基于FCM算法的光伏系统电弧故障检测方法研究北大核心CSCD

针对现有光伏系统电弧故障检测中易产生漏判、误判的问题,提出了一种基于FCM(模糊C均值聚类)算法的电弧故障检测方法。通过分析光伏系统电弧故障的时域、频域及电磁辐射特性,选取相邻窗口电流差值的峰峰值、电流频谱10~30 kHz频段的频域总能量与电磁信号的模极大值作为FCM的三维特征量,利用正常情况与故障情况下聚类中心在空间位置上的差异,实现光伏系统电弧故障的识别。仿真分析与试验结果表明,该方法能对光伏系统电弧故障进行准确识别且具有一定的抗干扰能力。     

基于自组织特征映射网络的电弧故障检测方法

一般利用故障电弧产生时的电流波形特性进行电弧故障检测。随着线路负载种类的日益增多,故障电弧产生时的电流波形与某些负载无弧情况下的电流波形十分相似,难以通过简单的电流时频域特征进行电弧故障检测,影响电弧故障检测的准确性。针对该问题,提出一种自组织特征映射网络与滑窗法相结合的电弧故障检测方法,在自组织特征映射网络自主挖掘电流数据内在特征的基础上,利用相邻周期电流样本之间的关联性与连续性,对电流信号进行连续检测,提高电弧故障检测准确率。所提方法能有效实现电弧故障检测,电弧故障检测准确率可达99 %。     

串联故障电弧电流时频域特性的仿真与实验研究

为了分析和研究低压交流串联故障电弧电流的特性，文中首先搭建了故障电弧模拟实验平台，广泛研究不同负载情况下的电弧电流波形。然后，基于Mayr电弧模型，选取适当参数对故障电弧进行仿真分析。在此基础上，对比分析电弧电流信号仿真结果和实验结果的时频域特性，验证了仿真模型的正确性和可行性。频域特性的分析结合傅里叶变换和小波变换进行，还利用带通滤波器检测了小波分析的准确性。最后，总结出故障电弧电流信号的时频域特点，以此提出了一种低压交流串联故障电弧的检测方法，并对其进行了仿真验证。研究成果对低压供配电系统中串联故障电弧的检测工作具有积极意义。     

基于电弧电流高频分量的串联交流电弧故障检测方法

通过分析典型负载下电弧电流高频分量在时域与频域表现出的不同特征,提出一种串联交流电弧故障检测方法。该方法利用电弧电流变化率与其有效值的比值以及6~12k Hz频段电流幅值这2个特征参量进行串联交流电弧故障识别;并利用负载启动电流持续时间远远小于电弧电流持续时间的特点,设定电弧故障检测时间阈值,降低负载启动过程对串联交流电弧故障检测的影响。试验结果表明,所提方法能够实现串联交流电弧故障的快速检测,对硬件要求相对较低,简便易行。     

基于多维度特征提取的电弧故障检测方法

针对当前含多种电气故障的复杂电路电弧故障识别率低、训练速度慢的问题,提出一种窗口划分结合小波分解与经验模态分解(empirical mode decomposition,EMD)分别从时域、频域及时间尺度等多个维度提取电流特征量,利用机器学习分类模型进行电弧故障识别的方法.首先,利用搭建的电气故障实验平台采集故障及正常电流数据,并将电流数据进行窗口分段,然后分别使用小波变换与EMD方法对电流信号进行分解并计算不同维度上的特征量,将该特征信息作为分类算法的输入进行电弧故障诊断.经实验验证,该特征提取方法在梯度提升决策树(gradient boosting decision tree,GBDT)上的电弧故障检测准确率高达98％,相比电流不分段的方式分类准确率提升了1.87％,能有效获取电弧故障特征,实现对电弧故障高效率与高准确率检测.     

基于多特征融合的光伏系统串联直流电弧故障识别方法

针对目前光伏系统中存在的串联直流电弧故障特征量少、识别定位困难等问题,提出一种基于多特征融合的光伏系统串联直流电弧故障识别方法。首先搭建实验平台,采集正常和串联直流电弧故障下的电流信号并利用小波变换进行降噪;其次,对降噪后信号提取时域上的电流均值变化率和电流周期最值差特征量,并提取频域上的各频带能量及能量比,利用集合经验模态分解（ensemble empirical mode decomposition, EEMD）得到各阶信号本征模态函数（intrinsic mode function,IMF）,计算各阶IMF故障信号与正常信号余弦相似度,并提取相似度较低电弧的IMF能量熵特征;然后,以时域、频域、能量熵特征构成多维特征向量,构建故障电弧特征空间,通过实验确定故障空间边界参数,得到特征判据,根据多维特征判据实现直流电弧故障检测;最后,通过实验分析验证所提方法的准确性。     

