串联型故障电弧检测方法对比分析

由于线路故障位置的不确定性,目前串联型故障电弧检测方法主要基于电流信号分析进行识别。通过对不同负载在串联型故障电弧发生前后的电流波形进行对比,得出了串联型故障电弧电流特性及其变化规律;以串联型故障电弧的电流信号为研究对象,介绍了基于希尔伯特黄变换、信息熵与短时傅里叶变换、小波近似熵与支持向量机的串联型故障电弧检测方法,概述了不同检测方法的故障电弧特征提取过程;对3种串联型故障电弧检测方法优缺点进行了比较,指出基于希尔伯特黄变换、信息熵与短时傅里叶变换的检测方法可有效提取故障电弧发生时电流的时频特性,对提取的时频谱幅值设置合适的阈值即可作为串联型故障电弧识别的依据,但准确性和实时性不高,而基于小波近似熵与支持向量机的检测方法可直接提取近似熵作为支持向量机的输入来识别串联型故障电弧,具有较高的准确性和实时性,更适用于煤矿现场。     

基于深度长短时记忆网络的多支路串联故障电弧检测方法

针对低压配电系统中,实际配电网负载端的负载串并联形式的多样化和多变性特点,研究干路点检测支路发生的故障电弧具有十分明显的实际意义,提出了一种基于深度长短时记忆(LSTM)网络的多支路串联故障电弧检测方法.首先,构建实验平台,采集支路发生不同串联故障情况下的干路电流信号共计72000组;然后,将电流信号分为训练集和测试集;最后,通过Python平台优化深度LSTM网络模型结构以识别故障电弧,并输出检测结果.实验结果显示改进的LSTM网络对于每组实验单独分类检测准确率最低为96.8％,最高可达99.0％,多组实验统一进行检测准确率达94.88％.该方法能够有效识别多支路负载下的串联故障电弧,为低压串联故障电弧的准确检测提供了新的思路和有益探索.     

基于STM32的故障电弧监测方案设计

针对电力系统发生故障时异常的电弧和温度,设计基于STM32的监测方案。通过各种传感器和外设采集数据,利用STM32平台对测得的数据进行分析,从而降低电气火灾的发生概率,减少经济损失。故障电弧的电流通常伴随着过零点出现“平肩”,即零休现象,存在高频谐波,还会发生火灾,同时周围温度会升高。利用电流传感器以及温度传感器,将测得的信号数据输入STM32芯片;经过A/D转换后计算分析,再实时将数据通过LoRa模块上传至云平台进行预警。     

基于分形盒维数串联电弧故障诊断技术研究

通过搭建串联故障电弧实验平台,进行多种类型负载实验,对其正常工作和发生串联电弧故障时的电流信号进行分析,提出了一种基于分形盒维数的串联故障电弧诊断方法。进一步研究了不同信噪比下分形盒维数的计算误差,分析了分形盒维数的抗噪性能,同时计算了不同负载在正常工作和发生串联电弧故障下分形盒维数的参考区间。实验证明,基于分形盒维数的故障诊断方法能够准确辨别出负载的串联电弧故障,具有较好的通用性。     

一种矿用相控开关短路电流过零点预测算法

现有短路电流过零点预测算法存在计算复杂、误差大等问题。针对煤矿供电系统三相短路故障,提出了一种矿用相控开关短路电流过零点预测算法。该算法利用三相短路故障发生后1个基波周期内短路电流采样数据,通过累加和的方法计算短路电流的直流分量,可减小计算量、消除谐波干扰;将采样数据与直流分量相减,得到短路电流的交流分量;利用交流分量周期性的特点,可预测1个基波周期后任意采样时刻的交流分量;将1个基波周期后任意采样时刻的直流分量与交流分量相加,即可重构出任意采样时刻的短路电流,从而预测短路电流过零点。仿真和实验结果验证了该算法的准确性。     

一种低压电弧故障检测的新方法

利用二进小波变换法分解低压配电线路电弧故障时的电流波形, 获得电流波形各尺度小波变换的高频系数. 电弧故障时的电流波形小波变换高频系数与负载正常启动和运行状态时相比, 有其明显的特征, 可有效地应用于电弧故障检测. 利用LabVIEW和MATLAB软件平台实现了电流在线采集和分析, 实验结果表明该方法能准确地辨识低压配电线路中的电弧故障.     

电流频谱Hurst指数在串联电弧故障检测中的应用

串联电弧故障因故障电流小、随机性强,难以被普通保护电器所检测和切除.本文基于已有的Mayr电弧模型增加了弧柱电感、间隙电容和压控随机开关以模拟电弧高频特性,从而构建了不同类别典型负载的精细化电路模型.实验证实所建负载模型和电弧模型的仿真数据较好拟合了相应的实验结果,在此基础上将仿真波形重构为二维矩阵,提取矩阵奇异值之比...     

