CN106707094A - 低压供配电线路电弧故障的分类识别方法 - Google Patents

Abstract

本发明公开一种低压供配电线路电弧故障分类识别方法，主要针对低压供配电线路中出现的各类电弧故障进行分类识别与检测保护，其特点是以线路中的电流为分析对象，通过对电流进行相空间重构获得电流波形相空间轨迹图，并计算电流波形相空间轨迹图的信息维数，以电流波形相空间轨迹图的信息维数作为电流波形的相空间特征量，以电流波形的零休时间作为电流的时域特征量，以线路电流波形的相空间特征量和时域特征量构建电流二维特征量，运用非线性支持向量分类机系统对电流二维特征量数据样本进行训练，获得电弧故障分类识别模型，运用该模型以电流二维特征量为检测分析对象，对低压供配电线路中的电弧故障进行分类识别与检测保护。

Description

低压供配电线路电弧故障的分类识别方法

技术领域：

本发明涉及一种低压供配电线路电弧故障的分类识别方法，特别是涉及一种以电流相空间特征和时域特征为检测对象的低压供配电线路电弧故障的分类识别方法。

背景技术：

楼宇建筑内的供配电线路由于各类的原因会引发电弧故障，供配电线路中的电弧故障按其产生的位置不同可以具体的分为串联电弧故障和并联电弧故障。并联电弧故障发生在两根导体之间，是一种短路电弧故障，往往是由于两导体接头处有触碰连接，或两导体之间由于绝缘损伤、炭化而产生，所以并联电弧故障又可以细分为并联点接触式电弧故障和并联炭化路径式电弧故障。并联电弧故障的电流波形受到负载的影响，一般大于负载电流。串联电弧故障是发生在单根导体上，如果是由于单根导体发生的机械式的断裂，或者是导体的连接处发生松动而引起的串联电弧故障称为串联点接触式电弧故障；如果由于单根导体熔断时绝缘皮炭化而产生，则称为串联炭化路径式电弧故障。串联电弧故障的电流波形虽然也受到负载的影响，但是其电流幅值一般小于负载电流，由于目前传统的熔断器、断路器等保护装置都是以过电流为检测对象的，对线路的短路故障能够有效的检测与保护，而对于串联电弧故障不能起到检测和保护的作用，所以传统的供配电线路保护方案不能对电弧故障加以防护。

供配电线路中的串联电弧故障具有较高的隐蔽性，以及强大的破坏力，容易造成设备损坏，电弧燃烧所产生巨大的热量是引起电气火灾的主要危害之一，严重危害了公共安全。因此，供配电线路的保护系统需要在电弧故障发生时迅速切断电路，以保障用电安全。国内外学者提出了一些电弧故障检测与保护方法，其原理是利用电弧放电时的光、热、声音和电磁辐射等特征识别电弧故障，如德国Moeller公司研制的用于低压开关柜的电弧故障保护系统；ARCON ABB研制的ARC Guard System电弧故障保护系统；芬兰Vaasa公司研制的VAMP系统等。对于上述电弧故障检测方法，用于检测特征参数的传感器必须安装在电弧故障发生的地方，因此不适于检测配电线路中发生地点不确定的电弧故障。在配电线路中，利用被保护回路电流时域特征检测电弧故障具有一定实用性，如电流零点的“平肩”现象、波形陡峭现象等，但随着新型用电设备的推陈出新，线路正常供电电流波形甚为复杂，该种方法难以区分电流波形的畸变是由电弧故障引起还是由电力电子负载所引起，所以会发生误判。

发明内容：

本发明的目的就在于解决现有技术存在的上述问题，针对目前国内外已公开的电弧故障识别方法存在着诸多弊端与不便性，经过反复研究和试验后，本发明提供一种以电流波形相空间特征和时域特征构建的二维特征量为检测对象，并以非线性支持向量分类机的模式识别功能为识别手段的供配电线路串联电弧故障识别方法。

