一种基于电弧光谱信号的故障电弧检测方法
【技术领域】
[0001] 本发明设及一种用于实际电路保护的电弧检测技术，具体地说，设及一种基于电 弧光谱信号的故障电弧检测方法。
【背景技术】
[0002] 电力事业快速发展，给人们的日常生活带来了许多便利，然而也带来了频频发生 的电气火灾事故。我国的电气火灾方法技术滞后，传统的检测装置并不能有效的检测出电 弧故障，而当电弧故障发生时，瞬间局部高温会到达2000到4000摄氏度。若没有及时切除 电弧故障，会造成电气设备严重烧毁、火灾、人身事故等严重后果。因此，对故障电弧的检测 是十分重要的工作。
[0003] 我国在电弧检测技术研究起步较晚，目前主要处于理论研究阶段（申请专利 号；201310376133. 4,发明名称；基于小波变换和时域混合特征的交流故障电弧检测方 法），大多数通过检测电流信号，分析电流信号波形来判断是否为故障电弧，然而负载情 况千差万别，有时发生故障电弧时和正常工作时的电流波形区别很小（邹云峰，吴为麟， 李智勇.基于自组织映射神经网络的低压故障电弧聚类分析[J].仪器仪表学报，2010， 31 (3) 571-576.)，很难据此判断是否为故障电弧。
[0004] 国外有较为成熟的故障电弧检测产品，但是国内外电压环境不同，电弧特征会有 变化，已有产品并不能直接应用，因此，研究适合国内的故障电弧检测产品是十分必要的。
【发明内容】
[0005] 针对上述现有技术中的缺陷，本发明提出的一种基于电弧光谱信号的故障电弧检 测方法。
[0006] 为实现上述的目的，本发明采用的技术方案是：
[0007] 本发明提供一种基于电弧光谱信号的故障电弧检测方法，该方法首先通过电弧光 谱采集器采集光谱信号和电流信号，然后对光谱信号做基于功率的归一化处理，并进行小 波变换，将计算得到的前=层小波变换细节信号的能量作为小波变换的特征值；将光谱信 号按光的不同颜色的波长范围分断处理，对每段光谱信号积分处理，记录每小段的光谱强 度积分值；将小波变换的特征值和每小段光谱的强度积分值作为BP神经网络的输入值；根 据BP神经网络的输出值来判断是否存在故障电弧。
[000引本发明的具体实施步骤如下；
[0009] 步骤1 ;设定光谱采集次数W及时间间隔。光谱采集设备采集一次开关过程中电 接触的电弧光谱信号，得到光谱的波长和强度信息（A1，li)，同时霍尔电流传感器采集电流 信息Ti;
[0010] 步骤2 ;判断光谱采集次数是否达到设定阔值，若达到，则开始执行步骤3,否则继 续步骤1 ;
[0011] 步骤3 ;对光谱信号进行归一化处理，并进行小波变换，将前S层小波变换细节信 号的能量作为小波变换的特征值；
[0012] 步骤4;将光谱信号按光的不同颜色的波长范围分段处理，对每段光谱信号积分 处理，记录每小段的光谱强度积分值；
[001引步骤5 ;将小波变换的特征值和每小段的光谱强度积分值作为BP神经网络的输入 值；
[0014] 步骤6 ;根据BP神经网络的输出值来判断是否存在故障电弧。
[0015] 所述的对归一化后的光谱信号进行小波变换，得到前=层小波变换细节能量的特 征值，具体如下；归一化后的光谱信号X进行离散小波变换，两次滤波得到的近似值分量的 尺度系数。
[0016] 所述的BP神经网络，建立方法如下；
[0017] 小波变换的细节能量特征值和不同颜色的光谱强度积分值作为BP神经网络的输 入值，运用MTLAB软件建立BP神经网络，BP神经网络从输入层到隐含层和隐含层到输出 层之间的传递函数分别采用logsig和tansig函数，训练函数采用traingd函数。
[001引所述的根据BP网络的输出值判断是否发生电弧故障，具体为；多次获取的光谱信 息训练BP神经网络，神经网络的输出值为0时指无电弧故障，输出值为1时发生电弧故障。
[0019] 与现有技术相比，本发明的有益效果是：
[0020] 本发明是一种全新的利用光谱信号来检测故障电弧的方法，分析光谱信号的波 长、强度等大小可W得到燃烧产生电弧的物质，从而了解电接触开关的使用状态。本发明具 有适用性广、安全性高、直接反应电接触开关使用情况，能准确判断故障电弧。
【附图说明】
[0021] 图1为本发明一较优实施例的故障电弧识别流程图；
[0022] 图2为本发明一较优实施例的故障电弧识别装置示意图。
【具体实施方式】
[0023] W下对本发明的技术方案作进一步的说明，W下的说明仅为理解本发明技术方案 之用，不用于限定本发明的范围，本发明的保护范围W权利要求书为准。
[0024] 如图1所示，为本发明一优选实施例的方法流程图；首先通过光纤采集电弧发生 器产生的大量的正常运行和故障电弧的光谱信息，对采集到的光谱信号归一化处理，进行 小波变换得到=个小波变换细节的特征值，同时对光谱按颜色分段并积分，作为BP神经网 络的学习样本，将其输入神经网络中对网络进行训练，把训练好的神经网络作为故障电弧 的识别器。运行时把需要识别的信号输入到训练好的神经网络中进行辨识。
