一種多信息融合故障電弧檢測方法及裝置的制造方法
【技術領域】
[0001] 本發明涉及一種多信息融合故障電弧檢測方法及裝置，通過搭建的電弧故障模擬 實驗平臺采集大量實驗數據，借助MATLAB軟件平臺詳細分析了不同負載下的電流波形特 征，利用小波變換Mallat算法快速分解故障電弧電流波形，提取第一層小波變換高頻系數 作為三大判據之一，最后通過HyperbalCMAC神經網絡融合多種特征判據。
【背景技術】
[0002] 隨著社會的發展，人們對居住、辦公以及公共環境的安全性要求越來越高，而頻頻 發生的電氣火災事故給人們的生命和財產安全帶來了極大的安全隱患。由于電路短路、線 路老化、接觸不良、電器產品故障等原因產生的故障電弧而引發的電氣火災事故在電氣火 災事故中占有很大的比例。在建筑物低壓配電系統中，一方面，由于阻抗的限制，當故障電 弧發生時，產生的故障電流小，不足以使過流保護裝置動作，故障電弧持續發生，頻繁的打 火和拉弧，可直接引燃電氣線路或設備鄰近的可燃物，是特別危險的引火源，其起火危險性 遠大于金屬性短路；另一方面，電路中存在于故障電弧波形特征相似的負載，這使得故障電 弧的檢測誤判率$父尚。
[0003] 傳統的基于弧光、弧聲、溫度的故障電弧檢測方法中故障電弧在線路中發生的位 置具有隨機性，這一特點的限制使得基于以上物理現象的檢測方法不適合配電線路中故障 電弧的檢測。現有的故障電弧的檢測可以通過故障電弧的電流波形特征對故障電弧進行辨 識，且單一的電流特征判據來判斷故障電弧不夠準確，一般僅能夠區分電流故障狀態和額 定運行狀態。實際上，開關閉合和某些電器啟動時的電流波形也存在故障電弧發生時的部 分特征，以上方法難以對故障電弧做出快速而準確的判斷。
【發明內容】
[0004] 有鑒于此，本發明公開了一種多信息融合故障電弧檢測方法及裝置，用于改進現 有技術中采用電流特征判據來辨識故障電弧的方式，是對其的繼承和發展。
[0005] 根據本發明一方面，提供了一種多信息融合故障電弧檢測方法，包括：
[0006] 利用實驗平臺采集故障電弧樣本數據；
[0007] 對所采集的電弧故障樣本數據進行特征分析，獲得每個電弧故障樣本數據對應的 特征數據，所述特征數據具體包括電流各周期采樣點均值、電流波形斜率和小波變換高頻 系數三個特征向量；
[0008] 利用所述電弧故障樣本數據對應的特征向量，建立并訓練得到超閉球CMAC神經 網絡；
[0009] 利用所得到的超閉球CMAC神經網絡來檢測電弧故障。
[0010] 根據本發明另一方面，提供了一種多信息融合故障電弧檢測裝置，包括：
[0011] 樣本數據獲取模塊，利用實驗平臺采集故障電弧樣本數據；
[0012] 特征向量獲取模塊，對所采集的電弧故障樣本數據進行特征分析，獲得每個電弧 故障樣本數據對應的特征數據，所述特征數據具體包括電流各周期采樣點均值、電流波形 斜率和小波變換高頻系數三個特征向量；
[0013] 神經網絡訓練模塊，利用所述電弧故障樣本數據對應的特征向量，建立并訓練得 到超閉球CMAC神經網絡；
[0014] 電弧故障檢測模塊，利用所得到的超閉球CMAC神經網絡來檢測電弧故障。
[0015] 本發明通過故障電弧模擬實驗裝置采集大量的故障電弧試驗數據，借助MATLAB 軟件平臺分析大量數據得出能有效辨識故障電弧的三種判據，這三種特征判據分別是電流 各周期采樣點均值、電流波形斜率和小波變換高頻系數。對三種判據結果作相應的處理后 融合，可以起到優勢互補的效果。采用超閉球CMAC神經網絡來達到綜合分析故障電弧特 征，準確區分干擾負載，提高判斷電弧故障準確度的目的。
