CN111095712A - 基于电流方差的电弧检测 - Google Patents
基于电流方差的电弧检测 Download PDFInfo
- Publication number
- CN111095712A CN111095712A CN201880060530.1A CN201880060530A CN111095712A CN 111095712 A CN111095712 A CN 111095712A CN 201880060530 A CN201880060530 A CN 201880060530A CN 111095712 A CN111095712 A CN 111095712A
- Authority
- CN
- China
- Prior art keywords
- variance
- current values
- processor
- current
- arc fault
- 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.)
- Granted
Links
Images
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02H—EMERGENCY PROTECTIVE CIRCUIT ARRANGEMENTS
- H02H1/00—Details of emergency protective circuit arrangements
- H02H1/0007—Details of emergency protective circuit arrangements concerning the detecting means
- H02H1/0015—Using arc detectors
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/005—Testing of electric installations on transport means
- G01R31/006—Testing of electric installations on transport means on road vehicles, e.g. automobiles or trucks
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/08—Locating faults in cables, transmission lines, or networks
- G01R31/088—Aspects of digital computing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
- G01R31/52—Testing for short-circuits, leakage current or ground faults
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B1/00—Comparing elements, i.e. elements for effecting comparison directly or indirectly between a desired value and existing or anticipated values
- G05B1/01—Comparing elements, i.e. elements for effecting comparison directly or indirectly between a desired value and existing or anticipated values electric
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02H—EMERGENCY PROTECTIVE CIRCUIT ARRANGEMENTS
- H02H3/00—Emergency protective circuit arrangements for automatic disconnection directly responsive to an undesired change from normal electric working condition with or without subsequent reconnection ; integrated protection
- H02H3/08—Emergency protective circuit arrangements for automatic disconnection directly responsive to an undesired change from normal electric working condition with or without subsequent reconnection ; integrated protection responsive to excess current
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
- G05B23/0227—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions
- G05B23/0235—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions based on a comparison with predetermined threshold or range, e.g. "classical methods", carried out during normal operation; threshold adaptation or choice; when or how to compare with the threshold
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02H—EMERGENCY PROTECTIVE CIRCUIT ARRANGEMENTS
- H02H1/00—Details of emergency protective circuit arrangements
- H02H1/0092—Details of emergency protective circuit arrangements concerning the data processing means, e.g. expert systems, neural networks
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02H—EMERGENCY PROTECTIVE CIRCUIT ARRANGEMENTS
