２ 祝令瑜等：低压串联直流电弧检测方法的研究现状及发展 绝缘材料２０１５，４８（５１ 全运行威胁非常大。 着电弧的产生。在电弧不断发展过程中，电压随之 直流电弧根据其产生的位置可分为并联直流 上升而电流不断减小。电弧进人稳定燃烧阶段后， 电弧和串联直流电弧。并联电弧主要是由于绝缘 电压电流变化较小。从图２还可以看出，故障电弧 破坏引起的，一般分为对地电弧及线线电弧【”。当 电流波形含有丰富的高频噪声、最大电流上升率增 发生并联电弧时，回路中电流通常会显著增大，使 加等特征。 用电弧故障断路器切断回路即可消除故障。而串 Ｙ Ｌｉｕ等［１４１通过分析电源电压输出波形发现，在 联电弧故障主要是由导线与插座的连接点接触不 电弧发生瞬间电源电压存在明显的突变，该突变可 良、导线断裂等因素产生的连接性电弧故障。由于 以作为判断电弧故障的依据；ｘ Ｙａｏ等 主要通过 接触不良发生的可能性高，且一旦发生在故障点处 分析电弧电流波形在一定时间窗内的变化率，指出 较高的电场容易导致电弧产生，因此发生串联电弧 特定时间长度下的电流信号变化率可以作为一种 故障的可能性更高。当发生串联电弧时，电弧的导 简单有效的直流电弧故障检测方法。Ｒ Ｓｐｙｋｅｒ 电性能比正常连接的金属差，回路电流一般小于正 等［１６１通过提取电弧电流数据并对其进行能量频谱分 常负载电流，传统的电弧故障断路器不能准确动作 析，得出在１０～１００ ｋＨｚ电弧电流的谐波含量明显增 切断串联电弧电流隅 。因此，串联电弧的可靠检测 多，由此判断发生了电弧故障。 比并联电弧更复杂、更具挑战性。 基于电压电流变化的检测方法只需对电源输出 在串联直流电弧产生与发展过程中伴随着一 电压进行监测，对检测系统的位置等没有特殊要 系列的物理现象，包括光学辐射、红外辐射、爆鸣及 求，可以简单方便地实现故障检测。但是电压电流 高频电磁辐射等，同时回路电流、电源输出电压等 的变化也会由其他原因引起，因此基于电压电流变 会发生相应变化。长期以来，广大学者深入研究了 化的电弧故障判据容易发生误报。 串联直流电弧发生时伴随的这些现象，并据此提出 １．２电弧过程中的弧声信号 了串联直流电弧的检测方法［５，９－１２】。 故障电弧发生前常会伴随着预示放电的早期 弧声信号，早期弧声是故障电弧发展不同阶段表现 １ 串联直流电弧检测参量 出的物理现象，掌握并分析各种情况下弧声的共同 １．１ 电压电流的变化 特征信息，以弧声为检测参数可以对故障电弧进行 典型的直流电弧电压 、电弧电流ｋ的波形 早期预测 。 如图２所示【”】。 蓝会立等ｎ 对早期弧声信号进行了试验观测， 发现电弧放电前弧声信号有上升趋势，但幅值相对 ７ 于电弧放电时刻的弧声要微弱些。通过对故障电 弧早期弧声信号进行小波分析发现，ｓ３１和￥３２空 间可以作为弧声信号的特征空间，其能量大小可以 作为识别电弧发生的特征参数。 Ｉ ｌ０ｌｌ１２ｌ３１４ｌ５ｌ６ｌ７１８１９２Ｏ ｔ／ｓ 但以弧声信号为检测参量的检狈４方法对弧声 （ａ）电压波形 传感器的安装位置、灵敏度有很高的要求，而且容 易被周围环境干扰。 １－３ 电弧过程中的电磁与光辐射信号 在直流系统中发生电弧故障时，回路电流会发 生明显的突变，电流的突变导致空间电磁波的辐 射，因此电磁辐射信号可以作为检测电弧故障的参 （ｂ）电流波形 量之一。 图２典型的直流电弧电压和电流波形 Ｃ Ｊ Ｋｉｍ“ 把电弧看作一个辐射电磁波的线电 Ｆｉｇ．２ Ｔｙｐｉｃａｌ ｖｏｌｔａｇｅ ａｎｄ ｃｕｒｒｅｎｔ ｗａｖｅｆｏｒｍ ｏｆ ＤＣ ａｒｅ 流，提出计算电弧辐射电场功率谱的方法。在距离 为 处通过一个长度为 的电流分量，沿Ｘ轴辐射出 图２中电弧电压的上升沿、电流的下降沿标志 来的电磁场 的通式为式（１）。 ４ 祝令瑜等：低压串联直流电弧检测方法的研究现状及发展 绝缘材料２０１５，４８（５） 频域阈值法虽然能够避免环境因素和不同工 况带来的干扰，但是信号处理过程相对复杂，在检 测实时性上难以满足要求。无论是直接阈值法还 是频域阈值法，最大的问题在于阈值的确定。判断 电弧发生的特征参量的大小都会与电弧发生的位 置、电弧发生的形式以及电弧发生时系统的负载等 状态有关，不同的系统差异更明显。因此特征检测 多信息融合技术已经在变压器、电机故障诊断 中得到了广泛的应用口 ” ，相关理论研究已经比较 成熟。将直流电弧的特性与多信息融合理论结合， 实现多参量信息融合技术在直流电弧检测中的应 用将是电弧检测领域的重要趋势之一。 ４结束语 参量阈值的设定不具有广泛的适用性。 ２．２模式识别 基于人工智能的模式识别方法可以避免阈值 法的随意性，而且通过不断的学习过程可以将故障 诊断的正判率逐步提高。Ｊ Ａ Ｍｏｍｏｈ等【 率先将 模式识别方法用于航天器供电系统的直流电弧故 障检测。他们首先通过傅里叶变换将电弧的电压电 流信号分解得到一系列电弧能量分量，然后将这些 分量输入到人工神经网络中判断电弧故障的发生。 李文军口 提出了一种基于小波包变换的故障信 号特征选择与提取算法，设计了一种用于电弧故障 分类的小波神经网络结构，提出了以电弧故障电流 信号的小波包能量函数为故障特征的小波神经网 络的电弧故障识别方法，用以实现电弧故障与短 路、单相接地等线路故障的正确识别和分类。 上述两种模式识别方法都是以电压电流参量 为输入信号。如果考虑将多种参量综合信息作为输 入，有望提高输入信号的完备性和识别的准确率。 模式识别的检测方法突破了传统电弧故障检 测方面的局限，可以实现电弧故障的分类，适用性 比较广泛。但是这种方法需要复杂的算法优化，存 在消除干扰以及建立模型等问题，有待进一步研究。 ３ 串联直流电弧检测方法 已有研究提出的故障电弧检测方法大多依靠 时域或频域的单一阈值作为判据来确定电弧故障， 不能避免检测技术本身的缺陷和局限性。因此综 合时域、频域两方面的信息，将多参量信息融合处 理技术运用于直流电弧检测中，建立多参量信息融 合检测模型，能够弥补单一判据的不足，更全面、可 靠的实现故障电弧的检测口 。 窦甜华伫 提出了基于多信息融合的故障辨识方 法，分别使用模糊逻辑推理和超闭球ＣＭＡＣ神经网 络两种方法对交流故障电弧检测进行仿真，仿真验 证了模型的辨识误差在３％之内，为多信息融合技 术在直流电弧检测中的应用提供了很好的范例。 串联直流电弧故障的检测以电弧发生时伴随 的特征参量变化规律为基础。