基于BP神经网络与电流特征提取组合的故障电弧辨识方法

低压交流串联电弧故障是目前研究的热点,非典型负载的特殊性更增加了电弧故障辨识的难度。针对常用负载的低压交流串联故障电弧,以及点接触电弧试验的并联交流故障电弧和调光灯调光状态等非典型负载情况,提出一种基于BP神经网络与电流特征提取组合的故障电弧辨识方法,采用基于小波变换细节分量的BP神经网络辨识串联电弧故障。对于非典型负载情况,在BP神经网络辨识的基础上,通过引入负载电流时域信号的半周期积分变化量,辅助解决调光灯调光状态易产生的误动作;结合负载电流时域信号的变化率与"平肩部"特性,辨识点接触引起的并联电弧故障。实测结果表明,所提出的辨识方法在常用负载的串联电弧故障与非典型负载波形测试中均辨识准确。     

基于神经网络的故障电弧检测装置的研究

提出一种以反向传播（BP）神经网络为基础的新型故障电弧辨识方法.电弧发生装置和数据采集装置分别提取电流的小波变换和时域变化的特征值,将提取的混合特征值输入到神经网络并采用自适应学习法进行学习,再将收敛的神经网络移植到故障电弧检测装置中,构成故障电弧辨识模块.在试验中装置可以准确地检测出已学习过的几种不同负载的故障电弧状态,并能及时切除故障线路.     

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。     

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。     

基于神经网络和D-S证据理论的故障电弧检测

基于电弧电流特征的故障电弧检测方法存在信息源单一的不足,容易引起保护误动作和拒动作。针对该问题,文中以电弧辐射的电场和磁场信号以及电弧电流作为检测信号,提出一种基于神经网络和D-S证据理论的故障电弧检测方法。首先,采用模极大值方法提取不同负载下电弧电磁辐射信号特征量,并用波形相似法提取电弧电流信号特征量;其次,利用BP神经网络构建各个特征量与电弧故障之间的映射关系,得到单个特征量的故障电弧识别率;最后,以该识别率作为D-S证据理论的输入,实现决策级多特征信息融合。在典型负载情况下的试验结果表明,该方法能有效提高故障电弧检测的准确率。     

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。     

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。     

应用短时傅里叶变换识别串联电弧故障特征的研究

介绍了电弧故障保护电器在电气火灾防护中的作用以及电弧故障检测现状。通过短时傅里叶变换,分析了多种负载串联电弧故障特征频段,提出了一种串联电弧故障识别的方法。串联电弧故障波形分析表明,短时傅里叶变换为串联电弧故障特征的提取提供了可靠依据,在此基础上采用的统计分析可准确识别串联电弧故障,并有效区分负载起动冲击电流的干扰。     

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。     

基于电流特征提取的故障电弧识别方法

为了提高故障电弧识别的准确性,提出了一种基于电流特征提取的故障电弧识别方法。利用小波变换将原始电流信号进行分解,并计算各频段的信号能量,从而获得能量谱作为电流信号的特征向量。结合BP神经网络训练网络参数,实现对故障电弧的快速准确识别。电弧故障模拟试验的分析结果表明该方法具有较高的故障电弧识别率,验证了该方法的有效性与可行性。     

基于集合经验模态分解的交流航空故障电弧识别

故障电弧作为一种破坏性强,识别难度大的电路故障,给飞机的安全带来很大的威胁。然而目前航空业应用的电弧识别方法远不能达到要求。所以本文提出了一种将集合经验模态分解和LM优化的BP神经网络相结合的交流航空故障电弧识别方法。首先建立串联和并联交流电弧实验模拟平台,采集电弧电流波形,分析波形动态特性。将波形进行集合经验模态分解,选取差别明显模态分量作为故障特征分量。计算故障特征分量的能量熵作为交流故障电弧的特征量,输入到LM算法优化的BP神经网络,进行识别。结果表明,识别率达到90%以上,较好地识别出了航空故障电弧。     

基于自组织特征映射网络的电弧故障检测方法

一般利用故障电弧产生时的电流波形特性进行电弧故障检测。随着线路负载种类的日益增多,故障电弧产生时的电流波形与某些负载无弧情况下的电流波形十分相似,难以通过简单的电流时频域特征进行电弧故障检测,影响电弧故障检测的准确性。针对该问题,提出一种自组织特征映射网络与滑窗法相结合的电弧故障检测方法,在自组织特征映射网络自主挖掘电流数据内在特征的基础上,利用相邻周期电流样本之间的关联性与连续性,对电流信号进行连续检测,提高电弧故障检测准确率。所提方法能有效实现电弧故障检测,电弧故障检测准确率可达99 %。     

一种低压故障电弧检测的FFT判定方法

介绍国内外故障电弧判定以及检测的研究现状,测定线性负载与非线性负载在正常状态与故障电弧发生状态下的电流信号特征,并通过快速傅里叶变换(FFT)将电流信号变换到频域进行分析,提出一种判定负载是否产生故障电弧的较为准确的方法:线性负载发生故障电弧时幅值变化率大于1,非线性负载发生故障电弧时电流幅值变化率小于1。     

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。     

故障电弧断路器核心实验及电弧波形

故障电弧断路器的市场表现不尽理想,主要原因在于研发单位没有完全按照UL 1699标准对产品进行测试,导致产品出现误脱扣问题和电弧检测性能差等情况。本文根据UL1699搭建实验设备,通过示波器抓取各实验中的负载电流,最后分析并终结出正常负载电流波形、正常操作电弧电流波形和故障电弧电流波形的具体特征。实验结果显示,故障电弧电流波形夹杂高频成分,而且高频成分随机大量重复出现。可以根据该特征设计故障电弧检测算法,生产出性能可靠的故障电弧断路器。     

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...     

考虑弧长动态变化的配电网电弧接地故障建模及辨识

目前针对配电网电弧故障的研究大多忽略电弧弧长变化因素的影响,电弧故障模型与实际配电网电弧故障相差较大,电弧接地故障辨识不准确。为此,搭建了考虑弧长动态变化的电弧接地故障模型。在此基础上,分析了电弧接地故障稳态零序电流的时域波形差异,提出了一种基于稳态零序电流加权欧式距离的电弧接地故障辨识方法,实现对电弧故障的有效辨识。利用PSCAD搭建10 kV配电网模型,大量电弧接地故障仿真实验结果表明,所提电弧故障模型准确有效,可以准确描述电弧电流、电压和故障特性。所提辨识方法能够准确辨识故障类型,且所提方法不受故障初相角、故障位置的影响,为配电网故障精准可靠感知提供依据。