- H02H3/00—Emergency protective circuit arrangements for automatic disconnection directly responsive to an undesired change from normal electric working condition with or without subsequent reconnection ; integrated protection
- H02H3/50—Emergency protective circuit arrangements for automatic disconnection directly responsive to an undesired change from normal electric working condition with or without subsequent reconnection ; integrated protection responsive to the appearance of abnormal wave forms, e.g. ac in dc installations
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Emergency Protection Circuit Devices (AREA)
- Testing Of Short-Circuits, Discontinuities, Leakage, Or Incorrect Line Connections (AREA)
- Testing Relating To Insulation (AREA)
Abstract
描述了电弧故障检测装置和方法。周期性地测量源与负载之间的电流。推导出该周期性测量的电流值的方差,并且可基于该推导出的方差来检测电弧故障。可基于增加至高于阈值水平的该推导出的方差来使方差间隔信号递增,并且低通滤波器被布置成基于该递增的方差间隔信号来检测电弧。
Description
相关申请
本申请要求2017年10月11日提交的标题为“Arc Detection Based on Varianceof Current Flow”的美国临时申请序列62/570,959的权益,该专利申请全文以引用方式并入本文。
技术领域
本公开整体涉及检测电流电弧,并且具体地涉及检测电路中的电流电弧。
背景技术
配电系统存在于许多环境中。例如,住宅建筑、商业建筑、工业环境、汽车、飞机、轮船、火车等通常都具有某种类型的配电系统。配电系统中的各种故障可导致电弧放电的发生,这会给系统带来起火和/或热损坏的风险。
许多汽车目前使用12伏特配电系统。在该电压下,电弧放电的风险较低。因此,现在许多汽车不包括电弧检测和/或电弧保护装置。然而,现代汽车配电系统中的电压正在增加。例如,一些现代汽车被设计成具有48伏特的配电系统。此外,电动汽车和混合动力汽车通常具有远大于通用12伏汽车配电系统的电压的配电系统。在这些较高的电压下,用于电弧放电的可能性及其相关联的风险增加。因此,汽车中需要电弧检测。
附图说明
图1示出了包括电流方差电弧故障检测器的配电系统的第一示例;
图2示出了包括电流方差电弧故障检测器的配电系统的第二示例;
图3示出了电流方差电弧故障检测器的第一示例;
图4示出了电流方差电弧故障检测器的第二示例;
图5示出了基于电流方差来检测电弧故障的逻辑流程;
图6A至图6D示出了与基于电流方差检测电弧故障相关联的所测量的和/或所推导出的参数的示例性时间曲线;
图7示出了用于从电流方差中检测电弧故障的示例性机器学习模型;并且
图8示出了根据示例性实施方案的存储介质。
具体实施方式
本发明提供了电流电弧检测器和检测电流电弧的方法。本文中详述的实施方案在汽车配电系统的背景下进行描述。然而,这一点是为了方便和清晰的展示,而不是限制性的。本文详述的电流方差电弧检测器以及相关联的方法可被提供用于检测在汽车之外的其他领域(例如,航空电子领域、航空航天领域、住宅、商业领域或需要在配电系统中进行电弧检测的其他环境)中实现的配电系统中的电弧。
一般来讲,配电系统可发生串联或并联电弧。串联电弧放电,主电流继续流经被供电的电负载,并且因此不会增加到超过预期的标称电流值,这使得串联电弧故障的检测难以实现。并联电弧放电时,形成与所连接的负载并联的新的电流通路。根据新的电流通路的阻抗,电弧放电电流可达到短路电流值并被常规电路保护系统检测到。然而,如果所测量的电流未达到所限定的阈值,则并联电弧放电可继续被忽略。因此,在电弧放电电流低于阈值和/或不能与正常工作状态电流区分时,许多常规装置无法检测高阻抗系统中的电弧放电。
电弧放电通常伴随产生宽频谱的干扰和电磁辐射。与这些干扰相关的电弧特征用于检测电弧。然而,使汽车系统中的电弧检测复杂化的事实是,汽车配电系统中的许多电负载的操作条件导致各种不同的时间-电流曲线。许多负载以不同的瞬时行为开启和关闭。脉冲调制的受控负载或开关变换器在配电系统中产生许多干扰。所有这些因素使得电弧检测复杂化,因为难以确定清晰和一致的电弧特征。
与常规电弧检测系统相比,另一个复杂情况是,不能如在交流(AC)电路内通常用于电弧检测的方法那样基于电压和电流的周期性来检测直流(DC)电路内的电弧放电。
因此,需要适用于现代汽车配电系统和其他此类配电系统的电流电弧检测装置和方法。
图1示出了根据示例性实施方案的配电系统100。配电系统100包括耦接到若干负载120的电池110。一般来讲,配电系统100可在机动车辆中实施。电池110可为单个电池或若干电池。例如,电池110可为以串联、并联或串联和并联连接的某种组合耦接的一组电池。电池110可为多种类型的电池中的任何一种。例如,电池110可为铅酸电池、镍镉(NiCad)电池、镍氢电池、锂离子(Li-ion)电池、锂离子聚合物电池、锌空气电池或熔盐电池。在此背景下,这些示例不受限制。
负载120可为被布置成从电池110汲取电力的多种负载中的任一种。即,负载120可为配电系统(诸如汽车配电系统)中的DC负载。例如,负载120可为任何数量的电机、继电器、泵、安全装置、娱乐装置等,或其任意组合。在此背景下,这些示例不受限制。
电流方差电弧故障检测器130耦接在电池110与负载120之间。通常,电流方差电弧故障检测器130被布置成检测电池110与负载120中的一个(或多个)之间的电流电弧故障。另外,电流方差电弧故障检测器130被布置成检测负载120中的一个(或多个)与地线之间的电流电弧故障。如本文所用,电流电弧故障是导致电弧发生的空气电阻电击穿。当配电系统100中存在足够的电压以及通向较低电压或接地的通路时,可发生电弧故障。此类电弧故障的示例为串联电弧故障、并联电弧故障和接地电弧故障。
电流方差电弧故障检测器130被配置为基于周期性电流测量的方差来检测配电系统100中的电弧故障。电流方差电弧故障检测器130可重复测量电池110与负载120之间的电流,推导出重复测量的电流值的值之间的方差,并基于所推导出的方差来确定电池110与负载120中的一个(或多个)之间或负载120中的一个(或多个)与地线之间是否存在电流电弧故障。
在一些示例中,电流方差电弧故障检测器130可被布置为重复测量电池与负载120中的若干个之间的电流,以确定在配电系统100内的任何负载分支上的电弧故障。
