基于小波变换与差值能量法相结合的串联故障电弧检测方法

由于低压用户端交流串联电弧故障回路电流幅值小、一些电力电子负载正常工作电流与串联电弧故障电流相似等原因,使得故障电弧的准确诊断十分困难。本文提出了一种基于小波变换与差值能量法相结合的串联电弧故障检测方法。对原始电流信号进行小波阈值去噪,运用Mallat快速算法对信号进行多分辨率分析,提取多分辨率分析结果中包含电弧信息较多、负载干扰信息较少的频段进行小波反变换;运用差值能量法对反变换后富含电弧信息的信号进行故障诊断。最后利用自制的实验设备验证了算法的准确性。     

基于直接数字频率合成的电弧发生方法研究*

低压交流故障电弧信号是低压交流故障电弧特性研究的基础,为此提出一种基于直接数字频率合成的故障电弧发生方法,并根据该方法设计并实现了故障电弧产生电路。该方法以Cassie电弧模型为基本模型,通过直接数字频率合成技术产生电弧信号,电弧信号经功率放大电路放大后耦合到负载电路,进而用于研究故障电弧特性。将实际电路输出数据与仿真模型数据进行对比,实验采集到的电弧电流信号与仿真电弧电流信号基本吻合,验证了该故障电弧发生方法的可行性和准确性。该电弧发生方法解决了传统电弧发生仪器操作繁琐、风险大、成本高等问题,方便了对低压交流故障电弧特性的研究,提高了实验效率及可重复性。     

基于小波变换和奇异值分解的串联电弧故障检测方法

根据线路中电流信号的变化来检测电弧故障,小波变换是一种常用的检测方法,但是单纯利用小波变换对于正常情况和电弧故障的区分并不明显,而且其结果存在很大的冗余。针对这一问题,提出了采用一种基于小波变换和奇异值分解的串联电弧故障检测的方法。利用电弧模拟发生装置产生串联故障电弧,采集在多种负载下线路正常工作和发生串联电弧故障时的电流。首先对采集的电流信号进行离散小波变换,得到离散小波系数序列,构造特征矩阵;然后对特征矩阵进行奇异值分解,并定义电流信号的特征参数,利用特征参数作为串联电弧故障检测的依据。试验结果表明:正常情况和电弧故障下的特征参数区分明显且没有交叉,易于确定阈值,利用该方法进行串联电弧故障检测的准确率较高,且大大压缩了小波变换结果的冗余性。     

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。     

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。     

串联电弧故障信号的时频特征分析

针对串联电弧故障,依据美国UL 1699标准搭建了串联电弧试验平台。在此基础上,结合不同负载,对串联电弧的电流信号进行时域和频域特征分析。提出了一种基于短时傅里叶变换的串联电弧分析方法,得到电弧电流信号奇次、偶次谐波时的—频二维图像。试验结果表明,该方法能有效提取串联电弧故障电流的时频特征,实现故障的实时检测。     

基于小波变换的交流系统串联电弧故障诊断

为实现对用电系统低压用户端中串联电弧故障的准确诊断,根据交流系统中低压串联电弧故障特性,通过自主搭建的电弧故障模拟实验平台及不同负载下的串联电弧故障模拟实验,本文提出一种基于小波变换的串联电弧故障诊断方法。该方法首先采用极大极小原理对信号进行降噪处理,并结合小波变换模极大值对信号进行多分辨分析;将三阶Daubechies小波基函数提取出的各频段细节信号模极大值作为网络输入的特征向量,利用基于阻尼最小二乘法改进的多层前馈(Back Propagation,BP)神经网络构建特征向量与电弧故障之间的映射关系进行故障诊断分类。测试结果表明,该方法可有效实现交流系统中串联电弧故障的诊断分类。     