为了实现上述发明内容，本发明的技术方案为：一种低压供配电线路电弧故障的分类识别方法，其特点是采集被保护线路的电流信号，提取电流波形相空间特征与时域特征并构建二维特征量数据库，运用非线性支持向量机分类机系统对电流二维特征量样本数据进行训练，并形成电弧故障分类机识别模型，应用该模型对配电线路中的电弧故障进行识别与检测，包含以下步骤：

(1)运用电流传感器采集被保护线路电流，利用精密取样电阻将电流信号转化为电压信号，再利用A/D转换器将电压模拟信号转化为数字信号，采样频率设为f＝100kZ；

(2)以被保护线路带载情况下正常工作电流峰值为基准，将电流信号归一化处理，使得采集到的线路正常带载情况下工作电流峰值为单位1，出现电弧故障时段的电流幅值同比例调整。该步骤可以通过调整放大电路的比例倍数来完成；

(3)运用改进的坐标延迟法对采集到的电流信号进行相空间重构进而获得电流波形相空间轨迹图，具体方法是：以电流的过零点为起点，以一个周期的时间加上坐标延迟时间为电流波形截取长度，按时间次序依次截取大于一个周期的波形，对所截取的线路电流波形进行相空间重构，对应每一个电流采样波形得到一个对应的相空间轨迹图，重构的相空间横坐标为I_x＝i(t)，重构的相空间纵坐标为I_y＝i(t+Δt)，坐标延迟时间最优取值为Δt＝2ms，对应的嵌入维数m＝10；

(4)基于分形理论运用像素点覆盖法计算电流相空间轨迹图的信息维数，分别计算出线路所带不同电气负载时正常运行情况和出现电弧故障情况的电流波形相空间轨迹图的信息维数，以电流波形相空间轨迹图的信息维数作为识别电弧故障的电流特征量之一；

(5)分别计算出线路所带不同电气负载时正常运行情况和出现电弧故障情况的电流波形零休时间，电流波形的零休时间即电流波形出现平肩时段所维持的时间长度，以计算出的电流零休时间作为识别电弧故障的另一电流特征量，结合电流波形相空间轨迹图信息维数特征量构建电流二维特征量；

(6)运用非线性支持向量机原理构建分类机系统，对电流二维特征量数据进行分类识别，构建支持向量分类机系统采用径向基核函数，在合理选择系统参数的条件下，即惩罚因子C取值为2、径向基核函数半径γ取值为0.25，使分类机系统的正确分类识别率达到最大值。

所述的电流传感器用于对电流的采样，并经过精密采样电阻将电流信号转换为电压信号，再经过A/D转换器将电压模拟信号转化为数字信号，采样频率设为f＝100kZ；

所述的电流信号归一化处理，是将采集到的电流信号除以正常运行电流的峰值，使得采集到的线路正常带载情况下工作电流峰值为单位1；

所述的利用改进的坐标延迟法对采集到的电流信号进行相空间重构，是将电流采样周期扩大为电流周期加上延迟时间，所述的延迟时间为2毫秒，所述的相空间重构的嵌入维数为10；

所述的运用像素点覆盖法计算出的电流相空间轨迹图的信息维数作为电弧故障识别的第一特征量，所述的电流波形零休时间作为电弧故障识别的第二特征量；

所述的作为电弧故障识别的电流二维特征量是由电流相空间轨迹图的信息维数特征值和电流零休时间特征值构建而成；

所述的用于对电流二维特征量进行分类识别的非线性支持向量分类机系统的构建采用了径向基核函数，其中惩罚因子C取值为2，径向基核函数半径γ取值为0.25。

与现有技术相比，本发明的有益效果是：通过对供配电线路电流进行采样，并计算提取电流波形的相空间特征和时域特征，以此构建电流的二维特征量，利用支持向量分类机系统通过对电流二维特征量的分类识别计算，判定线路中是否出现串联电弧故障。