图2示出了根据示例性实施方案的配电系统200。配电系统200包括耦接到若干负载220的源210。在该示例中,源210为交流(AC)电源。源210可为单相源,或多(例如,3等)相源。一般来讲,配电系统200可在多种环境中的任一种中来实施,例如工业、商业、住宅、运输环境等。
负载220可为被布置成从源210汲取电力的多种负载中的任一种。一般来讲,负载220可为配电系统中的AC负载。例如,负载220可为任何数量的电机、继电器、泵、安全装置、娱乐装置等,或其任意组合。在此背景下,这些示例不受限制。
电流方差电弧故障检测器230耦接在源210与负载220之间。通常,电流方差电弧故障检测器230被布置成检测源210与负载220中的一个(或多个)之间的电流电弧故障。例如,配电系统200内的电弧故障可发生在源210的相之间、源210的相与地线之间,或源210的相与零线之间。此外,应当指出的是,电弧故障可发生在负载220之间或在一个(或多个)负载220与地线之间。例如,负载220耦接到源210的面板内可发生电弧故障。电流方差电弧故障检测器230可被布置成检测任何此类电弧故障。
电流方差电弧故障检测器230被配置为基于周期性电流测量的方差来检测配电系统200中的电弧故障。电流方差电弧故障检测器230可重复测量源210与负载220之间的电流,推导出重复测量的电流值的值之间的方差,并基于所推导出的方差来确定源210与负载220中的一个之间或负载220中的一个与地线之间是否存在电流电弧故障。
在一些示例中,电流方差电弧故障检测器230可被布置为重复测量源210与负载220中的若干个之间的电流,以确定在配电系统200内的任何负载分支上的电弧故障。
图3至图4分别示出了电流方差电弧故障检测器300和400的示例性实施方案。电流方差电弧故障检测器300和400可在配电系统100和/或200中实施,例如,如电流方差电弧故障检测器130、230等。然而,应当指出的是,出于方便而非限制性目的,参考图1的配电系统100描述电流方差电弧故障检测器300和400。值得注意的是,电流方差电弧故障检测器300和400可在不同于图1所示的配电系统100的配电系统中实施,诸如图2的配电系统200。因此,仅以举例而非限制性的方式,参考电池、DC源或来自配电系统100的其他类型的特征。
更具体地转向图3,其中示出了电流方差电弧故障检测器300。电流方差电弧故障检测器300包括可分别耦接到配电系统中的源和负载的端子302和304。例如,端子302可耦接到电池110,而端子304可耦接到图1的配电系统100中的负载120中的一个(或多个)。电流方差电弧故障检测器300包括串联耦接在端子302与304之间的电表310。电表310被布置成测量在端子302与304之间流动的电流。因此,例如,电表310可测量配电系统中的源和负载之间流动的电流,诸如在电池110和负载120中的一个(或多个)之间流动的电流。在一些示例中,电表210可为霍尔效应传感器、分流器或罗氏线圈。然而,可在不脱离要求保护的主题的范围的情况下实施被布置成测量电流的其他电流传感器装置和/或电路。
电流方差电弧检测器300还包括处理器320和存储器330。处理器320可为多种处理器中的任一种,诸如例如微处理器、通用处理器、专用集成电路或现场可编程门阵列。存储器330可为被布置成以非暂态方式存储指令332、机器学习模型334和方差阈值336的多种计算机可读介质中的任一种。
指令332可包括处理器320可执行的指令,这些指令在由处理器320执行时使得电流方差电弧故障检测器300实施如本文所述的多种行为中的任一种。指令332可为电流方差电弧故障检测器300的固件,该固件被布置成使电流方差电弧故障检测器300能够检测如本文所详述的电弧故障。
机器学习模型334可为处理器320可执行的机器学习模型,使得电流方差电弧故障检测器300检测本文所详述的电弧故障。例如,机器学习模型334可为神经网络、模糊逻辑模型、卷积网络或被训练成检测如本文所详述的电弧故障的其他此类模型。
在操作期间,处理器320在执行指令332时可使得电表310重复测量在端子302与304之间流动的电流。在一些示例中,处理器320在执行指令332时可使得电表310周期性地测量在端子302与304之间流动的电流。作为具体示例,处理器320在执行指令332时可使得电表310以介于0.1兆个样本/秒与5兆个样本/秒(MS/s)之间的采样速率来测量在端子302与304之间流动的电流。在一些具体实施中,处理器320在执行指令332时可使得电表310以1MS/s的采样速率测量在端子302与304之间流动的电流。处理器320在执行指令332时可将重复(或周期性)测量的电流值存储在存储器330中作为采样电流值331。
处理器320在执行指令332时可从采样电流值中识别并移除异常值。在一些具体实施中,处理器320在执行指令332时从一部分采样电流值(诸如,一定范围的近期电流值(例如,250个至100,000个等))中识别并移除异常值。在一个具体示例中,处理器320在执行指令332时可处理来自采样电流值中的最近的1,000个样本,并且可从1,000个最近样本中识别并移除异常值。在一些实施方案中,基于数据集(例如,最近的1,000个采样电流值331等)内标准偏差的两倍的置信区间来识别和移除异常值。处理器320在执行指令332时可将已移除异常值的电流值的子集存储在存储器330中作为经处理的电流值333。
在一些示例中,处理器320在执行指令332时可对采样电流值331进行预滤波。处理器320在执行指令332时可在如上所述识别并移除异常值之前和/或同时对采样电流值331进行滤波,诸如高通滤波。在一个具体示例中,处理器320在执行指令332时可将介于40千赫兹(kHz)与200kHz之间的截止频率的高通滤波器应用于采样电流值331。
处理器320在执行指令332时可推导、计算或确定经处理的电流值333的方差,并且可将推导出的方差存储在存储器330中作为方差335。处理器320在执行指令332时可将方差推导为每个值与值的平均值之间的平方距离之和,或:
其中X为经处理的电流值333的值,μ为经处理的电流值333的平均值,并且N为经处理的电流值333的集合中的值的数目。处理器320在执行指令332时可确定方差335是否超过方差阈值336。处理器320在执行指令332时基于确定方差335超过方差阈值336来使方差间隔337递增。在一些示例中,方差间隔337在处理器320确定方差335超过方差阈值336的每个周期中递增0.001。处理器320在执行指令332时可基于确定该方差335不超过方差阈值336而将方差间隔337重置为零。在一些示例中,方差阈值336可为在不存在电弧放电的受监测负载分支的正常操作期间观察到的最大方差水平。换句话讲,可基于电弧放电的类型和/或要进行电弧放电监测的特定电路预先确定方差阈值336并对其进行编程。
处理器320在执行机器学习模型334时可基于方差间隔337来确定与端子302和304对应的配电线路中是否存在电弧故障。例如,处理器320在执行机器学习模型334时可基于所确定的方差间隔337来检测电池110与负载120中的一个之间(或一个或多个负载120与地线之间)的电弧故障。下文将参考图5和图6A-图6D更详细地描述这一点。