基于突变理论信息融合的故障电弧检测方法

根据故障电弧产生时电流波形发生突变的特征,提出运用突变理论信息融合算法对低压开关柜(箱)内故障电弧检测的方案。通过积分、均方根运算,小波分析和频谱分析对电流时域、时频域和频域特征进行提取。采用积分值变化系数、相邻周期均方根值、高频变化系数和3次谐波分量变化量4个特征量表征电流突变,根据突变原理建立故障电弧判别模型,对特征量信息融合求出故障电弧判别指标。结果表明,电弧故障前后2个周期电流特征量及故障电弧判别指标相比正常运行时明显增大,通过设定阈值和多次检测能有效判别不同负载类型电弧故障及区分负载改变电流,有很好的泛化性和鲁棒性。     

基于AlexNet深度学习网络的串联故障电弧检测方法

在家用交流供配电系统中,接触松动等原因可能会导致故障电弧的发生,威胁用电系统的安全。线路发生串联故障电弧时的电流基本与正常运行时的电流大小一致,具有很强的隐蔽性。对此,首次提出用深度学习检测电流信号的方法来检测串联故障电弧,该方法只需将电流信号输入深度学习网络,由网络自主挖掘隐含在电流信号数据背后的特征,实现对串联故障电弧的识别。搭建实验平台,并用开关模拟发生正常电弧,分别采集电阻性负载、电感性负载和阻感性负载正常运行和发生串联故障电弧时的电流数据共7 200组。构建AlexNet卷积神经网络并做相应改进,用采集到的数据训练网络并测试,结果显示辨识平均准确率在85%以上,表明该方法能够较好的实现对串联故障电弧的检测。     

基于小波分析信号特征频段能量变比的故障电弧诊断技术研究

为了分析和研究故障电弧的特性,进而快速及时地检测出电弧故障,以便快速切断故障线路,笔者提出一种利用小波变换来分析故障电弧电流特征频段能量变比的诊断方法,通过采用db5小波基函数分别对线路正常工作情况下电流信号和串联型故障电弧电流信号进行6层小波分解,从而提取正常情况下和故障电弧发生情况下的频带能量值及其前后的能量变比,其中d4、d5细节信号所在的频段为故障电弧的特征频带。利用此故障电弧的典型特征可以准确地实现对故障电弧的诊断,且该分析结论对于线性负载情况下的故障电弧诊断研究具有普适应意义。     

光伏系统直流电弧故障特征及检测方法研究

该文主要针对光伏系统直流侧常见且危害较大的串联电弧故障问题展开研究。首先,搭建了光伏系统电弧故障实验平台,并利用该平台采集了正常状态及电弧故障状态下工作电流的数据,建立了试验数据库。随后,利用快速傅里叶变换对故障电弧的频率成分进行分析,确定了故障电弧的特征频带,并利用该特征频带选定了适用于串联电弧故障检测的最优小波函数。通过分析故障电弧信号最大值及小波细节系数d1的方差、模极大值,提出了3种能有效检测出电弧故障状态的时频域判据,并发现不同负载电流、不同电压及不同功率对这3种故障判据并无影响,最后提出一种基于时域与频域的电弧故障混合判据,该判据较单一判据具有更高的可靠性,为光伏系统直流电弧检测奠定了理论基础。     

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。     

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。     

家用空调电弧故障检测装置的研究

针对国内电弧性电气火灾防范的技术要求,依据美国UL1699标准建立低压电弧检测试验平台,利用电弧发生装置进行模拟电弧故障试验。采集空调工作电流波形,分析不同工况下电流波形的变化特征,建立了基于电流时域上的“平肩”宽度和“平肩”宽度变化率检测算法,研制出空调电弧故障检测装置。试验结果表明,检测装置能够有效检测到空调电弧故障,并及时脱扣保护电路。     

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KL散度的配电网高阻抗故障检测研究

高阻抗故障（HIF）主要与电弧现象有关,具有低电流、随机性、非线性和不对称性特征。配电网过流保护系统需要考虑HIF的低故障电流,检测功率损失、潜在火灾危险和电击风险。提出了一种基于变电站电流波形的时域HIF检测算法,利用Kullback-Leibler散度相似性度量,量化了电流波形两个故障后半周期的非线性和不对称性特征作为HIF检测的判据,此判据也被用来区分HIF与负荷、电容器、馈线和分布式能源投切事件以及电压骤降和浪涌事件。利用IEEE13节点和IEEE34节点测试系统进行了大量的时域仿真,验证了所提HIF检测算法的优越性。     

基于小波分析的故障电弧检测方法

为了对配电系统中常见的故障电弧实现快速可靠诊断,进而采取有效的保护措施,笔者提出一种基于多分辨分析的快速小波变换分析提取故障电弧特征频段的诊断方法,利用基于非参数自适应估计理论的Birge-Massart策略进行阀值求解,结合小波阀值降噪解功能对电弧电流进行降噪处理。根据小波分析适于分析非平稳信号的特点,采用该分析方法检测不同类型负载下电弧电流中的奇异信号。综合实验数据,分析表明该方法能有效地实现对故障电弧的诊断。