基于小波近似熵的串联电弧故障识别方法

根据UL1699标准搭建了串联电弧故障发生装置,并针对不同类型负载进行实验,获得了供电线路正常工作状态和发生电弧故障状态时的电流信号实验数据。应用小波变换对电流信号进行分解重构,通过近似熵(Ap En)算法对分解重构后各频段信号的不规则程度进行量化,得到电流信号的特征向量,并将其输入到支持向量机(SVM)。通过SVM对电流信号特征向量进行分类,完成电弧故障的检测识别。结果表明,通过小波近似熵算法得到的电弧故障特征向量能够作为诊断识别电弧故障的有效依据。     

基于EMD和ELM的低压电弧故障识别方法的研究

针对低压配电线路负载端电弧故障电压具有较强的信号奇异性波形特征,利用低压串联电弧故障实验平台,采集若干典型的低压配电线路负载端故障电弧电压信号进行分析。采用经验模态分解(empirical mode decomposition,EMD)有效地提取反映电弧故障信号局部特性的本征模态函数(intrinsic mode function,IMF)分量,经分析IMF分量的方差贡献率确定前5阶IMF用于表征各类负载电弧故障主要特征信息,提取前5阶IMF分量能量比为特征向量作为极端学习机(extreme learning machine,ELM)的输入向量,建立不同负载电弧故障识别模型。实验与仿真结果表明,基于EMD分解和ELM相结合的故障电弧诊断方法,在有效提取不同负载电弧故障特征的基础上,实现了不同负载电弧故障的识别。     

基于Cassie模型和L3/4范数的串联电弧故障检测方法EI北大核心CSCD

在民用交流电系统中,发生串联电弧故障时,电流一般较小达不到断路器阈值,而且在某些情况下,正常工作状态电流与电弧故障电流波形非常相似,难以检测,易导致电气火灾的发生。利用Cassie模型对串联电弧故障进行模拟,分别得到线性负载和非线性负载条件下时域电流波形,并利用傅立叶变换得到电流幅值频谱。对比可知,电弧故障状态下线性负载电流波形和正常工作状态下非线性负载电流波形均会出现零休;电弧故障状态下无论是线性负载还是非线性负载电流幅值频谱均会出现谐波且与正常工作状态电流幅值频谱具有不同的特点。利用基于L3/4范数正则化的稀疏表示算法实现电弧故障检测,通过仿真说明该方法具有较好的稀疏性和准确性。     

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。     

SVD滤波的串联故障电弧特征分析

为进一步研究故障电弧特征,针对三相电动机及变频器负载开展了串联故障电弧实验。首先将电流信号经过一阶差分预处理,再通过奇异值分解SVD(singular value decomposition)对信号进行两级滤波,剔除信号中的工频和噪声成分。采用柯尔莫可洛夫-斯米洛夫K-S(Kolmogorov-Smirnov)检验法分析SVD滤波信号的正态分布情况。采用线性调频Z变换CZT(chirp-Z transform)对SVD滤波信号0～500 Hz频段进行频谱细化分析。提取时域峭度和特征频段幅值平均值组成特征向量,并构建故障电弧区矩形。通过大量数据测试表明:该方法可有效识别三相电动机及变频器负载回路中发生的故障电弧。     

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。     

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。     

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。     

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。     

基于灰度-梯度共生矩阵的串联故障电弧特征

为了获取非线性负载回路中串联故障电弧的特征,利用自行研制的故障电弧实验系统开展了变频器和工控机负载条件下的串联故障电弧实验。提出一种基于灰度-梯度共生矩阵的特征提取方法。采用前向差分法对电流信号进行预处理,并利用小波包技术对差分信号进行分解、重构,将重构信号按频率高低依次放入二维数组;二维数组中同时刻各频段的能量归一化后,将其转换为0~255的灰度值图像,对灰度值图像进行Wiener滤波并采用Laplace算子进行锐化和加强处理,取频率高于1 562.5 Hz的图像求解灰度-梯度共生矩阵。通过计算共生矩阵的15种特征量,筛选得到工控机和变频器负载条件下串联故障电弧的特征向量。将获取的故障电弧特征向量输入到支持向量机进行故障电弧识别测试,验证了上述故障电弧特征提取方法的有效性。     

新能源汽车电弧故障检测方法及测试系统设计

通过调查发现,由电弧故障引发的新能源汽车起火事故呈逐年增多趋势,我国品牌众多的新能源客车尤为严重。为了选择和优化区分故障电弧的特征参量,识别汽车电弧故障,首先介绍了直流故障电弧产生机理、特性和类型,分析了时域、频域和时频域3种直流电弧故障检测方法。其次,搭建了模拟实验测试系统,获取不同负载下的正常电弧和故障电弧回路信号。然后,建立时频域Cassie电弧仿真模型,利用5层小波包分解技术,重构和提取电弧故障发生前后的电流信号,使用能量比值作为特征参量。研究结果表明,在检测周期内大于阈值的特征量区分度明显,能有效识别直流电弧故障。     

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。     

低压系统串联故障电弧在线检测方法

故障电弧是引发电气火灾的主要原因,有效可靠地检测出故障电弧是预防电气火灾的迫切要求。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,而后设计了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,提出了一种故障电弧在线检测方法。该方法在线路电流相邻周期相减的基础上进行小波阈值去噪和归一化,利用周期幅值作为电弧的特征量,将特征量与参考值进行比较来判断故障电弧的发生。通过对单一负载、组合负载、启动过程、正常工作以及不同电压下串联故障电弧实验数据进行分析,得到了不同负载下电弧特征量的公共阈值。与其他方法的比较结果表明所提方法能够有效检测故障电弧的发生。     

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。     

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。     

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...     

小电阻接地系统高阻接地故障检测技术综述

小电阻接地系统发生高阻接地故障时电流小于传统的零序电流保护动作阈值,并且时常伴随有电弧的发生,难以准确检测与切除高阻接地故障。文章基于零序等效网络分析了小电阻接地系统单相高阻接地故障时母线零序电压理论特性和各出线零序电流特征;针对高阻接地故障常伴随发生的电弧现象,从故障点燃弧的物理过程出发,详尽分析了常用的Cassie电弧模型、Mayr电弧模型、改进的Mayr电弧模型、Mayr-Cassie组合电弧模型和Emanuel电路模型等六种电弧模型的物理近似过程、数值推导过程、试验验证及适用条件;分别从时域的伏安特性分析法和零序电流畸变法、频域的故障电流信号法和故障电压信号法出发,分析了高阻接地故障检测方法中的信号处理过程、故障特征提取方法、检测方法的优点与不足;认为采用零序电流波形在过零点附近畸变引起的波形斜率曲线变化作为故障特征具有明确的数学与物理意义,采用零序电压信号经小波包分解后高频段与低频段能量比作为故障特征,基本不受故障条件、系统结构等因素的影响,具有较好的检测效果。     

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CEEMDAN-HT和SAE的直流故障电弧诊断方法研究

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...