CN112513653A - 对电气布线中火灾之前的放电的检测 - Google Patents
对电气布线中火灾之前的放电的检测 Download PDFInfo
- Publication number
- CN112513653A CN112513653A CN201980034175.5A CN201980034175A CN112513653A CN 112513653 A CN112513653 A CN 112513653A CN 201980034175 A CN201980034175 A CN 201980034175A CN 112513653 A CN112513653 A CN 112513653A
- Authority
- CN
- China
- Prior art keywords
- transient
- identified
- determining
- discharge
- signals
- 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.)
- Pending
Links
- 238000009429 electrical wiring Methods 0.000 title claims abstract description 34
- 238000001514 detection method Methods 0.000 title claims description 35
- 230000001052 transient effect Effects 0.000 claims abstract description 297
- 238000000034 method Methods 0.000 claims abstract description 119
- 230000000694 effects Effects 0.000 claims abstract description 36
- 230000000737 periodic effect Effects 0.000 claims description 48
- 230000000007 visual effect Effects 0.000 claims description 14
- 230000001186 cumulative effect Effects 0.000 claims description 12
- 238000010801 machine learning Methods 0.000 claims description 10
- 208000028659 discharge Diseases 0.000 description 124
- 238000010586 diagram Methods 0.000 description 32
- 238000004891 communication Methods 0.000 description 30
- 239000002243 precursor Substances 0.000 description 21
- 239000004020 conductor Substances 0.000 description 18
- 238000012360 testing method Methods 0.000 description 18
- 238000004458 analytical method Methods 0.000 description 16
- 238000009413 insulation Methods 0.000 description 15
- 230000005540 biological transmission Effects 0.000 description 12
- 238000012545 processing Methods 0.000 description 11
- 238000009826 distribution Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 9
- 238000004590 computer program Methods 0.000 description 8
- 230000008901 benefit Effects 0.000 description 7
- 230000008859 change Effects 0.000 description 7
- 238000005259 measurement Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 230000004044 response Effects 0.000 description 7
- 230000015556 catabolic process Effects 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 6
- 230000001413 cellular effect Effects 0.000 description 4
- 238000005562 fading Methods 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 238000012546 transfer Methods 0.000 description 4
- 230000006378 damage Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 230000007774 longterm Effects 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000004378 air conditioning Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 230000004397 blinking Effects 0.000 description 2
- 239000003990 capacitor Substances 0.000 description 2
- 238000003763 carbonization Methods 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 2
- 230000000052 comparative effect Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- 239000012212 insulator Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 230000007935 neutral effect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002085 persistent effect Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000011664 signaling Effects 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- 239000003826 tablet Substances 0.000 description 2
- 230000036962 time dependent Effects 0.000 description 2
- 240000005020 Acaciella glauca Species 0.000 description 1
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 235000003332 Ilex aquifolium Nutrition 0.000 description 1
- 241000209027 Ilex aquifolium Species 0.000 description 1
- CYTYCFOTNPOANT-UHFFFAOYSA-N Perchloroethylene Chemical compound ClC(Cl)=C(Cl)Cl CYTYCFOTNPOANT-UHFFFAOYSA-N 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000001010 compromised effect Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 239000003989 dielectric material Substances 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 231100001261 hazardous Toxicity 0.000 description 1
- 239000007943 implant Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000011810 insulating material Substances 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000010363 phase shift Effects 0.000 description 1
- 239000004033 plastic Substances 0.000 description 1
- 238000000197 pyrolysis Methods 0.000 description 1
- 235000003499 redwood Nutrition 0.000 description 1
- 230000000246 remedial effect Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000000344 soap Substances 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 238000003892 spreading Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
- 239000002023 wood Substances 0.000 description 1
Images
Classifications
-
- 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
- G01R31/12—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing
- G01R31/14—Circuits therefor, e.g. for generating test voltages, sensing circuits
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R27/00—Arrangements for measuring resistance, reactance, impedance, or electric characteristics derived therefrom
- G01R27/28—Measuring attenuation, gain, phase shift or derived characteristics of electric four pole networks, i.e. two-port networks; Measuring transient response
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
- G01R19/30—Measuring the maximum or the minimum value of current or voltage reached in a time interval
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R23/00—Arrangements for measuring frequencies; Arrangements for analysing frequency spectra
- G01R23/16—Spectrum analysis; Fourier analysis
-
- 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
- G01R31/001—Measuring interference from external sources to, or emission from, the device under test, e.g. EMC, EMI, EMP or ESD testing
-
- 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
- G01R31/081—Locating faults in cables, transmission lines, or networks according to type of conductors
- G01R31/085—Locating faults in cables, transmission lines, or networks according to type of conductors in power transmission or distribution lines, e.g. overhead
-
- 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
- G01R31/081—Locating faults in cables, transmission lines, or networks according to type of conductors
- G01R31/086—Locating faults in cables, transmission lines, or networks according to type of conductors in power transmission or distribution networks, i.e. with interconnected conductors
-
- 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
- G01R31/58—Testing of lines, cables or conductors
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Mathematical Physics (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Testing Relating To Insulation (AREA)
- Testing Electric Properties And Detecting Electric Faults (AREA)
- Alarm Systems (AREA)
- Fire Alarms (AREA)
Abstract
本文描述的是用于检测在电气布线中的电气火灾之前的放电的方法和系统。耦合到电路的一个或多个传感器设备检测由电路上的电活动生成的一个或多个信号波形。传感器设备识别在一个或多个信号波形内的一个或多个瞬变信号,并且基于所识别的瞬变信号生成一个或多个瞬变特征。通信地耦合到传感器设备的服务器接收一个或多个瞬变特征。服务器分析一个或多个瞬变特征以识别一个或多个放电指示。当识别出一个或多个放电指示时,服务器生成一个或多个警报信号。
Description
技术领域
本申请的主题总体上涉及对电气布线中的包括电弧故障的早期放电的检测。
技术背景
根据由美国消防局国家消防数据中心发布的统计(https://www.usfa.fema.gov/ downloads/pdf/statistics/v14i13.pdf),住宅电气布线中的电弧导致超过70%的电气火灾——这是对生命和财产最危险的威胁之一。电弧故障(也被称为电弧)是在两个或更多个导体之间的高功率连续放电——通常在住宅建筑物中、当电线或绝缘的完整性受损(例如,通过物理损坏、水损坏、腐蚀、老化、或松动连接等)时发生。诸如雷击或电涌之类的事件也可能引发绝缘的击穿并且导致导线受损。作为受损导线的结果,开始发生小的、零星的放电,并且围绕导线的绝缘材料被碳化。随着放电随时间推移持续发生,绝缘越来越受到侵蚀,并且放电的强度增加。最终,强放电变成在导线中形成的持续电弧——导致大的电流和大的能量释放(具有相应高的温度)。由于导线接近木质框架、绝缘、和/或类似的可燃材料,因此当由电弧产生的温度足够高时,它们很可能产生火灾。如果人们可以检测到小的放电并收到相关警告,则在防止电气火灾方面会是一个大优势,该小的放电在变得足够大以产生电弧之前可发生达数日、数周、或数月(如在(2010年)Yereance,R.A.和Kerkhoff,T.所著的在伊利诺伊州斯普林菲尔德(Springfield IL)的Charles C.Thomas出版的《电气火灾分析》第三版第206页中所描述的)。
上述放电可能以各种方式发生,包括:并联、串联、和线路对地放电。当电流/电子因为在导体之间的大电压差而通过气体或介电材料(通常通过受损的绝缘或空气)从一个导体流到另一个导体时,发生并联放电。图1A是并联放电的示意图。电路具有两条导线102a、102b,每条导线被绝缘材料包围。如果在导线之间的绝缘击穿,则可能在导线之间发生放电(诸如放电104)。并联放电的示例包括碳化(即,绝缘材料的击穿)和湿跟踪(即,导线表面使得能够形成电流的湿气)。
当单个导体受损到通过导体的电阻增加并且产生足够高的电压差以使放电在导体内发生并进入周围的绝缘(或如果导体暴露,则甚至到外部物体)的程度时,发生串联放电。图1B是串联放电的示意图。电路包括产生放电108的受损导线106。串联放电的示例包括接地热解(即,电流从导体流到附近的木材),以及最后的线束(last strand)(即,导线的击穿导致热量和可燃气体的增加)。特殊类型的串联放电发生在被称为发光连接(如图1C所示)的现象中。在此类情况下,诸电导体接触,但没有紧密地连接在一起。在界面的边界处形成氧化层,这增加了接头处的导体的电阻。如果电流正流过该界面,则温度可能上升到危险水平(例如,白色区域110示出了电插座处的高温),这可能点燃附近的材料并引起破坏性火灾。到放电已经进展到引起火灾的程度时,采取校正动作并防止损失已经太晚。重要的是尽可能早地检测电气布线中的此类放电的发生,使得可以在适当位置采取补救措施。
