CN102135555B - 低压系统串联电弧故障识别方法 - Google Patents

低压系统串联电弧故障识别方法 Download PDF

Info

Publication number
CN102135555B
CN102135555B CN 201010611879 CN201010611879A CN102135555B CN 102135555 B CN102135555 B CN 102135555B CN 201010611879 CN201010611879 CN 201010611879 CN 201010611879 A CN201010611879 A CN 201010611879A CN 102135555 B CN102135555 B CN 102135555B
Authority
CN
China
Prior art keywords
loop
current signal
signal
parameter
vector
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN 201010611879
Other languages
English (en)
Other versions
CN102135555A (zh
Inventor
雍静
桂小智
曾礼强
牛亮
周程里
王一平
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chongqing University
Original Assignee
Chongqing University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Chongqing University filed Critical Chongqing University
Priority to CN 201010611879 priority Critical patent/CN102135555B/zh
Publication of CN102135555A publication Critical patent/CN102135555A/zh
Application granted granted Critical
Publication of CN102135555B publication Critical patent/CN102135555B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Testing Relating To Insulation (AREA)

Abstract

本发明提供的一种低压系统串联电弧故障识别方法，涉及电源保护技术领域；该方法首先通过电流检测装置采集回路电流信号作样本；利用3阶自回归参数模型对电流信号建模并计算参数矢量AT和参考矢量AR；通过欧氏距离平方求取电流信号的特征值d2；通过与预先设定的阈值进行比较来判断回路是否发生了串联电弧故障；实现了对电弧故障回路电流和正常回路电流信号的归类辨识；该方法不仅适用于线性负载回路，而且适用于非线性负载回路的串联电弧故障识别，有效解决了低压系统串联电弧故障回路与非线性负载回路的电流信号识别问题。

