【《交流电弧故障检测方法研究的国内外文献综述》5000字】

交流电弧故障检测方法研究的国内外文献综述1.1检测方法研究现状现有的交流电弧故障检测方法的研究主要基于电弧模型仿真和实验室模拟实验。电弧模型仿真研究需要使用MATLAB、COMSOL、ANSYS等仿真软件建立电弧故障模型，模拟现场实际发生的电弧故障。实验室模拟实验需要搭建电弧故障实验平台，通过电弧故障产生的物理效应如弧声、弧光、电磁辐射等来检测电弧故障，或者对回路电流或电压信号进行时域分析、频域、时频域和其他特性分析，判断回路中是否发生电弧故障。目前基于神经网络、模糊逻辑推理、稀疏表示等智能化电弧故障检测算法等也是一个新的研究方向。建立电弧故障仿真模型进行检测针对某些现场如煤矿井下存在易燃易爆物质，不宜在现场开展电弧故障实验的情况，建立电弧故障仿真模型对于电弧故障的研究具有重要意义。电弧仿真模型描述了电弧参数间的本质关系。根据能量守恒定律和弧柱等离子体特性等理论可以建立描述电弧宏观特性的仿真模型，如Cassie模型、Mayr模型、Schavemake模型、KEMA电弧模型等[6-7]，也可以建立描述电弧内部特性的磁流体动力学模型[10]。方艳东等[8]改进了Mayr模型，将电流在零休时间的电弧模型等效为电阻、电感和电容串联的时变阻抗，并且由MATLAB/Simulink软件构建了仿真模型，验证了模型的可行性。王莉等[9]基于简化的Schavemaker模型，通过实验数据计算模型参数得到了神经网络训练样本，构建了模型参数与不同工作条件之间的神经网络。Ogawa等[11]通过改进Cassie模型和Mayr模型建立了评估塑壳断路器直流分段能力的电弧仿真模型。Ohtaka等[12]建立了TPKEMA电弧模型，并通过高压断路器短路故障中断的实验验证了该模型的有效性。Khakpour等[13]将电弧直径作为电流的函数，得到了改进的电弧模型，提高了电弧电压的仿真效果。刘艳丽等[14]考虑环境湿度对Mayr电弧模型参数的影响，建立了不同电路和环境湿度条件下的Mayr-Schwarz电弧数学模型。刘艳丽等[15]在Mayr-Schwarz电弧数学模型的基础上，建立了矿井供电系统串联型电弧仿真模型，并通过实验结果对仿真模型的性能进行了评估。曲娜等[16]通过Cassie模型对串联电弧故障进行模拟，得到了线性负载和非线性负载的时域电流波形。电弧具有复杂性和随机性，在建立电弧故障仿真模型时需要设置边界条件或引入部分假设，因此无法真实的模拟电弧故障的所有特性。目前通过建立电弧故障仿真模型进行电弧故障检测的研究进展缓慢。通过研究电弧故障仿真模型有利于进一步阐述电弧的本质特征和产生机制，有利于电弧故障断路器的研发。通过物理特性进行电弧故障检测电弧故障在形成时伴随着的弧光、电磁辐射等特征信息，可以作为故障诊断的依据。Vasile等[17]根据电弧故障发生时的电磁波和声波的双峰性进行故障检测和定位。Zhao等[18]将铜和铝作为导体，在发生电弧故障时，铜原子和铝原子会受到弧光的激发而发出独特波长的光谱。利用光谱仪检测铜和铝的光谱，可以检测电弧是否发生。李奎等[19-20]提出一种基于电弧电磁辐射信号的电弧故障识别方法，通过提取电弧故障时域信号的模极大值，得到了电弧故障的电磁辐射信号特征值，并根据该特征值进行电弧故障的识别。鲍光海等[21]通过剩余电流互感器耦合电磁辐射采集信号，利用采集的电弧故障信号的小波细节分量d1标准差和模极大值进行电弧故障识别。此类电弧故障检测方法需要使用传感器采集电弧故障发生时产生的弧光、电磁辐射等物理量，而传感器受安装位置和安装数量的限制，仅适用于开关柜等空间有限的区域。基于电压、电流信号进行电弧故障检测由于回路电流和电压信号容易获取，对上述信号进行分析是目前电弧故障检测方法的一个研究热点。通过对电流或电压信号进行时域、频域、时频域或者其他特性（如混沌特征和数学形态学特征等）进行分析来提取电弧故障特征，也可以通过智能算法自动提取电弧故障特征。通过确定一组合适的检测指标[22-26]，或通过支持向量机[27-29]、神经网络[30-32]、稀疏表示[33]和模糊控制[34]等分类器建立电弧故障识别模型来检测电弧故障。家庭供配电系统，单相电机回路中电弧故障检测：（a）对电流或者电压信号进行时域、频域、时频域分析：Antonio等[22]研究了吸尘器和手电钻负载线路中发生的电弧故障，采用线性调频zeta变换的高分辨率低频谱分析，并提取一组低频特征指标检测电弧故障。