通过大量的试验可以发现，当线路所带电气负载的种类不同时，无论供配电线路是处于正常运行状态还是处于电弧故障运行状态，线路电流都存在各自独特的相空间特征与时域特征，因此可以通过试验手段提取出不同类型电气负载分别处于线路正常运行状态和线路出现电弧故障运行状态时的电流相空间特征与时域特征，并以这两个特征值构建电流二维特征量，以大量的试验数据为支撑，组建各类电气负载在线路正常运行状态及线路出现电弧故障运行状态时的电流二维特征量数据库，运用非线性支持向量机分类机系统对数据样本进行训练，获得电弧故障支持向量机分类机识别模型，进而对配电线路中的电弧故障进行识别与检测。

附图说明：

图1为线路电流采样与计算分析系统框图；

图2为电流相空间轨迹图信息维数计算流程图；

图3为非线性支持向量分类机系统框图

具体实施方式：

参考附图对本发明进行更进一步详细说明。

本发明的线路电流采样部分与电流的分析计算部分框图如图1所示，对被保护线路电流的采样利用的是电流传感器与精密采样电阻相互配合，并将采集到的电流信号转换成电压信号，再经过A/D转换器将模拟电压信号转换成处理器芯片所能应用的数字信号；该发明所述的系统能够应用于所带功率不同的被保护线路中，由于线路中所承载的电流不尽相同，本发明中对所采集到的线路电流信号进行归一化处理，具体措施是：首先检测线路正常带载情况下的电流峰值，然后将系统所采集到的被保护线路的电流幅值除以线路正常带载工作的电流峰值，这样便获得了电流峰值为单位1的正常线路带载工作电流，当系统采集到电弧故障电流信号时，也同样按照相同比例进行调整；以电流过零时刻为起始点截取电流波形，截取长度为电流一个周期加上坐标延迟时间2毫秒，获得的该时间段的电流波形分别用于计算电流相空间特征值和时域特征值，即电流相空间轨迹图的信息维数和电流波形零休时间；以电流相空间特征值和时域特征值构建电流二维特征量，并以大量的试验数据组建电流二维特征量数据库；运用非线性支持向量分类机系统对电流二维特征量数据样本进行训练，建立电弧故障二维特征量分类识别系统模型，进而对采集到的线路电流进行分类识别，判断线路中是否存在电弧故障。

电流相空间特征值的计算是以电流波形相空间轨迹图为计算对象，电流波形相空间轨迹图的获得措施为：设定重构的相空间横坐标为I_x＝i(t)，重构的相空间纵坐标为I_y＝i(t+Δt)，其中Δt为坐标延迟时间，坐标延迟时间的取值大小决定了重构相空间吸引子轨迹的状态，如果坐标延迟时间选取的太小，重构的吸引子轨迹将局限在很小的范围内，而没有被完全的展开，被测的电流时间序列数据中包含的很多的相空间特征没有被充分的表达出来，而且此时对应选取的嵌入维数过大，导致了该系统在测试过程中需要完成较大的数据计算工作，而且存在较大的误差，如果坐标延迟时间选取的太大，重构的吸引子轨迹接近一个圆形，其包络范围过大，而且轨迹范围几乎平均分布在相空间平面图的四个象限中且过于发散，被测数据所包含的相空间特征信息量虽然得到了扩大，但是特征信息失真且辨识度降低。经过多次实验验证，坐标延迟时间最优取值为Δt＝2ms，对应的嵌入维数为10。电流波形相空间轨迹图信息维数的计算流程如图2所示，具体措施如下：

(1)将一个512×512像素的电流相空间轨迹图，由一个JPEG格式的图像文件转变为一个二值图像，该二值图像以一个512阶的数字方阵的形式存在，其中的元素由“0”和“1”组成，元素“0”表示二值分形图像中分形轨迹所占有的像素点、元素“1”表示二值分形图像中除分形轨迹以外的图像空白处所占的像素点；

(2)统计该二值图像中图形轨迹所占有的有效像素点的总数，也就是上一步保存的512阶“0”、“1”数字方阵中元素“0”的个数，并将该值记为N_total；

(3)接着需要对该二值图像进行网格划分，格子尺度的选择根据关系式r(i)＝2^i-1(i＝1,2,3...10)进行，选择的结果为r＝1,2,4,8,16,32,64,128,256,512，这意味着对该二值图像进行网格处理时，即需要反复的进行10次网格划分，当对二值图像每完成一次网格划分时，需要执行下一步的运算处理；