Description

低压系统串联电弧故障识别方法
技术领域
本发明涉及电源保护技术领域，特别涉及一种串联电弧故障识别方法。
背景技术
现有的公安部消防局提供的《2008年中国火灾统计年鉴》数据表明，全国每年有31%的火灾事故是由电气火灾引起，而串联电弧故障是引起电气火灾的主要原因之一。这是由于串联电弧故障回路电流有效值的大小和低压配电系统负载正常工作回路电流有效值大小处于同一个数量级，系统中常用故障保护装置，如熔断器、断路器、剩余电流保护器等对串联电弧故障是不灵敏的，起不到保护作用，因此串联电弧故障极不容易被发现，构成严重的电气火灾隐患。
串联电弧故障隐患可能分布于整个低压配电系统中，串联电弧故障的诱因很多，如：导线绝缘老化、内部导体受挤压断裂或导线接触不良等。在低压配电系统中实现串联电弧故障的检测面临如下困难：首先，低压配电系统负载组合形式多种多样，正常运行时，回路电流波形可能主要显现出线性特性(无谐波)，也可能主要显现非线性特性(有谐波或间谐波)，具有非线性特性的负载电流波形可能与回路中存在串联电弧故障时的电流波形十分相似，对电弧故障检测造成干扰；其次，电弧的影响因素有很多，串联故障电弧具有燃弧不稳定的特性，对于同一个实验设备在不同时刻产生的故障电弧，其时域、频域特性都会有很大的差异；因此，利用传统的时域、频域分析法进行低压配电回路中的串联电弧故障辨识非常困难。
因此急需一种针对低压系统串联电弧故障识别的方法。
发明内容
有鉴于此，为了解决上述问题，本发明提出一种针对低压系统串联电弧故障识别的方法。
本发明的目的是提供一种低压系统串联电弧故障识别方法；
本发明的目的所提供的一种低压系统串联电弧故障识别方法是通过以下技术方案来实现的：
本发明所提供的低压系统串联电弧故障识别方法，包括以下步骤：
(1)采集信号样本，通过电流检测装置采集负载正常工作回路电流信号；
(2)计算电流信号的参数矢量AT；
(3)计算电流信号的参考矢量AR；
(4)求取电流信号的特征值d2；
(5)比较判断，若d2大于预先设定的阈值N，则回路信号为故障回路信号，该回路发生了串联电弧故障；若d2小于预先设定的阈值N，则回路信号属于正常回路信号。
进一步，所述电流信号的参数矢量AT，是由采集的电流信号进行3阶Burg自回归模型全极点建模的系统函数的参数所确定，其系统函数为：
Figure 483098DEST_PATH_IMAGE001
式中，z表示z频域自变量，A3表示z域函数，H(z)表示系统函数，参数a 1 、a 2 、a 3 分别表示自变量的系数，系统函数由参数a 1 、a 2 、a 3决定，其参数用来决定表征所采集的电流信号的参数矢量AT=f(a 1,a 2,a 3)，系统函数的辨识分析转换为对参数矢量AT的辨识分析，即把对电流信号的识别转化为自回归模型参数矢量的识别；
进一步，所述计算电流信号的参考矢量AR；采用以下方法进行：
AR为由已知负载正常工作电流信号作训练集得到的参数矢量AT的均值，该均值构成该类负载正常工作电流信号模型参数的聚类中心；
进一步，所述求取电流信号的特征值d2；通过以下方法进行：
对自回归模型参数的识别采用了基于距离测度的欧氏距离平方d2作为信号归类的特征值，该特征值是数据分析中的参考矢量与实时采集电流信号作自回归模型建模分析得到参数矢量之间的欧氏距离平方，如下所示：
Figure 65258DEST_PATH_IMAGE002
其中，AR为数据分析中的参考矢量，a ri、a ti分别为参考矢量和参数矢量中第i个元素，i为参考矢量与参数矢量元素的个数；
进一步，所述预先设定的阈值N是通过对大量不同负载及其组合构成的正常回路和电弧故障回路电流信号经过实验分析所确定的；
进一步，所述电流检测装置采用电流互感器。
进一步，电流检测装置用于检测回路电流信号，并输入到微处理器中，所述微处理器用于接收检测到的电流信号并对信号进行相应的处理。
进一步，所述微处理器对信号的处理包括计算电流信号的参数矢量AT、计算电流信号的参考矢量AR、求取电流信号的特征值d2和回路故障的比较判断。
本发明的优点在于：本发明采用3阶自回归参数模型对采集电流信号建模并计算参数矢量AT和参考矢量AR；通过欧氏距离平方求取电流信号的特征值d2；通过与预先设定的阈值进行比较来判断；实现了对电弧故障回路电流和正常回路电流信号的归类辨识；该方法不仅适用于线性负载回路，而且适用于非线性负载回路的串联电弧故障识别，有效解决了低压系统串联电弧故障回路与非线性负载回路的电流信号识别问题。
本发明的其它优点、目标，和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其它优点可以通过下面的说明书，权利要求书，以及附图中所特别指出的结构来实现和获得。