当前存在诸如电弧故障电路断流器(AFCI)之类的技术以检测早期放电,诸如电弧故障。在配备AFCI技术的电插座中,AFCI检测电路中的电弧故障并且当检测到此类故障时,断开电路以防止发生电气火灾。然而,AFCI相对昂贵并且必须被安装在建筑物中的每个电路上以检测各个电路上的放电。
发明内容
因此,需要的是在早期放电大到足以在电气布线系统(诸如在家宅和其他建筑物中找到的那些)中引发火灾之前检测早期放电的方法和系统。本文描述的方法和系统提供了在早期放电开始形成时在电气布线中检测早期放电的优点,这使得能够快速通知潜在的火灾危险。另外,本文描述的技术使得能够长期自动监测电气布线系统的放电(例如,数周、数月、数年),以获得与在建筑物的电气布线系统中的活动和趋势有关的详细信息,包括:在不同的放电严重级别之间进行区分的能力,监测可引发绝缘的碳化和放电的开始的诸如电涌、电压暂降和电灯暗淡(brownout)之类的事件;将放电的检测与家宅中运行的电器和设备的操作相关联(例如,电弧可能发生在诸如空调单元之类的设备内;长期监测提供了将放电与空调单元的操作相关联的机会,并且该设备可以通过聚合来自跨多个家宅的监测的信息来关联在电网上的电气问题)。而且,在一些实施例中,系统利用插入到现有的电插座中的单个监测设备——而不是其他设备或监测部件的复杂的、昂贵的、或危险的安装。
在一个方面,本发明的特征在于一种用于检测在电气布线中的电气火灾之前的放电的系统。系统包括耦合到电路的一个或多个传感器设备,每个传感器设备被配置成检测由电路上的电活动生成的一个或多个信号波形。每个传感器设备被配置成识别在一个或多个信号波形内的一个或多个瞬变信号,并且每个传感器设备被配置成基于一个或多个瞬变信号生成一个或多个瞬变特征。系统包括通信地耦合到一个或多个传感器设备的服务器计算设备。服务器计算设备被配置成从传感器设备中的每个传感器设备接收瞬变特征。服务器计算设备被配置成分析瞬变特征以识别一个或多个放电指示。服务器计算设备被配置成当识别出一个或多个放电指示时生成一个或多个警报信号。
在另一个方面,本发明的特征在于一种检测在电气布线中的电气火灾之前的放电的计算机化方法。耦合到电路的一个或多个传感器设备检测由电路上的电活动生成的一个或多个信号波形。每个传感器设备识别在一个或多个信号波形内的一个或多个瞬变信号,并且每个传感器设备基于一个或多个瞬变信号生成一个或多个瞬变特征。通信地耦合到一个或多个传感器设备的服务器计算设备接收来自传感器设备中的每一个传感器设备的一个或多个瞬变特征。服务器计算设备分析瞬变特征以识别一个或多个放电指示。当识别出一个或多个放电指示时,服务器计算设备生成一个或多个警报信号。
在另一方面,本发明的特征在于一种用于检测在电气布线中的电气火灾之前的放电的传感器设备,传感器设备耦合到电路。传感器设备包括模块,该模块感测在电路上的电活动并检测电活动的一个或多个信号波形。传感器设备包括处理器,该处理器:识别在一个或多个信号波形内的一个或多个瞬变信号;基于所识别的瞬变信号来生成一个或多个瞬变特征;分析瞬变特征以识别一个或多个放电指示;以及当识别出一个或多个放电指示时,生成一个或多个警报信号。
在另一个方面,本发明的特征在于一种用于检测在电气布线中的电气火灾之前的放电的系统。系统包括耦合到电路的一个或多个传感器设备,每个传感器设备被配置成检测由电路上的电活动生成的一个或多个信号波形。系统包括通信地耦合到一个或多个传感器设备的服务器计算设备。服务器计算设备从每个传感器设备接收一个或多个信号波形。服务器计算设备分析一个或多个信号波形以识别一个或多个放电指示。当识别出一个或多个放电指示时,服务器计算设备生成一个或多个警报信号。
在另一个方面,本发明的特征在于一种检测在电气布线中的电气火灾之前的放电的计算机化方法。各自耦合到电路的一个或多个传感器设备检测由电路上的电活动生成的一个或多个信号波形。通信地耦合到一个或多个传感器设备的服务器计算设备接收来自每个传感器设备的一个或多个信号波形。服务器计算设备分析一个或多个信号波形以识别一个或多个放电指示。当识别出一个或多个放电指示时,服务器计算设备生成一个或多个警报信号。
在另一个方面,本发明的特征在于一种用于检测在电气布线中的电气火灾之前的放电的传感器设备。传感器设备包括检测由在电路上的电活动生成的一个或多个信号波形的模块。传感器设备包括处理器,该处理器:从每个传感器设备接收一个或多个信号波形;分析一个或多个信号波形以识别一个或多个放电指示;当识别出一个或多个放电指示时,生成一个或多个警报信号。
以上方面中的任一者可以包括以下特征中的一者或多者。在一些实施例中,一个或多个信号波形包括全电压周期波形。在一些实施例中,一个或多个传感器设备以在10MHz与100MHz之间的范围中的频率对全电压周期波形进行采样。
在一些实施例中,识别在一个或多个信号波形内的一个或多个瞬变信号包括:a)将全电压周期波形的样本分到多个仓中;b)确定多个仓中的每个仓的平均值和最大值;c)确定平均值与最大值之间的差值;d)针对全电压周期波形的多个其他样本中的每一个重复步骤a)至c),以确定在所有样本上的针对各个仓的累积的最大值;以及e)确定在多个仓上的每个累积的最大值的导数。在一些实施例中,基于所识别的瞬变信号生成一个或多个瞬变特征包括:确定在全电压周期波形的电压周期上的平均瞬变振幅,以及确定在电压周期内的多个相位段的平均瞬变振幅。
在一些实施例中,分析瞬变特征以识别一个或多个放电指示包括:确定在最大电压附近的相位段中的一个或多个相位段中的平均峰值瞬变与在电压周期的过零点附近的平均峰值瞬变的比率,以及当该比率高于预定阈值时,将在最大电压附近的相位段中的一个或多个相位段中的平均峰值瞬变识别为放电指示。在一些实施例中,当识别出一个或多个放电指示时生成一个或多个警报信号包括:确定在预定时间量内发生的所识别的放电指示的计数,以及基于所识别的放电指示的计数来生成一个或多个警报信号。
在一些实施例中,识别在一个或多个信号波形内的一个或多个瞬变信号包括:a)确定在全电压周期上的全电压信号波形的样本的导数;b)将全电压周期波形的样本分到多个仓中;c)确定多个仓中的每个仓的最大值;d)针对全电压周期波形的多个其他样本中的每一个重复步骤a)至c),以确定在所有样本上的针对各个仓的累积的最大值;以及e)确定在多个仓上的每个累积的最大值的导数。在一些实施例中,基于所识别的瞬变信号生成一个或多个瞬变特征包括:确定在全电压周期波形的电压周期上的平均瞬变振幅,以及确定在电压周期内的多个相位段的平均瞬变振幅。
在一些实施例中,分析瞬变特征以识别一个或多个放电指示包括:确定在最大电压附近的相位段中的一个或多个相位段中的平均峰值瞬变与在电压周期的过零点附近的平均峰值瞬变的比率,以及当该比率高于预定阈值时,将在最大电压附近的相位段中的一个或多个相位段中的平均峰值瞬变识别为放电指示。在一些实施例中,当识别出一个或多个放电指示时生成一个或多个警报信号包括:确定在预定时间量内发生的所识别的放电指示的计数,以及基于所识别的放电指示的计数来生成一个或多个警报信号。
在一些实施例中,当检测到一个或多个信号波形已经达到阈值时,一个或多个传感器设备以80MHz对全电压周期波形进行采样。在一些实施例中,识别在一个或多个信号波形内的一个或多个瞬变信号包括:识别全电压周期的超过阈值的一个或多个样本,以及存储所识别的一个或多个样本。在一些实施例中,对于每个所识别的样本,基于所识别的瞬变信号生成一个或多个瞬变特征包括:确定在所识别的样本中的峰值的上升时间;确定在所识别的样本中的峰值的上升时间;确定所识别的样本的脉冲宽度;以及确定所识别的样本的积分。在一些实施例中,分析瞬变特征以识别一个或多个放电指示包括:当所识别的样本中的峰值的计数高于预定阈值时并且当所识别的样本中的峰值的上升时间高于预定阈值时,将所识别的样本分类为放电指示。在一些实施例中,当识别出一个或多个放电指示时生成一个或多个警报信号包括:确定在预定时间量内发生的所识别的放电指示的计数,以及基于所识别的放电指示的计数来生成一个或多个警报信号。
在一些实施例中,一个或多个传感器设备识别在一个或多个信号波形内的一个或多个瞬变信号,并且使用存储在传感器设备的存储器模块中的瞬变检测曲线基于所识别的瞬变信号来生成一个或多个瞬变特征。在一些实施例中,服务器计算设备基于从传感器设备中的一个或多个传感器设备接收到的瞬变特征来生成经更新的瞬变检测曲线,并且将经更新的瞬变检测曲线发送到一个或多个传感器设备中的每个传感器设备。在一些实施例中,一个或多个传感器设备应用经更新的瞬变检测曲线以识别在一个或多个信号波形内的后续瞬变信号并生成一个或多个瞬变特征。
在一些实施例中,服务器计算设备向远程计算设备发送一个或多个警报信号。在一些实施例中,服务器计算设备向一个或多个传感器设备中的至少一个传感器设备发送一个或多个警报信号。在一些实施例中,一个或多个传感器设备中的至少一个传感器设备在接收到一个或多个警报信号中的至少一个警报信号时激活视觉指示器。在一些实施例中,视觉指示器是一个或多个传感器设备中的至少一个传感器设备的发光二极管(LED)部件。在一些实施例中,服务器计算设备使用一个或多个机器学习算法来分析一个或多个信号波形以识别一个或多个放电指示。
从以下详细描述中,结合仅以示例方式示出的本发明的原理的附图,本发明的其他方面和优点将变得明显。
附图说明
上文所描述的本技术的优点以及进一步的优点,可以通过参考下列结合附图的描述来更好地理解。附图不一定是按比例的,相反,一般对于说明本技术的原理进行强调。
图1A是并联电弧故障的示意图。
图1B是串联电弧故障的示意图。
图1C是发光连接的示意图。
图2是用于检测在电气布线中的电气火灾之前的放电的系统的框图。
图3是示例性电传输网络的示意图。
图4A是用于室内、住宅电力线网络的示例性通信信道的现场收集的测量结果的示意图。
图4B是在实验室设置中测量的三个不同的电路和比较性20m长电缆的传输特性的示意图。
图5是检测在电气布线中的电气火灾之前的放电的计算机化方法的流程图。
图6A是检测在电气布线中的电气火灾之前的放电的计算机化方法的详细流程图。
图6B是检测在电气布线中的电气火灾之前的放电的计算机化方法的详细流程图。
图6C是检测在电气布线中的电气火灾之前的放电的计算机化方法的详细流程图。
图7A-7C是描绘指示放电活动的瞬变的由传感器设备生成的示例性波形数据的示意图。
图8A-8C是用于识别瞬变特征的由传感器设备生成的示例性波形数据的示意图。
图9是瞬变振幅比率随时间变化的示意图。
图10是放电活动发生的可能性随时间变化的示意图。
图11是远程计算设备的用于显示警报信号通知的示例性用户界面的示意图。
图12是用于由测试设备生成的安全信号的示例性波形数据的示意图。
图13是可以与图2的系统结合使用的代理设备的框图。
图14A-14E是示出由安装在测试家宅中的传感器设备收集到的火灾前兆电弧信号的示意图。
图15是示出图14C的电弧信号的更多细节的示意图。
图16是示出来自放电的单个脉冲的更多细节的示意图。
图17是具有示出系统测试结果的数个图的示意图。
图18是示出与由代理设备重新创建的脉冲的振幅相比较的来自实验室数据的脉冲的振幅的直方图。
图19是示出火灾前兆信号如何随时间推移而出现的标绘图。
图20是针对正在生成HF电活动的在电网络上运行的设备的标绘图。
具体实施方式
图2是用于检测在电气布线中的电气火灾之前的放电的系统200的框图。系统200包括电线202,该电线202包括在功率分配系统220(例如,在住宅或商业建筑物中的电气系统)中的电路,功率分配系统220将从服务入口电缆222接收到的功率传输到分支电路(诸如导线202),该分支电路将功率馈送到建筑物中的电器和插座(例如,插座208)。放电产生经由传输线效应而行进遍及电功率分配系统的非常快的电流脉冲。由放电产生的高频信号行进穿过家宅,非常类似于在电力线通信中使用的高频信号。
通常,向建筑物中的电路、插座、设备和电器提供功率的导线是介质,火灾前兆信号通过该介质从起源处行进到传感器。前兆是脉冲放电并且导致沿建筑物中的功率分配导线行进的电磁信号。布线(固定的房屋布线以及到设备和电器的移动电绳(mobile cord)两者)中的每个位置具有到房屋中的每个插座的传送功能,并且该前兆信号到达由该传送功能修改的传感器。本文描述的方法和系统利用与那些在电力线载波通信技术中开发的方法类似的方法来测量和识别行进通过家宅的电网络的非常宽的频率内容。
图3是服务一个或多个住宅的示例性电网络的示意图。如图3所示,来自高压电力线300的电力经过电变压器302并通过+120V AC线(L1)308、中性线310和-120V AC线(L2)312递送到一个或多个住宅(例如,住宅A 304、住宅B 306)。线L1和L2经由在住宅内部的服务面板318中的断路器316耦合到多个分支电路314。应当理解,从L1上的任何电路到L2上的任何电路的通信是可能的。
自从20世纪初以来已经考虑和使用了使用电力线通信。在过去20年里,各种公司已经发布通过建筑物内的配电系统提供100Mbps到1Gbps局域网通信的产品。该工作导致IEEE 1901中的电力线通信的标准化和供消费者使用的“通过电力线的以太网(ethernetover powerline)”适配器的广泛可用性,并且通过建筑物内电力线的宽带通信是成熟的技术。
存在与通过电力线(即,信道)通信相关联的两个主要问题:在建筑物的不同电路上的发射器和接收器的传输和衰减特性、以及信道噪声环境。电力线信道是具有挑战性的,因为由于分支(例如,电路上的每个插座)以及负载具有与频率和时间相关的阻抗(例如,由于不同的设备功率汲取、构造、以及开关特性)而存在许多不连续。负责时间变化的设备还负责由于开关电源和其他非线性设备元件引起的窄带噪声注入和宽带噪声注入两者。在C.Cano、A.Pittolo、D.Malone、L.Lampe、A.M.Tonello、A.G.Dabak发表在2016年7月出版的IEEE J.Sel.Areas Commun.第34卷第1935-1952页的“State of the art in power linecommunications:From the applications to the medium(电力线通信的现有技术状况:从应用到介质)”(可在https://arxiv.org/pdf/1602.09019.pdf处获得)中描述了涉及当前可用的电力线通信的示例性技术,该文献通过引用并入本文。
电力线信道传输特征已经是显著的现场测量和建模活动的主题,这最终导致在2010年的IEEE 1901标准批准(如在2010年9月出版的“IEEE Standard for BroadbandOver Power Line Networks:Medium Access Control and Physical LayerSpecifications,IEEE Standard 1901-2010(IEEE标准1901-2010,用于通过电力线网络的宽带的IEEE标准:介质访问控制和物理层规范)”中描述的)。图4A示出了用于室内、住宅电力线网络的示例性通信信道的现场收集的测量结果。图4A中的顶部图表表示在同一电路上的多对发射器和接收器,并且图4A中的底部图表示出了多个发射器和接收器对,其中单元在不同的电路上(在M.Tlich、A.Zeddam、F.Moulin,F.Gauthier发表在2008年7月出版的IEEE Trans.Power Del.第23卷第3号第1392-1401页的“Indoor power-linecommunications channel characterization up to 100MHz—Part I:One-parameterdeterministic model(高达100MHz的室内电力线通信信道表征——第一部分:单参数确定性模型)”中描述)。在西班牙获得的测量结果示出了类似的特性,确认干线配置和布线风格中的变化导致类似的整体特性(参见C.Cano等人,同上)。更加有意思和困难的情况是图4B中的图表,其示出了在实验室设置中测量的三个不同的电路和比较性20m长电缆的传输特性(在E.Liu、Y.Gao、O.Bilal和T.Korhonen在2004年3月31日到4月2日在西班牙萨拉戈萨(Zaragoza,Spain)的Proc.Int.Symp.Power Line Commun.上发表的“Broadbandcharacterization of indoor powerline channel(室内电力线信道的宽带表征)”中描述)。
图4A和图4B的图表示出了特定信道的可变频率依赖性,但在平均上相对平坦的衰减。用于收集这些数据的场地在大小上从公寓到大型家宅变化并且在建筑年龄上变化。信道特性在许多方面类似于固定无线通信信道。由于信号从环境中的物体的反射(即,多径引发的衰退),无线信道经历衰退(即,频率、位置和时间相关的衰退)。因为布线中不连续、不匹配的阻抗、和分支导致信号反射,所以相同的影响在此起作用。在时域中,这些反射本身表现为到达接收器处的原始信号的振幅和时间偏移的副本。在频域中,这些副本的频率分量相长地或相消地干涉,引起如在图表中观察到的传输特性中的峰值和凹槽。
电力线通信系统针对信号编码和噪声弹性(noise resilience)使用与在宽带无线局域网(例如,IEEE 802.11n)中采用的技术相同的技术,主要是正交频分复用(OFDM)。OFDM是好的解决方案,因为它是这样的技术:用于在宽频谱带上传播信息,同时还降低信号分散和衰退的影响。
电力线环境对于通信是具有挑战性的,但是通过电力线的以太网产品的市场成功证明了宽带信号穿越复杂电网络是可能的。由于取决于个体、时变信道条件的极端的频率选择性,窄带通信非常具有挑战性。电路到电路的信号衰减是显著的,但是通常小于50dB,这使得源自电气布线中的几乎任何地方的信号可能在房屋布线中的其他地方的接收器处(即,在电源插座处)被检测到)。
回到图2,系统200进一步包括传感器设备204,该传感器设备204经由120VAC插头206耦合到分支电路导线202的电插座208。传感器设备包括电子部件(例如,处理模块204a、ADC 204b、CPU 204c),电子部件以允许放大放电信号的方式将传感器设备耦合到电气基础设施,同时在一些实施例中,还过滤掉不需要的由在电气系统上运行的电器产生的60Hz信号和电噪声。处理模块204a包括诸如电容器、电阻器和放大器之类的部件,所述部件感测在分支电路的电线202上发生的电活动并捕获感测到的电力作为波形数据。在一些实施例中,处理模块204a包括滤波器,该滤波器可以将传感器设备的频率响应限制到放电具有高信噪比的范围。可以使用硬件部件来实现滤波,或者在安装在处理模块204a上的固件中实现滤波。应当注意,在分支电路的电线202上发生的电活动包括发送到功率分配系统220和来自功率分配系统220的信号。以此方式,单个传感器能够在整个配电系统220(包括其他分支电路)中看到放电信号。尽管图2描绘了单个传感器设备204,但是应当理解,系统200可包括定位成感测功率分配系统中的电活动的两个或更多个传感器设备。向服务器计算设备发送数据的多个传感器可提供增加的灵敏度并一起工作,以提供关于正在发生放电的位置的信息。
在一些实施例中,可以使用到达时间技术来确定位置,其中瞬变信号到每个传感器设备的到达时间差异提供了到导线上的放电位置的相对距离。通常,传感器设备204被配置用于看见脉冲的形状。传感器设备看见的脉冲形状是源脉冲形状加上该形状从电气系统布线中的每个分支、终端、或阻抗变化的反射。反射之间的时间是距离差的乘积除以群速。反射的幅度和极性由负载或接头的复阻抗确定。各种反射的时间告知源在电路中的位置;这些反射的形状变化告知关于产生反射的负载和接头的阻抗。例如,如果在同一电路的不同位置处安装两个传感器设备,则在两个设备处的到达时间差可确定电路中的位置——即使对于不能在噪声上方看见反射的脉冲也是如此。