更具体地转向图4,其中示出了电流方差电弧故障检测器400。电流方差电弧故障检测器400包括可分别耦接到配电系统中的源和负载的端子402和404。例如,端子402可耦接到电池110,而端子404可耦接到图1的配电系统100中的负载120中的一个(或多个)。电流方差电弧故障检测器400包括串联耦接在端子402与404之间的电表410。电表410被布置成测量在端子402与404之间流动的电流。因此,电表410可测量配电系统中的源和负载之间流动的电流,诸如在电池110和负载120中的一个(或多个)之间流动的电流。在一些示例中,电表410可为霍尔效应传感器、分流器或罗氏线圈。
电流方差电弧故障检测器400还包括累加器420、异常值移除电路430、方差推导电路440、方差间隔电路450以及滤波器460。此外,电流方差电弧故障检测器400可包括被布置成存储如本文所述的值的存储器(例如,寄存器、闪存、随机存取存储器等)。然而,为了方便起见,存储器未在该图中示出。
累加器420被布置成累积采样电流值421。采样电流值421可为由电表410重复测量的电流值。该重复可为周期性的。例如,累加器420可被布置成以介于0.1兆个样本/秒与5兆个样本/秒(MS/s)之间的采样速率存储所测量的电流值。在一些具体实施中,累加器420可被布置成以1MS/s的采样速率存储所测量的电流值。累加器420可存储所测量的电流值作为采样电流值421。在一些示例中,累加器420可被布置成存储指定数量的所测量的电流值,诸如,例如250个至100,000个。在一个具体示例中,累加器420可存储1,000个所测量的电流值作为采样电流值421。累加器420可与寄存器或缓冲器一起布置以存储所测量的电流值。例如,累加器420可包括被布置成存储由电表410测量的最近(例如,1,000个等)电流值的先进先出(FIFO)缓冲器。
电流方差电弧故障检测器400可任选地包括布置在电表410和累加器420之间的高通滤波器470。高通滤波器470可为例如被布置成具有介于40kHz和200kHz之间的截止频率的巴特沃斯滤波器(等)。高通滤波器470可被实现为对由电表410测量的原始电流值进行滤波,并且仅将高于截止频率的电流值传递到累加器420。
异常值移除电路430被布置成从采样电流值421中识别并移除异常值。在一些实施方案中,异常值移除电路430基于数据集(例如,采样电流值421)内标准偏差的两倍的置信区间来移除异常值,并将已移除异常值的采样电流值存储(例如,在存储器等中)为经处理的电流值433。在一些示例中,异常值移除电路430可为包括门、晶体管和/或寄存器的逻辑电路,该逻辑电路被布置成计算采样电流值的平均值,并且移除平均值限定限度之外的采样电流值中的一些。又如,异常值移除电路430可为被布置成从如上所述的采样电流值421中生成经处理的电流值433的FPGA。
方差推导电路440可推导、计算或确定经处理的电流值433的方差,并且可将推导出的方差存储为方差445。方差推导电路440可将方差推导为每个值与值的平均值之间的平方距离之和,或:
其中X为经处理的电流值433的值,μ为经处理的电流值433的平均值,并且N为经处理的电流值433的集合中的值的数目。在一些示例中,方差推导电路440可为包括门、晶体管和/或寄存器的逻辑电路,该逻辑电路被布置成确定经处理的电流值之间的方差,并将推导出的方差存储(例如,在存储器等中)为方差445。又如,方差推导电路440可为被布置成从如上所述的经处理的电流值433中生成方差445的FPGA。
方差间隔电路450可基于确定方差445超过方差阈值452而使方差间隔457递增。在一些示例中,方差间隔457在方差间隔电路450确定方差445超过方差阈值452的每个周期中递增0.001。另外,方差间隔电路450可基于确定方差445不超过方差阈值452而将方差间隔457重置为零。在一些示例中,方差阈值452可为在不存在电弧放电的受监测负载分支的正常操作期间观察到的最大方差水平。换句话讲,可基于电弧放电的类型和/或要进行电弧放电监测的特定电路预先确定方差阈值452并对其进行编程。
滤波器460可基于方差间隔457的输入而输出电弧检测信号469。在一些示例中,滤波器460可为被布置成作为低通滤波器工作的机器学习模型(例如,神经网络、卷积网络、模糊逻辑模型等)。又如,滤波器460可为被调谐成根据方差间隔457输出电弧检测信号469的低通滤波器。
图5示出了可通过本文所述的电流方差电弧故障检测器来实现的逻辑流程500。例如,逻辑流程500可通过电流方差电弧故障检测器130、电流方差电弧故障检测器230、电流方差电弧故障检测器300和/或电流方差电弧故障检测器400来实现。另外,在不脱离本公开的精神和范围的情况下,逻辑流程500可通过不同于本文所述的电流方差电弧故障检测器来实现。
参考电流方差电弧故障检测器330并且另外参考图6A至图6D来描述逻辑流程500。图6A至图6D示出了可根据本公开测量和/或确定的若干信号的波形或时间曲线。例如,图6A示出了所测量的负载电流的时间曲线610,图6B示出了所推导出的方差的时间曲线620,图6C示出了所确定的方差间隔的时间曲线630,并且图6D示出了电弧检测信号的时间曲线640。
逻辑流程500可从框510开始。在框510“周期性地测量源与负载之间的电流值”处,周期性地测量源与负载之间的电流值。例如,处理器320在执行指令332时可使得电表310周期性地测量源(例如,电池110)与负载(例如,负载120)之间的电流值。可将这些经周期性测量的电流值存储为采样电流值331。图6A示出了示例性时间曲线610,其中示出了源与负载之间经周期性测量的电流值611。
继续到框520“推导出经周期性测量的电流值的方差”,可推导出经周期性测量的电流值的方差。例如,处理器320在执行指令332时可推导出采样电流值331或在框510处测量的值的方差。图6B示出了示例性时间曲线620,其中示出了源与负载之间经周期性测量的电流值611的所推导出的方差621。
继续到决策框530“方差是否大于阈值方差?”可确定该方差是否大于阈值方差。例如,处理器320在执行指令332时可确定在框520处推导出的方差是否大于阈值方差值。逻辑流程500可从决策框530继续到框540或框550。在框540“使方差间隔递增”处,处理器320在执行指令332时可基于确定所推导出的方差大于阈值方差而使方差间隔递增。相反,在框550“重置方差间隔”处,处理器320在执行指令332时可基于确定所推导出的方差不大于方差阈值而重置方差间隔。图6C示出了示例性时间曲线630,其中示出了对应于递增的方差间隔621的方差间隔信号631,该方差间隔信号在所推导出的方差不大于阈值的情况下被重置。如图所示,方差间隔信号631具有“锯齿”信号的外观,其中该信号的“齿”在电弧放电的存在的情况下可更大。
逻辑流程500从框540和框550两者继续到框560“基于方差间隔来检测源与负载之间的电弧”,可基于方差间隔来检测电弧故障。处理器320在执行机器学习模型334时可基于方差间隔来检测电弧故障。图6D示出了示例性时间曲线640,其中示出了根据方差间隔631生成的电弧故障信号641。换句话讲,时间曲线640可对应于通过将时间曲线630的方差间隔631输入到机器学习模型(例如,神经网络等)中所生成的信号,从而基于所推导出的方差和本文详述的递增方差间隔来检测电弧放电的存在。