附图说明
图1为低压系统串联电弧故障检测电路图；
图2为低压系统串联电弧故障识别方法的数据分析流程图。
具体实施方式
以下将结合附图，对本发明的具体实施方式进行说明。
参见图1为低压系统串联电弧故障检测电路图；图2为低压系统串联电弧故障识别方法的数据分析流程图；如图1所示，电路中供电电源为50Hz、220V低压单相电源；图中的负载为住宅和办公环境下的几种典型线性、非线性单相低压用电设备。
本发明的实施例中所提供的低压系统串联电弧故障识别方法，包括以下步骤：
(1)采集信号样本，通过电流检测装置采集负载正常工作回路电流信号；
(2)计算电流信号的参数矢量AT；
(3)计算电流信号的参考矢量AR；
(4)求取电流信号的特征值d2；
(5)比较判断，若d2大于预先设定的阈值N，则回路信号为故障回路信号，该回路发生了串联电弧故障；若d2小于预先设定的阈值N，则回路信号属于正常回路信号。
本发明的实施例中，所述电流信号的参数矢量AT，是由采集的电流信号进行3阶Burg自回归模型全极点建模的系统函数的参数所确定，其系统函数为：
Figure 4264DEST_PATH_IMAGE001
式中，系统函数由参数a 1 、a 2 、a 3决定，其参数用来决定表征所采集的电流信号的参数矢量AT=f(a 1,a 2,a 3)，系统函数的辨识分析转换为对参数矢量AT的辨识分析，即把对电流信号的识别转化为自回归模型参数矢量的识别；
本发明的实施例中，所述计算电流信号的参考矢量AR；采用以下方法进行：
AR为由已知负载正常工作电流信号作训练集得到的参数矢量AT的均值，该均值构成该类负载正常工作电流信号模型参数的聚类中心；
本发明的实施例中，所述求取电流信号的特征值d2；通过以下方法进行：
对自回归模型参数的识别采用了基于距离测度的欧氏距离平方d2作为信号归类的特征值，该特征值是数据分析中的参考矢量与实时采集电流信号作自回归模型建模分析得到参数矢量之间的欧氏距离平方，如下所示：
Figure 951361DEST_PATH_IMAGE002
其中，AR为数据分析中的参考矢量，a ri、a ti分别为参考矢量和参数矢量中第i个元素，i为参考矢量与参数矢量元素的个数；
本发明的实施例中，所述预先设定的阈值N是通过对大量不同负载及其组合构成的正常回路和电弧故障回路电流信号经过实验分析所确定的,通过对办公室和住宅常用电器正常工作回路数据的分析，其阈值N通常取0.08。
本发明的实施例中，所述电流检测装置采用电流互感器。
常用低压单相负载正常回路工作时，其回路电流具有稳定的周期特性，且不稳定的高频成分含量极少。当工作回路中含有串联电弧故障时，由于电弧的实质是一种气体放电，受未知因素影响大，具有燃弧不稳定性的特性，其回路电流波形较正常回路电流波形往往会有更为严重的畸变，含有不稳定的高频分量，还有可能丧失回路电流严格的周期性，因此对负载在正常回路和电弧故障回路中的电流AR参数建模后，得到的模型参数必然是有明显差异的。
本发明的实施例中，对采集的电流信号利用3阶Burg算法估计的AR全极点模型系统函数为：
Figure 343028DEST_PATH_IMAGE001
由式可见，系统函数是由参数a 1 、a 2 、a 3决定的，因此，可用一个由参数a 1 、a 2 、a 3决定的参数矢量AT=f(a 1，a 2，a 3)来表征所采集的电流信号，此时，系统函数的辨识分析就转换为对参数矢量AT的辨识分析。
本发明的实施例中，在对参数矢量AT进行归类辨识时，采用了基于距离测度的欧氏距离平方d2作为信号归类的特征值，以式表达如下：
Figure 666562DEST_PATH_IMAGE003
其中，AR为数据分析中的参考矢量，a ri、a ti分别为参考矢量和参数矢量中第i个元素，i为参考矢量与参数矢量元素的个数。AR为由已知负载正常工作电流信号作训练集得到的参数矢量AT的均值，该均值构成该类负载正常工作电流信号模型参数的聚类中心。
图2为基于自回归参数模型的低压系统串联电弧故障识别的特征值提取和数据分析流程。首先对不同类型负载在正常工作回路运行时的电流进行信号检测和建模，获得各类负载正常工作回路电流信号的AR模型参数矢量，求得它们的矢量均值，得到参考矢量AR；串联电弧故障识别装置工作时，装置不断采集待测回路电流信息，并提取该信号的AR模型参数矢量AT，再求取与参考矢量的欧氏距离平方d2；若d2大于某个阈值N，则判定该回路中有串联故障电弧，向外部发出故障信号；若d2小于阈值N，则可认为该回路处于正常工作状态。
以上所述仅为本发明的优选实施例，并不用于限制本发明，显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (4)