在一个实施例中,传感器设备204可以捕获多达每秒2700万个波形样本并将样本分配到512个仓中。传感器设备204确定在每个仓中的最大振幅,并且使用所分仓的值生成波形数据。传感器设备204还执行获得波形信号的导数值的功能,以便降低传感器硬件的带宽和处理要求。例如,传感器设备204可以将相邻的波形样本丢弃以得到一阶导数,并且随后重复该过程以得到二阶导数。在一个实施例中,传感器设备204将若干相邻样本相加并将若干相邻样本相减以获得小波,随后相对于先前捕获的小波来分析该小波,以确定在信号中是否已经发生任何变化。
传感器设备204经由通信网络212通信地耦合到服务器计算设备214。在一个实施例中,传感器设备204配备有通信部件(例如,天线、网络接口电路系统),该通信部件使得传感器设备204能够经由无线连接而与服务器计算设备214通信。
通信网络212使得系统200的其他部件能够彼此通信,以便执行如本文描述的检测在电气布线中的放电的过程。网络212可以是诸如WiFi或LAN之类的局部网络,或诸如因特网和/或蜂窝网络之类的广域网。在一些实施例中,网络212由若干离散网络和/或子网络(例如,蜂窝到因特网)组成,离散网络和/或子网络使得系统200的部件能够彼此通信。
服务器计算设备214是硬件和专用软件模块的组合,所述硬件包括一个或多个专用处理器和一个或多个物理存储器模块,所述专用软件模块(诸如瞬变分析模块214a)由服务器计算设备214的处理器执行,以如本文所描述地从系统200的其他部件接收数据、向系统200的其他部件发送数据、以及执行用于检测在电气布线中的放电的功能。在一些实施例中,模块214a是被编程到服务器计算设备214中的专用处理器上的专用计算机软件指令集,并且可以包括用于执行专用计算机软件指令的专门指定的存储器位置和/或寄存器。将在下文提供由模块214a执行的专用处理的进一步解释。应当理解,在一些实施例中,传感器设备204可被配置成作为独立设备操作,因为本文关于服务器计算设备106描述的处理可由传感器设备204来执行(即,处理器和存储器可嵌入在传感器设备中,该传感器设备进行本文描述的数据收集、分析和报警过程)。
数据库216包括用于数据存储的瞬态存储器和/或持久存储器,该数据存储与本文描述的检测在电气布线中的放电的过程结合使用。通常,数据库216被配置成接收、生成并存储特定数据段以供由服务器计算设备214使用。在一些实施例中,数据库216的全部或一部分可以集成在服务器计算设备214内或位于单独的一个或多个计算设备上。例如,数据库216可包括诸如可从加利福尼亚州红木城(Redwood city)的Oracle公司获得的MySQLTM之类的数据库。在另一示例中,数据库216可包括使用DynamoDBTM的基于云的存储介质,诸如Amazon Web Services(AWS)TM。在其他实施例中,数据库可位于例如在服务器计算设备214和/或传感器模块204上的存储器中。
图5是使用图2的系统200的检测电气布线中的早期电弧故障的计算机化方法500的流程图。耦合到分支电路(例如,包括导线202的分支1电路)的一个或多个传感器设备(例如,传感器设备204)检测(502)由在分支电路上的电活动生成的一个或多个信号波形。例如,因为放电是电流的脉冲变化,所以由放电产生的信号沿电线202向下传输,在任何接头周围反射。这些信号在返回时具有延迟,该延迟通常基于导线的长度。信号还表现出相移,该相移使得系统200能够识别波形中的瞬变信号,该瞬变信号表示涉及如本文描述的在电线202上的放电(即使是非常小的放电)的活动。
传感器设备204识别(504)在检测到的一个或多个信号波形内的一个或多个瞬变信号。传感器设备204基于所识别的瞬变信号生成(506)瞬变特征,并将瞬变特征发送到服务器计算设备214。瞬变分析模块214a从每个传感器设备204接收(508)瞬变特征集,并且分析(510)瞬变特征以识别一个或多个放电指示。当识别出一个或多个放电指示时,警报生成模块214b生成(512)一个或多个警报信号。
应当理解,在一些实施例中,传感器设备204可以检测一个或多个信号波形(步骤502)并向瞬变分析模块214a发送该一个或多个信号波形以供进一步处理,包括:识别瞬变信号(步骤504)、生成瞬变特征(步骤506)、分析瞬变特征(步骤510)、以及生成警报信号(步骤512)。还应理解,在一些实施例中,传感器设备204可以内部执行图5的所有步骤。在一些实施例中,传感器设备204在向瞬变分析模块214a发送信号波形之前压缩一个或多个信号波形,以便节省网络带宽、改善处理能力和性能等。
在一些实施例中,警报生成模块214b向远程计算设备(例如,移动电话、平板、智能手表等)发送一个或多个警报信号。远程计算设备可以例如基于接收到一个或多个警报信号,在与远程计算设备相关联的屏幕上显示消息或指示符(诸如警告图标)。例如,警报信号可包括基于分组的消息,该消息包括指示由系统200检测到的危险状况或危险的文本的语料库。在一些实施例中,警报生成模块214b向传感器设备204中的一个或多个发送一个或多个警报信号。传感器设备204可以在接收到一个或多个警报信号时激活一个或多个部件(例如,传感器设备中的嵌入部件)。例如,在从警报生成模块214b接收到警报信号时,(多个)传感器设备204可以激活LED元件,该LED元件在传感器设备204的外部上点亮和/或闪烁以指示已经由系统200检测到危险状况或危险。下文参考图6A到图6C提供了关于图5的步骤的附加的细节。
图6A到图6C包括使用图2的系统200并且根据上文参考图5描述的框架来检测在电气布线中的电气火灾之前的放电的计算机化方法的详细流程图。图6A到图6C包括可由系统200使用以检测放电的三个不同的方法——方法A(图6A)、方法B(图6B)和方法C(图6C)。应当理解,这些方法是示例性的,并且其他方法可被设想用于与本文描述的系统一起使用。而且,应当理解,方法A、B和C可以独立地或彼此结合地使用。在一个实施例中,传感器设备204可包括多个逻辑处理器和/或物理处理器(例如,CPU 204c),这些处理器各自根据方法A、B或C中的一者来处理波形数据。
例如,在方法A和方法B中,传感器设备204的高速模数转换器(ADC)204b通过捕获全电压周期波形(1秒的1/60)、以27MHz进行采样,来检测波形(502);而在方法C中,ADC204b捕获全电压周期波形(1秒的1/60),在检测到波形已经到达或超过阈值时以80MHz进行采样(以便节省带宽和存储器资源)。
传感器设备204的CPU 204c可以以若干不同的方法来识别波形数据中的瞬变(504)。例如,在方法A中,CPU 204c通过将2700万个样本分到512个仓中来对所采样的波形数据执行分仓过程。CPU 204c计算每个仓最大值和最小值之间的差值,并且计算每个仓的最大值和平均值之间的差值。接下来,CPU 204c累积15个周期的分仓的最大值-平均值数据并确定15个周期的最大值。然后,CPU 204c计算在各个累积的最大值的仓上的导数。
在方法B中,CPU 204c计算在全电压周期上的波形的导数。CPU 204c将得到的2700万个样本分到512个仓中并计算每个仓的最大值。接下来,CPU 204c累积15个周期的分仓的最大值数据并确定15个周期的最大值。然后,CPU 204c计算在各个累积的最大值的仓上的导数。
在方法C中,CPU 204c触发超过浮动阈值的波形样本的存储,该浮动阈值包括在触发之前的样本——这些是周期内的单个瞬变。
继续参考图6A到图6C,传感器设备204的CPU 204c可以以不同方式生成瞬变特征(506)。例如,在方法A和方法B中,CPU 204c计算在全电压周期上的平均瞬变振幅,并且计算在电压周期内的16个相位段的平均瞬变振幅。在方法C中,CPU 204c计数在瞬变中的峰值的数量、计算峰值的上升时间、计算瞬变的最大振幅、计算瞬变的脉冲宽度、以及计算瞬变的积分。
当传感器设备204基于上文描述的分仓过程确定在电压波形数据中已经发生变化时,传感器设备204经由网络212向服务器计算设备214发送瞬变特征数据。瞬变分析模块214a从传感器设备204接收(504)瞬变特征数据,并且分析(506)波形数据以识别信号波形中的一个或多个放电指示。在一个示例中,信号分析模块214a使用接收到的数据重构信号波形,并且将瞬变的分布(包括在相位中瞬变发生之处)与预期的瞬变分布进行比较。例如,信号分析模块214a可确定瞬变在相位中的何处发生以及瞬变是多可重复的——例如,瞬变是否在波形上表现出规则模式(这可指示在电路上的设备或电器的操作)或瞬变是否表现出不规则模式(这可指示放电和/或电弧故障活动)。
在一些实施例中,传感器设备204的CPU 204c向服务器计算设备214的瞬变分析模块214a发送所确定的瞬变特征,并且模块214a接收该瞬变特征。应当理解,在一些实施例中,传感器设备204可被配置为不需要到服务器计算设备214的连接的独立模块——在这些实施例中,传感器设备204还可执行分析瞬变特征(510)和生成警报信号(512)的步骤,并且进一步地,在一些实施例中,执行向远程计算设备传输警报信号的步骤(如先前描述的)。在一些实施例中,可以在传感器设备204内本地地生成警报信号,并且将该警报信号用于触发传感器设备204的其他部件(诸如嵌入在传感器设备204中的扬声器或其他音频部件、或嵌入在传感器设备204中的灯或其他视觉部件(例如,LED)),以警告附近的人潜在的危险电活动正在发生。
瞬变分析模块214a可以以不同的方式分析从传感器设备204接收到的瞬变特征(510)。例如,在方法A和方法B中,模块214a确定在最大电压附近的相位段中的平均峰值瞬变与在电压过零点附近的平均峰值瞬变的比率。如果该比率大于阈值,则模块214a将这些瞬变识别为潜在的放电。在方法C中,模块214a评估在瞬变中的峰值的数量是否超过预定阈值以及上升时间是否大于预定阈值。如果是,则模块214a将该瞬变识别为潜在的放电。
图7A-7C和图8A-8C是由传感器设备204的CPU 204c捕获的描绘瞬变信号的波形数据的示意图。图7A是以每秒1600万个样本捕获的两毫秒的采样电压数据的波形的示例性示意图。如图7A所示,大部分波形数据是由诸如电器和空气中的电磁信号之类的项目产生的一般电背景噪声。然而,波形数据还展现出若干较大尖峰(例如,702、704),这是可指示电路中的放电活动的瞬变。
图7B是示出来自图7A的波形的一部分的示例性示意图,图7B被放大以示出额外的细节。如图7B中所见的,出现了各个瞬变(例如,712、714)的形状。更仔细地看,图7C是示出来自图7B的波形的一部分(即,两微秒)的示例性示意图,图7C被放大以示出额外的细节。如图7C所示,瞬变514表现出衰荡结构,这指示信号衰减所花费的时间量。另外,瞬变714具有非常快的电压变化和快速上升时间。如上文针对方法C所解释的,传感器设备204的CPU204c可以使用这种类型的采样波形数据来生成瞬变特征(506)以供传输到瞬变分析模块214a。
图8A-8C是示出传感器设备204的CPU 204c如何可以将采样波形信号分到512个仓(即,如上文关于方法A和方法B描述的)的示例性示意图。图8A中示出了示例性全电压周期波形,其中在x轴上分配仓号并且在y轴上表示振幅。图8B是另一个示例性电压周期波形,其中注释示出了传感器设备的CPU 204c如何可以如上文关于方法A和方法B描述地识别瞬变。如图8B所示,CPU 204c可以确定电流最大值、电流平均值、和15个周期上的最大值——以及15个周期上的最大值导数、电流最大值导数、和全电压周期上的导数。图8C是示例性电压周期波形,其中注释描绘了由瞬变分析模块214a识别的潜在放电。如上文关于方法A和方法B描述的,瞬变分析模块214a可以确定在最大电压附近的相位段(例如,段802)中的平均峰值瞬变与在电压过零点附近(例如,段804)的平均峰值瞬变的比率。瞬变分析模块214a可以生成该比率的表示(参见图9)。如图9所示,从15:17:40到15:18:00的时间段(由902指示)是在电气布线上产生放电的时间。
在一些实施例中,瞬变分析模块214a可以将来自图9的比率数据转换成指示基于该比率发生放电的可能性的度量。图10是示出基于来自图9的比率数据在特定时间段期间发生放电的可能性的示例性示意图。如图10所示,放电的可能性在15:17:40从0移动到2,并且在0到2之间波动,直到15:18:00为止。在此示例中,值2指示发生放电的高可能性。
在瞬变特征数据中识别放电指示符后,服务器计算设备214的警报生成模块214b生成与所检测到的放电指示符有关的警报信号(512)。在一些实施例中,警报生成模块214b自动识别一个或多个远程设备并且向这些远程设备自动发送警报信号,所述远程设备监测传感器设备204连接到分支电路的建筑物或位置(或与该建筑物或位置相关联)。远程设备可包括基于计算机的设备,诸如移动电话、平板、台式计算机、智能电器、IoT设备、智能手表等。远程设备还可包括喇叭、警报器、灯、以及其他视听指示器设备。
在一些实施例中,数据库216包括与远程设备的标识有关的信息(例如,IP地址、电话号码、电子邮件地址),并且警报生成模块214b使用该标识信息来为每个远程设备准备警报信号。在一些实施例中,警报生成模块214b使用任何标准通信协议或技术,诸如,基于分组的递送(例如,文本消息、XML、电子邮件)、基于电路的递送(例如,寻呼、语音消息)等。例如,警报信号可以采取基于分组的通信(例如,消息)的形式,该基于分组的通信具有包括某些数据元素的报头和主体。警报信号可包括与由系统200检测到的电弧故障的类型、放电活动的大致位置(例如,使用上文描述的到达时间技术)、传感器设备204及其在建筑物中的位置的识别、以及其他相关的信息(例如,连接到同一分支电路的电器或其他电气设备的识别等)有关的信息。
图11是远程计算设备(例如,移动电话)的用于基于接收到警报信号而向用户显示消息的用户界面的示例性示意图。如图11所示,安装在远程计算设备上的应用可以耦合到服务器计算设备214(例如,经由因特网)并且可被配置成自动监听从警报生成模块214b推送的警报信号。当警报信号到达远程计算设备处时,应用可以自动显示向用户通知电气火灾危险的警告指示符1102(例如,红色的、闪烁的图形或图标)。用户界面还可包括检测到的先前的放电活动(例如,用户家宅中的其他事件)的日志。
以此方式,本文描述的系统和方法提供了优于当前可用的电弧故障检测技术的显著优点,因为相比于传统的电弧故障检测器,本系统可以更容易并以高得多的准确度来检测在分支电路中发生的小的瞬变,该瞬变可指示电路中的放电活动。本文描述的系统和方法还利用基于网络的处理架构来捕获针对特定分支电路的随时间推移的信号数据,这可以既实现分支电路的电活动曲线(profile)中的变化的立即检测也向上游实体(诸如公用设施公司和电器制造商)提供与电力系统中可能正在发生的异常的类型有关的有用信息。
而且,应当理解,多个不同的传感器设备可被安装在由公用设施提供者运营的公共电网上的各种建筑物中(例如,如上文所述的,许多不同的家宅可能具有附接到建筑物的电力系统的传感器设备以监测放电)。这些分布式传感器设备中的每一者可以与一个或多个集中式服务器计算设备通信,所述集中式服务器计算设备向传感器设备发送数据并从传感器设备接收数据。在该配置中,服务器计算设备可以从传感器设备收集放电检测数据并且聚合该数据以供分析。在一个示例中,服务器计算设备可以植入机器学习技术和算法,该机器学习技术和算法使用来自安装在不同家宅和建筑物中的多个传感器设备的放电和/或瞬变数据、以及来自终端用户的反馈,以改进其瞬变检测和表征算法。
在一些实施例中,通过机器学习技术的应用来增强分析瞬变特征以识别一个或多个放电指示。诸如增强树(如在https://xgboost.readthedocs.io/en/latest/tutorials/ model.html以及在Friedman和Jerome H.发表在The Annals of Statistics第29卷第5号(2001年10月)第1189-1232页的“Gradient Function Approximation:A GradientBoosting Machine(梯度函数逼近:梯度增强机)”中描述的,以上文献通过引用并入本文)之类的技术允许对基于来自具有已知放电信号的房屋或建筑物的真实数据集或在实验室生成的真实数据集的各种特征的自动选择。机器学习允许开发比人类可手动推导更详细的计算模型和在瞬变特征和放电指示之间的关系。在一些实施例中,在翻滚窗口(tumblingwindow)上进一步计算诸如来自这些瞬变特征的自相关滞后和峰度之类的时间序列特征,并将这些特征提供到机器学习模型以提供进一步上下文并提高准确度。随着针对放电指示和假阳性两者的真实数据集扩展,可以以连续的改进循环来改进机器学习模型并可将进一步开发的固件部署到传感器。
另外,服务器计算设备可以向传感器设备分配用于识别瞬变和瞬变特征的经更新的软件方法(即,以固件或类似的升级的形式)以供执行——由此将传感器网络与最新的算法自动同步以保护家宅。而且,放置在多个家宅中的多个传感器设备可以将关于共同检测到的电压波形和瞬变的数据相关联以精确定位潜在的电网问题的位置,并且与电网操作者或公用设施提供者通信以采取行动。
本文描述的系统和方法的另一方面可包括包括并入产生如下信号的设备:该信号看起来像危险的放电,但反而被经由单独的电子设备(在一些示例中,被嵌入在传感器设备204中)引入到电气布线中。这些信号(也被称为安全信号)可用于测试传感器设备204的操作,使得可以识别传感器设备204的任何故障或其他问题。图12是从安全信号的检测生成的示例性波形的示意图。如图12所示,这些瞬变类似于如果在布线上发生危险的放电将产生的瞬变的类型。应当注意,这些瞬变小到足以被传感器设备204检测到,但没有大到足以使AFCI跳闸。
本文描述的系统和方法的另一个重要方面是用于测试传感器设备在检测发生在家宅中的任何位置的火灾前兆方面的有效性的装置的开发。实现这一点的一个可能方式是将产生火灾前兆脉冲的受损的电绳带到许多家宅并测量从家宅中的其他插座检测到的脉冲信号的情况。该方法的缺点的是其将花费大量的时间以发送可以安全地产生信号的经训练的技术人员并且该研究将仅在短时间段(当有人在家宅内监测系统时)上测量信号。理性的人不会在长的时间段里欢迎他们的房屋中的受损的(并且危险的)电绳。
一种替代的和更可扩展的方法是使用可以重新播放在实验室中由真实火灾前兆产生并记录的火灾信号的代理设备。该代理设备允许数百个单元向跨国家的各种类型的家宅的经济的部署,以及在长时间段上跟踪信号检测性能的能力。图13是可以与图2的系统200结合使用的代理设备1300的框图。
如图13所示,代理设备1300包括闪存模块1302、CPU 1304、数模信号转换器(DAC)1306、以及功率放大器1308。设备1300利用DAC和功率放大器(经由功率电容器耦合到电气系统)来模拟火灾前兆信号。DAC 1306可以在短时间段内以120MHz产生信号。将CPU与来自主电源的过零点相位锁定,以生成在相位中的适当位置处发生的脉冲。由CPU从闪存读取脉冲信息,并且通过D/A转换器和功率放大器再现所记录的脉冲。
当将代理设备1300部署在多个家宅中时,代理设备1300帮助回答以下问题:
1)火灾前兆电弧信号在家宅的电气系统中行进的情况如何?