【附圖說明】
[0016] 圖1是本發明中故障電弧檢測方法的流程示意圖；
[0017] 圖2是本發明中故障電弧模擬試驗平臺的系統框圖；
[0018] 圖3是本發明中電弧發生裝置的實物示意圖；
[0019] 圖4是三種典型負載情況下第一層小波變換高頻系數示意圖：圖4 (a)電熱壺正常 工作時電流波形分析，圖4(b)阻性負載啟動時電流波形分析，圖4(c)計算機正常工作時電 流波形分析；
[0020] 圖5是本發明中超閉球CMAC神經網絡的結構示意圖；
[0021] 圖6是本發明中超閉球CMAC神經網絡模型的結構示意圖；
[0022] 圖7 (a)~（c)是本發明中HCMAC模型學習結果；
[0023] 圖8是本發明中HCMAC輸出與學習數據比較示意圖；
[0024] 圖9是本發明中HCMAC學習誤差不意圖；
[0025] 圖10是本發明中HCMAC泛化能力和HCMAC輸出比較示意圖；
[0026] 圖11是本發明中HCMAC泛化誤差示意圖。
【具體實施方式】
[0027] 為使本發明的目的、技術方案和優點更加清楚明白，以下結合具體實施例，并參照 附圖，對本發明作進一步的詳細說明。
[0028] 本發明公開了一種多信息融合故障電弧檢測方法，如圖1所示，該方法包括：
[0029] 步驟1 :搭建試驗平臺，并利用所搭建的實驗平臺采集故障電弧樣本數據；
[0030] 本發明參照UL1699標準搭建了電弧故障實驗平臺。圖1是實驗平臺結構框圖，整 個實驗平臺包括：實驗電源、開關、電弧發生器、負載插座、互感器和數據采集裝置。電弧發 生器是故障電弧模擬試驗平臺最重要的部分，本發明中的電弧發生器依照UL1699標準自 制。實物如圖2所示，電弧發生器由固定部分和旋轉部分組成：固定部分是兩個長約15CM， 寬約1CM的彈性導電金屬片，金屬片一端固定，并有接線柱，另一端同時與旋轉部件上固定 的導電體接觸；旋轉部分由一個調壓調速直流電機驅動一個絕緣圓盤，圓盤上等間距的固 定著若干導電柱。
[0031] 進行電弧故障實驗時，接通直流電動機電源，旋轉圓盤上的導電柱依次與固定部 件上的金屬片接觸，分離，產生電弧。調節直流電動機的轉速，可調整電弧的發生頻率。
[0032] 數據采集裝置將電流互感器輸出的電流信號轉換成數字信號，上傳到PC機，供分 析研究。為實現對故障電弧電流波形的準確捕捉，本數據采集裝置采用24位的高速A/D轉 換芯片，轉換頻率可達4kHz，轉換結果通過串口直接上傳給PC機。在PC機上經過編程，能 對上傳的電流信號以電流波形的形式實時顯示，并同步保存為數據文件，以便作進一步處 理和分析。
[0033] 步驟2 :對所采集的電弧故障樣本數據進行特征分析，獲得每個電弧故障樣本數 據對應的特征數據，所述特征數據具體包括電流各周期采樣點均值、電流波形斜率和小波 變換高頻系數三個特征向量；
[0034] 通過MATLAB提供的強大數據統計分析功能，包括求解最大最小值、求和、乘積、差 分與積分等，從這些特征著手，分析故障電弧特征，提取出表征故障電弧的特征量。將電流 各周期采樣點均值、電流波形斜率和小波變換高頻系數三個特征量作為三個判據。
[0035] 判據一：即電流各周期采樣點均值。一般負載在正常工作時，電流波形的正負半周 都存在對稱性，各周期電流平均值為零。同時這種特性也是表征負載正常工作的重要依據。 例如，分別從正常負荷、負荷改變以及故障電弧的電流波形中各截取10個完整的周期。電 流采樣頻率為4KHz，則每個周期為80個采樣點，每種波形共計800個采樣值，計算每個周期 電流采樣點的均值。計算公式如下：
[0036]
⑴：
[