基于平稳小波变换的光伏直流串联电弧故障检测

光伏系统直流串联电弧故障具有随机性和隐蔽性的特点,且容易受到外部环境和光伏系统内部噪声的影响,难以检测。利用小波变换提取的电流时频域特征对电弧故障有很好的辨识度,但面临小波基选取的问题。在采集大量电弧故障数据的基础上,通过小波变换分析和对比实验,提出一种针对常用电弧故障特征指标提取的最优小波基选取方法。通过此方法确定bior4.4小波基为提取电弧故障特征的最优小波基,并由此构建基于bior4.4平稳小波变换的时频域特征。通过对比试验发现,基于bior4.4的时频域特征对电弧故障的辨识度明显提高,且表现出对正常噪声信号的抑制作用。为从多角度反映电弧故障特征,补充时域特征,并与时频域特征结合构成电流特征库,利用随机森林算法实现电弧故障的诊断。电弧故障检测准确率达到98.58%,正常信号的误判率仅为0.76%。     

低压交流电线故障电弧模型研究

研究低压交流电线故障电弧模型,对检测低压交流电线故障电弧很必要。文中对Schavemaker模型进行理论分析并进行简化。利用MATLAB软件构建电弧模型,对简化的Schavemaker模型和Mayr模型进行仿真比较,分析简化的Schavemaker模型仿真得出的电弧电流具有更明显的电弧电流零休区,较高di/dt和奇次谐波幅值。最后进行串行和并行电弧实验,实测波形和仿真波形进行比较,验证了仿真结论。结果证明简化的Schavemaker模型适用于低压交流电线故障电弧模型研究。     

基于小波特征及深度学习的故障电弧检测

由线路绝缘层老化破损、电气接触不良等原因产生的串联故障电弧严重威胁着低压配电系统的电力安全。其电流小、温度高、隐蔽性强等特点更是给检测和识别带来了困难。基于此,提出一种基于小波特征及深度学习的串联故障电弧检测方法。通过搭建串联故障电弧实验平台,采集了典型阻性、阻感性、感性负载下的电流信号,对电流信号进行小波变换构造了训练集和测试集,通过改进的AlexNet模型识别故障电弧并输出检测结果。实验结果表明,采用该方法进行串联故障电弧识别的准确率约为95.58%,比利用AlexNet模型要高出约10.58%。     

基于Mayr模型改进的适用于串联故障电弧的新模型

电力系统中经常会发生故障电弧,本文在Mayr电弧模型的基础上提出一种适用于串联故障电弧的新模型。针对电弧开始阶段的电晕放电,把电晕电阻和两个特殊电气部件(电流二极管)考虑在内,结合Mayr电弧模型,丰富了电弧模型参数。在Matlab/Simulink仿真环境中,用新的电弧模型封装子系统对线路发生的串联故障电弧进行仿真,并依据仿真电路模拟线路发生串联故障电弧的实验。对比仿真和实验结果得到,改进的电弧模型的故障电弧电流与实验采集到的故障电弧电流基本吻合,验证了新模型对分析串联故障电弧的特性具有可行性和准确性。     

基于小波能谱熵的串联型故障电弧检测方法

低压线路中的串联故障电弧检测多以提取电流信号的故障特征为主,实际中,电流故障特征难以与非线性负载的负荷电流特征进行区分。相比之下,通过识别负载端故障电压特征更易建立统一故障判据。本文通过建立电弧分段仿真模型分析了电弧电阻对负载端电压故障特征的影响,从选择最优小波分解层数与小波基函数出发,提出了一种利用小波能谱熵的电弧故障检测方法,该方法利用故障电弧电压对负载端电压造成的畸变进行故障检测,利用小波能谱熵克服了故障特征频带难以确定的问题。实测及对比实验表明,该方法可有效识别各类负载线路的串联电弧故障,其检测准确率达98%以上。     

基于多特征融合的交流系统串联电弧故障诊断

为实现对用电系统低压端串联电弧故障的准确诊断,根据交流系统中低压串联电弧故障的奇异性、能量特性及不确定性,通过自主搭建的电弧故障模拟实验平台及不同负载下的串联电弧故障模拟实验,提出一种基于多特征融合的串联电弧故障诊断方法。该方法根据信号不同特性,结合小波变换理论对经降噪预处理后的采样信号进行主成分分析,提取各频段特性对信号的贡献率,并以信号3种特性中最大贡献率所在频段的空间位置关系作为特征向量构成1?3阶信号特性分布矩阵;将此矩阵作为网络的输入向量,利用改进多层前馈神经网络构建特征向量与电弧故障之间的映射关系。测试结果表明,该方法可减小电弧燃烧对诊断结果的影响,实现对串联电弧故障的诊断分类。     

