基于小波变换和时域混合特征的交流故障电弧检测方法
【专利摘要】本发明涉及一种基于小波变换和时域混合特征的交流故障电弧检测方法，包括以下步骤：1)系统初始化；2)微处理器以设定的采样间隔，实时采集信号采集电路的输出电流信号；3)微处理器判断采集的次数是否到达设定阈值，若为是，执行步骤4)，否则返回步骤2)；4)微处理器对采样得到的一个周期的电流信号进行归一化处理，分别对电流信号进行时域和小波变换特征值计算，将时域特征值和小波变换特征值作为收敛的BP神经网络的输入；5)通过BP神经网络的输出值来判断是否存在故障电弧。与现有技术相比，本发明具有适用范围广、控制精度高、安全性高、扩展性好等优点。
【专利说明】基于小波变换和时域混合特征的交流故障电弧检测方法
【技术领域】
[0001]本发明涉及一种交流故障电弧检测方法，尤其是涉及一种基于小波变换和时域混合特征的交流故障电弧检测方法。
【背景技术】
[0002]随着社会经济的不断发展，火灾事故的数量也同比不断上升，其中电气火灾占所有火灾事故总数的30.1%。住宅内部的线路，如电气布线、插座线路、家用电器内部线路和电源线等，在长时间带载运行、过载或受外力影响的情况下，会造成电线绝缘层出现老化或者发生绝缘破损，容易造成线路间串并联电弧故障或线路对地短路故障的发生。与短路故障相比，低压故障电弧发生时线路中电流幅值较小，传统的检测装置无法检测出发生故障电弧，因此保护失效。绝缘材料被击穿后形成的导电通路使电弧持续燃炽，燃炽时产生的局部高温极易引燃周围的可燃物而造成火灾，严重威胁人员的生命财产安全。传统检测装置的保护盲区使故障电弧成为引起电气火灾的主要原因，极有必要开发针对低压故障电弧的检测装置。
[0003]美国是最早推广使用故障电弧断路器(AFCI,Arc Fault Circuit Interrupters)的国家，美国保险商试验在1999年经深入研究后形成了 UL1699《电弧故障断路装置安全标准》(Standard for Safety for Arc Fault Circuit Interrupters) ? 该标准将 AFCI 定义为“一种能根据电弧特征在电路中对故障电弧进行检测并在发生故障电弧时及时切断电源的装置”，其规定了各种类型AFCI的性能参数、安全试验测试项目及试验方法等。然而，不同负载下产生故障电弧时的电流差异很大，有些负载(如调光灯负载)正常运行时电流的特征和电阻性负载故障电弧时的电流特征相似，给故障电弧的检测带来了困难。所以其市场上的现有产品只能在某些特定负载情况下使用，没有很好的通用性。而国内对于故障电弧的研究起步相对较晚，目前主要处在理论研究阶段，从电学特性判断故障电弧，已经提出的方法包括电流零休时间长短、电流变化率、电流最大最小值、波形频谱分布等。
【发明内容】
[0004]本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种适用范围广、控制精度高、安全性高、扩展性好的基于小波变换和时域混合特征的交流故障电弧检测方法。
[0005]本发明的目的可以通过以下技术方案来实现:
[0006]一种基于小波变换和时域混合特征的交流故障电弧检测方法，其特征在于，包括以下步骤:
[0007]I)系统初始化；
[0008]2)微处理器以设定的采样间隔，实时采集信号采集电路的输出电流信号；
[0009]3)微处理器判断采集的次数是否到达设定阈值，若为是，执行步骤4)，否则返回步骤2)；
[0010]4)微处理器对采样得到的一个周期的电流信号进行归一化处理，分别对电流信号进行时域和小波变换特征值计算，其中时域特征值为线路电流信号半个周期内平均值和峰值的变化量，小波变换特征值为前两层小波变换细节信号的能量，将时域特征值和小波变换特征值作为收敛的BP神经网络的输入；
