基于特征模态分量能量分析的低压交流故障电弧检测方法
【技术领域】
[0001] 本发明涉及一种低压交流串联故障电弧的检测方法，尤其是涉及一种基于特征模 态分量能量分析的低压交流故障电弧检测方法。
【背景技术】
[0002] 建筑电气电路长期带载或过载运行，电气接触不良等会造成线路绝缘破损、老化、 碳化，进而造成电弧隐患，电弧局部电阻增大，产生热量加剧线路恶化，甚至引燃周围物体。
[0003] 国内外现有的低压故障电弧断路器（AFCI)的内置算法多是基于对电路中故障电 弧电流、电压信号的时域、频域特征分析。
[0004] 考察电气量时域特征时，有学者利用卡尔曼滤波器的学习能力，通过比较习得信 号与时域实际信号的差值大小判断电弧是否发生，判断结果准确，但其学习过程耗时，不满 足实时检测要求。另有学者把电流的时域信号特征值作为BP神经网络的输入之一，把时域 法与其他智能算法相结合。还有学者通过比较正常时和故障时每半周期电流峰值或平均值 变化量来做判断，但局限于某些具体负载，缺乏通用性。
[0005] 研究电流信号的频域特征时，有学者提出用快速傅里叶分析法，取电流五次谐波 的幅值大小变化作为电弧发生的判据，但通过实验测量和数据分析，对于电吹风高档、电容 型启动风扇负载该判断方法适用，对于电水壶等阻性负载，五次谐波的幅值大小在正常运 行和故障时区别不大，对于电脑等开关电源型负载，甚至正常时的五次谐波的幅值高于故 障时的，可见该判断方法对不同负载的适用有局限性。有研究人员用离散小波分解的方法， 提取经若干层分解后的电流信号细节，结合神经网络学习方法，用其幅值变化或与横轴围 成的面积大小判断电弧发生，具有一定的负载通用性，但自学习和样本训练过程消耗线下 时间，且不同待测对象需要分别训练学习。一些满足计算机仿真的算法有一定的计算复杂 度而在微处理器中移植受限。有学者把电弧视为一种局部放电现象，用高频电流互感器、射 频线圈提取电弧发生时的高频信号，并分析其所在频段，制作专用频带的天线来检测电弧， 但该方法易受外界空间信号干扰，有一定的误判率。
[0006] 现有的故障电弧判别算法受负载特性影响较大，对线性负载时的故障电弧识别准 确，而对现代电器中应用较多的感性负载、开关电源负载发生电弧故障时识别有困难，缺乏 通用性。
[0007] 希尔伯特黄变换（Hilbert-Huang transform, HHT)包含经验模态分解（Empirical Mode Decomposition, EMD)技术和Hilbert变换技术，处理数据时，先通过EMD将信号分解 为若干个本征模态函数（Intrinsic Mode Functions, IMF)，再经Hilbert变换得到时间序 列的各个頂F的瞬时幅值、瞬时频率和Hilbert谱。通过研究HHT所得的特征与分布来辨 识输入时间序列的参数和特性。HHT广泛应用于工程体系结构参数识别、重大工程（如：高 层建筑、桥梁、道路等）变形监测、振动分析、机械故障诊断、信号谐波分析等诸多领域，能 够准确捕捉线性平稳信号的特征，也适用于分析非线性、非稳态数据，具有识别信号的不同 频率组分功能的同时，所得分量具有较明显的实际物理意义。
【发明内容】
[0008] 本发明的目的就是为了克服上述现有技术存在的某些缺点而提供一种识别度高、 多种类型负载适用的基于特征模态分量能量分析的低压交流故障电弧检测方法。
[0009] 本发明的目的可以通过以下技术方案来实现：
[0010] -种基于特征模态分量能量分析的低压交流故障电弧检测方法，该方法采用经验 模态分解获得采样电流的本征模态函数，再对所述本征模态函数进行后处理得到原始序列 的特征模态分量I 1，经Hilbert变换提取所述特征模态分量^的瞬时幅值分布，并计算特 征模态分量I1的半周期能量，通过所述半周期能量与设定参考阈值的比较，实现对串联故 障电弧半周波的识别。
[0011] 对采样电流进行经验模态分解前包括步骤：对所述采样电流进行归一化和软件降 噪。
[0012] 所述后处理具体为：
[0013] 从本征模态函数中选取物理意义描述故障特征的多个固有模态分量，将其中波形 趋势相似度最高的1~3个相邻分量进行组合，得到特征模态分量1 :。