2)本文描述的方法和系统识别电气火灾信号并且将这些信号与由家宅中的其他电器产生的那些信号区分开的情况如何?
为了确定火灾前兆脉冲信号在家宅电气系统中行进的情况如何,可以将代理设备1300和传感器设备204以及测试夹具部署在测试家宅中,当将该测试夹具插入到家宅中的电插座时,产生闪烁(scintillation)脉冲以供检测。测试夹具包括被插入到具有火线(Hot)导体、中性线导体和地线导体的标准墙壁插座中的电源线。电源线被拼接成包括电阻器,由闪烁或放电产生的任何电流必须通过该电阻器。电源线的末端连接到插头,可以通过该插头连接各种测试装置。测试夹具包括塑料NEMA外壳,受损的延伸电绳穿过该塑料NEMA外壳。可以将受损的电绳暴露于引起放电发生的各种物质。例如,该物质可以是石墨粉,水,或水、肥皂和盐的溶液。差分模数转换器测量在已知电阻的电阻器上的电压,以计算流过电阻器的电流。取决于通过将受损的电绳暴露于各种物质来生成的预期的峰值电流,选择各种大小的电阻器以提供适当量的增益。测试家宅是大约4,000平方英尺的大型独户家宅。该家宅具有典型类型的电子装备,包括平板电视、音频装备和计算机。通常由电涌抑制器插线板来保护电子装备。
图14A-14E是示出从测试家宅收集的火灾前兆电弧信号的示意图。图14A中的图形示出了来自两个传感器的峰值模数转换器输出的60秒测量。标记为“同一叮(Ting)”的传感器设备处于同一120V支脚/相位上并与测试夹具处于同一分支电路上。标记为“其他叮”的传感器设备处于在不同分支电路上的功率网络的相反的120V支脚/相位上。较大振幅的信号指示测试夹具正在产生火灾前兆脉冲的时间。例如,在图14A中,在区域1402中的高亮区域中,同一叮线路和其他叮线路跳到高达约2400原始数字单位——指示两个传感器设备都检测到火灾前兆脉冲。图14B中的图形示出了被放大到一秒的时间的来自图14A的高亮时间段1402。
对于图14C中的图形,来自图14B的数据被进一步放大到20毫秒的时间——这由图14B中的区域1404来表示。在图14C中,示出了通过在测试夹具的火线上的10欧姆电阻器的电流1406的测量。这是当在绝缘体上发生击穿时的电流,并且该电流被观察为放电并且以热和光的形式进行证明。
图14D和图14E示出了流过10欧姆电阻器的电流的进一步放大的时间段以及如由传感器设备看到的所得的波形。图14D中的图形将来自图14C的高亮的时间段1408示出为放大到500毫秒的时间,而图14E中的图形将来自图14D的高亮的时间段1410示出为放大到80毫秒。
图15示出了图14C的更详细版本,高亮了发生电击穿的两个时间,并且在该两个时间处传感器设备测量到的通过10欧姆电阻器的电流。在该示例中,应当理解,电击穿可以产生在许多毫秒的时间段上缓慢地变化的电流到在数纳秒到数十纳秒的数量级上非常快速地开始和停止的电流。如在图15中可见的,缓慢变化的电流在同一电路(“同一叮”)上的传感器设备中产生可见信号1502,但在不同支脚(“其他叮”)上的传感器设备中没有,而快速变化的电流在来自两个传感器设备的信号中都可见。
图16示出了来自放电的各个脉冲中的一个脉冲的更详细显示,具有关于随着电流开始流动、随后经历对电流流动的若干中断、直到最终熄灭的电流变化速率的一些信息,注意,在电流中的每个快速变化处,两个传感器设备都看见信号的急剧上升,随后是特征性的衰荡。这表明对信号行进通过电网的情况造成最大影响的放电的特征是电流的非常快速的上升时间和下降时间。注意,随着放电开始,特征性的衰荡信号1602出现,但是当电流持续处于相同水平时,在相反相位上的传感器设备不具有强响应。这是用于代理设备的开发的重要发现,因为其意味着只要代理设备可以模拟火灾前兆快速脉冲电流的上升和下降时间,则该代理设备可以重新创建信号的最相关部分并且不需要重新创建更长的持续电流。
应当理解,用作任意波形发生器的代理设备1300不完美地重现实验室波形。代理设备1300仅可以在某些数字时钟边沿处生成电压阶跃,并且代理设备1300仅可以生成某些离散振幅的阶跃。系统对数据执行有损压缩,仅保留最大的峰值并保留它们的形状。代理设备1300的阻抗与绝缘体的受损部分的阻抗不同,所以来自代理设备的反射与来自受损的电缆的反射不同。作为结果,重要的是确认代理设备足以在传感器设备204处产生与由受损的绝缘中的真实闪烁产生的信号类似的信号。
为了测试这点,在实验室中损坏导线上的绝缘,测量由在受损的绝缘中的闪烁产生的电流,并且同时测量由这些闪烁在实验室中的不同的电路上的传感器设备处产生的电压。随后将代理设备1300编程以重新播放测量到的闪烁,用代理设备替换受损的绝缘,并且再次同时测量在代理设备处产生的电流和在不同电路上的传感器设备处产生的电压。
图17示出了上文描述的测试的结果。图形1702a示出了在实验室中初始测量的来自受损的绝缘的电流。图形1704a示出了传感器设备在另一电路处测量的电压,该电压由图形1702中所示的电流脉冲产生。图形1706a示出了由代理设备产生的电流,并且图形1708a示出了由在另一电路上的传感器设备测量的电压。图形1702b、1704b、1706b和1708b分别以更高的时间分辨率示出了图形1702a、1704a、1706a和1708a的同一测量。由代理设备产生的传感器电压与初始测量的那些电压不相同,但是它们相似到足以使用。
确定火灾前兆脉冲信号是否行进穿过房屋的火灾前兆脉冲信号的第二特征是脉冲的振幅。较大振幅的脉冲在传感器设备204中产生较大的相应。电流的振幅与传感器设备响应的大小之间的关系可以见于图形1702b和图形1704b。图形1702b中的较大电流振幅被观察为图形1704b中的较大的传感器响应。类似地,由代理设备产生的较大振幅电流导致在传感器设备处的较大响应(参见图形1706b和1708b)。25mA量级的电流足以在传感器设备204中产生具有足以被检测到的信噪比的响应。
火灾前兆可以在单个功率周期上产生数千个脉冲,大百分比的这些脉冲的振幅不够大到行进通过电气基础设施并被在相对支脚上的传感器设备看见。代理设备1300能够产生每周期有限数量的脉冲。代理设备被编程成聚焦于生成预期在整个房屋中检测到的最大且最快的脉冲。在一些实施例中,代理设备1300可以与服务器计算设备(例如,服务器计算设备214)通信以通知服务器该代理设备1300操作的时间以及该代理设备1300的操作模式。在这种情况下,容易将代理设备指示其正在运行的时间与传感器设备输出相关联,以验证传感器设备检测到信号。在该示例中,代理设备1300被编程为创建具有在0毫安到300毫安范围的振幅的快速脉冲。图18示出了在实验室中获得的五秒的数据集中找到的脉冲振幅的直方图,被标签为“真实”(深灰色,1802)。另外,以浅灰色示出了由代理设备重新创建的脉冲振幅的直方图(1804)。通常,代理脉冲的计数小于来自真实数据源的计数。如上文描述的,这是因为对代理设备存储器保存足够数据以重现每个脉冲的限制,所以重点是重现最大的脉冲。
注意,与触发电弧故障电路中断的峰值安培相比,在代理测试数据集中的脉冲电流振幅是小的。对于并联电弧,AFCI将在约50安培跳闸,并且对于串联电弧,AFCI将在5安培跳闸(如在J.Wafer发表在2005年出版的The 51st IEEE HOLM conference on ElectricalContacts的“The Evolution of Arc Fault Circuit Interruption(电弧故障电路中断的进化)”中描述的)。通过检测具有这些小振幅的脉冲电流,本文描述的传感器设备能够在电弧变得危险并且火灾危险即将发生的水平之前良好地警告房主。在检测到闪烁时与电弧长到足够大以至于危险之间的这个时间框架可以是在小时到年的量级上(如Twibell,J.D.发表在2004年由佛罗里达州波卡拉顿(Boca Raton)的CRC Press的N.N.Daéid编辑出版的“Electricity and Fire(电与火灾)”的“Fire Investigation(火灾调查)”中的第61-104页中所描述的)。
已经表明火灾前兆在功率网络上创建信号,该信号在整个功率网络上行进并且可由单个传感器设备检测到,关于检测效率的第二个问题涉及传感器设备可以将火灾前兆信号与可在电力线上感测到的人造信号或其他干扰信号区分开的程度。火灾前兆信号展现出并联电弧的某些特征,可利用这些特征进行识别(注意,串联电弧具有可利用来进行识别的其他特征——诸如具有恰好在过零点区域外部的大振幅脉冲的过零点处的低信号,以及发光连接具有可利用来进行识别的又不同的特征):
1)火灾前兆脉冲信号的平均值在电压峰值附近较大,并且在电压过零点附近最弱、接近于零。
2)脉冲信号在多个周期上在时间上随机分布并且在相位上随机分布。
图19示出了火灾前兆信号如何随时间变化的标绘图。标绘图上的时间从顶部到底部增加。标绘图的每一行表示单个功率周期,该功率周期具有在左侧上指示的上升半周期和在右侧上指示的下降半周期。标度1902指示在功率周期相位中的不同位置处检测到的HF信号的振幅。对于并联电弧,HF振幅在功率周期的峰值处增加并且在电压过零点处到零。
为了比较,图20示出了针对正在生成HF电活动的在电网络上运行的设备的图19的标绘图。在电网络上运行的设备的典型特征是HF电活动在较长时间段上处于相位中的可重复位置。这由在下降半周期中的垂直线指示。本文描述的传感器算法利用在生成可预测且重复的信号的人造设备与在时间和振幅上更可变的火灾前兆信号之间的区别。
可以以数字和/或模拟电子电路,或以计算机硬件、固件、软件或以它们的组合来实现以上所述的技术。实现方式可以作为计算机程序产品,即,在机器可读存储设备中有形地实施的计算机程序,用于被数据处理设备(例如,可编程处理器、计算机和/或多个计算机)执行或控制对数据处理装备的操作。计算机程序可以以任何形式的计算机或编程语言来编写,包括源代码、已编译的代码、解释的代码和/或机器代码,并且该计算机程序可以以任何形式部署,包括作为独立程序或作为适用于计算环境中的子例程、元件、或其他单元来部署。可以部署计算机程序以在一个或多个站点中的一台计算机或多台计算机上执行。
方法步骤可以由执行计算机程序的一个或多个专用处理器来执行,以通过对输入数据进行操作和/或生成输出数据,来执行本技术的功能。方法步骤也可以由下列各项执行,并且装置可以被实现为:专用逻辑电路,例如,FPGA(现场可编程门阵列)、FPAA(现场可编程模拟阵列)、CPLD(复杂可编程逻辑器件)、PSoC(可编程片上系统)、ASIP(专用指令集处理器)、或ASIC(专用集成电路)等。子程序可以是指存储的计算机程序和/或处理器的部分,和/或实现一个或多个功能的特殊电路。
作为示例,适于计算机程序的执行的处理器包括通用微处理器和专用微处理器两者,以及任何类型的数字或模拟计算机中的任何一个或多个处理器。一般而言,处理器将从只读存储器或随机存取存储器或两者接收指令和数据。计算机的基本元件是用于执行指令的处理器,和/或用于存储指令和/或数据的一个或多个存储器设备。诸如缓存之类的存储器设备可以用于临时存储数据。存储器设备也可以用于长期数据存储。一般而言,计算机还包括或可操作地耦合到以从一个或多个用于存储数据的大容量存储设备(例如,磁性、磁光盘或光盘)接收数据或将数据传输到一个或多个大容量存储设备,或两者都有。计算机也可以可操作地耦合到通信网络,以便从网络接收指令和/或数据、和/或向网络传输指令和/或数据。适用于具体化计算机程序指令和数据的计算机可读存储介质包括所有形式的易失性存储器和非易失性存储器,作为示例,包括半导体存储器设备(例如,DRAM、SRAM、EPROM、EEPROM、以及闪存设备)、磁盘(例如,内部硬盘或可移动磁盘)、磁光盘、以及光盘(例如,CD、DVD、HD-DVD以及蓝光盘)。处理器和存储器可以通过专用逻辑电路来补充和/或集成在专用逻辑电路中。
为了提供与用户的交互,以上描述的技术可在与例如CRT(阴极射线管)监视器、等离子监视器、或LCD(液晶显示器)监视器之类的用于向用户显示信息的显示设备、和键盘以及例如鼠标、跟踪球、触摸板、或运动传感器之类的可由用户用来向计算机提供输入(例如,与用户接口元件交互)的指示设备通信的计算机上实现。其他种类的设备也可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的感觉反馈,例如,视觉反馈、听觉反馈或触觉反馈;并且来自用户的输入可按任何形式接收,包括声音输入、语音输入和/或触觉输入。
以上描述的技术可在包括后端组件的分布式计算系统中实现。例如,后端部件可以是数据服务器、中间件部件和/或应用服务器。上文所描述的技术可以在包括前端部件的分布式计算系统中实现。前端部件可以例如是具有图形用户界面的客户端计算机、用户可通过其与示例实现方式进行交互的Web浏览器、和/或用于发送设备的其他图形用户界面。上文所描述的技术可以实现在包括这样的后端、中间件或前端部件的任何组合的分布式计算系统中。
计算系统的部件可以通过可以包括任何形式或介质的数字数据通信或模拟数据通信(例如,通信网络)的传输介质来互连。在任何配置中,传输介质可以包括一个或多个基于分组的网络和/或一个或多个基于电路的网络。基于分组的网络可包括例如因特网、载波网际协议(IP)网络(例如,局域网(LAN)、广域网(WAN)、校域网(CAN)、城域网(MAN)、家宅域网(HAN))、专用IP网络、IP专用交换分机(IPBX)、无线网络(例如无线电接入网络(RAN)、蓝牙、Wi-Fi、WiMAX、通用分组无线业务(GPRS)网络、HiperLAN)和/或其它基于分组的网络。基于电路的网络可以包括例如公共电话交换网(PSTN)、旧版专用交换分机(PBX)、无线网络(例如,RAN、码分多址(CDMA)网络、时分多址(TDMA)网络、全球移动通信系统(GSM)网络)和/或其他基于电路的网络。
传输介质上的信息传输可以基于一种或多种通信协议。通信协议可包括,例如,以太网协议、因特网协议(IP)、IP语音(VoIP)、点对点(P2P)协议、超文本传输协议(HTTP)、会话发起协议(SIP)、H.323、媒体网关控制协议(MGCP)、信令系统#7(SS7)、全球移动通信系统(GSM)、按键通话(PTT)协议、基于蜂窝的PTT(POC)协议、和/或其它通信协议。
计算系统的设备可包括例如计算机、具有浏览器设备的计算机、电话、IP电话、移动设备(例如,蜂窝电话、个人数字助理(PDA)设备、膝上型计算机、电子邮件设备)和/或其它通信设备。浏览器设备包括例如具有万维网浏览器(例如,可从微软公司获得的Internet可从Mozilla公司获得的Firefox)的计算机(例如,台式计算机、膝上型计算机)。移动计算设备包括,例如,IP电话包括,例如,可从Cisco System有限公司获得的Unified IP Phone 7985G、和/或可从Cisco System有限公司获得的Unified Wireless Phone 7920。
包含、包括和/或每一个的复数形式是开放性的并且包括所列部件,并且可以包括未列出的其他部件。和/或是开放性的,并且包括所列部件中的一个或多个以及所列部件的组合。
本领域的技术人员将意识到本发明可体现为其它具体形式,而不背离本发明的精神和本质特性。因此,上述实施例将在各方面被视为是对本文中所描述的本发明的说明而不是限制。
Claims (121)
1.一种用于检测在电气布线中的电气火灾之前的放电的系统,所述系统包括:
耦合到电路的一个或多个传感器设备,每个传感器设备被配置成
检测由在所述电路上的电活动生成的一个或多个信号波形;
识别在所述一个或多个信号波形内的一个或多个瞬变信号;以及
基于所识别的瞬变信号生成一个或多个瞬变特征;
通信地耦合到所述一个或多个传感器设备的服务器计算设备,所述服务器计算设备被配置成:
从每个传感器设备接收所述一个或多个瞬变特征;
分析所述瞬变特征以识别一个或多个放电指示;以及
当识别出一个或多个放电指示时生成一个或多个警报信号。
2.如权利要求1所述的系统,其特征在于,所述一个或多个信号波形包括全电压周期波形。
3.如权利要求2所述的系统,其特征在于,所述一个或多个传感器设备以在10MHz与100MHz之间的范围中的频率对所述全电压周期波形进行采样。
4.如权利要求3所述的系统,其特征在于,识别在所述一个或多个信号波形内的一个或多个瞬变信号包括:
a)将所述全电压周期波形的所述样本分到多个仓中;
b)确定所述多个仓中的每个仓的平均值和最大值;
c)确定所述平均值与所述最大值之间的差值;
d)针对所述全电压周期波形的多个其他样本中的每一个重复步骤a)至c),以确定在所有所述样本上的针对各个仓的累积的最大值;以及
e)确定在所述多个仓上的每个累积的最大值的导数。
5.如权利要求4所述的系统,其特征在于,基于所识别的瞬变信号生成一个或多个瞬变特征包括:
确定在所述全电压周期波形的电压周期上的平均瞬变振幅;以及
确定在所述电压周期内的多个相位段的平均瞬变振幅。
6.如权利要求5所述的系统,其特征在于,分析所述瞬变特征以识别一个或多个放电指示包括:
确定在最大电压附近的所述相位段中的一个或多个相位段中的平均峰值瞬变与在所述电压周期的过零点附近的平均峰值瞬变的比率;以及
当所述比率高于预定阈值时,将在最大电压附近的所述相位段中的一个或多个相位段中的平均峰值瞬变识别为放电指示。
7.如权利要求6所述的系统,其特征在于,当识别出一个或多个放电指示时生成一个或多个警报信号包括:
确定在预定时间量内发生的所识别的放电指示的计数;以及
基于所识别的放电指示的所述计数来生成警报信号。
8.如权利要求3所述的系统,其特征在于,识别在所述一个或多个信号波形内的一个或多个瞬变信号包括:
a)确定在全电压周期上的所述全电压信号波形的所述样本的导数;
