实施例。
[0047] 图1是本发明提出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 的逻辑流程图，该方法的工作流程是：
[0048] 开始一参数初始化，包括：电弧故障发生标志位flag，电弧故障个数count，跳闸 标志位Trip均置0,设置电流采样率f -按既定采样率采样得到电流原始信号X (t)-采 样电流x(t)的归一化和软件降噪，得到y(t)-对y(t)进行经验模态分解和后处理得到特 征模态分量I1-通过Hilbert变换得到I 瞬时幅值分布一计算特征模态分量I i的各个
的大小关系，若e# e。，待测序列号j加1，转下一步骤，若e]> e。，则故障电弧发生标志位 flag = 1，转下一步骤一记录电弧故障个数，若flag值为1，故障电弧个数count加1，并记 录该序列的序列号index，再把flag置0 -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0.5s。若是，转下一步骤，若否，继续下一个上述采样计算过程 -跳闸信号Trip = 1，开断负载所在支路。
[0049] 上述过程中，后处理具体为：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 分量工1。
[0050] 实施例1
[0051] 本实施例将上述方法应用于负载1000W电水壶阻性的串联故障电弧识别中，具体 步骤如下：
[0052] 1)按采样率f = IO4Hz采集负载所在电路的串联电流。
[0053] 2)将采样电流x(t)进行归一化和软件降噪，得到y⑴。
[0054] 3)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I1，作为故障特征分析对象。
[0055] 4)对特征模态分量I1进行Hilbert变换，得到I丨的瞬时幅值分布。
[0056] 5)计算特征模态分量I1的半周期能量e ,，其计算公式如下：
[0058] 其中，N = f/100是半周期信号的采样点数，&1为特征模态分量I :第i个采样点 处的瞬时幅值。
[0059] 6)提取该负载下正常运行时电流的特征模态分量，取其5个半周期的能量的平均
[0060] 7)比较ej与参考阈值e。的大小关系，若e # e。，待测序列号j加1，若ej> e。故 障电弧发生标志位flag = 1。
[0061] 8) 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。
[0062] 9)判断第I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 0. 5s。若是，转10)，若否，转1)。
[0063] 10)跳闸信号标志位Trip = 1，开断负载所在支路。
[0064] 图2是本发明检测方法在阻性负载1000W电水壶的串联故障电弧的判断过程。图 2中从上到下依次是电水壶负载归一化降噪后的电流y(t)、y(t)的特征模态分量1 :、1:的 归一化半周期能量Power、负载所在支路的跳闸信号标志位Trip。由图2可以看到，本发明 的算法可以实现阻性负载电水壶时串联故障电弧（arc)的准确识别判断。
[0065] 实施例2
[0066] 本实施例将本发明检测方法应用于感性负载500W电钻的串联故障电弧识别中， 识别的具体步骤同实施例1。图3显示了故障电弧的判断过程，从上到下依次是电钻负载归 一化降噪后的电流y(t)、y(t)的特征模态分量I 1U1的归一化半周期能量Power、负载所在 支路的跳闸信号标志位Trip。由图3可以看到，本发明的算法可以实现感性负载电钻时串 联故障电弧的准确识别判断。
[0067] 实施例3
[0068] 本实施例将本发明检测方法应用于容性负载50W电容启动型风扇的串联故障电 弧识别中，识别的具体步骤同实施例1。图4显示了故障电弧的判断过程，从上到下依次是 电容启动型风扇负载归一化降噪后的电流y(t)、y(t)的特征模态分量1 :、I1的归一化半周 期能量Power、负载所在支路的跳闸信号标志位Trip。由图4可以看到，本发明的算法可以 实现容性负载电容启动型风扇时串联故障电弧的准确识别判断。
[0069] 实施例4
[0070] 本实施例将本发明检测方法应用于开关电源负载300W电脑的串联故障电弧识别 中，识别的具体步骤同实施例1。图5显示了故障电弧的判断过程，从上到下依次是电脑负 载归一化降噪后的电流y(t)、y(t)的特征模态分量I 1U1的归一化半周期能量Power、负载 所在支路的跳闸信号标志位Trip。由图5可以看到，本发明的算法可以实现开关电源负载 电脑时串联故障电弧的准确识别判断。
[0071] 实施例5
[0072] 本实施例将本发明检测方法应用于开关电源负载1200W复印机的串联故障电弧 识别中，识别的具体步骤同实施例1。图6显示了故障电弧的判断过程，从上到下依次是 复印机负载归一化降噪后的电流y(t)、y(t)的特征模态分量1 :、I1的归一化半周期能量 Power、负载所在支路的跳闸信号标志位Trip。由图6可以看到，本发明的算法可以实现开 关电源负载复印机时串联故障电弧的准确识别判断。
[0073] 本领域技术人员应理解，本发明的保护范围不限于上述的实施例，任何通过考察 采样电流与正常运行时电流的特征模态分量的半周期能量相对大小关系而做出故障电弧 发生与否判断的做法均属于本发明检测方法之内。
【主权项】
1. 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，其特征在于，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HiIbert变换提取所述特征模态分量I1的瞬时幅值分布， 并计算特征模态分量I 1的各个半周期能量，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。2. 根据权利要求1所述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， 其特征在于，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。3. 根据权利要求1所述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， 其特征在于，所述后处理具体为： 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L。4. 根据权利要求1所述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， 其特征在于，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： 1) 初始化电弧故障发生标志位flag = O ; 2) 判断第j个半周期能量&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+Ι，返回步骤2); 3) 电弧故障发生标志位flag = 1，记为故障半周波。5. 根据权利要求1或4所述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，其特征在于，所述设定参考阈值的计算方法是： 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 量的平均值_作为半周期能量的设定参考阈值，其中，&为第P个半周期能 量，P为选取的半周期的个数。6. 根据权利要求5所述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， 其特征在于，所述选取的半周期的个数P取为5。7. 根据权利要求4所述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， 其特征在于，当第1个故障半周波与第8个故障半周波之间的时间差Δ t满足Δ t < 0. 5s 时，开断负载所在支路。
【专利摘要】本发明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，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分解得到原始序列的特征模态分量I1，经Hilbert变换提取所述特征模态分量I1的瞬时幅值分布，并计算特征模态分量I1的各个半周期能量，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。与现有技术相比，本发明具有识别度高、多种类型负载适用等优点。
【IPC分类】G01R31/12
【公开号】CN105067966
【申请号】CN201510398287
【发明人】汪洋堃, 张峰, 张士文, 杨光
【申请人】上海交通大学
【公开日】2015年11月18日
【申请日】2015年7月8日