计难度，有利于高效、快速、精准地检测直流故障电弧。     

考虑弧长动态变化的配电网电弧接地故障建模及辨识

目前针对配电网电弧故障的研究大多忽略电弧弧长变化因素的影响,电弧故障模型与实际配电网电弧故障相差较大,电弧接地故障辨识不准确.为此,搭建了考虑弧长动态变化的电弧接地故障模型.在此基础上,分析了电弧接地故障稳态零序电流的时域波形差异,提出了一种基于稳态零序电流加权欧式距离的电弧接地故障辨识方法,实现对电弧故障的有效辨识....     

计及铜蒸气介质的小电流直流电弧仿真与实验

因导线的绝缘劣化、接触不良等因素引起的直流电弧故障时有发生,但因无过零点特征无法自然熄弧可能导致设备损毁或者引发火灾,研究直流电弧特性对于电弧故障的检测与保护具有重要意义。光谱测试数据表明,在直流电弧中存在铜元素,因此,基于平衡态等离子体理论新增了含铜蒸气介质的电导率-温度特性曲线。建立小电流空气直流电弧的有限元模型,分析电弧稳定燃烧时的温度场分布和电弧电阻及电极间距的关系,同时,开展电弧实验,验证仿真模型的合理性。数据表明:相比纯空气介质,引入铜蒸气的仿真结果与实验数据更接近。这体现在当电弧稳定燃烧时,两者电极的温度场分布基本一致,等离子体气体温度最高到6 000～7 500K;电弧电阻和电极间距的仿真数据与实验数据最大偏差是2.283Ω,最大相对误差为13.45%。可见,含铜蒸气介质的电弧仿真模型能更准确、全面地研究直流电弧的电导率特性,为小电流直流电弧的电气特性和温度特性研究提供理论基础。     

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。     

基于谐波能量和波形畸变的配电网弧光接地故障辨识

配电网弧光接地故障会产生严重的弧光过电压并释放大量热能,从而造成设备损坏,引发火灾并危害人员生命安全。针对传统电弧模型无法正确描述电弧不稳定燃烧过程中的间歇性燃熄弧和随机波动等问题,提出了基于随机控制变量的改进Mayr电弧模型;通过对故障特征的分析,提出归一化谐波能量描述方法,实现了包括高阻故障在内的不同接地故障情况下谐波含量的一致性描述和整定,并根据归一化谐波能量在时间尺度上的随机分布特性以及故障波形畸变特征,实现对弧光接地故障的准确辨识。最后,结合配电网新型智能测量终端的发展应用,提出基于三相电压和零序电流录波数据的弧光接地故障综合辨识算法,并通过PSCAD仿真算例和某10 kV配电网的实测故障试验数据对算法的可靠性和安全性进行验证。     

直流配电网低压侧稳定燃弧阈值电压研究

分布式电源、电力电子技术以及直流负荷的大规模应用推动了直流配电网的发展,但直流电弧因没有过零点难以自行熄灭,严重威胁了直流配网的安全性.该文搭建了含直流低压母线(最大电压值380V)、电弧发生器与负荷的模拟实验平台,设计电弧实验以探究阻感负载下电弧的稳定燃烧点,以及阻性和感性负荷对燃弧过程和电弧特性的影响,得到了最大等效负荷(电阻280Q、电感30mH)时直流电弧的稳定燃弧电压阈值.将电弧的伏安特性与电压平衡方程式相结合,对电弧稳定燃烧点和电弧燃炽时间进行理论推导,建立了低电压直流电弧的稳定燃弧阈值电压数学模型,并通过Matlab数值拟合方法验证了模型的准确性.该模型分析数据与实验数据的相关系数为0.9924,可以较好地反映低压阻感性负载稳定燃弧的电压阈值,为确定直流配电网的供电电压及低压直流电弧的稳定燃弧条件提供工程参考.     