基于混沌的故障电弧早期弧声检测方法研究

故障电弧发生之前伴生的微弱电弧声频率主要集中在5～10kHz附近的特征频段里,准确快速检测该频段内特征弧声是否存在,即可判断故障电弧是否将要发生,实现故障电弧的早期预测预警;基于此,提出基于混沌的故障电弧早期弧声信号检测方法,建立以Duffing振子为基础的混沌检测系统;混沌检测系统对可听波7kHz附近3%频段内微弱的早期弧声信号非常敏感,对其它频率的声信号具有良好的抑制作用;当没有电弧声产生时,系统处于混沌状态;而电弧声一旦产生,系统立刻切换到间歇混沌状态;根据间歇混沌的存在与否可以判断特征弧声是否已经产生;试验结果表明,该方法能够可靠检测出微弱故障电弧早期弧声信号.     

电流信号检测装置

该装置以STM32单片机为核心控制器件,实现了检测环路电流信号的功能。由TDA2030功率放大电路以漆包线绕制的空芯线圈互感器获取电流信号,通过运算放大器放大,将数据反馈给STM32单片机。单片机接收信号之后,先进行AD转换,然后运用改进型的FFT算法处理,最后将检测到的电流的幅度和频率等信息通过液晶屏详细地显示出来。经测试该装置达到了很高的测量精度,能精准测量电流信号,这种以单片机为核心控制器件的新型仪表在测量工程自动化,功能多样化方面取得了巨大进步。     

基于局部全局一致性学习算法的故障选线方法

针对现有故障选线方法用于中性点经消弧线圈接地系统或相电压过零点附近发生故障时选线不准确的问题,提出一种基于局部全局一致性学习算法的小电流选线方法,即首先对线路接地故障原始信号进行傅里叶变换,然后将各故障信号的特征量输入局部全局一致性学习算法,通过标签循环传递判断故障特征信号,从而选出故障线路。通过Matlab仿真模型与实验室测试平台对该方法进行了研究,结果表明该方法具有较高的选线可靠性与准确性。     

基于频谱畸变的航空交流电弧检测方法研究

航空交流电弧故障是飞机电气防护领域的检测难点。由于其隐蔽性,产生故障后难以被发现并会引起更加严重的危害。通过建立完善的电弧试验平台,采集大量电弧数据,能够获取可靠的串并联交流电弧故障特征。依照标准定义对试验数据进行区分获取有效电弧数据。通过对比分析正常数据和电弧数据的频谱特征,其频谱奇次谐波处的幅值在产生电弧后会有明显增大。利用这一频谱畸变,通过三周期算法能够对交流电弧进行准确识别,并通过原理样机验证了检测方法的识别效果。     

遗传算法优化GMM的故障电弧识别方法

由于电气设备中正常电流信号和故障电流信号电流特性十分相似,故障电弧的正确识别十分困难,但非常重要。采用小波变换结合近似熵的方法对故障和正常电流特征进行提取,将特征用来训练混合高斯模型(GMM)。但GMM的参数估计方法期望最大(EM),极易局部收敛,因此,引进遗传算法,提出遗传优化的高斯混合模型(GA-GMM)。用经过特征提取后的特征数据来训练GA-GMM模型,模型根据其输入的数据特征得到最大的概率分类,即输出电流故障与否。大量实验表明采用GA-BMM能够快速准确地对故障电弧特征进行识别,达到了较好的识别效果,实现了准确识别故障电弧的操作。     

基于改进CNN的串联型故障电弧识别方法研究

针对串联型故障电弧影响供电系统安全且不易测量的问题,提出改进卷积神经网络对串联型故障电弧的识别方法.由于SVM学习的超平面是距离各个样本最远的平面,相比于Softmax,具有更强的泛化推广能力和更高的识别准确率,故采用SVM损失函数(hinge loss)替换原有的Softmax损失函数并在CNN模型中添加三层Ince...     