逻辑流程500还可包括用于消除所检测到的电弧的框。例如,逻辑流程500可包括用于使得开关或电弧保护装置开启,从而使电流分流并抑制所检测到的电弧的框。
图7示出了根据本公开的示例性机器学习模型700。机器学习模型700可被实现为机器学习模型334、滤波器460等。即,机器学习模型700可被布置成检测或输出信号以基于方差间隔(例如,方差间隔337、方差间隔457等)来检测电弧故障。该图中所示的机器学习模型700是具有单隐层的递归神经网络。应当指出的是,机器学习模型700可为不同类型的神经网络,或者可具有不同的布置,诸如不同数量的隐层或不同数量的节点等。一般来讲,机器学习模型700将方差间隔731作为输入并将故障信号741作为输出。在通过连接790连接的节点780处处理输入731。在每个连接790处,对该连接的输入按权重(W)进行缩放,然后由节点处的激活函数进行处理。可利用多个激活函数,并且此处未提供穷举列表。此外,先前输入的递归由循环792来说明。因此,将输入731输入到机器学习模型700。例如,让X代表时间T的方差间隔X的时间序列。方差间隔731Xt可输入到机器学习模型700中,该模型由连接790-11和790-12缩放,然后由节点780-11和780-12处理。节点780-11和780-12还接收在先前时间每个相应节点的输出(例如,由输入Xt-1产生的节点的输出)作为输入。节点780-11和780-12的输出由连接790-12和790-22进行缩放,然后由节点780-21处理。来自节点780-21的输出为故障信号741。
在机器学习模型700的训练阶段期间,学习每个连接790缩放的权重W。机器学习模型700可例如使用来自包括对应于已知电弧故障等的方差间隔信号的数据集的常规机器学习训练技术进行训练。换句话讲,机器学习模型700可被迭代,直到节点中的权重会聚至可接受的解决方案以检测如本文所详述的电弧闪烁。因此,机器学习模型700可被“训练”以在如本文所详述的电流方差电弧故障检测器的操作期间基于方差间隔731信号来检测(或输出故障信号741)以指示存在电弧故障。
图8示出了存储介质800的一个实施方案。存储介质800可包括制品。在一些示例中,存储介质800可包括任何非暂态计算机可读介质或机器可读介质,诸如光学、磁性或半导体存储器。存储介质800可存储各种类型的处理器可执行指令或机器学习模型802。例如,存储介质800可耦接到本文所述的一个或多个处理器(例如,处理器320等),而此类处理器可被布置成执行指令和/或机器学习模型。例如,存储介质800可存储各种类型的计算机可执行指令以实现逻辑流程500。又如,存储介质800可存储表示机器学习模型334的描述或值。又如,存储介质800可存储表示滤波器460的描述或值(例如,连接权重、节点、激活函数等)。又如,存储介质800可存储表示机器学习模型700的描述或值。另外,存储介质800可存储用于执行机器学习模型或滤波器的计算机可执行指令。
计算机可读存储介质或机器可读存储介质的示例可包括能够存储电子数据的任何有形介质,包括易失性存储器或非易失性存储器、可移除或不可移除存储器、可擦除或不可擦除存储器、可写入或可重写存储器等。计算机可执行指令的示例可包括任何合适类型的代码,诸如源代码、编译代码、解释代码、可执行代码、静态代码、动态代码、面向对象的代码、可视代码等。在这种情况下,这些示例不受限制。
尽管已经参考某些实施方案描述了电流方差电弧故障检测器和基于电流方差检测电弧故障的相关联的方法,但是本领域的技术人员将理解,可在不脱离本申请的权利要求书的精神和范围的情况下进行各种更改,并且用等同形式进行替换。可在不脱离权利要求书的范围的情况下做出其他修改以适应上文所公开的教导的特定情况或材料。
Claims (20)
1.一种装置,包括:
处理器;和
包括指令的存储器,所述指令在由所述处理器执行时使得所述处理器:
从电流传感器接收多个感测电流值;
推导出所述多个感测电流值之间的方差;以及
部分地基于所述方差来生成指示电弧故障的信号。
2.根据权利要求1所述的装置,所述存储器包括指令,所述指令在由所述处理器执行时使得所述处理器:
确定所述多个感测电流值的平均值;
对所述多个值中的每一个与所述平均值之间的距离的平方求和;以及
部分地基于所述和推导出所述方差。
3.根据权利要求1所述的装置,所述存储器包括指令,所述指令在由所述处理器执行时使得所述处理器从所述多个感测电流值中移除至少一个异常值、对所述多个感测电流值进行滤波,或者既从所述多个感测电流值中移除至少一个异常值又对所述多个感测电流值进行滤波。
4.根据权利要求3所述的装置,所述存储器包括指令,所述指令在由所述处理器执行时使得所述处理器部分地基于所述多个感测电流值的标准偏差来从所述多个感测电流值中移除所述至少一个异常值。
5.根据权利要求3所述的装置,所述存储器包括指令,所述指令在由所述处理器执行时使得所述处理器基于具有介于40千赫兹(kHz)与200kHz之间的截止频率的高通滤波器来对所述多个感测电流值进行滤波。
6.根据权利要求1所述的装置,所述存储器包括指令,所述指令在由所述处理器执行时使得所述处理器:
确定所述方差是否大于阈值;
基于确定所述方差大于所述阈值而使方差间隔递增;以及
部分地基于所述方差间隔来生成指示所述电弧故障的所述信号。
7.根据权利要求6所述的装置,所述存储器包括指令,所述指令在由所述处理器执行时使得所述处理器基于机器学习模型来生成指示所述电弧故障的所述信号,其中对所述机器学习模型的输入为所述方差间隔,并且所述机器学习模型的输出为所述信号。
8.根据权利要求7所述的装置,所述机器学习模型为递归神经网络。
9.根据权利要求6所述的装置,所述存储器包括指令,所述指令在由所述处理器执行时使得所述处理器基于确定所述方差不大于所述阈值而重置所述方差间隔。
10.一种系统,包括:
电流传感器,所述电流传感器耦接到源和至少一个负载;
逻辑部件,所述逻辑部件的至少一部分在硬件中,所述逻辑部件用于:
从所述电流传感器接收对应于所述源与所述至少一个负载之间的电流的多个电流值;
推导出所述多个感测电流值之间的方差;以及
部分地基于所述方差来生成指示电弧故障的信号。
11.根据权利要求10所述的系统,所述逻辑部件用于:
确定所述多个感测电流值的平均值;
对所述多个值中的每一个与所述平均值之间的距离的平方求和;以及
部分地基于所述和推导出所述方差。
12.根据权利要求10所述的系统,所述逻辑部件用于从所述多个感测电流值中移除至少一个异常值、对所述多个感测电流值进行滤波,或者既从所述多个感测电流值中移除至少一个异常值又对所述多个感测电流值进行滤波,其中所述逻辑部件部分地基于所述多个感测电流值的标准偏差从所述多个感测电流值中移除所述至少一个异常值,并且所述逻辑部件基于具有介于40千赫兹(kHz)与200kHz之间的截止频率的高通滤波器来对所述多个感测电流值进行滤波。
13.根据权利要求10所述的系统,所述逻辑部件用于:
确定所述方差是否大于阈值;
基于确定所述方差大于所述阈值而使方差间隔递增;
基于确定所述方差不大于所述阈值而重置所述方差间隔;以及
部分地基于所述方差间隔来生成指示所述电弧故障的所述信号。
14.根据权利要求13所述的系统,所述逻辑部件用于基于机器学习模型来生成指示所述电弧故障的所述信号,其中对所述机器学习模型的输入为所述方差间隔,并且所述机器学习模型的输出为所述信号。