光伏系统直流串联故障电弧检测方法

故障电弧是光伏系统电气火灾事故的常见原因,研究可靠的光伏系统直流故障电弧检测方法对保障系统运行和人身安全有重要意义。首先搭建了光伏系统直流故障电弧实验平台,采集了故障电弧典型电信号;接着对其进行了稳定性分析、时变性分析、相关性分析和随机性分析,并以特征显著、计算量小、抗干扰强为比选条件,选取欧拉特征作为故障电弧检测的最优特征;然后构建了故障电弧检测算法,算法以多阈值判断体系为核心发掘故障电弧差异于系统暂态过程的特征模式;最后,将算法硬件实现后在系统中再进行实验测试。结果表明,所提出的算法对不同光伏系统工作点和电弧产生方式条件下的故障电弧均可在0.5 s内实现正确检测。     

建筑直流供用电系统故障电弧检测技术研究综述

直流供用电系统集成光伏、储能、直流配电、柔性用电为一体,是目前建筑和电力行业的研究热点.直流电不过零点,直流电弧一旦产生将很难自行熄灭,产生火灾风险大,需要对直流故障电弧做有效识别及可靠保护.通过综述光伏、电储能、电动汽车、飞机、船舶、特/超高压等直流场景下故障电弧的研究现状,总结了典型场景下故障电弧检测方法并分析了建筑直流供用电系统的适用性.结合格力光伏未来屋直流社区真实场景,搭建故障电弧测试平台实测,提出构建单一用电电器的仿真模型及内置故障电弧检测专用算法,指出了建筑直流供用电系统电弧检测的技术研究方向,可为建筑直流供用电系统的故障电弧试验规范制定及检测技术研究提供支撑.     

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。     

基于滑动离散傅里叶变换的串联直流电弧故障识别

在直流供电系统中,串联直流电弧故障因难于被检测而成为威胁系统安全运行的最主要因素。针对现有故障电弧识别方法运算较为复杂、实时性相对较差的不足,提出一种基于滑动离散傅里叶变换(DFT)的串联直流电弧故障识别方法。时域与频域分析表明,燃弧起始阶段是直流电弧故障识别的最佳时期,根据该阶段电弧电流的频谱特征确定滑动DFT分析频率点为40 k Hz、80 k Hz和100 k Hz。综合考虑算法分辨率与实时性要求,采用200μs时间窗口对电弧电流进行滑动DFT分析,并用200μs时间窗口进行滑动平均降噪处理。结果表明,发生电弧故障前后滑动DFT频谱在三个特征频率点均有明显变化,验证了滑动DFT算法用于串联直流电弧故障识别的可行性。     

直流系统单极闭锁下中性母线避雷器故障产生的原因分析

为提高直流系统单极闭锁下中性母线避雷器故障检测能力,提出基于多隐层深度网络学习的中性母线避雷器故障检测方法。通过计算故障样本序列的高阶统计量,采集母线避雷器故障数据,建立输出冲激模型对采集的故障数据进行特征自学习,结合直流系统单极闭锁下中性母线避雷器受扰响应特性,分析其有功功率增量特征,进行母线避雷器聚合微小负荷的故障异常特征检测,采用多隐层的深度网络学习方法分析异常特征量的故障辨识方法和故障原因。仿真结果表明,所提方法的故障检测效率较高,故障的特征辨识能力较好,能够有效分析到直流系统单极闭锁下母线避雷器故障产生的原因,主要由电压扰动、频率扰动和负荷波动等原因产生的故障。     

低压直流系统故障电弧检测技术研究综述北大核心CSCD

随着系统容量日趋增大、电压等级逐渐提高,直流系统故障电弧威胁日益提升,新型源荷设备的接入更是增加了系统干扰的复杂程度,传统保护技术无法满足直流故障电弧及时准确的检测需求。文中从电弧仿真、特征构建、算法设计、硬件实现4个方面总结了直流故障电弧检测技术的研究进展,讨论了不同电弧仿真模型的缺陷,分析了复合电弧模型的针对性改进;论述了基于物理、电磁、电气信号的特征构建方法,对比了不同时频检测特征优势;并从故障电弧特征融合的角度,基于树莓派平台比较了机器学习算法与阈值比较算法的检测应用效果;介绍了国内外直流故障电弧测试标准与测试平台,已研制的故障电弧检测样机在体积、成本方面更具优势。未来故障电弧检测设备可集成其他故障检测功能以综合提升直流系统安全保护效率,同时结合机器学习、5G网络等先进技术实现智能化检测应用。     

小电流下弧根运动对空气直流电弧的影响

阴极弧根为电子发射的主要区域，弧根的运动对空气直流电弧等离子体特性有重要意义。通过电极旋转驱动阴极弧根运动，实验观测得到电极旋转情况下空气直流电弧拉弧过程电极表面烧蚀情况、扭曲的弧柱形态，同时提取并对比了直线拉弧和旋转拉弧的电弧电压上升曲线。参照临界电流试验条件，建立小电流下平行电极间三维电弧仿真模型，探究在小电流情况下，自由燃烧态电弧的演变过程。仿真结果表明：阴极弧根运动使得发射后极间带电粒子空间分布变化，间隙放电通道改变，电弧的最大温度值降低；当电弧放电通道不稳定时，极间电弧电压出现波动，电弧能量包络空间相对变小，间隙中高能粒子较少，有利于电弧能量的空间逸散。     