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。     

连续小波变换和具有注意力机制的深度残差收缩网络在低压串联电弧故障检测中的应用

当室内配电系统发生串联电弧故障时，电弧燃烧温度可高达数千摄氏度，从而导致电气火灾的发生。而低压配电网中负载类型复杂，利用一般的电流信号时频分析，很难对串联电弧故障进行有效识别。针对这一问题，文章利用深度学习强大的计算机视觉能力，提出了一种基于注意力机制和深度残差收缩网络(attention mechanism and deep residual shrinkage network,Attention-DRSN)的故障检测方法。首先，使用连续小波变换提取电流信号特征信息，并转化为图像特征。其次，对提取到的图像特征进行数据增强和灰度化处理，并利用主成分分析方法(principal component analysis,PCA)对特征图像进行了重构。最后，构建了Attention-DRSN电弧故障检测模型，并采用K-折交叉验证方法对数据集进行划分，验证了所提方法的有效性。实验结果表明，该检测方法对串联电弧故障具有较高的检测精度，平均检测准确率为98.52%，对未来电弧故障检测装置设计具有重要的借鉴意义。     

光伏系统直流串联电弧故障检测研究

搭建了光伏系统电弧故障实验平台,采集系统运行时的电流作为电弧检测的依据,利用时频域分析相结合的方法对电弧故障进行检测.分析发现系统正常运行和发生电弧故障时的电流信号在时域上的平均值变化特征明显,而在频域上利用小波对电弧电流及正常电流做5层分解,利用d5频段能量可有效对正常、阴影遮挡及故障运行状态进行区分.最后,采用将时...     

基于HCMAC神经网络的故障电弧检测方法

低压故障电弧电流的有效值往往小于热脱扣器的动作电流,导致传统的电路保护装置失效.模拟低压电气线路中的故障电弧,利用电流采样装置对故障电弧电流进行采样.在分析故障电弧电流波形特征的基础上,利用HCMAC神经网络对电流波形的各周期均值、斜率和小波变换高频系数三个判据进行综合评判,有效克服了单一判据的局限性.仿真结果表明,基于HCMAC的故障电弧检测方法可有效识别故障电弧特征,提高辨识故障电弧的准确率.     

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。     

光伏系统直流故障电弧时频域特性及其复合模型研究北大核心CSCD

故障电弧严重威胁着光伏系统的安全稳定运行,研究其物理特性及保护装置具有重要的意义。文中为了探究光伏系统内直流故障电弧的时频域特性,构建更适合系统级仿真的电弧模型,以MATLAB软件作为仿真平台,分别研究了3种不同类型的电弧模型。通过对仿真所得的故障电弧电流信号进行时频分析,得到了不同电弧模型的时频特征,并与实验波形及其时频特征进行对比,得到了不同模型在故障电弧时频特性仿真方面的优缺点。单一使用电弧噪声模型和U-I模型无法完整地描述故障电弧特性,将二者适当组合得到的复合模型仿真效果良好,最终对复合模型和黑盒模型在光伏系统故障电弧仿真的范围进行了讨论。提出的复合电弧模型为光伏系统故障电弧特征的研究及诊断方法的性能验证提供了有效的仿真手段。     

低压串联故障电弧的识别方法

以低压串联故障电弧为研究对象,采集了几种常见用电设备单独及混合运行时的电流波形,采用Matlab软件对电流波形进行离散傅里叶变换（DFT）,提出了基于谐波分量相对变化系数的低压串联故障电弧识别方法。仿真结果表明,设计方法能有效识别故障电弧的发生,为故障电弧断路器的研究提供参考。