[0011]5)通过BP神经网络的输出值来判断是否存在故障电弧。
[0012]所述的对采样得到的一个周期的电流信号进行归一化处理具体为:
【权利要求】
1.一种基于小波变换和时域混合特征的交流故障电弧检测方法，其特征在于，包括以下步骤: 1)系统初始化； 2)微处理器以设定的采样间隔，实时采集信号采集电路的输出电流信号； 3)微处理器判断采集的次数是否到达设定阈值，若为是，执行步骤4)，否则返回步骤2)； 4)微处理器对采样得到的一个周期的电流信号进行归一化处理，分别对电流信号进行时域和小波变换特征值计算，其中时域特征值为线路电流信号半个周期内平均值和峰值的变化量，小波变换特征值为前两层小波变换细节信号的能量，将时域特征值和小波变换特征值作为收敛的BP神经网络的输入； 5)通过BP神经网络的输出值来判断是否存在故障电弧。
2.根据权利要求1所述的一种基于小波变换和时域混合特征的交流故障电弧检测方法，其特征在于，所述的对采样得到的一个周期的电流信号进行归一化处理具体为: 先由模数转换模块采集得到数组ADealeulate,再经归一化处理AD (n) =Normal (ADcalculate)。
3.根据权利要求2所述的一种基于小波变换和时域混合特征的交流故障电弧检测方法，其特征在于，所述的时域特征值计算如下: 先对归一化后的电流信号AD(n)取绝对值得到|AD(n) |，再分别计算其每半个周期的平均值Sn和峰值Mn与上半个周期的平均值Slri和峰值Mn_1;最后做差得到时域特征值Λ M和AS "[m=H
O
4.根据权利要求2所述的一种基于小波变换和时域混合特征的交流故障电弧检测方法，其特征在于，所述的小波变换特征值包括电流信号两层小波变换的细节信号的能量，第一层小波变换的细节信号为Cl1(Ii)，其由归一化后得到的数组AD (η)同小波变换高通滤波器系数计算得到，具体的公式为: 4(?)=Σ?(2?-^^)
k 第一层小波变换的逼近信号为％(11)，其由归一化后得到的数组AD(η)同小波变换低通滤波器系数计算得到，具体的公式为:
a{(n) = ^h(2n - k)AD{k)
k 第二层小波变换的细节信号为d2 (η)，其由第一层小波变换的逼近信号ai(n)同小波变换高通滤波器系数i(?)计算得到，具体的公式为: d2(n)^^g(2n-k)a}(k)
k 最后再计算两层小波变换的细节信号的能量ei和e2;
5.根据权利要求1所述的一种基于小波变换和时域混合特征的交流故障电弧检测方法，其特征在于，所述的收敛的BP神经网络建立如下: 通过实验测得多组多种负载的时域特征和小波变换特征值作为神经网络的学习样本，通过MATLAB软件对BP神经网络进行自适应学习，待神经网络收敛后，将其移至微处理器中。
6.根据权利要求1所述的一种基于小波变换和时域混合特征的交流故障电弧检测方法，其特征在于，所述的通过BP神经网络的输出值来判断是否存在故障电弧具体为: 网络输出为O代表正常状态，输出I代表有故障电弧发生，判断设定时间长度内神经网络输出I的个数是否大于阈值，若为是，发生故障电弧，微处理器通过驱动电路控制脱扣机构断开电路。
7.根据权利要求1所述的一种基于小波变换和时域混合特征的交流故障电弧检测方法，其特征在于，所述的BP神经网络输入层为4个神经元，输出层为I个神经元，中间层神经元的个数根据样本负载类型的多少而变化。
8.根据权利要求1所述的一种基于小波变换和时域混合特征的交流故障电弧检测方法，其特征在于，所述的信号采集电路包括依次连接的电流互感器、电压跟随单元和信号调理单元，所述的信号调理单元与微处理器连 接。
【文档编号】G01R31/02GK103543375SQ201310376133
【公开日】2014年1月29日 申请日期:2013年8月26日 优先权日:2013年8月26日
【发明者】刘鹏, 张峰, 张士文 申请人:上海交通大学