b)将所述全电压周期波形的所述样本分到多个仓中;
c)确定所述多个仓中的每个仓的最大值;
d)针对所述全电压周期波形的多个其他样本中的每一个重复步骤a)至c),以确定在所有所述样本上的针对各个仓的累积的最大值;以及
e)确定在所述多个仓上的每个累积的最大值的导数。
9.如权利要求8所述的系统,其特征在于,基于所识别的瞬变信号生成一个或多个瞬变特征包括:
确定在所述全电压周期波形的电压周期上的平均瞬变振幅;以及
确定在所述电压周期内的多个相位段的平均瞬变振幅。
10.如权利要求9所述的系统,其特征在于,分析所述瞬变特征以识别一个或多个放电指示包括:
确定在最大电压附近的所述相位段中的一个或多个相位段中的平均峰值瞬变与在所述电压周期的过零点附近的平均峰值瞬变的比率;以及
当所述比率高于预定阈值时,将在最大电压附近的所述相位段中的一个或多个相位段中的平均峰值瞬变识别为放电指示。
11.如权利要求10所述的系统,其特征在于,当识别出一个或多个放电指示时生成一个或多个警报信号包括:
确定在预定时间量内发生的所识别的放电指示的计数;以及
基于所识别的放电指示的所述计数来生成警报信号。
12.如权利要求2所述的系统,其特征在于,当检测到所述一个或多个信号波形已经达到阈值时,所述一个或多个传感器设备以80MHz对所述全电压周期波形进行采样。
13.如权利要求12所述的系统,其特征在于,识别在所述一个或多个信号波形内的一个或多个瞬变信号包括:
识别所述全电压周期波形的超过阈值的一个或多个样本;以及
存储所识别的一个或多个样本。
14.如权利要求13所述的系统,其特征在于,对于每个所识别的样本,基于所识别的瞬变信号生成一个或多个瞬变特征包括:
确定在所识别的样本中的峰值的计数;
确定在所识别的样本中的所述峰值的上升时间;
确定所识别的样本的脉冲宽度;以及
确定所识别的样本的积分。
15.如权利要求14所述的系统,其特征在于,分析所述瞬变特征以识别一个或多个放电指示包括:当所识别的样本中的峰值的所述计数高于预定阈值时并且当所识别的样本中的所述峰值的所述上升时间高于预定阈值时,将所识别的样本分类为放电指示。
16.如权利要求15所述的系统,其特征在于,当识别出一个或多个放电指示时生成一个或多个警报信号包括:
确定在预定时间量内发生的所识别的放电指示的计数;以及
基于所识别的放电指示的计数来生成警报信号。
17.如权利要求1所述的系统,其特征在于,所述一个或多个传感器设备识别在所述一个或多个信号波形内的一个或多个瞬变信号,并且使用存储在所述传感器设备的存储器模块中的瞬变检测曲线基于所识别的瞬变信号来生成一个或多个瞬变特征。
18.如权利要求17所述的系统,其特征在于,所述服务器计算设备基于从所述传感器设备中的一个或多个传感器设备接收到的瞬变特征来生成经更新的瞬变检测曲线,并且将所述经更新的瞬变检测曲线发送到所述一个或多个传感器设备中的每个传感器设备。
19.如权利要求18所述的系统,其特征在于,所述一个或多个传感器设备应用所述经更新的瞬变检测曲线以识别在所述一个或多个信号波形内的后续瞬变信号并生成所述一个或多个瞬变特征。
20.如权利要求1所述的系统,其特征在于,所述服务器计算设备向远程计算设备发送所述一个或多个警报信号。
21.如权利要求1所述的系统,其特征在于,所述服务器计算设备向所述一个或多个传感器设备中的至少一个传感器设备发送所述一个或多个警报信号。
22.如权利要求21所述的系统,其特征在于,所述一个或多个传感器设备中的所述至少一个传感器设备在接收到所述一个或多个警报信号中的至少一个警报信号时激活视觉指示器。
23.如权利要求22所述的系统,其特征在于,所述视觉指示器是所述一个或多个传感器设备中的所述至少一个传感器设备的发光二极管(LED)部件。
24.如权利要求1所述的系统,其特征在于,所述服务器计算设备使用一个或多个机器学习算法来分析所述瞬变特征以识别一个或多个放电指示。
25.一种检测在电气布线中的电气火灾之前的放电的计算机化方法,所述方法包括:
由耦合到电路的一个或多个传感器设备中的每个传感器设备来检测由所述电路上的电活动生成的一个或多个信号波形;
由所述一个或多个传感器设备中的每个传感器设备来识别在所述一个或多个信号波形内的一个或多个瞬变信号;
由所述一个或多个传感器设备中的每个传感器设备基于所识别的瞬变信号来生成一个或多个瞬变特征;
由通信地耦合到所述一个或多个传感器设备的服务器计算设备来接收来自每个传感器设备的所述一个或多个瞬变特征;
由所述服务器计算设备来分析所述瞬变特征以识别一个或多个放电指示;以及
当识别出一个或多个放电指示时,由所述服务器计算设备来生成一个或多个警报信号。
26.如权利要求25所述的方法,其特征在于,所述一个或多个信号波形包括全电压周期波形。
27.如权利要求26所述的方法,其特征在于,所述一个或多个传感器设备以在10MHz与100MHz之间的范围中的频率对所述全电压周期波形进行采样。
28.如权利要求27所述的方法,其特征在于,识别在所述一个或多个信号波形内的一个或多个瞬变信号包括:
a)将所述全电压周期波形的样本分到多个仓中;
b)确定所述多个仓中的每个仓的平均值和最大值;
c)确定所述平均值与所述最大值之间的差值;
d)针对所述全电压周期波形的多个其他样本中的每一个重复步骤a)至c),以确定在所有所述样本上的针对各个仓的累积的最大值;以及
e)确定在所述多个仓上的每个累积的最大值的导数。
29.如权利要求28所述的方法,其特征在于,基于所识别的瞬变信号生成一个或多个瞬变特征包括:
确定在所述全电压周期波形的电压周期上的平均瞬变振幅;以及
确定在所述电压周期内的多个相位段的平均瞬变振幅。
30.如权利要求29所述的方法,其特征在于,分析所述瞬变特征以识别一个或多个放电指示包括:
确定在最大电压附近的所述相位段中的一个或多个相位段中的平均峰值瞬变与在所述电压周期的过零点附近的平均峰值瞬变的比率;以及
当所述比率高于预定阈值时,将在最大电压附近的所述相位段中的一个或多个相位段中的平均峰值瞬变识别为放电指示。
31.如权利要求30所述的方法,其特征在于,当识别出一个或多个放电指示时生成一个或多个警报信号包括:
确定在预定时间量内发生的所识别的放电指示的计数;以及
基于所识别的放电指示的所述计数来生成警报信号。
32.如权利要求27所述的方法,其特征在于,识别在所述一个或多个信号波形内的一个或多个瞬变信号包括:
a)确定在全电压周期上的所述全电压信号波形的所述样本的导数;
b)将所述全电压周期波形的所述样本分到多个仓中;
c)确定所述多个仓中的每个仓的最大值;
d)针对所述全电压周期波形的多个其他样本中的每一个重复步骤a)至c),以确定在所有所述样本上的针对各个仓的累积的最大值;以及
e)确定在所述多个仓上的每个累积的最大值的导数。
33.如权利要求32所述的方法,其特征在于,基于所识别的瞬变信号生成一个或多个瞬变特征包括:
确定在所述全电压周期波形的电压周期上的平均瞬变振幅;以及
确定在所述电压周期内的多个相位段的平均瞬变振幅。
34.如权利要求33所述的方法,其特征在于,分析所述瞬变特征以识别一个或多个放电指示包括:
确定在最大电压附近的所述相位段中的一个或多个相位段中的平均峰值瞬变与在所述电压周期的过零点附近的平均峰值瞬变的比率;以及
当所述比率高于预定阈值时,将在最大电压附近的所述相位段中的一个或多个相位段中的平均峰值瞬变识别为放电指示。
35.如权利要求34所述的方法,其特征在于,当识别出一个或多个放电指示时生成一个或多个警报信号包括:
确定在预定时间量内发生的所识别的放电指示的计数;以及
基于所识别的放电指示的所述计数来生成警报信号。
36.如权利要求26所述的方法,其特征在于,当检测到所述信号波形已经达到阈值时,所述一个或多个传感器设备以80MHz对所述全电压周期波形进行采样。
37.如权利要求36所述的方法,其特征在于,识别在所述一个或多个信号波形内的一个或多个瞬变信号包括:
识别所述全电压周期波形的超过阈值的一个或多个样本;以及
存储所识别的一个或多个样本。
38.如权利要求37所述的方法,其特征在于,对于每个所识别的样本,基于所识别的瞬变信号生成一个或多个瞬变特征包括:
确定在所识别的样本中的峰值的计数;
确定在所识别的样本中的所述峰值的上升时间;
确定所识别的样本的脉冲宽度;以及
确定所识别的样本的积分。
39.如权利要求38所述的方法,其特征在于,分析所述瞬变特征以识别一个或多个放电指示包括:当所识别的样本中的峰值的所述计数高于预定阈值时并且当所识别的样本中的所述峰值的所述上升时间高于预定阈值时,将所识别的样本分类为放电指示。
40.如权利要求39所述的方法,其特征在于,当识别出一个或多个放电指示时生成一个或多个警报信号包括:
确定在预定时间量内发生的所识别的放电指示的计数;以及
基于所识别的放电指示的计数来生成警报信号。
41.如权利要求25所述的方法,其特征在于,所述一个或多个传感器设备识别在所述一个或多个信号波形内的一个或多个瞬变信号,并且使用存储在所述传感器设备的存储器模块中的瞬变检测曲线基于所识别的瞬变信号来生成一个或多个瞬变特征。
42.如权利要求41所述的方法,其特征在于,所述服务器计算设备基于从所述传感器设备中的一个或多个传感器设备接收到的瞬变特征来生成经更新的瞬变检测曲线,并且将所述经更新的瞬变检测曲线发送到所述一个或多个传感器设备中的每个传感器设备。
43.如权利要求42所述的方法,其特征在于,所述一个或多个传感器设备应用所述经更新的瞬变检测曲线以识别在所述一个或多个信号波形内的后续瞬变信号并生成所述一个或多个瞬变特征。
44.如权利要求25所述的方法,其特征在于,所述服务器计算设备向远程计算设备发送所述一个或多个警报信号。
45.如权利要求25所述的方法,其特征在于,所述服务器计算设备向所述一个或多个传感器设备中的至少一个传感器设备发送所述一个或多个警报信号。
46.如权利要求45所述的方法,其特征在于,所述一个或多个传感器设备中的所述至少一个传感器设备在接收到所述一个或多个警报信号中的至少一个警报信号时激活视觉指示器。
47.如权利要求46所述的方法,其特征在于,所述视觉指示器是所述一个或多个传感器设备中的所述至少一个传感器设备的发光二极管(LED)部件。
48.如权利要求25所述的方法,其特征在于,所述服务器计算设备使用一个或多个机器学习算法来分析所述瞬变特征以识别一个或多个放电指示。
49.一种用于检测在电气布线中的电气火灾之前的放电的系统,所述系统包括:
耦合到电路的一个或多个传感器设备,每个传感器设备被配置成检测由所述电路上的电活动生成的一个或多个信号波形;以及
通信地耦合到所述一个或多个传感器设备的服务器计算设备,所述服务器计算设备被配置成:
从每个传感器设备接收所述一个或多个信号波形;
分析所述一个或多个信号波形以识别一个或多个放电指示;以及
当识别出一个或多个放电指示时生成一个或多个警报信号。
50.如权利要求49所述的系统,其特征在于,分析所述一个或多个信号波形以识别一个或多个放电指示包括:
识别在所述一个或多个信号波形内的一个或多个瞬变信号;
基于所识别的瞬变信号生成一个或多个瞬变特征;以及
分析所述一个或多个瞬变特征以识别所述一个或多个放电指示。
51.如权利要求49所述的系统,其特征在于,所述一个或多个信号波形包括全电压周期波形。
52.如权利要求51所述的系统,其特征在于,所述一个或多个传感器设备以在10MHz与100MHz之间的范围中的频率对所述全电压周期波形进行采样。
53.如权利要求52所述的系统,其特征在于,识别在所述一个或多个信号波形内的一个或多个瞬变信号包括:
a)将所述全电压周期波形的样本分到多个仓中;
b)确定所述多个仓中的每个仓的平均值和最大值;
c)确定所述平均值与所述最大值之间的差值;
d)针对所述全电压周期波形的多个其他样本中的每一个重复步骤a)至c),以确定在所有所述样本上的针对各个仓的累积的最大值;以及
e)确定在所述多个仓上的每个累积的最大值的导数。
54.如权利要求53所述的系统,其特征在于,基于所识别的瞬变信号生成一个或多个瞬变特征包括:
确定在所述全电压周期波形的电压周期上的平均瞬变振幅;以及
确定在所述电压周期内的多个相位段的平均瞬变振幅。
55.如权利要求54所述的系统,其特征在于,分析所述瞬变特征以识别一个或多个放电指示包括:
确定在最大电压附近的所述相位段中的一个或多个相位段中的平均峰值瞬变与在所述电压周期的过零点附近的平均峰值瞬变的比率;以及
当所述比率高于预定阈值时,将在最大电压附近的所述相位段中的一个或多个相位段中的平均峰值瞬变识别为放电指示。
56.如权利要求55所述的系统,其特征在于,当识别出一个或多个放电指示时生成一个或多个警报信号包括:
确定在预定时间量内发生的所识别的放电指示的计数;以及
基于所识别的放电指示的所述计数来生成一个或多个警报信号。
57.如权利要求52所述的系统,其特征在于,识别在所述一个或多个信号波形内的一个或多个瞬变信号包括:
a)确定在全电压周期上的所述全电压信号波形的所述样本的导数;
b)将所述全电压周期波形的所述样本分到多个仓中;
c)确定所述多个仓中的每个仓的最大值;
d)针对所述全电压周期波形的多个其他样本中的每一个重复步骤a)至c),以确定在所有所述样本上的针对各个仓的累积的最大值;以及
e)确定在所述多个仓上的每个累积的最大值的导数。
58.如权利要求57所述的系统,其特征在于,基于所识别的瞬变信号生成一个或多个瞬变特征包括:
确定在所述全电压周期波形的电压周期上的平均瞬变振幅;以及
确定在所述电压周期内的多个相位段的平均瞬变振幅。
59.如权利要求58所述的系统,其特征在于,分析所述瞬变特征以识别一个或多个放电指示包括:
确定在最大电压附近的所述相位段中的一个或多个相位段中的平均峰值瞬变与在所述电压周期的过零点附近的平均峰值瞬变的比率;以及
当所述比率高于预定阈值时,将在最大电压附近的所述相位段中的一个或多个相位段中的平均峰值瞬变识别为放电指示。
60.如权利要求59所述的系统,其特征在于,当识别出一个或多个放电指示时生成一个或多个警报信号包括:
确定在预定时间量内发生的所识别的放电指示的计数;以及
基于所识别的放电指示的所述计数来生成一个或多个警报信号。
61.如权利要求51所述的系统,其特征在于,当检测到所述信号波形已经达到阈值时,所述一个或多个传感器设备以80MHz对所述全电压周期波形进行采样。
62.如权利要求61所述的系统,其特征在于,识别在所述一个或多个信号波形内的一个或多个瞬变信号包括:
识别所述全电压周期波形的超过阈值的一个或多个样本;以及
存储所识别的一个或多个样本。
63.如权利要求62所述的系统,其特征在于,对于每个所识别的样本,基于所识别的瞬变信号生成一个或多个瞬变特征包括:
确定在所识别的样本中的峰值的计数;
确定在所识别的样本中的所述峰值的上升时间;
确定所识别的样本的脉冲宽度;以及
确定所识别的样本的积分。
64.如权利要求63所述的系统,其特征在于,分析所述瞬变特征以识别一个或多个放电指示包括:当所识别的样本中的峰值的所述计数高于预定阈值时并且当所识别的样本中的所述峰值的所述上升时间高于预定阈值时,将所识别的样本分类为放电指示。
65.如权利要求64所述的系统,其特征在于,当识别出一个或多个放电指示时生成一个或多个警报信号包括:
确定在预定时间量内发生的所识别的放电指示的计数;以及
基于所识别的放电指示的计数来生成一个或多个警报信号。
66.如权利要求50所述的系统,其特征在于,所述一个或多个传感器设备识别在所述一个或多个信号波形内的一个或多个瞬变信号,并且使用存储在所述传感器设备的存储器模块中的瞬变检测曲线基于所识别的瞬变信号来生成一个或多个瞬变特征。
67.如权利要求66所述的系统,其特征在于,所述服务器计算设备基于从所述传感器设备中的一个或多个传感器设备接收到的瞬变特征来生成经更新的瞬变检测曲线,并且将所述经更新的瞬变检测曲线发送到所述一个或多个传感器设备中的每个传感器设备。
68.如权利要求67所述的系统,其特征在于,所述一个或多个传感器设备应用所述经更新的瞬变检测曲线以识别在所述一个或多个信号波形内的后续瞬变信号并生成所述一个或多个瞬变特征。
69.如权利要求49所述的系统,其特征在于,所述服务器计算设备向远程计算设备发送所述一个或多个警报信号。
70.如权利要求49所述的系统,其特征在于,所述服务器计算设备向所述一个或多个传感器设备中的至少一个传感器设备发送所述一个或多个警报信号。
71.如权利要求70所述的系统,其特征在于,所述一个或多个传感器设备中的所述至少一个传感器设备在接收到所述一个或多个警报信号中的至少一个警报信号时激活视觉指示器。
72.如权利要求71所述的系统,其特征在于,所述视觉指示器是所述一个或多个传感器设备中的所述至少一个传感器设备的发光二极管(LED)部件。
73.如权利要求49所述的系统,其特征在于,所述服务器计算设备使用一个或多个机器学习算法来分析所述一个或多个信号波形以识别一个或多个放电指示。
74.一种用于检测在电气布线中的电气火灾之前的放电的传感器设备,所述传感器设备耦合到电路,所述传感器设备包括:
模块,所述模块感测在所述电路上的电活动并检测所述电活动的一个或多个信号波形;以及
处理器,所述处理器:
分析所述一个或多个信号波形以识别一个或多个放电指示;以及
当识别出一个或多个放电指示时生成一个或多个警报信号。
75.如权利要求74所述的传感器设备,其特征在于,分析所述一个或多个信号波形以识别一个或多个放电指示包括:
识别在所述一个或多个信号波形内的一个或多个瞬变信号;
基于所识别的瞬变信号生成一个或多个瞬变特征;以及
分析所述一个或多个瞬变特征以识别所述一个或多个放电指示。
