一种多信息融合故障电弧检测方法及装置的制造方法
【技术领域】
[0001] 本发明涉及一种多信息融合故障电弧检测方法及装置，通过搭建的电弧故障模拟 实验平台采集大量实验数据，借助MATLAB软件平台详细分析了不同负载下的电流波形特 征，利用小波变换Mallat算法快速分解故障电弧电流波形，提取第一层小波变换高频系数 作为三大判据之一，最后通过HyperbalCMAC神经网络融合多种特征判据。
【背景技术】
[0002] 随着社会的发展，人们对居住、办公以及公共环境的安全性要求越来越高，而频频 发生的电气火灾事故给人们的生命和财产安全带来了极大的安全隐患。由于电路短路、线 路老化、接触不良、电器产品故障等原因产生的故障电弧而引发的电气火灾事故在电气火 灾事故中占有很大的比例。在建筑物低压配电系统中，一方面，由于阻抗的限制，当故障电 弧发生时，产生的故障电流小，不足以使过流保护装置动作，故障电弧持续发生，频繁的打 火和拉弧，可直接引燃电气线路或设备邻近的可燃物，是特别危险的引火源，其起火危险性 远大于金属性短路；另一方面，电路中存在于故障电弧波形特征相似的负载，这使得故障电 弧的检测误判率$父尚。
[0003] 传统的基于弧光、弧声、温度的故障电弧检测方法中故障电弧在线路中发生的位 置具有随机性，这一特点的限制使得基于以上物理现象的检测方法不适合配电线路中故障 电弧的检测。现有的故障电弧的检测可以通过故障电弧的电流波形特征对故障电弧进行辨 识，且单一的电流特征判据来判断故障电弧不够准确，一般仅能够区分电流故障状态和额 定运行状态。实际上，开关闭合和某些电器启动时的电流波形也存在故障电弧发生时的部 分特征，以上方法难以对故障电弧做出快速而准确的判断。
【发明内容】
[0004] 有鉴于此，本发明公开了一种多信息融合故障电弧检测方法及装置，用于改进现 有技术中采用电流特征判据来辨识故障电弧的方式，是对其的继承和发展。
[0005] 根据本发明一方面，提供了一种多信息融合故障电弧检测方法，包括：
[0006] 利用实验平台采集故障电弧样本数据；
[0007] 对所采集的电弧故障样本数据进行特征分析，获得每个电弧故障样本数据对应的 特征数据，所述特征数据具体包括电流各周期采样点均值、电流波形斜率和小波变换高频 系数三个特征向量；
[0008] 利用所述电弧故障样本数据对应的特征向量，建立并训练得到超闭球CMAC神经 网络；
[0009] 利用所得到的超闭球CMAC神经网络来检测电弧故障。
[0010] 根据本发明另一方面，提供了一种多信息融合故障电弧检测装置，包括：
[0011] 样本数据获取模块，利用实验平台采集故障电弧样本数据；
[0012] 特征向量获取模块，对所采集的电弧故障样本数据进行特征分析，获得每个电弧 故障样本数据对应的特征数据，所述特征数据具体包括电流各周期采样点均值、电流波形 斜率和小波变换高频系数三个特征向量；
[0013] 神经网络训练模块，利用所述电弧故障样本数据对应的特征向量，建立并训练得 到超闭球CMAC神经网络；
[0014] 电弧故障检测模块，利用所得到的超闭球CMAC神经网络来检测电弧故障。
[0015] 本发明通过故障电弧模拟实验装置采集大量的故障电弧试验数据，借助MATLAB 软件平台分析大量数据得出能有效辨识故障电弧的三种判据，这三种特征判据分别是电流 各周期采样点均值、电流波形斜率和小波变换高频系数。对三种判据结果作相应的处理后 融合，可以起到优势互补的效果。采用超闭球CMAC神经网络来达到综合分析故障电弧特 征，准确区分干扰负载，提高判断电弧故障准确度的目的。
【附图说明】
[0016] 图1是本发明中故障电弧检测方法的流程示意图；
[0017] 图2是本发明中故障电弧模拟试验平台的系统框图；
[0018] 图3是本发明中电弧发生装置的实物示意图；
[0019] 图4是三种典型负载情况下第一层小波变换高频系数示意图：图4 (a)电热壶正常 工作时电流波形分析，图4(b)阻性负载启动时电流波形分析，图4(c)计算机正常工作时电 流波形分析；
[0020] 图5是本发明中超闭球CMAC神经网络的结构示意图；
[0021] 图6是本发明中超闭球CMAC神经网络模型的结构示意图；
[0022] 图7 (a)~（c)是本发明中HCMAC模型学习结果；
[0023] 图8是本发明中HCMAC输出与学习数据比较示意图；
[0024] 图9是本发明中HCMAC学习误差不意图；
[0025] 图10是本发明中HCMAC泛化能力和HCMAC输出比较示意图；
[0026] 图11是本发明中HCMAC泛化误差示意图。
【具体实施方式】
[0027] 为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照 附图，对本发明作进一步的详细说明。
[0028] 本发明公开了一种多信息融合故障电弧检测方法，如图1所示，该方法包括：
[0029] 步骤1 :搭建试验平台，并利用所搭建的实验平台采集故障电弧样本数据；
[0030] 本发明参照UL1699标准搭建了电弧故障实验平台。图1是实验平台结构框图，整 个实验平台包括：实验电源、开关、电弧发生器、负载插座、互感器和数据采集装置。电弧发 生器是故障电弧模拟试验平台最重要的部分，本发明中的电弧发生器依照UL1699标准自 制。实物如图2所示，电弧发生器由固定部分和旋转部分组成：固定部分是两个长约15CM， 宽约1CM的弹性导电金属片，金属片一端固定，并有接线柱，另一端同时与旋转部件上固定 的导电体接触；旋转部分由一个调压调速直流电机驱动一个绝缘圆盘，圆盘上等间距的固 定着若干导电柱。
[0031] 进行电弧故障实验时，接通直流电动机电源，旋转圆盘上的导电柱依次与固定部 件上的金属片接触，分离，产生电弧。调节直流电动机的转速，可调整电弧的发生频率。
[0032] 数据采集装置将电流互感器输出的电流信号转换成数字信号，上传到PC机，供分 析研究。为实现对故障电弧电流波形的准确捕捉，本数据采集装置采用24位的高速A/D转 换芯片，转换频率可达4kHz，转换结果通过串口直接上传给PC机。在PC机上经过编程，能 对上传的电流信号以电流波形的形式实时显示，并同步保存为数据文件，以便作进一步处 理和分析。
[0033] 步骤2 :对所采集的电弧故障样本数据进行特征分析，获得每个电弧故障样本数 据对应的特征数据，所述特征数据具体包括电流各周期采样点均值、电流波形斜率和小波 变换高频系数三个特征向量；
[0034] 通过MATLAB提供的强大数据统计分析功能，包括求解最大最小值、求和、乘积、差 分与积分等，从这些特征着手，分析故障电弧特征，提取出表征故障电弧的特征量。将电流 各周期采样点均值、电流波形斜率和小波变换高频系数三个特征量作为三个判据。
[0035] 判据一：即电流各周期采样点均值。一般负载在正常工作时，电流波形的正负半周 都存在对称性，各周期电流平均值为零。同时这种特性也是表征负载正常工作的重要依据。 例如，分别从正常负荷、负荷改变以及故障电弧的电流波形中各截取10个完整的周期。电 流采样频率为4KHz，则每个周期为80个采样点，每种波形共计800个采样值，计算每个周期 电流采样点的均值。计算公式如下：
[0036]
⑴：
[