[0014] 通过所述半周期能量与设定参考阈值的比较，实现对串联故障电弧半周波的识别 具体为：
[0015] 1)初始化电弧故障发生标志位flag = 0 ;
[0016] 2)判断第j个半周期能量6]与设定参考阈值e。的大小关系，若e ,> e。，则执行步 骤3)，若e_j彡e。，则令j = j+1，返回步骤2);
[0017] 3)电弧故障发生标志位flag = 1，记为故障半周波。
[0018] 所述设定参考阈值的计算方法是：
[0019] 提取当前负载下正常运行时电流的特征模态分量，取该特征模态分量的p个半周
期能量，P为选取的半周期的个数。
[0020] 所述选取的半周期的个数p取为5。
[0021] 所述半周期能量e]的计算公式为：
[0023] 其中，N = f/100是半周期信号的采样点数，f为采样电流的采样频率，为特征 模态分量^第i个采样点处的瞬时幅值。
[0024] 当第1个故障半周波与第8个故障半周波之间的时间差A t满足A t彡0. 5s时， 开断负载所在支路。
[0025] 根据上述技术方案，基于特征模态分量能量分析的低压交流故障电弧检测方法的 具体步骤可描述为：
[0026] a)按米样率米集负载所在电路的串联电流；
[0027] b)将采样电流x(t)进行归一化和软件降噪，得到y⑴；
[0028] c)对y (t)进行经验模态分解得到各个本征模态分量頂F，对頂F进行后处理得到 特征模态分量Ii，作为故障特征分析对象；
[0029] d)对特征模态分量I1进行Hilbert变换，得到I i的瞬时幅值分布；
[0030] e)计算特征模态分量I1的半周期能量e ,和半周期能量参考阈值e。；
[0031] f)比较ej与参考阈值e。的大小关系，若e fe。，则令j = j+1，返回步骤化若士 > e。，则故障电弧发生标志位flag = 1，执行步骤g);
[0032] g) flag每置1 一次，故障电弧个数count加1，记录该序列的序列号index，并把 flag 置 0 ;
[0033] h)判断第1个故障半周波与第8个故障半周波之间的时间差At是否不大于 〇.5s，若是，转i)，若否，转a);
[0034] i)开断负载所在支路。
[0035] 与现有技术相比，本发明具有以下优点：
[0036] (1)本发明在进行EMD前对采样电流进行归一化、降噪等处理，减小电弧以外的因 素对电流波形的影响，方便不同负载时的电流数据特征比较，提高对不同负载电流细节特 点的有效识别度，有利于特征模态分量能量分析算法对串联故障电弧的准确识别。
[0037] (2)本发明方法适用实验条件下各类负载的串联故障电弧判断，设置适当的半周 期能量参考阈值，可以实现多种类型负载下的串联故障电弧判断，具有一定的通用性。
[0038] (3)本发明方法对工频电流的半周期进彳丁考察，丨两足UL1699标准对串联故障电弧 半周波个数的计数要求，可以识别电弧发生初期，非连续状态的故障电弧，算法的逻辑复杂 度小，不必区分前半周波和后半周波。
[0039] (4)本发明方法便于嵌入式系统的数据计算和高效传输，不需离线自学习或样本 训练过程，缩短故障判断过程时间。
【附图说明】
[0040] 图1是本发明检测方法的流程示意图；
[0041] 图2是本发明检测方法在阻性负载1000W电水壶时串联故障电弧的判断过程示意 图；
[0042] 图3是本发明检测方法在感性负载500W电钻时串联故障电弧的判断过程示意 图；
[0043] 图4是本发明检测方法在容性负载50W电容启动型风扇时串联故障电弧的判断过 程不意图；
[0044] 图5是本发明检测方法在开关电源负载300W电脑时串联故障电弧的判断过程示 意图；
[0045] 图6是本发明检测方法在开关电源负载1200W复印机时串联故障电弧的判断过程 示意图。
【具体实施方式】
[0046] 下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案 为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于 下述的