76.如权利要求74所述的传感器设备,其特征在于,所述一个或多个信号波形包括全电压周期波形。
77.如权利要求76所述的传感器设备,其特征在于,所述传感器设备以在10MHz与100MHz之间的范围中的频率对所述全电压周期波形进行采样。
78.如权利要求75所述的传感器设备,其特征在于,识别在所述一个或多个信号波形内的一个或多个瞬变信号包括:
a)将所述全电压周期波形的样本分到多个仓中;
b)确定所述多个仓中的每个仓的平均值和最大值;
c)确定所述平均值与所述最大值之间的差值;
d)针对所述全电压周期波形的多个其他样本中的每一个重复步骤a)至c),以确定在所有所述样本上的针对各个仓的累积的最大值;以及
e)确定在所述多个仓上的每个累积的最大值的导数。
79.如权利要求78所述的传感器设备,其特征在于,基于所识别的瞬变信号生成一个或多个瞬变特征包括:
确定在所述全电压周期波形的电压周期上的平均瞬变振幅;以及
确定在所述电压周期内的多个相位段的平均瞬变振幅。
80.如权利要求79所述的传感器设备,其特征在于,分析所述瞬变特征以识别一个或多个放电指示包括:
确定在最大电压附近的所述相位段中的一个或多个相位段中的平均峰值瞬变与在所述电压周期的过零点附近的平均峰值瞬变的比率;以及
当所述比率高于预定阈值时,将在最大电压附近的所述相位段中的一个或多个相位段中的平均峰值瞬变识别为放电指示。
81.如权利要求80所述的传感器设备,其特征在于,当识别出一个或多个放电指示时生成一个或多个警报信号包括:
确定在预定时间量内发生的所识别的放电指示的计数;以及
基于所识别的放电指示的所述计数来生成一个或多个警报信号。
82.如权利要求77所述的传感器设备,其特征在于,识别在所述一个或多个信号波形内的一个或多个瞬变信号包括:
a)确定在全电压周期上的所述全电压信号波形的所述样本的导数;
b)将所述全电压周期波形的所述样本分到多个仓中;
c)确定所述多个仓中的每个仓的最大值;
d)针对所述全电压周期波形的多个其他样本中的每一个重复步骤a)至c),以确定在所有所述样本上的针对各个仓的累积的最大值;以及
e)确定在所述多个仓上的每个累积的最大值的导数。
83.如权利要求82所述的传感器设备,其特征在于,基于所识别的瞬变信号生成一个或多个瞬变特征包括:
确定在所述全电压周期波形的电压周期上的平均瞬变振幅;以及
确定在所述电压周期内的多个相位段的平均瞬变振幅。
84.如权利要求83所述的传感器设备,其特征在于,分析所述瞬变特征以识别一个或多个放电指示包括:
确定在最大电压附近的所述相位段中的一个或多个相位段中的平均峰值瞬变与在所述电压周期的过零点附近的平均峰值瞬变的比率;以及
当所述比率高于预定阈值时,将在最大电压附近的所述相位段中的一个或多个相位段中的平均峰值瞬变识别为放电指示。
85.如权利要求84所述的传感器设备,其特征在于,当识别出一个或多个放电指示时生成一个或多个警报信号包括:
确定在预定时间量内发生的所识别的放电指示的计数;以及
基于所识别的放电指示的所述计数来生成一个或多个警报信号。
86.如权利要求76所述的系统,其特征在于,当检测到所述信号波形已经达到阈值时,所述传感器设备以80MHz对所述全电压周期波形进行采样。
87.如权利要求86所述的传感器设备,其特征在于,识别在所述一个或多个信号波形内的一个或多个瞬变信号包括:
识别所述全电压周期波形的超过阈值的一个或多个样本;以及
存储所识别的一个或多个样本。
88.如权利要求87所述的传感器设备,其特征在于,对于每个所识别的样本,基于所识别的瞬变信号生成一个或多个瞬变特征包括:
确定在所识别的样本中的峰值的计数;
确定在所识别的样本中的所述峰值的上升时间;
确定所识别的样本的脉冲宽度;以及
确定所识别的样本的积分。
89.如权利要求88所述的传感器设备,其特征在于,分析所述瞬变特征以识别一个或多个放电指示包括:当所识别的样本中的峰值的所述计数高于预定阈值时并且当所识别的样本中的所述峰值的所述上升时间高于预定阈值时,将所识别的样本分类为放电指示。
90.如权利要求89所述的传感器设备,其特征在于,当识别出一个或多个放电指示时生成一个或多个警报信号包括:
确定在预定时间量内发生的所识别的放电指示的计数;以及
基于所识别的放电指示的计数来生成一个或多个警报信号。
91.如权利要求75所述的传感器设备,其特征在于,所述传感器设备识别在所述一个或多个信号波形内的一个或多个瞬变信号,并且使用存储在所述传感器设备的存储器模块中的瞬变检测曲线基于所识别的瞬变信号来生成一个或多个瞬变特征。
92.如权利要求91所述的传感器设备,其特征在于,所述传感器设备基于由所述传感器设备生成的瞬变特征来生成经更新的瞬变检测曲线。
93.如权利要求92所述的传感器设备,其特征在于,所述传感器设备应用所述经更新的瞬变检测曲线以识别在所述一个或多个信号波形内的后续瞬变信号并生成所述一个或多个瞬变特征。
94.如权利要求74所述的传感器设备,其特征在于,所述传感器设备向远程计算设备发送所述一个或多个警报信号。
95.如权利要求74所述的传感器设备,其特征在于,所述传感器设备在生成所述一个或多个警报信号中的至少一个警报信号时激活视觉指示器。
96.如权利要求95所述的传感器设备,其特征在于,所述视觉指示器是所述传感器设备的发光二极管(LED)部件。
97.一种检测在电气布线中的电气火灾之前的放电的计算机化方法,所述方法包括:
由各自耦合到电路的一个或多个传感器设备来检测由所述电路上的电活动生成的一个或多个信号波形;
由通信地耦合到所述一个或多个传感器设备的服务器计算设备来接收来自每个传感器设备的所述一个或多个信号波形;
由所述服务器计算设备分析所述一个或多个信号波形以识别一个或多个放电指示;以及
当识别出一个或多个放电指示时,由所述服务器计算设备来生成一个或多个警报信号。
98.如权利要求97所述的方法,其特征在于,分析所述一个或多个信号波形以识别一个或多个放电指示包括:
识别在所述一个或多个信号波形内的一个或多个瞬变信号;
基于所识别的瞬变信号生成一个或多个瞬变特征;以及
分析所述一个或多个瞬变特征以识别所述一个或多个放电指示。
99.如权利要求98所述的方法,其特征在于,所述一个或多个信号波形包括全电压周期波形。
100.如权利要求99所述的方法,其特征在于,所述一个或多个传感器设备以在10MHz与100MHz之间的范围中的频率对所述全电压周期波形进行采样。
101.如权利要求100所述的方法,其特征在于,识别在所述一个或多个信号波形内的一个或多个瞬变信号包括:
a)将所述全电压周期波形的样本分到多个仓中;
b)确定所述多个仓中的每个仓的平均值和最大值;
c)确定所述平均值与所述最大值之间的差值;
d)针对所述全电压周期波形的多个其他样本中的每一个重复步骤a)至c),以确定在所有所述样本上的针对各个仓的累积的最大值;以及
e)确定在所述多个仓上的每个累积的最大值的导数。
102.如权利要求101所述的方法,其特征在于,基于所识别的瞬变信号生成一个或多个瞬变特征包括:
确定在所述全电压周期波形的电压周期上的平均瞬变振幅;以及
确定在所述电压周期内的多个相位段的平均瞬变振幅。
103.如权利要求102所述的方法,其特征在于,分析所述瞬变特征以识别一个或多个放电指示包括:
确定在最大电压附近的所述相位段中的一个或多个相位段中的平均峰值瞬变与在所述电压周期的过零点附近的平均峰值瞬变的比率;以及
当所述比率高于预定阈值时,将在最大电压附近的所述相位段中的一个或多个相位段中的平均峰值瞬变识别为放电指示。
104.如权利要求103所述的方法,其特征在于,当识别出一个或多个放电指示时生成一个或多个警报信号包括:
确定在预定时间量内发生的所识别的放电指示的计数;以及
基于所识别的放电指示的所述计数来生成警报信号。
105.如权利要求104所述的方法,其特征在于,识别在所述一个或多个信号波形内的一个或多个瞬变信号包括:
a)确定在全电压周期上的所述全电压信号波形的所述样本的导数;
b)将所述全电压周期波形的所述样本分到多个仓中;
c)确定所述多个仓中的每个仓的最大值;
d)针对所述全电压周期波形的多个其他样本中的每一个重复步骤a)至c),以确定在所有所述样本上的针对各个仓的累积的最大值;以及
e)确定在所述多个仓上的每个累积的最大值的导数。
106.如权利要求105所述的方法,其特征在于,基于所识别的瞬变信号生成一个或多个瞬变特征包括:
确定在所述全电压周期波形的电压周期上的平均瞬变振幅;以及
确定在所述电压周期内的多个相位段的平均瞬变振幅。
107.如权利要求106所述的方法,其特征在于,分析所述瞬变特征以识别一个或多个放电指示包括:
确定在最大电压附近的所述相位段中的一个或多个相位段中的平均峰值瞬变与在所述电压周期的过零点附近的平均峰值瞬变的比率;以及
当所述比率高于预定阈值时,将在最大电压附近的所述相位段中的一个或多个相位段中的平均峰值瞬变识别为放电指示。
108.如权利要求107所述的方法,其特征在于,当识别出一个或多个放电指示时生成一个或多个警报信号包括:
确定在预定时间量内发生的所识别的放电指示的计数;以及
基于所识别的放电指示的所述计数来生成警报信号。
109.如权利要求99所述的方法,其特征在于,当检测到所述信号波形已经达到阈值时,所述一个或多个传感器设备以80MHz对所述全电压周期波形进行采样。
110.如权利要求109所述的方法,其特征在于,识别在所述一个或多个信号波形内的一个或多个瞬变信号包括:
识别所述全电压周期波形的超过阈值的一个或多个样本;以及
存储所识别的一个或多个样本。
111.如权利要求110所述的方法,其特征在于,对于每个所识别的样本,基于所识别的瞬变信号生成一个或多个瞬变特征包括:
确定在所识别的样本中的峰值的计数;
确定在所识别的样本中的所述峰值的上升时间;
确定所识别的样本的脉冲宽度;以及
确定所识别的样本的积分。
112.如权利要求111所述的方法,其特征在于,分析所述瞬变特征以识别一个或多个放电指示包括:当所识别的样本中的峰值的所述计数高于预定阈值时并且当所识别的样本中的所述峰值的所述上升时间高于预定阈值时,将所识别的样本分类为放电指示。
113.如权利要求112所述的方法,其特征在于,当识别出一个或多个放电指示时生成一个或多个警报信号包括:
确定在预定时间量内发生的所识别的放电指示的计数;以及
基于所识别的放电指示的计数来生成警报信号。
114.如权利要求98所述的方法,其特征在于,所述一个或多个传感器设备识别在所述一个或多个信号波形内的一个或多个瞬变信号,并且使用存储在所述传感器设备的存储器模块中的瞬变检测曲线基于所识别的瞬变信号来生成一个或多个瞬变特征。
115.如权利要求114所述的方法,其特征在于,所述服务器计算设备基于从所述传感器设备中的一个或多个传感器设备接收到的瞬变特征来生成经更新的瞬变检测曲线,并且将所述经更新的瞬变检测曲线发送到所述一个或多个传感器设备中的每个传感器设备。
116.如权利要求115所述的方法,其特征在于,所述一个或多个传感器设备应用所述经更新的瞬变检测曲线以识别在所述一个或多个信号波形内的后续瞬变信号并生成所述一个或多个瞬变特征。
117.如权利要求97所述的方法,其特征在于,所述服务器计算设备向远程计算设备发送所述一个或多个警报信号。
118.如权利要求97所述的方法,其特征在于,所述服务器计算设备向所述一个或多个传感器设备中的至少一个传感器设备发送所述一个或多个警报信号。
119.如权利要求118所述的方法,其特征在于,所述一个或多个传感器设备中的所述至少一个传感器设备在接收到所述一个或多个警报信号中的至少一个警报信号时激活视觉指示器。
120.如权利要求119所述的方法,其特征在于,所述视觉指示器是所述一个或多个传感器设备中的所述至少一个传感器设备的发光二极管(LED)部件。
121.如权利要求97所述的方法,其特征在于,所述服务器计算设备使用一个或多个机器学习算法来分析所述一个或多个信号波形以识别一个或多个放电指示。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201862645743P | 2018-03-20 | 2018-03-20 | |
US62/645,743 | 2018-03-20 | ||
PCT/US2019/023215 WO2019183251A1 (en) | 2018-03-20 | 2019-03-20 | Detection of electric discharges that precede fires in electrical wiring |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112513653A true CN112513653A (zh) | 2021-03-16 |
Family
ID=66001383
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201980034175.5A Pending CN112513653A (zh) | 2018-03-20 | 2019-03-20 | 对电气布线中火灾之前的放电的检测 |
Country Status (8)
Country | Link |
---|---|
US (4) | US10641806B2 (zh) |
EP (1) | EP3769096A1 (zh) |
KR (1) | KR20200135428A (zh) |
CN (1) | CN112513653A (zh) |
AU (1) | AU2019240071B2 (zh) |
BR (1) | BR112020018994A2 (zh) |
CA (1) | CA3094177A1 (zh) |
WO (1) | WO2019183251A1 (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020240576A1 (en) * | 2019-05-28 | 2020-12-03 | Jhaveri Tejas Kamlesh | Device and method for detecting faulty electrical circuits with fault identification and alert system |
JP2023518190A (ja) | 2020-03-13 | 2023-04-28 | ウィスカー ラブズ インコーポレイテッド | 停電および電力品質の検出および通知を行う方法およびシステム |
US11190014B1 (en) | 2020-05-14 | 2021-11-30 | GoPlug, LLC | Power line monitor |
CN112014773B (zh) * | 2020-09-04 | 2023-05-02 | 内蒙古电力(集团)有限责任公司呼和浩特供电局 | 一种用于检测小电流接地系统电缆早期故障的方法 |
WO2022187226A1 (en) * | 2021-03-03 | 2022-09-09 | Transient Plasma Systems, Inc. | Apparatus and methods of detecting transient discharge modes and/or closed loop control of pulsed systems employing same |
RU2762125C1 (ru) * | 2021-03-09 | 2021-12-15 | федеральное государственное бюджетное образовательное учреждение высшего образования «Томский государственный университет систем управления и радиоэлектроники» | Устройство неразрушающего контроля неисправностей в электрической сети |
KR102603316B1 (ko) * | 2021-11-10 | 2023-11-16 | 전남대학교산학협력단 | 아크 모델링 방법, 아크를 동반한 단선 결함 검출 방법 및 이를 적용한 장치 |
WO2023121722A1 (en) * | 2021-12-22 | 2023-06-29 | Powell Electrical Systems, Inc. | Enabling equipment to withstand and control the effects of internal arcing faults |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1998035237A2 (en) * | 1997-01-24 | 1998-08-13 | Square D Company | Arcing fault detection system |
US20070052425A1 (en) * | 2005-09-06 | 2007-03-08 | Vladimir Kraz | Electrostatic discharge event and transient signal detection and measurement device and method |