基于Matrix Profile的时间序列分割技术改进

时间序列分割是数据挖掘领域中的一个重要研究方向.目前基于矩阵轮廓(matrix profile, MP)的时间序列分割技术得到了越来越多研究人员的关注,并且取得了不错的研究成果.不过该技术及其衍生算法仍然存在不足:首先,基于矩阵轮廓的快速低代价语义分割算法中对给定活动状态的时间序列分割时,最近邻之间通过弧进行连接,会出现弧跨越非目标活动状态匹配相似子序列问题;其次,现有提取分割点算法在提取分割点时采用给定长度窗口,容易得到与真实值偏差较大的分割点,降低准确性.针对以上问题,提出一种限制弧跨越的时间序列分割算法(limit arc curve cross-FLOSS, LAC-FLOSS),该算法给弧添加权重,形成一种带权弧,并通过设置匹配距离阈值解决弧的跨状态子序列误匹配问题.此外,提出一种改进的提取分割点算法(improved extract regimes, IER),它通过纠正弧跨越(corrected arc crossings, CAC)序列的形状特性,从波谷中提取极值,避免直接使用窗口在非拐点处取到分割点的问题.在公开数据集datasets＿seg和Mobi Act上面进行...     

Arc-based evaluation and detection of ellipses

We propose the use of elliptic arcs as a reliable criterion for ellipse evaluation and reconstruction. A technique based on pixel connectivity is developed for detecting the endpoints and subtended angles of elliptic arcs. Model-based distance and angular connectivity are introduced for quick and meaningful estimation of elliptic arcs. An iterative algorithm for multiple-ellipse fitting based on arc detection is presented. Experimental results confirm the robustness and accuracy of the algorithm for the fitting of multiple overlapping ellipses.     

基于单义域邻接图的圆弧与圆识别

工程图纸扫描输入与识别理解是ＣＡＤ推广和普及的关键步骤之一,主要解决已有大量图纸再利用问题。在工程图纸扫描图象识别研究中,圆弧识别是识别算法中的重点和难点。传统的圆弧识别多是基于线段逼近。该文提出一种基于单义域邻接图的圆弧及圆识别算法,可以直接提取圆弧,对二值图象作水平黑洲程编码,相关游程基于线宽与拓扑的一致性构成条形域,对其中多义域进行分裂得单义域（线段域和圆弧域）,单义域邻接图可较好描述图象的     

光伏系统直流串联故障电弧特征研究

应用时域分析和频域分析相结合的方法,研究了光伏系统串联电弧故障问题.搭建了新型光伏系统故障电弧实验平台,获得了光伏系统正常运行和发生串联故障电孤时电流峰峰值和电流平均值的特征差异,分析了电流时域特征在串联故障电弧识别方面的可行性.得到了光伏系统发生串联故障电弧时,电流一层小波分解细节分量均值是正常状态下的2.5～4倍,两层小波分解细节分量均值是正常状态下的10～16倍的结论.以上结论可通过有效的数据融合形成串联电孤故障识别判据,为光伏系统串联电弧故障保护装置的研制提供理论支持.     

Incremental arc segmentation algorithm and its evaluation

We present an incremental arc segmentation algorithm, which recovers the vectorized arc fragments obtained by the vectorization of a piece of arc image in a stepwise fashion. Due to proper threshold selection and consistent checking of cocircularity of the assumed arc pieces, the algorithm accurately constructs arcs from the vector input. Nearly 200 synthetic arcs, ranging in radius from five to 50 pixels, in open angle from 1/8π to 2π, and in thickness from one to nine pixels, are used in the experiments and evaluation. Parts of six real drawings, containing about 200 arcs, are also processed. The algorithm works well for arc segments greater than 10 pixels in radius, π/4 in angle, and one pixel in width     

异步电动机转子故障诊断方法研究

异步电动机为各种生产过程中使用最为广泛的能量转换装置.针对异步电动机转子出现导条或端环断裂时,定子电流中会出现故障特征的频率分量的问题,考虑到此信号的特点,利用基于复解析带通滤波器的复调制细化频谱分析法和能量重心校正法提取信号所需频率成分的特性,克服了传统基于FFT分析方法难以提取故障特征频率分量的难点,并通过软件编程实现故障信号的有效检测.     

Fast Circular Arc Segmentation Based on Approximate Circularity and Cuboid Graph

A fast and efficient algorithm for circular arc segmentation is presented. The algorithm is marked by several novel features including approximate circularity for arc detection, cuboid graph defined by the detected arcs in the 3D parameter space, and resolving all delimited cliques in the cuboid graph to form larger arcs. As circular arcs present in a digitized document often deviate from the ideal conditions of digital circularity, we have loosened their radius intervals and center locations depending on an adaptive tolerance so as to detect the arcs by approximate circularity. The notion of approximate circularity is realized by modifying certain number-theoretic properties of digital circularity, which ensures that the isothetic deviation of each point in an input curve segment from the reported circle does not exceed the specified tolerance. Owing to integer computation and judiciousness of delimited cliques, the algorithm runs significantly fast even for very large images. Exhaustive experimentation with benchmark datasets demonstrate its speed, efficiency, and robustness.