负载端电弧故障电压检测与形态小波辨识

现有串弧故障的电流检测与辨识方法,其以电弧电流"零休时刻"、上升率突变或电流谐波分量等信号奇异性提取故障特征,存在受配电线路非线性负载额定工作、感性负载起动等的电流信号奇异性影响而误判。根据负载端电压不受配电线路正常运行电流信号奇异性影响的原理,提出负载端电弧故障电压的检测与辨识新方法,实验分析负载端电压检测不仅可获取串弧故障信号特征,且解决了现有电弧电流方法存在的可靠性问题。在建立形态小波电弧故障辨识决策函数模型的基础上,选用形态开滤波结合第四尺度小波变换函数,对6种负载端电弧故障电压检测实验与故障特征分析,给出负载端电压检测的电弧故障的小波分量判据阈值,其为正常状态各类负载第四尺度小波分量的10倍。     

一种基于小波变换能量与神经网络结合的串联型故障电弧辨识方法

针对交流串联型故障电弧发生时回路电流幅值较小、传统线路保护装置不能有效检测的问题,提出一种基于小波变换能量与神经网络结合且适用于多种典型负载的串联型低压交流故障电弧辨识方法。利用自制的电弧发生装置模拟产生低压交流故障电弧,获取了6种典型家用负载情况下电路正常运行及产生串联型故障电弧时回路的电流信号。对采集的信号进行小波分解,将各层细节信号能量的平均值和标准差输入BP神经网络后构成小波神经网络,实现对不同负载测试样本的辨识。采用粒子群优化算法计算神经网络训练初始值,利用自适应学习率方法提高了训练速度。算法输出结果含义明确,输入层特征量选取合理。实验结果表明,采用该方法进行故障电弧辨识的准确率达到95%以上。     

间歇性电弧接地故障建模分析

在小电流接地系统中间歇性电弧接地故障普遍存在,建立准确的电弧模型是研究这类故障特征的基础。本文首先介绍了改进的"控制论"电弧模型,可以通过控制弧长有效地模拟不同情况下的电弧发展过程。将其应用于间歇性电弧接地故障的仿真研究,提出一种通过比较不同条件下稳定燃弧电压、空气耐受电压与系统恢复电压的熄弧燃弧判据。在PSCAD平台上搭建了典型10kV配电网仿真模型,分析了不同电弧模型参数对间歇性电弧接地故障特征的影响。仿真与实测结果说明了电弧模型的有效性以及所提判据的可行性。     

基于关联维数与小波包-AR谱的串联故障电弧特征研究

供配电系统的电气连接点常因接触松动、机械振动等原因产生串联型故障电弧,串联型故障电弧易引起电气火灾等电气安全事故,影响供电的可靠性。为进一步研究串联故障电弧的特征,在实验室开展了接触松动和机械振动两种生弧条件下的串联故障电弧实验,提出了基于分形理论和小波包-自回归(AR)谱分析的串联型故障电弧特征提取方法。首先对实验电流信号进行分形特征分析,计算各种工作状态下电流信号的关联维数;然后对信号进行小波包分解及重构,对重构后的各频段信号进行AR谱分析,研究不同频段信号AR谱能量在燃弧前后的变化规律,构建以关联维数和E3,0频带能量比例系数为特征量的特征向量。分析结果表明,分形关联维数和小波包-AR谱能量能够有效的描述各类型负载在两种生弧方式下的串联型故障电弧,可用于诊断因接触松动及机械振动原因引起的串联故障电弧。     

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。     

基于线路残余能量的柔直输电线路极间故障重合闸EI北大核心CSCD

在线路残余能量激励下,电弧会持续燃弧一段时间,现有重合闸等待瞬时性电弧自然熄灭后启动,耗时过长,不利于系统快速恢复供电。基于此,提出一种考虑主动消弧的自适应重合闸。提出引入接地开关,可增加线路电流分量,加快消散线路残余能量,降低电弧燃弧概率。针对瞬时性电弧熄弧速度的差异性,建立多次主动消弧方案。进一步借助皮尔逊相关系数表征差异性辨识故障性质。最后,在PSCAD软件中搭建柔性直流输电系统,与现有直流重合闸相比,提出的重合闸可加速降低线路残余能量,促进电弧熄灭,最长减少170ms的停电时间。