US20070247767A1 (en) * | 2006-04-19 | 2007-10-25 | Bin Zhang | Systems, Devices, and Methods for Temperature Compensation in Arc Fault Detection Systems |
US20070252603A1 (en) * | 2006-04-27 | 2007-11-01 | Carlos Restrepo | Systems, devices, and methods for arc fault detection |
US20080157781A1 (en) * | 2006-12-27 | 2008-07-03 | General Electric Company | Methods and systems for detecting series arcs in electrical systems |
KR20110059683A (ko) * | 2009-11-28 | 2011-06-03 | 한국전기안전공사 | 원격 전기안전 진단 시스템 및 장치 |
US20120330583A1 (en) * | 2010-03-10 | 2012-12-27 | Techimp Technologies S.R.L. | Instrument and method for detecting partial electrical discharges |
US20140067291A1 (en) * | 2012-08-27 | 2014-03-06 | Texas A & M University | Method and System For Detecting Arc Faults and Flashes Using Wavelets |
US20140176117A1 (en) * | 2007-04-03 | 2014-06-26 | Electro Industries/Gauge Tech. | High Speed Digital Transient Waveform Detection System and Method for Use in an Intelligent Electronic Device |
CN104215826A (zh) * | 2014-06-05 | 2014-12-17 | 张天福 | 一种故障电弧式电气火灾监控探测装置和识别故障电弧和报警方法 |
US20160359311A1 (en) * | 2014-02-18 | 2016-12-08 | Ge Aviation Systems Limited | Method for limiting current in a circuit |
KR101717775B1 (ko) * | 2016-10-17 | 2017-03-17 | 이성원 | 지능형 사전 신호분석을 통한 전기화재 분석 및 예측 시스템 |
Family Cites Families (70)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4858054A (en) * | 1985-05-07 | 1989-08-15 | Franklin Frederick F | Protective circuits and devices for the prevention of fires |
ATE131935T1 (de) * | 1989-07-31 | 1996-01-15 | Mitsui Petrochemical Ind | Anordnung zur überwachung der isolationsverschlechterung einer elektrischen installation |
US5729145A (en) * | 1992-07-30 | 1998-03-17 | Siemens Energy & Automation, Inc. | Method and apparatus for detecting arcing in AC power systems by monitoring high frequency noise |
US5434509A (en) * | 1992-07-30 | 1995-07-18 | Blades; Frederick K. | Method and apparatus for detecting arcing in alternating-current power systems by monitoring high-frequency noise |
US5659453A (en) * | 1993-10-15 | 1997-08-19 | Texas A&M University | Arc burst pattern analysis fault detection system |
US5600526A (en) * | 1993-10-15 | 1997-02-04 | The Texas A & M University System | Load analysis system for fault detection |
US5608328A (en) * | 1994-11-18 | 1997-03-04 | Radar Engineers | Method and apparatus for pin-pointing faults in electric power lines |
US6313641B1 (en) * | 1995-03-13 | 2001-11-06 | Square D Company | Method and system for detecting arcing faults and testing such system |
US6362629B1 (en) * | 1997-08-14 | 2002-03-26 | Hendry Mechanical Works | Electric arc monitoring systems |
US6798211B1 (en) * | 1997-10-30 | 2004-09-28 | Remote Monitoring Systems, Inc. | Power line fault detector and analyzer |
US6002561A (en) * | 1998-01-14 | 1999-12-14 | General Electric Company | Arcing fault detection module |
US6772077B1 (en) * | 1998-08-10 | 2004-08-03 | Hendry Mechanical Works | Electric arc monitoring systems |
US5946180A (en) * | 1998-08-26 | 1999-08-31 | Ofi Inc. | Electrical connection safety apparatus and method |
DE19848636C2 (de) * | 1998-10-22 | 2001-07-26 | Fraunhofer Ges Forschung | Verfahren zur Überwachung einer Wechselspannungs-Entladung an einer Doppelelektrode |
IL135120A0 (en) * | 2000-03-16 | 2001-05-20 | Sapir Michael | Apparatus for the detection and early warning of electrical arcing fault |
US6504692B1 (en) * | 2000-04-06 | 2003-01-07 | Pass & Seymour, Inc. | AFCI device which detects upstream and downstream series and parallel ARC faults |
CA2414273C (en) * | 2000-06-26 | 2012-04-10 | Premier Aviation, Inc. | Method and apparatus for detecting electrical faults and isolating power source from the electrical faults |
US6654219B1 (en) * | 2000-12-11 | 2003-11-25 | Pass & Seymour, Inc. | Arc fault detector with diagnostic indicator |
US6573727B2 (en) * | 2001-01-25 | 2003-06-03 | General Electric Company | Method and apparatus for evaluation of insulation in variable speed motors |
US7177125B2 (en) * | 2003-02-12 | 2007-02-13 | Honeywell International Inc. | Arc fault detection for SSPC based electrical power distribution systems |
US7187181B2 (en) * | 2003-04-11 | 2007-03-06 | Telect, Inc. | Arc detection method utilizing a dynamic processing module |
CN100480713C (zh) * | 2003-10-22 | 2009-04-22 | 株式会社藤仓 | 绝缘劣化诊断装置 |
US7307820B2 (en) * | 2004-06-21 | 2007-12-11 | Siemens Energy & Automation, Inc. | Systems, methods, and device for arc fault detection |
GB0504600D0 (en) * | 2005-03-04 | 2005-04-13 | Univ Strathclyde | Detecting partial discharge in high voltage cables |
GB0517994D0 (en) * | 2005-09-05 | 2005-10-12 | Univ Glasgow | High voltage insulation monitoring sensor |
JP4895161B2 (ja) | 2005-10-31 | 2012-03-14 | 横河電機株式会社 | ピーク検出回路および放射線測定装置 |
US7400481B2 (en) * | 2005-12-29 | 2008-07-15 | Sensata Technologies, Inc. | Low cost arc fault detection technique |
US7452403B2 (en) * | 2005-12-29 | 2008-11-18 | General Electric Company | System and method for applying partial discharge analysis for electrostatic precipitator |
US7598751B2 (en) | 2006-08-14 | 2009-10-06 | Clemson University Research Foundation | Impedance-based arc fault determination device (IADD) and method |
US20080068027A1 (en) * | 2006-09-20 | 2008-03-20 | L-3 Communications Corporation | Power line surge arrestor monitoring system |
CN101277778B (zh) * | 2006-10-20 | 2010-06-16 | 三菱电机株式会社 | 放电加工机的电源控制装置 |
US7489138B2 (en) | 2006-11-30 | 2009-02-10 | Honeywell International Inc. | Differential arc fault detection |
US7865321B2 (en) * | 2007-10-01 | 2011-01-04 | The Texas A&M University System | Arcing event detection |
US7676333B2 (en) * | 2007-11-06 | 2010-03-09 | General Electric Company | Method and apparatus for analyzing partial discharges in electrical devices |
US20090265041A1 (en) * | 2008-04-18 | 2009-10-22 | Benjamin Daniel E | Power Distribution and Monitoring System |
GB2463689B (en) | 2008-09-22 | 2010-11-24 | Ge Aviat Systems Ltd | Arc fault location detection for aircraft wiring |
KR101051099B1 (ko) * | 2008-09-30 | 2011-07-21 | 한국전력공사 | 고전압 전력 기기의 극 초단파 부분 방전 및 방전위치 측정장치 |
US8022711B2 (en) * | 2008-12-17 | 2011-09-20 | Hamilton Sundstrand Corporation | Wire fault locating in distributed power systems |
US8004287B2 (en) * | 2009-02-27 | 2011-08-23 | Honeywell International Inc. | Method of detecting the wet arc fault in the AC power distribution applications |
JP2010262388A (ja) | 2009-04-30 | 2010-11-18 | Shoei Denshi Kogyo Kk | 作業端末、管理システムおよびプログラム |
US10141736B2 (en) * | 2009-06-26 | 2018-11-27 | Abb Research Ltd. | Method for identifying type of fault on power line |
US9031799B2 (en) * | 2009-09-15 | 2015-05-12 | Korea Electrical Safety Corporation | Remote electrical safety diagnosis system and apparatus |
JP2011215067A (ja) * | 2010-04-01 | 2011-10-27 | Hitachi Ltd | 絶縁診断方法、絶縁診断システムおよび回転電機 |
KR101046141B1 (ko) * | 2010-04-02 | 2011-07-01 | 박상구 | 아크 감지 천 |
US8421473B2 (en) | 2010-05-10 | 2013-04-16 | Eaton Corporation | Apparatus and method to detect a series arc fault of an electrical circuit |
CA2821795C (en) * | 2010-12-30 | 2020-07-07 | Prysmian S.P.A. | Locating of partial-discharge-generating faults |
US8599523B1 (en) | 2011-07-29 | 2013-12-03 | Leviton Manufacturing Company, Inc. | Arc fault circuit interrupter |
NO344206B1 (no) * | 2011-08-31 | 2019-10-14 | Heimdall Power As | Sensorsystem for overvåkning av temperaturbelastninger på elektriske forsyningsanlegg |
GB201116088D0 (en) * | 2011-09-16 | 2011-11-02 | High Voltage Partial Discharge Ltd | Method and apparatus for measuring partial discharge |