特征参量包括回路 电流及电源电压的变化、电弧辐射的电磁波、弧光 以及弧声等。单一参量的检测存在信息不完备的 缺点，容易受到干扰或灵敏度不够，多参量综合的 检测有望提高检测的准确率和灵敏度。在检测算 法和判据方面，目前主要是使用各种参量时域或频 域的阈值进行判断。阈值法的通用性较差，准确度 也较低，容易受干扰。而基于神经网络的模式识别 大多针对单一参量，信息不够完备。采用多信息融 合技术的多参量检测方法有望极大地推进串联直 流电弧检测方面的研究。 参考文献： ［１】姚秀，汲胜昌，Ｌｕｉｓ Ｈｅｒｒｅｒａ．串联直流电弧特性及其在故障诊断 中的应用【Ｊ】．高压电器，２０１２，４８（５）：６．１０． 【２】董荣刚．故障电弧诊断技术的研究［Ｄ］．沈阳：沈阳工业大学， ２００９． 【３】王其平．电器电弧理论［Ｍ】．北京：机械工业出版社，１９８２． ［４ 王超．电弧故障断路器的研究［４］Ｄ】．沈阳：沈阳工业大学，２００９． 【５】宋政湘，李东玮，陈会林．低压电弧故障的研究与分析【Ｊ］．低压 电器。２００９（１７）：１－４． 【６】Ｒｅｓｔｒｅｐｏ Ｃ Ｅ．Ａｒｃ Ｆａｕｌｔ Ｄｅｔｅｃｔｉｏｎ ａｎｄ Ｄｉｓｃｒｉｍｉｎａｔｉｏｎ Ｍｅｔｈ－ ｏｄｓ［Ｃ］／／Ｔｈｅ ５３ｒｄ ＩＥＥＥ Ｈｏｌｍ Ｃｏｎｆｅｆｅｎｃｅ ｏｎ Ｅｌｅｃｔｒｉｃａｌ Ｃｏｎ－ ｔａｅｔｓ，Ｐｉｔｔｓｂｕｒｇｈ，ＰＡ，２００７：１１５—１２２． 【７】Ｈｅｔｚｍａｒｍｓｅｄｅｒ Ｅ，Ｚｕｅｒｃｈｅｒ Ｊ．４２Ｖ ＤＣ Ａｒｃ Ｆａｕｌｔｓ：Ｐｈｙｓｉｃｓ ａｎｄ Ｔｅｓｔ Ｍｅｔｈｏｄｓ［Ｃ］／／Ｐｒｏｃｅｅｄｉｎｇ ｏｆ ２ｎｄ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎ— ｇｒｅｓｓ ｏｆ ｔｈｅ Ａｕｔｏｍｏｔｉｖｅ ４２Ｖ Ｐｏｗｅｒ Ｎｅｔ：Ｐｒｅｐａｒｉｎｇ ｆｏｒ Ｍａｓｓ Ｐｒｏｄｕｃｔｉｏｎ，２００１：１７３－１８５． 【８】 Ｃｈｅｎｇ Ｈ，Ｃｈｅｎ Ｘ Ｊ，Ｌｉｕ Ｆ ｅｔ ａ１．Ｓｅｒｉｅｓ Ａｒｃ Ｆａｕｌｔ Ｄｅｔｅｃ— ｔｉｏｎ ａｎｄ Ｉｍｐｌｅｍｅｎｔａｔｉｏｎ Ｂａｓｅｄ ｏｎ ｔｈｅ Ｓｈｏｒｔ—ｔｉｍｅ Ｆｏｕｒｉｅｒ Ｔｒｎａｓｆｏｒｍ［Ｃ］／／２０１０ Ａｓｉａ－Ｐａｃｉｉｆｃ Ｐｏｗｅｒ ａｎｄ Ｅｎｅｒｇｙ Ｅｎｇｉｎｅｅｒ－ ｉｎｇ Ｃｏｎｆｅｒｅｎｃｅ，Ｃｈｅｎｇｄｕ，２０１０：１－４． ［９ 杨艺，９］董爱华，付永丽．低压故障电弧检测概述［Ｊ】．低压电器， ２００９（５）：１－４． 【１Ｏ】杨立树．航空电气系统绝缘故障的研究【Ｄ］．大连：大连理工 大学。２００８． ［１１】印永嘉，陈洪亮．关于检测低压故障电弧的初步研究【Ｊ］．实验 室研究与探索，２００７，２６（８）：２０—２３． ［１２】艾艳艳．浅谈故障电弧的研究现状及防护措施［Ｊ］．安防科技， 绝缘材料２０１５，４８（５） 祝令瑜等：低压串联直流电弧检测方法的研究现状及发展 ５ ２０１ｉ（ｉ１）：４８－５０． ｌ５７－ｌ６Ｏ． 汲胜昌，刘源，朱叶叶，等．直流串联电弧故障的检测方法研究 项新建，林章，周律．