15.根据权利要求14所述的系统,所述机器学习模型为递归神经网络。
16.根据权利要求10所述的系统,所述源为48伏汽车配电系统中的直流电源。
17.一种方法,包括:
通过耦接到源和至少一个负载的电流传感器来测量多个感测电流值;
推导出所述多个电流值之间的方差;以及
部分地基于所述方差来生成指示电弧故障的信号。
18.根据权利要求17所述的方法,包括:
确定所述多个电流值的平均值;
对所述多个值中的每一个与所述平均值之间的距离的平方求和;以及
部分地基于所述和推导出所述方差。
19.根据权利要求18所述的方法,包括:部分地基于所述多个电流值的标准偏差来从所述多个电流值中移除至少一个异常值;基于具有介于40千赫兹(kHz)与200kHz之间的截止频率的高通滤波器来对所述多个电流值进行滤波;或者既部分地基于所述多个电流值的标准偏差来从所述多个电流值中移除至少一个异常值又基于具有介于40千赫兹(kHz)与200kHz之间的截止频率的高通滤波器来对所述多个电流值进行滤波。
20.根据权利要求19所述的方法,包括:
确定所述方差是否大于阈值;
基于确定所述方差大于所述阈值而使方差间隔递增;
基于确定所述方差不大于所述阈值而重置所述方差间隔;以及
基于机器学习模型生成指示所述电弧故障的所述信号,其中对所述机器学习模型的输入为所述方差间隔,并且所述机器学习模型的输出为所述信号。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201762570959P | 2017-10-11 | 2017-10-11 | |
US62/570,959 | 2017-10-11 | ||
PCT/US2018/055440 WO2019075217A1 (en) | 2017-10-11 | 2018-10-11 | ARC DETECTION BASED ON CURRENT FLOW VARIANCE |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111095712A true CN111095712A (zh) | 2020-05-01 |
CN111095712B CN111095712B (zh) | 2023-01-20 |
Family
ID=66101742
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201880060530.1A Active CN111095712B (zh) | 2017-10-11 | 2018-10-11 | 基于电流方差的电弧检测 |
Country Status (5)
Country | Link |
---|---|
US (1) | US10804688B2 (zh) |
EP (1) | EP3695476A4 (zh) |
JP (1) | JP7275448B2 (zh) |
CN (1) | CN111095712B (zh) |
WO (1) | WO2019075217A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114076903A (zh) * | 2020-08-21 | 2022-02-22 | 黑龙江电卫士电气科技发展有限公司 | 一种电弧性短路的故障类型判定方法 |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110596554A (zh) * | 2019-10-11 | 2019-12-20 | 珠海格力电器股份有限公司 | 一种故障电弧检测方法、装置、存储介质及插座 |
EP4062506A1 (en) * | 2019-11-19 | 2022-09-28 | Hitachi Energy Switzerland AG | Machine learning based method and device for disturbance classification in a power trasmission line |
EP3996224A3 (en) * | 2020-11-04 | 2022-08-17 | Abb Schweiz Ag | Nuisance trip decision management using data analytics in electrical protection system |
CN113092955A (zh) * | 2021-03-10 | 2021-07-09 | 浙江华消科技有限公司 | 一种电弧故障检测方法、装置、设备及存储介质 |
WO2022265794A1 (en) * | 2021-06-15 | 2022-12-22 | Leviton Manufacturing Co., Inc. | Arc fault detection using machine learning |
CN115032508B (zh) * | 2022-08-12 | 2022-11-01 | 国网山东省电力公司电力科学研究院 | 一种基于目标识别的分布式输电线路故障诊断方法及系统 |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4933640A (en) * | 1988-12-30 | 1990-06-12 | Vector Magnetics | Apparatus for locating an elongated conductive body by electromagnetic measurement while drilling |
DE19619629C1 (de) * | 1996-05-15 | 1997-10-09 | Aeg Sensorsysteme Gmbh | Verfahren und Anordnung zur automatischen Überwachung von Fehlerstromschutzschaltern |
US20020062992A1 (en) * | 2000-11-30 | 2002-05-30 | Paul Fredericks | Rib-mounted logging-while-drilling (LWD) sensors |
US20040143357A1 (en) * | 2002-08-01 | 2004-07-22 | Schwarm Alexander T. | Method, system, and medium for handling misrepresentative metrology data within an advanced process control system |
US20050224478A1 (en) * | 2004-04-01 | 2005-10-13 | Lincoln Global, Inc. | Extension lift truck modification |
US20070085548A1 (en) * | 2003-10-22 | 2007-04-19 | Takashi Shinmoto | Insulation degradation diagnostic device |