1. 低压系统串联电弧故障识别方法，其特征在于：包括以下步骤：
(1)采集信号样本，采集负载正常工作回路电流信号；
(2)计算电流信号的参数矢量AT；
(3)计算电流信号的参考矢量AR；
(4)求取电流信号的特征值d2；
(5)比较判断，若d2大于预设的阈值N，则回路信号为故障回路信号，该回路发生了串联电弧故障；若d2小于预设的阈值N，则回路信号属于正常回路信号；
所述电流信号的参数矢量AT，是由采集的电流信号进行3阶Burg自回归模型全极点建模的系统函数的参数所确定，其系统函数为：
Figure 2010106118795100001DEST_PATH_IMAGE001
式中，z表示z频域自变量，A3表示z域函数，H(z)表示系统函数，参数a 1 、a 2 、a 3 分别表示自变量的系数，系统函数由参数a 1 、a 2 、a 3决定，其参数用来决定表征所采集的电流信号的参数矢量AT=f(a 1,a 2,a 3)，系统函数的辨识分析转换为对参数矢量AT的辨识分析，即把对电流信号的识别转化为自回归模型参数矢量的识别；
所述电流信号的参考矢量AR；采用以下方法进行：
AR为由已知负载正常工作电流信号作训练集得到的参数矢量AT的均值，该均值构成已知负载正常工作电流信号模型参数的聚类中心；
所述求取电流信号的特征值d2；通过以下方法进行：
对自回归模型参数的识别采用了基于距离测度的欧氏距离平方d2作为信号归类的特征值，该特征值是数据分析中的参考矢量与实时采集电流信号作自回归模型建模分析得到参数矢量之间的欧氏距离平方，如下所示：
Figure DEST_PATH_IMAGE003
其中，AR为数据分析中的参考矢量，a ri、a ti分别为参考矢量和参数矢量中第i个元素，i为参考矢量与参数矢量元素的个数。
2.根据权利要求1 所述的低压系统串联电弧故障识别方法，其特征在于：所述预先设定的阈值N 是通过对大量不同负载及其组合构成的正常回路和电弧故障回路电流信号经过实验分析所确定的。
3.根据权利要求1至2中任一项所述的低压系统串联电弧故障识别方法，其特征在于：采用电流检测装置检测回路的电流信号，并把数据输入到微处理器中，所述微处理器用于接收检测到的电流信号并对信号进行相应的处理。
4.根据权利要求3所述的低压系统串联电弧故障识别方法，其特征在于：所述微处理器对信号的处理包括计算电流信号的参数矢量AT 、计算电流信号的参考矢量AR 、求取电流信号的特征值d2和回路故障的比较判断。
CN 201010611879 2010-12-29 2010-12-29 低压系统串联电弧故障识别方法 Expired - Fee Related CN102135555B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN 201010611879 CN102135555B (zh) 2010-12-29 2010-12-29 低压系统串联电弧故障识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN 201010611879 CN102135555B (zh) 2010-12-29 2010-12-29 低压系统串联电弧故障识别方法