基于小波变换的故障电弧检测方法研究 （英文）【Ｊ】．高电压技术，２０１３（９）：２１３１—２１３７． ［Ｊ］．低压电器，２０１３（６）：５５．５８． Ｌｉｕ Ｊｉ Ｓ，Ｗａｎｇ Ｊ，ｅｔ ａ１．Ｓｍｄｙ ｏｎ ｔｈｅ Ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ Ｚｈｅｎｇ Ｗｕ Ｄｅｔｅｃｔｉｎｇ Ｌｏｗ－ｖｏｌａｔｇｅ Ａｒｃ Ｆａｕｌｔ ｂａｓｅｄ ａｎｄ Ｄｅｔｅｃｔｉｏｎ ｏｆ ＤＣ Ａｒｃ Ｆａｕｌｔ ｉｎ Ｐｏｗｅｒ Ｅｌｅｃｔｒｏｎｉｃｓ Ｓｙｓ－ ｏｎ ＬｉＲｉｎｇ Ｍｕｌｉｔｗａｖｅｌｅｔ［Ｃ］／／Ａｓｉａ—Ｐａｃｉｆｉｃ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ ｔｅｍ［Ｃ］／／２０１２ Ｉｎｔｅｎｒａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｎｄｉｉｔｏｎ Ｍｏｎｉ－ Ｃｏｍｐｕｔａｔｉｏｎａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ ａｎｄ Ｉｎｄｕｓｔｉｒａｌ Ａｐｐｌｉｃａｔｉｏｎｓ，Ｗｕ－ ｔｏｔｉｎｇ ａｎｄ Ｄｉａｇｎｏｓｉｓ，ＩＥＥＥ，Ｂａｌｉ，２０１２：１０４３—１０４８． ｈａｎ，２００９，２：２５４—２５７． Ｙａｏ Ｘ，Ｊｉ Ｓ，Ｈｅ￣ｅｍ Ｌ，ｅｔ ａ１．ＤＣ Ａｒｃ Ｆａｕｌｔ：Ｃｈａｒａｃｔｅｒｉｓ— Ｇｕｏ Ｙｕｎｍｅｉ，Ｗｕ Ｌｉ，Ｗｕ Ｚｈｕｏｑｉ，ｅｔ ａ１．Ｗａｖｅｌｅｔ Ｐａｃｋｅｔ ｔｉｃ Ｓｔｕｄｙ ａｎｄ Ｆａｕｌｔ Ｒｅｃｏｇｎｉｔｉｏｎ［Ｃ］／／１ｓｔ Ｉｎｔｅｒｎａｉｔｏｎａｌ Ｃｏｎｆｅｒ－ ｎＡａｌｙｓｉｓ Ａｐｐｌｉｅｄ ｉｎ Ｄｅｔｅｃｔｉｏｎ ｏｆ Ｌｏｗ－ｖｏｌａｔｇｅ ＤＣ Ａｒｃ ｅｎｃｅ ｏｎ Ｅｌｅｃｔｒｉｃ Ｐｏｗｅｒ Ｅｑｕｉｐｍｅｎｔ—Ｓｗｉｔｃｈｉｎｇ Ｔｅｃｈｎｏｌｏｇｙ， Ｆａｕｌｔ［Ｃ］／／４ｔｈ ＩＥＥＥ Ｃｏｎｆｒｅｅｎｃｅ ｏｎ Ｉｎｄｕｓｔｒｉａｌ Ｅｌｅｃｒｔｏｎｉｃｓ Ｘｉ’ａｎ，２０１ １：３８７—３９０． ａｎｄ Ａｐｌｉｃａｔｉｏｎｓ，Ｘｉ’ａｎ，２００９：４０１３—４０１６． Ｓｐｙｋｅｒ Ｒ，Ｓｃｈｗｅｉｃｋａｒｔ Ｄ Ｌ，Ｈｏｒｗａｔｈ Ｊ Ｃ，ｅｔ ａ１．Ａｎ Ｅｖａｌｕ－ Ｍｏｍｏｈ Ｊ Ａ，Ｂｕｔｔｏｎ Ｒ．Ｄｅｓｉｎｇ ａｎｄ Ａｎａｌｙｓｉｓ ｏｆ Ａｅｒｏｓｐａｃｅ ａｔｉｏｎ ｏｆ Ｄｉａｇｎｏｓｔｉｃ Ｔｅｃｈｎｉｑｕｅｓ Ｒｅｌｅｖａｎｔ ｔｏ Ａｒｃｉｎｇ Ｆａｕｌｔ ＤＣ Ａｒｃｉｎｇ Ｆａｕｌｔｓ ｕｓｉｎｇ Ｆａｓｔ Ｆｏｕｒｉｅｒ Ｔｒａｎｓｆｏｒｍａｔｉｏｎ ａｎｄ Ｃｕｒｒｅｎｔ Ｉｎｔｅｒｒｕｐｔｅｒｓ ｆｏｒ Ｄｉｒｅｃｔ Ｃｕｒｒｅｎｔ Ｐｏｗｅｒ Ｓｙｓｔｅｍｓ ｉｎ Ａｒｉｔｉｆｃｉａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ［Ｃ］／／ＩＥＥＥ Ｐｏｗｅｒ Ｅｎｇｉｎｅｅｒｉｎｇ Ｓｏｃｉ－ Ｆｕｔｕｒｅ Ａｉｒｃｒａｆｌ［Ｃ］／／Ｅｌｅｃｔｒｉｃａｌ Ｉｎｓｕｌａｔｉｏｎ Ｃｏｎｆｅｒｅｎｃｅ ａｎｄ ｅｔｙ Ｇｅｎｅｒａｌ Ｍｅｅｔｉｎｇ，２００３：７８８—７９３． Ｅｌｅｃｔｉｒｃａｌ Ｍａｎｕｆａｃｔｕｒｉｎｇ Ｅｘｐｏ，ＵＳＡ，２００５：１４６－１５０． 李文军．多小波和小波神经网络构造及其在电弧故障诊断中 蓝会立，张认成．开关柜内部弧光短路伴生弧声的频谱特性研 的应用研究［Ｄ】．长春：吉林大学，２００８． 究［Ｊ】．高压电器，２００８，４４（２）：１０７．１０９． 杨建红，张认成，杜建华．基于多信息融合的故障电弧保护系 蓝会立，张认成．基于小波分析的故障电弧伴生弧声特征提取 统的应用研究［Ｊ】＿高压电器，２００７，４３（３）：１９４—１９６． ［Ｊ］．电力系统及其自动化学报，２００８，２０（４）：５７．６２． 窦甜华．基于多信息融合的电气火灾智能检测技术的研究 Ｋｉｍ Ｃ Ｊ．Ｅｌｅｃｔｒｏｍａｇｎｅｔｉｃ Ｒａｄｉａｔｉｏｎ Ｂｅｈａｖｉｏｒ ｏｆ Ｌｏｗ－ｖｏｌｔ－ 【Ｄ］．济南：山东建筑大学，２０１１． －ａｇｅ Ａｒｃｉｎｇ Ｆａｕｌｔ［Ｊ］．ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｐｏｗｅｒ Ｄｅｌｉｖｅｒｙ， 胡文平．基于智能信息融合的电力设备故障诊断新技术研究 ２００９，２４（１）：４１６－４２３． 【Ｄ］．武汉：华中科技大学，２００５． Ｓｉｄｈｕ Ｔ Ｓ，Ｓｉｎｇｈ Ｇ，Ｓａｃｈｄｅｖ Ｍ Ｓ．Ａ Ｎｅｗ Ｔｅｃｈｎｉｑｕｅ ｆｏｒ 彭剑，罗安，周柯，等．变压器故障诊断中信息融合技术的应用 Ｄｅｔｅｃｔｉｏｎ ａｎｄ Ｌｏｃａｔｉｏｎ ｏｆ Ａｒｃｉｎｇ Ｆａｕｌｔｓ ｉｎ Ｐｏｗｅｒ Ｓｙｓｔｅｍ ［Ｊ】．高电压技术，２００７，３３（３）：１４４－１４７． Ａｐｐａｒａｕｔｓ［Ｃ］／／ＩＥＥＥ Ｃａｎａｄｉｎａ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｅｌｅｃｔｒｉｃａｌ ａｎｄ 钱国超．大型电力变压器基于信息融合故障诊断技术的研究 Ｃｏｍｐｍｅｒ Ｅｎｇｉｎｅｅｒｉｎｇ，１９９８，１：１８５—１８８． ［Ｄ】．重庆：重庆大学，２００８． Ｓｉｄｈｕ Ｔ Ｓ，Ｓａｃｈｄｅｖ Ｍ Ｓ，Ｓａｇｏｏ Ｇ Ｓ．Ｄｅｔｅｃｔｉｏｎ ａｎｄ Ｌｏｃａ— 陈玉立．信息融合技术在变压器故障诊断中的应用［Ｄ】．成 ｔｉｏｎ ｏｆ Ｌｏｗ－ｌｅｖｅｌ Ａｒｃｉｎｇ Ｆａｕｌｔｓ ｉｎ Ｍｅｔａｌ—ｃｌａｄ Ｅｌｅｃｔｒｉｃａｌ 都：西南交通大学，２００６． Ａｐｐａｒａｔｕｓ［Ｃ］／／７ｔｈ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｄｅｖｅｌｏｐ－ 高嫒嫒．多源信息融合技术在电机故障诊断中的应用研究 ｍｅｎｔｓ ｉｎ Ｐｏｗｅｒ Ｓｙｓｔｅｍ Ｐｒｏｔｅｃｔｉｏｎ， Ａｍｓｔｅｒｄａｍ，２００１： ［Ｄ】．沈阳：沈阳工业大学，２００９．