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。     

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。     

电弧故障断路器UL标准研究

介绍了UL 1699《电弧故障断路器》的主要内容及术语。UL 1699标准中核心的三大试验内容,包括电弧故障检测试验、误脱扣试验、操作抑制试验。     

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。     

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...     

基于相空间重构的航空电弧故障识别方法

为了进行航空交流串联电弧故障检测,该文在115V/400Hz的航空供电条件下按照美标UL 1699以及SAE AS 5692进行了点接触试验、振动试验和截断试验。利用工控机和数据采集卡提取出电流的正常信号和电弧故障信号,根据基于相空间重构的方法和波形比较法计算出电流信号的计盒维数、信息维数、均值比及其标准差和峰峰值。结果发现,发生了电弧故障后,以上特征值相比于正常情况均产生了较大程度的改变。将上述特征值组成电弧故障样本,作为遗传算法优化的BP神经网络的输入数据,将线路是否正常作为输出,进行电弧故障识别。分析结果表明,该方法的识别效率在96%以上。     

常用电器负载的串联故障电弧实验与特征分析∗

为了解决串联故障电弧特征识别这一问题,文章对不同类型的负载进行正常运行和故障运行实验,分别测得电压和电流两个参数的波形,并分析波形得出结论:故障电弧工作情况下,电压波形会出现无规律的突变值或异常值,无周期性,电流则根据负载的不同,会出现相应的平肩部、突变值或异常值,同样也是非周期性的。     

电弧故障断路器及故障电弧的辨别

电弧故障断路器(Arc-Fault Circuit Interrupter,AFCI)是一种最新的电路保护装置,根据美国标准UL1699将电弧故障断路器定义为"一种能根据电弧特性在电路中检测到故障电弧发生时断电的装置[1]",其主要作用是防止由故障电弧引起的火灾.住宅或商业电气线路和设备,如电气布线、插座、家用电器内部的电线或电器的电源线等,由于长时间的过负荷运行或者存在不良的电气连接等情况,使电线的绝缘层出现老化、绝缘效果降低或者绝缘层发生破损都可能发生故障电弧,电弧火花将可能引燃线路造成火灾的发生.     

基于FastICA的低压电弧特征分析

针对电弧故障特征量提取难的问题,将独立分量分析方法引入到电弧故障特征提取研究领域。依照UL 1699标准搭建电弧故障试验平台,采集试验电路中的电压、电流信号,采用FastICA算法对试验数据进行分离。通过不同负载分离结果的对比分析,可提取电弧故障的典型特征。试验结果表明,该方法能够成功获取故障信号的各独立分量,进而更有效地提取电弧故障的典型特征。     

阻性负载低压串联电弧故障特性研究

测试阻性负载正常电流波形和发生电弧故障时的电流波形,以及两个阻性负载并联运行时正常电流波形和其中一个负载发生电弧故障的电流波形。运用快速傅里叶FFT变换,通过频谱对比分析,提出将特定几个频率点的幅值作为诊断阻性负载是否发生故障电弧的特征。     

基于Camberra距离的串联电弧故障诊断方法

为进一步降低低压电弧故障的误识率,针对串联电弧故障,提出一种基于脉冲信号变换的Camberra距离诊断方法。将负载电流转变为脉冲波,随机电弧故障表现出脉冲波的非周期波动。通过脉冲宽度的时间序列数值差分提取电弧故障的随机特征,构造出基于差分序列统计特性的故障特征向量。特征向量点值图呈现出明显的聚类特征。根据特征向量的Camberra距离分析结果与脉宽特征,给出电弧故障误识别问题的解决方法,确定了电弧故障的诊断算法。参考UL1699的电弧故障仿真试验和实际样机测试结果验证了该方法的可行性和较高的可靠性。     

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。     

基于相空间重构和Lyapunov指数电弧电流混沌特性分析

串联电弧故障是引发电气火灾的关键原因。为了得到可靠数据源及更全面地认识电弧电流信号特性,按照UL1699、GB14287.4标准搭建了实际用电环境电弧故障实验平台。依据实验结果,利用相空间重构算法将电弧电流信号引入高维空间进行分析,并做出了阻性、阻感性负载的三维相图。采用小数据量法计算了串联电弧电流信号的最大李雅普诺夫(Lyapunov)指数。综合分析三维相图和最大李雅普诺夫指数,证明了低压串联电弧电流信号存在混沌特征,有望通过电流的混沌特性找出新的电弧故障诊断方法。     

基于信息维数和零休时间的电弧故障识别方法

为了检测线路中的电弧故障,提出了一种电弧故障识别算法。测试了常见家用和办公电器在正常运行时的电流波形,以及其所在支路发生碳化路径电弧故障和点接触电弧故障时的电流波形;对电流波形进行了相空间重构,基于分形理论计算了电流相平面图的信息维数,以此作为识别电弧故障的特征量之一;再以电流零休时间作为第二特征量,建立了基于支持向量机的电弧故障识别模型。实测数据的仿真结果表明:所提出的算法能有效地识别出电弧故障,可以为发展新型的具有故障定位功能的电弧故障断路器提供参考。     

支持向量机的低压故障电弧识别方法

故障电弧是引发电气火灾事故的主要原因之一。该文将支持向量机引入故障电弧研究领域,进行不同负荷情况下故障电弧识别检测。首先参照美国UL1699标准进行实验采集电流数据,然后利用支持向量机实现故障电弧训练、检测识别,并对训练、识别结果进行分析,实验证明本文的检测方法具备一定的泛化能力。     

基于形态学滤波和OTSU的串联故障电弧识别方法

为有效识别不同负载串联故障电弧,针对不同类型的纯阻性负载,变频机-电机负载,工控机负载等进行故障电弧实验。对采集到的正常工作状态和电弧故障状态下的电流信号使用db4小波基对电流的一阶前向差分信号进行了5层分解,得到电流信号在32个频段的分解波形,作为故障电弧的辨识特征。通过计算同一时刻各个频段的方差,将分解的频段信号重新构成新的信号。利用形态学算法对此重构信号进行滤波,突显出故障情况下的电流特征。通过最大类间方差(OTSU)方法提取波形阈值,并统计阈值与滤波后波形的交点个数。研究结果表明,正常状态和故障电弧状态下滤波后波形与波形阈值的交点个数有明显的区别,可以作为故障电弧的识别特征。     

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。