(4)每完成一次二值图像的网格划分，就需要查找能够覆盖二值分形图像中分形轨迹的盒子，也就是包含了元素“0”的子矩阵网格，并为这些包含了元素“0”的子矩阵网格进行编号，获得一个覆盖每个元素“0”的盒子编号集合L＝{l₁,l₂,l₃...l_M}，对包含元素“0”的盒子编号时，每出现一个元素“0”，就确定一个盒子编号，由于一个盒子可能包含多个元素“0”，所以集合L中可能会存在重复的盒子编号。

(5)接着将要对集合L中多次重复出现的盒子编号进行删除，只保留一个盒子编号，这样便得到一个不包含重复元素的盒子编号集合L′＝{l₁,l₂,l₃...l_S}，接着需要计算L′集合中的每一个元素在L集合中出现的次数，这样便获得一个次数的集合N＝{N₁,N₂,N₃...N_S}；

(6)在网格边长(即盒子的尺度)为r(i)的条件下，计算覆盖二值图像像素点的所有网格的信息熵总和为：

(7)在依次选择不同的网格边长r(i)的条件下，重复执行步骤3、步骤4、步骤5和步骤6，这样可以得到由十个数据对组成的一个序列(r(i),T_i)(i＝1,2,3,...10)；

(8)将序列(r(i),T_i)(i＝1,2,3,...10)转移到双对数坐标系上表示，可以得到一个对数序列(ln r(i),ln T_i)(i＝1,2,3,...10)，然后利用分段逐渐的寻找法确定对数序列的分形对象无标度区；

(9)最后在确定的分形对象无标度区，利用最小二乘法的线性拟合功能对对数序列(ln r(i),ln T_i)(i＝1,2,3,...10)进行线性拟合，那么，拟合得到的斜线斜率的负值即为电流相空间轨迹二值分形图像的信息维数D_I。

电流波形的时序特征是以电流波形的零休时间为计算对象，电流波形的零休时间的计算措施是：以半个周期内电流变化率di/dt出现首个极大值的时刻t₁开始，并以该半个周期内电流变化率di/dt出现下一个极大值的时刻t₂结束，所以电流的零休时段则为半个周期内以电流变化率di/dt出现首个极大值时刻t₁开始，以出现下一个极大值的时刻t₂结束，所以计算出的零休时间为t₀＝t₂-t₁。

电流二维特征量的构建是以电流相空间轨迹图的信息维数作为电流的相空间特征量，以电流波形的零休时间作为电流的时域特征量，进而构成的电流二维特征量。

本发明中的电弧故障分类识别系统是运用非线性支持向量机建立的分类机系统，利用分类机系统对电流二维特征量数据样本进行训练，形成支持向量机分类机模型，非线性支持向量分类机的系统框图如图3所示，具体措施如下：

(1)训练与测试数据样本输入

本发明中构建的支持向量分类机系统只针对本发明中所涉及的特定的电流二维特征量数据进行运算和分类，系统输入的训练与测试数据样本均为二维空间量，并在每个数据样本输入的同时还要标记出该组二维数据所属的类别以及数据的序号。

(2)训练数据的预处理

为了能够尽可能的提高系统对数据样本的训练速度，本发明在对输入数据进行训练之前，对数据样本进行了归一化的预处理，将输入的每一组数据都转变为-1～+1之间的数，在完成数据的训练之后需要在输出训练结果之前，将输出数据进行反归一化处理，即还原数据的真实数值。

(3)算法训练

在对输入数据进行训练之前需要确定该非线性支持向量机为分类机系统，所以需要在程序训练数据之前定义类型，并且选择了径向基核函数作为分类机的核函数，同时确定了惩罚因子C取值为2，径向基核函数半径γ取值为0.25，然后在利用该系统对输入数据进行训练。

(4)数据测试

运用测试函数按训练后的算法实现数据的测试和预估，并对各样本数据的分类结果进行正确分类率的统计，其中数值“1”代表分类正确，数值“0”代表分类错误，并将测试结果以可视化形式表达出来。