CN101210948A (zh) * | 2006-12-27 | 2008-07-02 | 通用电气公司 | 用于检测电气系统中的串联电弧的方法和系统 |
CN101325137A (zh) * | 2006-12-28 | 2008-12-17 | 通用电气公司 | 串联电弧故障电流断续器以及方法 |
US20090284265A1 (en) * | 2008-05-13 | 2009-11-19 | Sinfonia Technology Co., Ltd. | Arc detecting device and aircraft equipped therewith |
CN101685130A (zh) * | 2008-09-25 | 2010-03-31 | 施耐德电器工业公司 | 接地故障的定向检测 |
CN101777757A (zh) * | 2009-01-12 | 2010-07-14 | 杭州德力西集团有限公司 | 一种小电流接地选线方法 |
CN102201653A (zh) * | 2010-03-24 | 2011-09-28 | 鸿富锦精密工业(深圳)有限公司 | 过流保护电路设计系统及方法 |
CN103999309A (zh) * | 2011-10-14 | 2014-08-20 | 真安全技术有限公司 | 用于电弧故障检测和中断的系统和结合方法 |
CN105629112A (zh) * | 2016-02-15 | 2016-06-01 | 珠海派诺科技股份有限公司 | 一种故障电弧检测装置及方法 |
CN106549358A (zh) * | 2016-11-04 | 2017-03-29 | 珠海格力电器股份有限公司 | 电路故障的检测控制装置及家用电器 |
CN106560718A (zh) * | 2016-05-06 | 2017-04-12 | 艾思玛新能源技术(上海)有限公司 | 一种接地故障电流检测保护方法及装置 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4072200A (en) * | 1976-05-12 | 1978-02-07 | Morris Fred J | Surveying of subterranean magnetic bodies from an adjacent off-vertical borehole |
US7408750B2 (en) | 2004-09-09 | 2008-08-05 | Sensata Technologies Massachusetts, Inc. | Methods of detecting arc faults characterized by consecutive periods of arcing |
JP5247874B2 (ja) * | 2011-12-06 | 2013-07-24 | パナソニック株式会社 | 蓄電池移転支援装置および蓄電池移転支援方法 |
WO2014122832A1 (ja) * | 2013-02-06 | 2014-08-14 | 日本電気株式会社 | 蓄電装置及び劣化判定方法 |
FR3002644B1 (fr) * | 2013-02-22 | 2015-03-27 | Commissariat Energie Atomique | Procede et dispositif de detection d'arc electrique dans une installation photovoltaique |
CN107171030B (zh) * | 2016-03-08 | 2022-02-11 | 松下知识产权经营株式会社 | 蓄电系统及蓄电系统的控制方法 |
-
2018
- 2018-10-11 JP JP2020516440A patent/JP7275448B2/ja active Active
- 2018-10-11 EP EP18865486.7A patent/EP3695476A4/en active Pending
- 2018-10-11 US US16/158,047 patent/US10804688B2/en active Active
- 2018-10-11 WO PCT/US2018/055440 patent/WO2019075217A1/en unknown
- 2018-10-11 CN CN201880060530.1A patent/CN111095712B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4933640A (en) * | 1988-12-30 | 1990-06-12 | Vector Magnetics | Apparatus for locating an elongated conductive body by electromagnetic measurement while drilling |
DE19619629C1 (de) * | 1996-05-15 | 1997-10-09 | Aeg Sensorsysteme Gmbh | Verfahren und Anordnung zur automatischen Überwachung von Fehlerstromschutzschaltern |
US20020062992A1 (en) * | 2000-11-30 | 2002-05-30 | Paul Fredericks | Rib-mounted logging-while-drilling (LWD) sensors |
US20040143357A1 (en) * | 2002-08-01 | 2004-07-22 | Schwarm Alexander T. | Method, system, and medium for handling misrepresentative metrology data within an advanced process control system |
US20070085548A1 (en) * | 2003-10-22 | 2007-04-19 | Takashi Shinmoto | Insulation degradation diagnostic device |
US20050224478A1 (en) * | 2004-04-01 | 2005-10-13 | Lincoln Global, Inc. | Extension lift truck modification |
CN101210948A (zh) * | 2006-12-27 | 2008-07-02 | 通用电气公司 | 用于检测电气系统中的串联电弧的方法和系统 |
CN101325137A (zh) * | 2006-12-28 | 2008-12-17 | 通用电气公司 | 串联电弧故障电流断续器以及方法 |