[0025] 如图2所示，为本发明一较优实施例的故障电弧识别装置示意图，其中：使用艾万 提斯光谱仪，光谱检测范围为200?800nm，一分四光纤。当电弧发生器动静触头接通时，有 电流通过，凸轮在伺服电机的作用下，带动动触头运动，使动静触头分开，产生电弧。光电传 感器检测到弧光并转换成电压，经放大整形后用于触发光谱仪，光谱仪接收电弧光谱信号， 并将收集到的光谱信号计算机利用软件进一步处理。
[0026] 按照步骤1，设置光谱采集次数1000次，积分时间1ms，保存光谱的波长和强度。
[0027] 步骤2 ;判断光谱采集次数是否达到设定阔值，若达到，则开始执行步骤3 :，否则 继续步骤1;
[002引步骤3 ;对光谱信号进行归一化处理，如下所示
[0029] Xi= I i/町
[0030] Xi为归一化后的光谱信号，I i为归一化前的光谱信息，U为电弧电压，I a,为电弧电 流。
[0031] 对归一化后的光谱信号进行小波变换，得到前=层小波变换细节能量的特征值， 具体如下；归一化后的光谱信号X进行离散小波变换，两次滤波得到的近似值分量的尺度 系数。
【主权项】
1. 一种基于电弧光谱信号的故障电弧检测方法，其特征在于包括以下步骤： 步骤1:设定光谱采集次数以及时间间隔，光谱采集设备采集一次开关过程中电接触 的电弧光谱信号，得到光谱的波长和强度信息（Ai，Ii)，同时霍尔电流传感器采集电流信息 ri； 步骤2:判断光谱采集次数是否达到设定阈值，若达到，则开始执行步骤3:，否则继续 步骤1; 步骤3:对光谱信号进行归一化处理，并进行小波变换，将前三层小波变换细节信号的 能量作为小波变换的特征值； 步骤4 :将光谱信号按光的不同颜色的波长范围分段处理，对每段光谱信号积分处理， 记录每小段的光谱强度积分值； 步骤5 :将小波变换的特征值和每小段的光谱强度积分值作为BP神经网络的输入值； 步骤6 :根据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所述的基于电弧光谱信号的故障电弧检测方法，其特征在于，所述 的对采集到的光谱信息进行归一化处理，具体如下： Xj=Ii/UI^ \为归一化后的光谱信号，Ii为归一化前的光谱信息，U为电弧电压，I%为电弧电流。
3. 根据权利要求1所述的基于电弧光谱信号的故障电弧检测方法，其特征在于，所述 步骤3中：对归一化后的光谱信号进行小波变换，得到前三层小波变换细节能量的特征值， 具体如下： 归一化后的光谱信号X进行离散小波变换，两次滤波得到的近似值分量的尺度系数：
I 计算三个细节能量特征值如下：d^Eff/(J-1,k) d2=Eff/(J-2,k)
i指光谱采集次数，同电流采集次数； 是指光谱信号函数的子空间；hjl)、、(/)是指尺度函数系数； J是指尺度，J_1为最大尺度，最小尺度为0 ; 1指卷积中的虚变量，即替代相关的两序列；n= 2k，是指光谱信号的序列号，k是指小波子空间的信号序列； 屯、d2、d3为细节能量特征值。
4. 根据权利要求1所述的基于电弧光谱信号的故障电弧检测方法，其特征在于，所述 步骤4中：将光谱信号按光的不同颜色波长进行分段处理，并积分，具体如下：
Sj是指第j种颜色的光谱强度积分值，b、c为该种颜色光谱波长的上下限值。
5. 根据权利要求1-4任一项所述的基于电弧光谱信号的故障电弧检测方法，其特征在 于，所述步骤5中：BP神经网络的建立方法如下： 小波变换的细节能量特征值和不同颜色的光谱强度积分值作为BP神经网络的输入 值，运用MATLAB软件建立BP神经网络，BP神经网络从输入层到隐含层和隐含层到输出层 之间的传递函数分别采用logsig和tansig函数，训练函数采用traingd函数。
6. 根据权利要求1-4任一项所述的基于电弧光谱信号的故障电弧检测方法，其特征在 于，所述步骤6中：根据BP网络的输出值判断是否发生电弧故障，具体为：多次获取的光谱 信息、训练BP神经网络，神经网络的输出值为0时指无电弧故障，输出值为1时发生电弧故 障。
【专利摘要】本发明涉及一种基于电弧光谱信号的故障电弧检测方法，包括以下步骤：光谱采集器按设定的时间和次数采集光谱信号包括光的波长和强度，同时采集电流信号，并记录光谱信号和电流信号，对光谱信号进行归一化处理，然后计算小波变换细节信息作为特征值，同时对光谱信号按不同波段积分，小波变换的特征值和光谱信号不同波段的光谱强度积分值作为BP神经网络的输入，根据BP神经网路的输出判断是否存在故障电弧。本发明具有适用性广、安全性高、直接反应电接触开关使用情况，能准确判断故障电弧。
【IPC分类】G01R31-00
【公开号】CN104569684
【申请号】CN201510018307
【发明人】陈乐生, 叶连慧
【申请人】上海和伍新材料科技有限公司
【公开日】2015年4月29日
【申请日】2015年1月14日