Lu等[23]研究了吸尘器、空调、手电钻负载线路中发生的电弧故障，采用电流的小波系数构造特征矩阵，将特征矩阵奇异值向量的平均值、方均根值和标准差作为故障特征量。Bao等[24]研究了冲击钻、空气压缩机、吸尘器负载线路中发生的电弧故障，将高频电流耦合信号的峭度值作为故障特征。赵怀军等[25]研究了角磨机和吸尘器负载线路中发生的电弧故障，采用模糊逻辑器将两个电流周期的零休时间系数和归一化绝对值最大互相关系数融合处理，得到电弧故障综合特征识别系数，通过设立阈值识别电弧故障。张冠英等[26]研究了空调、电吹风负载线路中发生的电弧故障，采用电流相邻周期相减的幅值作为故障特征，并通过设立阈值识别电弧故障。曲娜等[27]研究了电钻负载线路中发生的电弧故障，将电流均值、极差、方差、平均差以及十个频域特征作为故障特征，通过粒子群优化支持向量机建立电弧故障识别模型。Jiang等[28]研究了电风扇负载线路中发生的电弧故障，将回路电流的最大滑差、零电流周期、最大欧几里得距离和九个频域特征作为故障特征，并通过主成分分析算法降维和支持向量机进行电弧故障识别。高洪鑫等[29]研究了电钻、角磨机和吹风机负载线路中发生的电弧故障，通过变分模态分解和Wigner–Ville分布提取电弧故障的时域和时频特征，通过粒子群和网格搜索算法优化支持向量机建立电弧故障识别模型。Abdulrachman等[30]研究了电吹风线路中发生的电弧故障，采用快速傅里叶变换分析了电流的谐波频谱特性，建立了前馈-反向传播神经网络用于识别电弧故障。穆海宝等[31]研究了电风扇、电吹风线路中发生的电弧故障，将Fourier系数、Mel频率倒谱数据和小波特征作为电弧故障特征，并优化了深层神经网络。苏晶晶等[32]研究了吸尘器线路中发生的电弧故障，利用经验模态分解算法对电弧电流进行分解，将波形指标、峰值指标、峭度指标、脉冲指标和裕度指标作为故障特征，并通过概率神经网络识别电弧故障。曲娜等[33]研究了直流电机和交流电机负载线路中发生的电弧故障，通过计算电流的幅值谱和改进了传统的基于LP范数正则化的稀疏表示算法进行电弧故障识别。Schweitzer等[34]研究了电风扇、手电钻和吸尘器负载线路中发生的电弧故障，通过卡尔曼滤波器计算电流的两个状态变量，由决策块计算实际电流值与估计值的残差以及状态变量的三阶差分作为故障特征，通过模糊逻辑控制器识别电弧故障。郭凤仪等[35]研究了电钻、角磨机和吹风机负载线路中发生的电弧故障，采用分数阶傅里叶变换对电流信号进行处理，并通过用局部二值模式直方图相关系数最大值匹配的方法实现串联电弧故障的检测及选线。（b）对电流或者电压信号进行混沌特性分析：许志红等[36]研究了手电钻、吸尘器、空气压缩机负载线路中发生的电弧故障，对电弧电流的混沌分形特性进行分析，将盒维数、关联维数、最大Lyapunov指数作为故障特征，通过概率神经网络识别电弧故障。杨凯等[37]研究了手电钻、吸尘器、空调和空压机负载线路中发生的电弧故障，将电流的盒维数和关联维数作为故障特征，通过最小二乘支持向量机识别电弧故障。马少华等[38]研究了电风扇、电吹风负载线路中发生的电弧故障，对电流信号进行了相空间重构，将电流的相平面图信息维数和零休时间作为故障特征，通过非线性支持向量机进行电弧故障识别。（c）通过智能算法识别电弧故障：林靖怡等[39]研究了空压机、电容启动电动机、吸尘器、电钻负载线路中发生的电弧故障，采用自组织特征映射网络自主提取故障特征。张认成等[40]研究了吸尘器负载线路中发生的电弧故障，通过多层卷积神经网络自主识别电弧故障。褚若波等[41]研究了吸尘器负载线路中发生的电弧故障，将回路电流信号转化为图像矩阵，通过长短时记忆网络识别电弧故障。胡恩瑞[42]研究了吸尘器、空压机和电钻负载线路中发生的电弧故障，由经过优化的卷积神经网络自动提取故障特征，并识别电弧故障。工业供配电系统，三相电机回路中电弧故障检测：郭凤仪等[43]研究了三相电机和变频器负载线路中发生的电弧故障，对电流信号进行S变换和奇异值分解，对奇异值组成的特征向量进行主元成分分析降维，并通过遗传算法优化支持向量机识别电弧故障。邓勇等[44]研究了三相电机和变频器负载线路中发生的电弧故障。