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。     

一种新型电弧故障断路器的研究

介绍了电弧在低压电路中产生的原因,使用电弧发生器复现了串联电路电弧发生时的情况,实测出电弧电流波形,从时域和频域两方面分析了电弧波形的特性。结合现有电弧故障断路器的检测原理,提出了一种基于频域算法的电弧检测新理念,并简述了该新型电弧故障断路器的检测原理。最后,阐述了电弧故障断路器的未来发展趋势。     

电动汽车串联型电弧故障检测方法

电弧故障是引发电气火灾的主要原因之一。在电动汽车电气系统中,直流串联电弧故障通常发生在接触点松动或线路连接损坏处,会引起火灾、爆炸等严重事故。为快速、准确地检测电动汽车串联型电弧故障,搭建了电动汽车故障电弧实验平台,采集不同工况下干路电流时间序列并建立了样本库。通过轻量化卷积神经网络,建立了基于改进Mobilenet网络的串联故障电弧检测模型。通过对比分析学习率、网络层数、样本长度,对模型进行了优化。该优化模型通过干路电流可实现电动汽车串联型故障电弧的检测和故障选线,检测准确率达到96.39%,论文为电动汽车电气系统电弧故障检测提供了一种可行性方案。     

矿用电连接器串联型故障电弧诊断方法研究

为提高煤矿井下供电系统的可靠性,在不同电压、电流、功率因数、环境相对湿度条件下,开展了因机械振动引发的串联型故障电弧模拟实验。分析了不同实验参数对故障电弧的影响;提取串联型故障电弧相邻五周期电流信号中的过零点数、归一化后的方差、协方差构成特征向量;建立了基于随机森林分类算法的串联型故障电弧诊断模型,以正常运行及故障电弧电流信号的特征向量构成训练样本和测试样本作为随机森林模型的输入,对样本进行分类,进而诊断是否发生串联型故障电弧。结果表明,该方法能够有效地实现矿用电连接器串联型故障电弧的诊断。     

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。     

串联故障电弧的特征分析与建模研究

以低压配电线路串联电弧为研究对象,分成阻性、感性、非线性三种负载性质,利用参照UL1699标准自制的电弧发生器进行电弧试验,获取三种负载性质的故障电弧波形,并对其电弧电压和电弧电流的故障特征进行较为全面的理论分析和试验研究。结合Simulink仿真技术验证了Cassie-Mayr电弧模型的可行性,为电弧故障开关保护装置设计进一步提供了仿真试验依据。     

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。     

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。     

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...     

连接点通断频率对串联型故障电弧特性的影响

基于自制的振动平台开展了串联型故障电弧振动实验,获取不同振动频率时的电流和电压数据,分析了不同电源电压、电流、功率因数时,振动频率对电流有效值、零休时间和电压峰峰值的影响规律,研究了不同振动频率下串联型故障电弧的伏安特性,并分析了振动频率影响串联型故障电弧特性的原因,研究成果对今后开展故障电弧诊断工作具有积极意义。     

基于多特征融合神经网络的串联电弧故障识别技术

传统低压保护装置如低压断路器、熔断器等无法有效检测出由于接触不良、绝缘失效等导致的串联电弧故障,因此如何准确检测串联电弧故障成为目前研究的热点问题.为此,采用基于电流波形的检测方法展开深入研究,通过搭建电弧故障平台模拟串联电弧故障,获得了不同负载下正常和电弧故障的数据;然后在此基础上建立了多特征融合的神经网络算法,并利...     

基于周波分析法的串联型故障电弧诊断技术

为了研究串联型故障电弧的特性,快速检测出电力线路中发生的电弧故障,及时切断故障线路,笔者提出一种利用周波分析法速检测故障电弧的诊断方法。根据电力线路发生串联故障电弧时,线路电流的周波有不规则特点,通过该方法计算相邻电流周波间的差异值并提取畸变信号,从而判断电力线路中是否存在故障电弧。本文对不同类型典型负载进行故障模拟实验,对故障电弧实验数据进行收集分析,验证了该方法的有效性和可靠性。     

基于广义基尼指数和脉冲神经网络的航空交流 串联电弧故障检测

航空电缆在振动作用下很容易产生电连接器松动、线束断裂等情况,从而引起交流电弧故障。针对交流串联电弧故 障时频域特征不明显而引起的故障检测问题,提出了一种基于广义基尼指数(generalized Gini indices,GGI)和脉冲神经网络 (spiking neural network,SNN)的电弧故障检测方法。首先,提出用广义基尼指数对试验数据电流波形进行分析;其次判断正 常周期和故障周期下的数值差距,然后与时域特征指标裕度、峭度、脉冲因子相比,所提指数对电流波形周期故障判断更准 确;最后,将广义基尼指数转变成特征值,代入到积分泄漏发放(leaky integrate-and-fire,LIF)模型进行训练,进一步提高方法 的普适性。试验结果表明,该方法能够快速有效地检测航空交流串联电弧故障。     

电弧故障识别及保护的新技术

介绍了电弧故障的产生机理和特征,及国外有关电弧故障检测和判别方法.分析了近年来电弧故障保护产品的概况,包括电弧故障断路器的组成原理,电弧故障信号的检测方法和要求,电弧故障识别和判定方法及国外最新专利技术.     

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。     

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。