GB201120295D0 (en) * | 2011-11-24 | 2012-01-04 | Metroic Ltd | Current measurement apparatus |
US9276396B2 (en) * | 2012-02-17 | 2016-03-01 | General Electric Company | Power transmission fault analysis system and related method |
US9945894B2 (en) * | 2012-02-29 | 2018-04-17 | Innovative Scientific Solutions, Inc. | Arc fault detection |
US10243343B2 (en) * | 2013-03-14 | 2019-03-26 | Hubbell Incorporated | Systems and methods for detecting and identifying arcing based on numerical analysis |
CN105122072B (zh) * | 2013-04-22 | 2018-06-22 | 三菱电机株式会社 | 电力设备的部分放电检测方法以及部分放电检测装置 |
JP2014241062A (ja) | 2013-06-12 | 2014-12-25 | 住友電気工業株式会社 | 処理装置、及び監視システム |
EP3072198B1 (en) | 2013-11-22 | 2022-09-07 | GE Aviation Systems Limited | Method for detecting electrical faults in a circuit |
CN104678254B (zh) * | 2013-12-02 | 2018-08-21 | 益而益(集团)有限公司 | 电弧故障检测电路 |
MX2016012678A (es) * | 2014-03-31 | 2017-01-11 | Hubbell Inc | Sistemas y metodos para detectar e identificar la formacion de arco con base en analisis numerico. |
KR101457881B1 (ko) * | 2014-06-11 | 2014-11-04 | 지투파워 (주) | 초음파 신호에 의한 수배전반의 지능형 아크 및 코로나 방전 진단 시스템 |
KR101535923B1 (ko) * | 2015-01-19 | 2015-07-14 | 보령기전(주) | 전력 케이블 탄화 및 전력기기 접속 방전 상태 감시를 통한 전력 품질 진단 기능을 갖는 수배전반 |
KR101519923B1 (ko) * | 2015-03-03 | 2015-05-21 | 지투파워 (주) | Ae센서를 구비한 수배전반의 부분방전 검출 시스템 |
GB2537113B (en) * | 2015-04-01 | 2018-05-23 | High Voltage Partial Discharge Ltd | Apparatus and method for monitoring partial discharge |
KR101685101B1 (ko) * | 2015-12-03 | 2016-12-09 | 주식회사 대경산전 | 내진 기능을 구비한 전력 제어 설비 모니터링 시스템 및 방법 |
CN205246122U (zh) * | 2015-12-11 | 2016-05-18 | 四川谊田集群科技有限公司 | 水电站变压器云监测系统 |
FR3046232B1 (fr) * | 2015-12-28 | 2018-02-16 | Commissariat A L'energie Atomique Et Aux Energies Alternatives | Procede pour detecter un arc electrique par analyse de sa signature acoustique |
FR3053122B1 (fr) * | 2016-06-27 | 2018-07-27 | Commissariat A L'energie Atomique Et Aux Energies Alternatives | Dispositif de detection d'un arc electrique a partir de sa signature acoustique |
US10804689B2 (en) * | 2016-11-18 | 2020-10-13 | Schweitzer Engineering Laboratories, Inc. | Methods and systems for evaluating arc flash exposure hazard |
KR101925338B1 (ko) * | 2016-12-22 | 2018-12-05 | 엘에스산전 주식회사 | 전력기기 진단 장치 |
KR101824718B1 (ko) | 2017-06-28 | 2018-02-02 | (주)대신피아이씨 | 지능형 통합 사전 전기재해 분석 및 안전 자가진단기능이 내장된 원격 자동제어감시반 |
US11604218B2 (en) * | 2018-09-10 | 2023-03-14 | 3M Innovative Properties Company | Electrical power cable monitoring device including partial discharge sensor |
-
2019
- 2019-03-20 US US16/359,755 patent/US10641806B2/en active Active
- 2019-03-20 CA CA3094177A patent/CA3094177A1/en active Pending
- 2019-03-20 WO PCT/US2019/023215 patent/WO2019183251A1/en unknown
- 2019-03-20 EP EP19715347.1A patent/EP3769096A1/en active Pending
- 2019-03-20 AU AU2019240071A patent/AU2019240071B2/en active Active
- 2019-03-20 BR BR112020018994-4A patent/BR112020018994A2/pt unknown
- 2019-03-20 CN CN201980034175.5A patent/CN112513653A/zh active Pending
- 2019-03-20 KR KR1020207030010A patent/KR20200135428A/ko not_active Application Discontinuation
-
2020
- 2020-03-06 US US16/811,756 patent/US11249125B2/en active Active
-
2022
- 2022-02-14 US US17/670,691 patent/US11754607B2/en active Active
-
2023
- 2023-08-29 US US18/239,512 patent/US20240003950A1/en active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1998035237A2 (en) * | 1997-01-24 | 1998-08-13 | Square D Company | Arcing fault detection system |
US20070052425A1 (en) * | 2005-09-06 | 2007-03-08 | Vladimir Kraz | Electrostatic discharge event and transient signal detection and measurement device and method |
US20070247767A1 (en) * | 2006-04-19 | 2007-10-25 | Bin Zhang | Systems, Devices, and Methods for Temperature Compensation in Arc Fault Detection Systems |
US20070252603A1 (en) * | 2006-04-27 | 2007-11-01 | Carlos Restrepo | Systems, devices, and methods for arc fault detection |
US20080157781A1 (en) * | 2006-12-27 | 2008-07-03 | General Electric Company | Methods and systems for detecting series arcs in electrical systems |
US20140176117A1 (en) * | 2007-04-03 | 2014-06-26 | Electro Industries/Gauge Tech. | High Speed Digital Transient Waveform Detection System and Method for Use in an Intelligent Electronic Device |
KR20110059683A (ko) * | 2009-11-28 | 2011-06-03 | 한국전기안전공사 | 원격 전기안전 진단 시스템 및 장치 |
US20120330583A1 (en) * | 2010-03-10 | 2012-12-27 | Techimp Technologies S.R.L. | Instrument and method for detecting partial electrical discharges |
US20140067291A1 (en) * | 2012-08-27 | 2014-03-06 | Texas A & M University | Method and System For Detecting Arc Faults and Flashes Using Wavelets |
US20160359311A1 (en) * | 2014-02-18 | 2016-12-08 | Ge Aviation Systems Limited | Method for limiting current in a circuit |
CN104215826A (zh) * | 2014-06-05 | 2014-12-17 | 张天福 | 一种故障电弧式电气火灾监控探测装置和识别故障电弧和报警方法 |
KR101717775B1 (ko) * | 2016-10-17 | 2017-03-17 | 이성원 | 지능형 사전 신호분석을 통한 전기화재 분석 및 예측 시스템 |
Non-Patent Citations (1)
Title |
---|
孙鹏 等: "采用小波熵的串联型故障电弧检测方法", 中国电机工程学报, vol. 30, pages 232 - 236 * |
Also Published As
Publication number | Publication date |
---|---|
AU2019240071A1 (en) | 2020-11-12 |
EP3769096A1 (en) | 2021-01-27 |
US11754607B2 (en) | 2023-09-12 |
US20200209295A1 (en) | 2020-07-02 |
US20190293701A1 (en) | 2019-09-26 |
BR112020018994A2 (pt) | 2020-12-29 |
CA3094177A1 (en) | 2019-09-26 |
WO2019183251A1 (en) | 2019-09-26 |
US11249125B2 (en) | 2022-02-15 |
JP2021518624A (ja) | 2021-08-02 |
US10641806B2 (en) | 2020-05-05 |
US20240003950A1 (en) | 2024-01-04 |
US20220163578A1 (en) | 2022-05-26 |
AU2019240071B2 (en) | 2024-05-30 |
KR20200135428A (ko) | 2020-12-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11249125B2 (en) | Detection of electric discharges that precede fires in electrical wiring | |
JP5718376B2 (ja) | 電力線上でのノイズおよび過電流の評価 | |
CN110007197B (zh) | 串联电弧故障检测系统及检测方法 | |
Lezama et al. | An embedded system for AC series arc detection by inter-period correlations of current | |
Zhang et al. | A novel wavelet transform technique for on-line partial discharge measurements. 2. On-site noise rejection application | |
CN103140766B (zh) | 用于通过部分放电分析监视电力传输系统的装置和方法 | |
US10038401B2 (en) | Systems and methods for fault detection | |
CN103743968A (zh) | 金属氧化物避雷器多重雷电流耐受试验方法 | |
US20130179099A1 (en) | System and method for assessing faulty power-line insulator strings | |
CN101819244A (zh) | 交联聚乙烯电力电缆故障的在线预警方法 | |
Granado et al. | Time domain analysis of partial discharges envelope in medium voltage XLPE cables | |
KR102166324B1 (ko) | 태양광 발전장치의 주파수 분석에 의한 아크 검출 방법 및 이를 포함하는 태양광 발전 시스템 | |
CN210323335U (zh) | 一种特高频局放检测仪抗电磁干扰性能的评估装置 | |
KR101308003B1 (ko) | 웨이블릿 기반 아크 판별방법 | |
CN103713244A (zh) | 一种用于配电电缆局部放电的带电检测装置及方法 | |
JP7502260B2 (ja) | 電気配線における火災に先行する放電の検出 | |
CN104049185A (zh) | 一种便携式局部放电检测系统及方法 | |
US10261120B1 (en) | Arc plasma-generating systems and methods thereof | |
Henriques et al. | Proposal of fault prediction system for underground installations | |
Heckman et al. | Ting: A device to alert homeowners of scintillations which precede electrical fires | |
Sidhu et al. | Detection and classification of incipient faults in underground cables in distribution systems | |
CN201681137U (zh) | 交联聚乙烯电力电缆故障的在线预警装置 | |
Shen et al. | Development of online monitoring system for 1500 V ethylene–propylene–rubber DC feeder cable of Shanghai urban rail transit | |
CN205015445U (zh) | 一种局部放电自动测试装置 | |
CN203849366U (zh) | 一种便携式局部放电检测装置 |
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 |