根据频段能量分布将电流信号转化为灰度图像，通过灰度-梯度共生矩阵提取电弧故障特征。通过粒子群优化支持向量机建立电弧故障识别模型。李坤等[45]研究了三相电机负载线路中发生的电弧故障。对电流信号进行小波分析，将各层电流细节信号的近似熵作为故障特征，通过粒子群优化支持向量机识别电弧故障。李文初等[46]研究了三相电机和变频器负载线路中发生的电弧故障。通过递归神经网络对实验电流信号进行处理，可以自主提取故障特征。分别对家庭和工业供配电系统中，电机负载回路中的电弧故障检测方法进行了总结。文献[22-42]应用于电源谐波和负载噪声干扰较小的家庭场合，文献[43-46]应用于电源谐波和负载噪声干扰较大的工业场合。但是上述文献均没有考虑电源谐波对电弧故障识别的影响，所提方法在电源谐波和负载噪声的干扰下是否适用需要进一步进行验证。因此，需要研究新的电弧故障检测方法，检测工业现场发生在复杂谐波条件下的电弧故障。1.2检测产品研究现状国内外对电弧故障保护电器的研发和产品性能的检测发布了一系列标准。美国对电弧故障检测方法和产品的研究较早，并首次提出研发电弧故障断路器(ArcFaultCircuitInterrupter,AFCI)预防电弧故障火灾。电弧故障断路器是一种用于检测电弧故障并可以及时驱动使电流断开的保护装置。美国在1998年发布了UL1699标准对AFCI的性能检测进行了规范，国际电工委员会（IEC）在2013年也发布了IEC62606：Generalrequirementforarcfaultdetectiondevices（AFDD）国际标准。国内于2014年发布了GB/T31143—2014《电弧故障保护电器(AFDD)的一般要求》，此标准适用于住宅、商场等类似用途的电弧故障保护电器。美国按照UL1699标准生产AFCI的主要厂家有Eaton、GE、Siemens、SquareD、德州仪器等[47]。上述公司生产的AFCI仅适用于北美120V的配电系统，并且售价较高。国内对电弧故障的理论研究和保护装置研究起步较晚。国内高校如西安交通大学、浙江大学、上海交通大学和沈阳工业大学等也在积极研发电弧故障断路器样机。杨欣怡[48]将3、5、7、9次谐波幅值、电流平均值、电流上升速率、电流有效值、零休时间和过零率作为故障特征。经过PCA算法对故障特征进行降维，由对偶传播神经网络理论，建立电弧故障识别模型，进行电弧故障检测。将上述检测算法进行编程，写入以TMS320F2812型DSP为核心的硬件电路，对家庭线路中发生的串联电弧故障进行了检测。杨璐[49]对电流信号进行处理，将半波电流能量值作为时域特征，使用db3小波进行5层分解，将d5层的能量值作为频域特征。通过设立阈值识别电弧故障。将上述算法写入以STM32F405ARM芯片为核心的硬件电路，对家庭线路中发生的电弧故障进行了测试。曹红伟[50]通过小波包算法对电流信号进行预处理，使用经验模态分解算法将信号分解为若干个固有模态分量，计算前四个分解分量的能量熵作为故障特征向量。通过最小二乘支持向量机对特征向量进行分类，识别电弧故障。设计了以STM32为核心的硬件电路，将上述算法进行编程并写入其中，并使用家用常用负载对电弧故障断路器的性能进行了响应时间和误报警的测试。佟为明[51]对电流信号进行db4小波分析，将小波高频分量的周期方差值作为故障特征，通过设立阈值判断电弧故障是否发生，并基于STM32单片机制成了电弧故障检测样机。卢其威[52]等人通过电流信号的平肩时间、脉冲个数与随机性参数检测电弧故障，并研制了以TMS320F28035为核心的电弧故障断路器样机。上述理论研究促进了AFDD的发展，而且部分产品已经投入市场量产。图1.5（a）为宁波习羽电子发展有限公司生产的AFD-XY32i型电弧故障探测器，图1.5（b）为巨邦电气有限公司生产的GTF-A型电弧故障探测器。两种产品根据国标GB14287.4-2014研制而成，电气参数见表1.1。电弧故障探测器可以对电弧故障进行实时有效的检测，并及时发出声、光报警和切断线路，报警信息可以通过RS485总线或CAN通讯传输到监控系统。国内部分公司研制的AFDD在应用过程中存在误动作或不动作现象[53]，但是随着AFDD实施标准的完善和电弧故障理论的研究，AFDD的性能也在不断提升，AFDD具有着良好的市场前景和经济效益。（a）AFD-XY32i型（b）GTF-A型图1.5电