Claims (7)

1.低压供配电线路电弧故障分类识别方法，其特征在于采集被保护线路的电流信号，提取电流波形相空间特征与时域特征并构建二维特征量数据库，运用非线性支持向量机分类机系统对电流二维特征量样本数据进行训练，并形成电弧故障分类机识别模型，应用该模型对配电线路中的电弧故障进行识别与检测，包含以下步骤：

(1)运用电流传感器采集被保护线路电流，利用精密取样电阻将电流信号转化为电压信号，再利用A/D转换器将电压模拟信号转化为数字信号，采样频率设为f＝100kZ；

(2)以被保护线路带载情况下正常工作电流峰值为基准，将电流信号归一化处理，使得采集到的线路正常带载情况下工作电流峰值为单位1，出现电弧故障时段的电流幅值同比例调整。该步骤可以通过调整放大电路的比例倍数来完成；

(3)运用改进的坐标延迟法对采集到的电流信号进行相空间重构，具体方法是：以电流的过零点为起点，以一个周期的时间加上坐标延迟时间为电流波形截取长度，按时间次序依次截取大于一个周期的波形，对所截取的线路电流波形进行相空间重构，对应每一个电流采样波形得到一个对应的相空间轨迹图，重构的相空间横坐标为I_x＝i(t)，重构的相空间纵坐标为I_y＝i(t+Δt)，坐标延迟时间最优取值为Δt＝2ms，嵌入维数m＝10；

(4)基于分形理论运用像素点覆盖法计算电流相空间轨迹图的信息维数，分别计算出线路所带不同电气负载时正常运行情况和出现电弧故障情况的电流波形相空间轨迹图的信息维数，以电流波形相空间轨迹图的信息维数作为识别电弧故障的电流特征量之一；

(5)分别计算出线路所带不同电气负载时正常运行情况和出现电弧故障情况的电流波形零休时间，电流波形的零休时间即电流波形出现平肩时段所维持的时间长度，以计算出的电流零休时间作为识别电弧故障的另一电流特征量，结合电流波形相空间轨迹图信息维数特征量构建电流二维特征量；

(6)运用非线性支持向量机原理构建分类机系统，对电流二维特征量数据进行分类识别，构建支持向量分类机系统采用径向基核函数，在合理选择系统参数的条件下，即惩罚因子C取值为2、径向基核函数半径γ取值为0.25，使分类机系统的正确分类识别率达到最大值。

2.根据权利要求1所述低压供配电线路电弧故障分类识别方法，其特征在于：运用电流传感器采集被保护线路电流，利用精密取样电阻将电流信号转化为电压信号，再利用A/D转换器将电压模拟信号转化为数字信号。

3.根据权利要求1所述低压供配电线路电弧故障分类识别方法，其特征在于：截取每一个电流周波时起点为电流波的过零点，电流波形截取长度为一个周期的时间加上坐标延迟时间，坐标延迟时间取值为Δt＝2ms，对应的嵌入维数m＝10。

4.根据权利要求1所述低压供配电线路电弧故障分类识别方法，其特征在于：运用像素点覆盖法计算电流相空间轨迹图的信息维数，并以此作为识别电弧故障的电流特征量之一。

5.根据权利要求1所述低压供配电线路电弧故障分类识别方法，其特征在于：以半个周期内电流变化率di/dt出现首个极大值的时刻t₁开始，并以该半个周期内电流变化率di/dt出现下一个极大值的时刻结束，以该时间段为电流波形的零休时间，并以电流零休时间作为识别电弧故障的另一电流特征量。

6.根据权利要求1所述低压供配电线路电弧故障分类识别方法，其特征在于：以电流波形相空间轨迹图信息维数和电流波形零休时间建立电流二维特征量，并以此作为识别电弧故障的判断依据。

7.根据权利要求1所述低压供配电线路电弧故障分类识别方法，其特征在于：运用非线性支持向量分类机系统构建电弧故障分类识别模型，并选用径向基核函数作为系统核函数，参数选择为惩罚因子C取值为2，径向基核函数半径γ取值为0.25。