Publications (2)

Publication Number Publication Date
CN102135555A CN102135555A (zh) 2011-07-27
CN102135555B true CN102135555B (zh) 2013-05-01

Family

ID=44295397

Family Applications (1)

Application Number Title Priority Date Filing Date
CN 201010611879 Expired - Fee Related CN102135555B (zh) 2010-12-29 2010-12-29 低压系统串联电弧故障识别方法

Country Status (1)

Country Link
CN (1) CN102135555B (zh)

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103454535B (zh) * 2013-09-16 2015-12-09 福州大学 一种综合负载串联电弧故障辨识方法
DE102014204253B4 (de) * 2014-03-07 2016-06-09 Siemens Aktiengesellschaft Detektieren eines seriellen Lichtbogens in einer elektrischen Anlage
CN105425118B (zh) * 2015-10-29 2018-09-04 山东建筑大学 一种多信息融合故障电弧检测方法及装置
EP3214453A1 (en) * 2016-03-03 2017-09-06 ABB Schweiz AG Method and apparatus for arc fault detection in electrical systems
GB201617809D0 (en) * 2016-10-21 2016-12-07 Analog Devices Global A method of detecting arc events in a power system, and a power system including an arc detector
CN106501673B (zh) * 2016-10-21 2019-03-08 国网江苏省电力有限公司检修分公司 一种基于输电线路隐患放电实测电流行波的正常谐波判别方法
CN109387749B (zh) * 2018-12-21 2021-03-26 云南电网有限责任公司电力科学研究院 一种基于欧几里得距离的电弧模型校正方法
CN109738771B (zh) * 2019-03-12 2023-10-13 长春工程学院 基于深度学习的串联型故障电弧试验平台及其试验方法
CN113589105B (zh) * 2021-08-09 2022-07-26 山东建筑大学 基于物联网的建筑电气火灾串联故障电弧识别方法及系统
CN114441901A (zh) * 2022-03-01 2022-05-06 中国计量大学 结合参数采集模块和智能插座的多负载故障电弧检测方法
CN116908518B (zh) * 2023-07-13 2024-04-05 浙江恒业电子股份有限公司 一种带剩余电流检测的采集终端

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6980407B2 (en) * 2002-12-09 2005-12-27 Texas Instrument Incorporated Arc detection apparatus and method
CN101673934B (zh) * 2009-10-15 2012-01-11 王聪 串联电弧故障断路器及其串联电弧故障保护的方法
CN101706527B (zh) * 2009-10-30 2012-01-04 西安交通大学 基于电流高频分量时频特征的电弧故障检测方法

Also Published As

Publication number Publication date
CN102135555A (zh) 2011-07-27

Similar Documents

Publication Publication Date Title
CN102135555B (zh) 低压系统串联电弧故障识别方法
Huang et al. High-impedance fault detection utilizing a Morlet wavelet transform approach
US11728640B2 (en) Secured fault detection in a power substation
EP1714366B1 (en) High impedance fault detection
US20080157781A1 (en) Methods and systems for detecting series arcs in electrical systems
Li et al. A generic waveform abnormality detection method for utility equipment condition monitoring
US8680872B2 (en) Identification of false positives in high impedance fault detection
CN107727990B (zh) 一种配网弧光接地故障辨识方法
CN108828406A (zh) 非侵入式用户用电的故障识别方法及其系统
AU2007283998B2 (en) Method and apparatus for detecting a fault in a supply line
CN103529358A (zh) 用电流信息检测中压配电系统持续性高阻接地故障的方法
Cheng et al. Series arc fault detection and implementation based on the short-time fourier transform
CN114584069B (zh) 一种光伏直流电弧检测方法及系统
CN113589105A (zh) 基于物联网的建筑电气火灾串联故障电弧识别方法及系统
CN113533910A (zh) 一种适用于换流变压器局部放电预警的方法及系统
CN109831033A (zh) 一种供电线路预警保护设备及分段监测预警系统
CN104062555B (zh) 配电线路高阻接地故障特征谐波的辨识方法
CN110174602B (zh) 非线性负荷串联电弧故障判定方法及应用
CN112200998A (zh) 应用于电力设备的早期火灾预警方法、系统及其存储介质
McDonagh et al. Use of faulted phase earthing using a custom built earth fault controller
CN113125905B (zh) 电弧故障检测装置、方法、设备以及存储介质
CN110244198B (zh) 基于复合判据的阻性负荷串联电弧检测方法及应用
CN114441901A (zh) 结合参数采集模块和智能插座的多负载故障电弧检测方法
Ali et al. Studies on the application of wavelet families for a high impedance fault location algorithm in a distribution network
CN207424178U (zh) 监测系统

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
C17 Cessation of patent right
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20130501

Termination date: 20131229