US20090284265A1 (en) * | 2008-05-13 | 2009-11-19 | Sinfonia Technology Co., Ltd. | Arc detecting device and aircraft equipped therewith |
CN101685130A (zh) * | 2008-09-25 | 2010-03-31 | 施耐德电器工业公司 | 接地故障的定向检测 |
CN101777757A (zh) * | 2009-01-12 | 2010-07-14 | 杭州德力西集团有限公司 | 一种小电流接地选线方法 |
CN102201653A (zh) * | 2010-03-24 | 2011-09-28 | 鸿富锦精密工业(深圳)有限公司 | 过流保护电路设计系统及方法 |
CN103999309A (zh) * | 2011-10-14 | 2014-08-20 | 真安全技术有限公司 | 用于电弧故障检测和中断的系统和结合方法 |
CN105629112A (zh) * | 2016-02-15 | 2016-06-01 | 珠海派诺科技股份有限公司 | 一种故障电弧检测装置及方法 |
CN106560718A (zh) * | 2016-05-06 | 2017-04-12 | 艾思玛新能源技术(上海)有限公司 | 一种接地故障电流检测保护方法及装置 |
CN106549358A (zh) * | 2016-11-04 | 2017-03-29 | 珠海格力电器股份有限公司 | 电路故障的检测控制装置及家用电器 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114076903A (zh) * | 2020-08-21 | 2022-02-22 | 黑龙江电卫士电气科技发展有限公司 | 一种电弧性短路的故障类型判定方法 |
Also Published As
Publication number | Publication date |
---|---|
US20190199081A1 (en) | 2019-06-27 |
EP3695476A4 (en) | 2020-12-09 |
US10804688B2 (en) | 2020-10-13 |
JP7275448B2 (ja) | 2023-05-18 |
CN111095712B (zh) | 2023-01-20 |
EP3695476A1 (en) | 2020-08-19 |
JP2020537118A (ja) | 2020-12-17 |
WO2019075217A1 (en) | 2019-04-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111095712B (zh) | 基于电流方差的电弧检测 | |
WO2018120054A1 (en) | Method and control system for faulted phase detection | |
US7219023B2 (en) | Method and device for the detection of fault current arcing in electric circuits | |
CN109521359B (zh) | 一种动力电池负极继电器状态检测电路及方法 | |
US9797941B2 (en) | Arc fault detection system and method and circuit interrupter employing same | |
EP1930737B1 (en) | Insulating resistance detection apparatus | |
US9797940B2 (en) | Arc fault detection system and method and circuit interrupter employing same | |
JP6126930B2 (ja) | 絶縁状態検出装置 | |
US9768605B2 (en) | Arc fault detection system and method and circuit interrupter employing same | |
CN110297159B (zh) | 用于确定电力系统补偿网络中的故障线路的方法与装置 | |
US9612267B2 (en) | Arc fault detection system and method and circuit interrupter employing same | |
US9634484B2 (en) | Battery system, vehicle with battery system and method of operating a battery system in a vehicle | |
US11747378B2 (en) | Method and device for monitoring insulation between a DC bus and protective earth | |
Zhang et al. | Identification of low voltage AC series arc faults by using Kalman filtering algorithm | |
JPWO2019075217A5 (zh) | ||
CN110892276B (zh) | 用于识别电弧的设备和方法 | |
CN104833891B (zh) | 接地故障检测 | |
RU2437109C2 (ru) | Способ контроля электрического сопротивления изоляции и защитного отключения электрооборудования | |
US20150293166A1 (en) | Differential Protection Method and Protective Apparatus for Carrying Out a Differential Protection Method | |
CN109791184B (zh) | 电能量存储系统以及用于探测线路故障的方法 | |
US8228103B2 (en) | Circuit breaker | |
EP2674767A2 (en) | System and method for controlled overvoltage detection | |
EP3062410B1 (en) | A protection apparatus | |
Pati et al. | A Superimposed Components based Fault Detector for Power System Applications | |
Hussain et al. | DC Serial Arc Fault Detection based on Visibility Graphs |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |