CN113281625B - 一种低压用户非侵入式电弧故障精准检测方法及*** - Google Patents
一种低压用户非侵入式电弧故障精准检测方法及*** Download PDFInfo
- Publication number
- CN113281625B CN113281625B CN202110571290.5A CN202110571290A CN113281625B CN 113281625 B CN113281625 B CN 113281625B CN 202110571290 A CN202110571290 A CN 202110571290A CN 113281625 B CN113281625 B CN 113281625B
- Authority
- CN
- China
- Prior art keywords
- current
- fault
- arc
- module
- characteristic
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 32
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 44
- 230000008859 change Effects 0.000 claims abstract description 22
- 238000012544 monitoring process Methods 0.000 claims abstract description 17
- 239000011159 matrix material Substances 0.000 claims abstract description 11
- 230000009467 reduction Effects 0.000 claims abstract description 7
- 238000000034 method Methods 0.000 claims description 34
- 238000007781 pre-processing Methods 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 17
- 230000003993 interaction Effects 0.000 claims description 17
- 238000004891 communication Methods 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 6
- 230000033228 biological regulation Effects 0.000 claims description 3
- 230000006698 induction Effects 0.000 claims description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 3
- 125000004122 cyclic group Chemical group 0.000 abstract 1
- 238000005070 sampling Methods 0.000 description 9
- 238000010891 electric arc Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000005670 electromagnetic radiation Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 239000002904 solvent Substances 0.000 description 1
- 238000004544 sputter deposition Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/12—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing Relating To Insulation (AREA)
Abstract
本发明公开了一种低压用户非侵入式电弧故障精准检测方法,包括:预设包含正常与故障样本的全部电器全特征数据库;初始化相关参数;采集用户入户处总电流和端电压并进行降噪处理;捕捉总电流信号稳态时窗,计算CRC特征,结合故障电弧特征样本,实时检测故障电弧;若存在故障电弧,利用电流模式匹配实现负荷分解得到负荷构成;若时窗稳态特征发生变化及负荷构成已知,计算ZCP特征,根据用户负荷构成和CRC和ZCP特征列出运行中电器的全特征样本矩阵;以全特征矩阵最优分解的最佳匹配结果作为电弧电流分解结果得到故障电器,实现故障支路定位,进而切除故障。本发明可根据用户总口电流实现故障电弧监测,并辨识出故障支路,消除电弧故障引发的火灾隐患。
Description
技术领域
本发明涉及电力***故障电弧监测领域,具体涉及一种低压用户非侵入式电弧故障精 准检测方法。
背景技术
电气火灾在所有火灾类型中排名第一,根据《中国火灾统计年鉴》,近年来我国电气火 灾约占火灾总数的30%,且呈逐年上升趋势,而电弧故障是电气火灾的主要原因。低压配 电线路由于接线端子松动、线路长期过载、绝缘老化等原因而导致的等离子体放电的现象 即为电弧故障,且往往伴随着电极局部高温溅射而产生火灾隐患。因此,研究电弧电流、 电压信号的故障特征具有重要意义,可为电弧故障保护装置的设计提供理论指导,从而保 证用电的安全可靠。
电弧故障可分为并联电弧故障和串联电弧故。不同位置的并联电弧故障的电流波形具 有较强的共性,一般大于负载电流。串联电弧故障的电流波形受其下游电器负载的影响, 幅值一般小于负载电流。传统的保护装置如熔断器、断路器等在过电流时触发,可以有效 地检测和保护并联电弧故障,但不能检测串联电弧故障。不同电器在发生串联电弧故障时, 电弧电流波形具有以下特点:波形中含有谐波成分;由于电压降的存在,电流幅值低于正 常负荷电流;电流上升率高于正常电流;它在过零点前熄灭,过零点后重新点燃,形成“平 肩”,即零休时段;它是随机的,通常是间歇性的,中间有正常的电流波形。
非侵入式负荷监测(Non-intrusive Load Monitoring,NILM)是20世纪80年代由MIT 的Hart提出的。它只需在客户入口处安装一个传感器,对总电流和终端电压进行采集和分 析,就可以监测到家中每台电器的耗电量和运行状态,从而了解家庭中每台电器的详细耗 电情况。
目前,针对串联故障电弧的检测方法主要有以下三方面:一是基于电弧光、热、电磁 辐射等的电弧故障检测;二是基于电弧数学模型;三是基于电弧电压电流波形。现有大量 故障电弧检测方法和判据研究,多集中在高采样率的电弧电流和电压信号的时、频域特征。 然而受限于线路实际安装场景和设备采样频率,单个负载端电压波形难以获取且对采样频 率要求较高的算法难以推广应用。由于故障电弧检测与非侵入式负荷监测所在量测点的位 置天然重合,而串联电弧故障时的电流波形是叠加在负载电流之上,本发明的初衷是融合 这两个领域的研究成果,以期发现更有效的串联电弧故障检测和识别方法,并通过研究相对 于不同电器运行时的电弧特征差异,定位电弧故障所在的支路,以便更加快速及时地排除 故障电弧的火灾和安全隐患。
发明内容
考虑到现有技术存在的不足,为进一步促进故障电弧检测在实际低压用户的推广应用, 实现用户火灾预警和线路隐患定位消除,本发明结合有监督的非侵入式负荷监测技术,提 出了一种低压用户非侵入式电弧故障精准检测***和方法,旨在解决低压用户故障电弧检 测问题。此发明可以根据用户总口电流实现故障电弧监测,并辨识出电弧故障所在的电路 分支,即故障发生在哪个电器所在的哪条支路上,可以及时消除电弧故障引发的火灾和安 全隐患。
为了解决上述技术问题,本发明提出的一种低压用户非侵入式电弧故障精准检测方法, 包括以下步骤:
步骤1:预设包含全部电器的正常特征样本数据库、故障电弧特征数据库的全部电器全 特征样本数据库;同时初始化预先设置的相关参数,包括初始时窗的稳态特征、初始用户 负荷构成;
步骤2:采集用户入户处的采集用户入户处的用户总电流和端电压,同时采用小波包阈 值去噪方法对采集的电流数据进行预处理;
步骤3:针对用户总电流信号,捕捉稳态时窗,进行特征计算,包括电流变化率与有效 值比值(CRC),根据电流变化率与有效值比值(CRC)特征,并结合所述的故障电弧特征数据库,实时检测故障电弧;
步骤4:判断故障电弧是否存在,如果存在故障电弧,则执行步骤5,否则执行步骤6;
步骤5:判断当前时窗的稳态特征是否发生变化,如果存在变化,则返回步骤2,否则 执行步骤8;
步骤6:利用电流模式匹配方法实现用户负荷分解得到用户负荷构成,所述用户负荷构 成是指低压配电***内各电器开关的各种工作状态;
步骤7:记录当前时窗的用户负荷构成与此刻的稳态特征,返回步骤2;
步骤8:判断当前时窗的负荷构成是否已知,若已知则执行步骤9,否则返回步骤2;
步骤9:根据步骤6获得的用户负荷构成计算电流零休时间(ZCP)特征,根据电流变化率与有效值比值(CRC)和电流零休时间(ZCP)特征列出处于运行状态的电器的全特征 样本矩阵;根据所述的运行电器的全特征样本数据库,得到对应运行电器总电流;比较不 同电器故障组合总电流与此时用户真实总电流波形的相似度,其中最佳匹配结果即为电弧电流分解结果;
步骤10:根据电弧电流分解结果,得到发生电弧故障的电器;
步骤11:根据发生电弧故障的电器,回溯故障所在的电路分支,实现电弧故障所在支 路定位;
步骤12:发出故障告警及故障支路信息,触发相关断路器动作切除电弧故障所在支路, 返回步骤2或是结束检测。
进一步讲,本发明所述的低压用户非侵入式电弧故障精准检测方法,其中:
对于步骤1,预设的全部电器的正常特征样本数据库、故障电弧特征数据库和运行电器 的全特征样本数据库,所述电器是指低压用户常见电器,包括电热水壶、电热水器、空调、 电磁炉、白炽灯、电吹风。
对于步骤3,实现捕捉稳态时窗采用的规则是通过时间序列连续14个半波功率极差小 于指定阈值规则。
对于步骤4,判断故障电弧是否存在的方法是:按GB-14287.4-1014标准,如果存在连 续14个半波均存在电流变化率与有效值比值(CRC)超过10倍该指标的均方根值,则判断此时存在电弧故障。
对于步骤7,所述的稳态特征包括当前时窗的用户负荷的总平均功率、总电流有效值、 总电流基波有效值。
对于步骤9,比较不同电器故障组合总电流与此时用户真实总电流波形的相似度的方法 是:采用时间序列间欧氏距离来比较全特征样本矩阵分解得到的不同电器故障组合总电流 与真实总电流之间的相似度计算。
同时,本发明中还提供了实现上述低压用户非侵入式电弧故障精准检测方法的***, 该***包括参数预设模块、电气信息采集与预处理模块、稳态时窗电弧特征提取及故障判 断模块、非侵入式正常电流分解模块、当前时窗负荷构成及稳态特征记录与判断模块、电 器成分已知电弧电流分解与支路定位模块、全部电器全特征样本数据库模块、数据信息存 储模块、数据传输与信息通信模块、对外交互功能模块;
所述参数预设模块,预设包含全部电器的正常特征样本数据库、故障电弧特征数据库 的全部电器全特征样本数据库,初始化不同功能模块中需要预先设置的相关参数;
所述电气信息采集与预处理模块,用于根据***设置,采集监测点处的电压和总电流 信号,对采集到的电压、电流信号进行降噪的数据预处理;
所述稳态时窗电弧特征提取及故障判断模块,针对用户总电流,捕捉稳态时窗,进行 特征计算,包括电流变化率与有效值比值和电流零休时间,并根据电流变化率与有效值比 值,结合所述的故障电弧特征数据库模块,实时判断故障电弧存在与否;
所述非侵入式正常电流分解模块,用于分析采集负荷总电流和端电压,提取负荷特性, 根据全部电器的正常特征样本库,利用设备电流的负荷特性进行电流模式匹配,实现负荷 分解,得到低压配电***内各电器的工作状态;
所述的当前时窗负荷构成及稳态特征记录与判断模块,用于记录当前时窗的用户负荷 构成与此刻的稳态特征;同时用于判断当前时窗的稳态特征是否发生变化,当前时窗的负 荷构成是否已知;
所述的电器成分已知电弧电流分解与支路定位模块,在总电流检测到电弧故障之后, 利用非侵入式正常电流分解模块得到的用户负荷构成,列出处于运行状态的电器的全特征 样本矩阵,比较不同组合的总电流与此时用户真实总电流波形的相似度,得到最佳匹配结 果,回溯电弧故障所在的电路分支,实现电弧故障支路定位;
所述的全部电器全特征样本数据库模块,包含全部电器的正常特征样本数据库、故障 电弧特征数据库,用于存储和管理关于不同电器正常和电弧故障运行时的特征指纹数据;
所述数据信息存储模块,根据需要,保存其他功能模块的信号分析与数据处理的结果, 并为其他功能模块提供数据访问接口;
所述对外交互功能模块,用于低压用户非侵入式电弧故障精准检测***与外界进行必 要的数据信息交互,包括但不限于监测与分析结果的展示与输出,调控命令的输入与输出;
所述数据传输与信息通信模块,根据需要,用于***中不同功能模块之间的数据与信 息交互。
与现有技术相比,本发明的有益效果是:
本发明将非侵入式负荷分解技术方法应用于故障电弧检测,建立了一种低压用户非侵 入式电弧故障精准检测***及方法,能够在不侵入低压用户内部的情况下,实现用户负荷 分解和电弧故障检测,并确定故障电器及故障所在支路定位。这一方法有助于实现实时电 弧故障监测与预警,并且能够定位故障支路,便于用户及时采取检修与更换电器设备,极 大的降低了维修成本,减少了一些不必要的经济和人身财产损失,提高了低压用户用电安 全性。
附图说明
图1是本发明一种低压用户非侵入式电弧故障精准检测***示意图;
图2是本发明一种低压用户非侵入式电弧故障精准检测方法流程图;
图3是电热水壶正常与故障情况下降噪前(左图)后(右图)的电流波形对比图;
图4是电热水壶CRC与ZCP计算结果;
图5是运行电器的全特征样本数据库示意图,其中:符号·代表电吹风冷风电弧故障, 符号×代表电吹风冷风正常运行;符号□代表电吹风热风电弧故障;符号◇代表电吹风热风 正常运行;符号代表空调电弧故障;符号☆代表空调正常运行;符号○代表电热水壶电 弧故障;符号代表电热水壶正常运行;
图6是正常运行和电弧故障下电器运行电流波形图;
图7是低压用户实际总电流片段及其CRC特征计算结果图。
具体实施方式
下面结合附图及具体实施例对本发明做进一步的说明,但下述实施例绝非对本发明有 任何限制。
实现本发明低压用户非侵入式电弧故障精准检测方法的***,如图1所示,该***主 要包括以下10个功能模块,各功能模块的作用如下:
(1)参数预设模块,用于预设包含全部电器的正常特征样本数据库、故障电弧特征数 据库的全部电器全特征样本数据库,初始化不同功能模块中需要预先设置的相关参数。
(2)电气信息采集与预处理模块,用于根据***设置,采集监测点处的电压和总电流 信号,对采集到的电压、电流信号进行降噪的数据预处理;具体作用是采集安装点处的强 电压、大电流模拟信号,并将其转换为弱电压和/或小电流模拟信号,而后将弱电压和/或小 电流模拟信号数字化。实施过程中,所述电压和电流信号的采集可以利用电压和电流互感 器实现,为了方便,电流互感器可以采用“钳式”互感器。并且对采集到的电压、电流信号进 行降噪的数据预处理,本实施例选择小波包阈值去噪方法对采集的电流数据进行预处理。
(3)稳态时窗电弧特征提取及故障判断模块,针对用户总电流,捕捉稳态时窗,进行 特征计算,包括电流变化率与有效值比值(CRC)和电流零休时间(ZCP),并根据CRC, 结合所述的故障电弧特征数据库模块,实时判断故障电弧存在与否;CRC和ZCP这两个特 征的定义如下。CRC,即两个相邻采样点之间的差值除以两个采样点之间的采样间隔即可得 到变化率。本实施例中采样间隔是一个固定值,即采样频率的倒数,此处略去具体计算。 为确保实时监测,在此基础上再除以前一个电流周波的有效值,具体如式(1)所示。零电 流周期(ZCP)是设备特定的或由设备确定的。对于普通电器负载,它们是每个电流周波内 采样点绝对值小于最大值百分之五的持续时间;对于“平肩”处电流瞬时值不在零值附近的电 器,如吹风机,在额外将“平肩”的绝对值调整为零后,它们遵循相同的定义。
其中,Irms为前一个电流周波的有效值,Ij和Ij+1分别为相邻采样点的电流值。
(4)非侵入式正常电流分解模块,用于分析采集负荷总电流和端电压,提取负荷特性, 根据全部电器的正常特征样本库,利用设备电流的负荷特性进行电流模式匹配,实现负荷 分解,得到低压配电***内各电器的工作状态;该模块的相关技术方法可采用文献[Yu Yixin, Liu Bo,Wang Bing.Current Pattern Matching Method for Non-IntrusivePower Load Monitoring and Disaggregation:US2015309092[P].2015-10-29.]提出的一种非侵入式负荷监测电流模式 匹配方法,利用设备电流的谐波特性进行电流模式匹配,实现负荷分解。
(5)当前时窗负荷构成及稳态特征记录与判断模块,用于记录当前时窗的用户负荷构 成与此刻的稳态特征;同时用于判断当前时窗的稳态特征是否发生变化,当前时窗的负荷 构成是否已知;
(6)电器成分已知电弧电流分解与支路定位模块,在总电流检测到电弧故障之后,利 用非侵入式正常电流分解模块得到的用户负荷构成,列出处于运行状态的电器的全特征样 本矩阵,比较不同组合的总电流与此时用户真实总电流波形的相似度,得到最佳匹配结果, 回溯电弧故障所在的电路分支,实现电弧故障支路定位;
(7)全部电器全特征样本数据库模块,包含全部电器的正常特征样本数据库、故障电 弧特征数据库,用于存储和管理关于不同电器正常和电弧故障运行时的特征指纹数据;在 后期数据处理过程中,所述稳态时窗电弧特征提取及故障判断模块从所述全部电器全特征 样本数据库模块中读取所需电器电弧故障运行时的电流特征样本数据;所述非侵入式正常 电流分解模块从所述全部电器全特征样本数据库模块中读取所需电器正常运行时的电流特 征样本数据;所述电器成分已知电弧电流分解与支路定位模块从所述全部电器全特征样本 数据库模块中读取所需电器正常和电弧故障运行时的电流特征样本数据。
(8)数据信息存储模块,根据需要,保存其他功能模块的信号分析与数据处理的结果, 并为其他功能模块提供数据访问接口;具体地,
所述参数预设模块、电气信息采集与预处理模块、稳态时窗电弧特征提取及故障判断 模块、非侵入式正常电流分解模块、当前时窗负荷构成及稳态特征记录与判断模块、电器 成分已知电弧电流分解与支路定位模块的处理结果,及所述的对外交互功能模块的输入信 息,可以存储在所述数据信息存储模块中,而且,所述参数预设模块、电气信息采集与预 处理模块、稳态时窗电弧特征提取及故障判断模块、非侵入式正常电流分解模块、当前时 窗负荷构成及稳态特征记录与判断模块、电器成分已知电弧电流分解与支路定位模块,及 所述的对外交互功能模块为实现定义功能,可以访问所述数据信息存储模块以从中获取所 需数据。
(9)对外交互功能模块,用于低压用户非侵入式电弧故障精准检测***与外界进行必 要的数据信息交互,包括但不限于监测与分析结果的展示与输出,调控命令的输入与输出;
(10)数据传输与信息通信模块,根据需要,用于***中不同功能模块之间的数据与 信息交互。图1中的“单向”或“双向”箭头代表数据传输与信息通信模块。
如图2所示,利用上述***实现低压用户非侵入式电弧故障精准检测的步骤如下:
步骤1:利用参数预设模块和全部电器全特征样本数据库模块,预设包含全部电器的正 常特征样本数据库、故障电弧特征数据库的全部电器全特征样本数据库;同时初始化不同 功能模块中需要预先设置的相关参数,例如:初始时窗的稳态特征和初始用户负荷构成。 其中,预设的全部电器的正常特征样本数据库、故障电弧特征数据库和运行电器的全特征 样本数据库,包括低压用户常见电器,如电热水壶、电热水器、空调、电磁炉、白炽灯、电吹风等。本实施例展示了运行电器的全特征样本数据库,如图5所示,正常运行和电弧 故障下各电器样本均较好地聚成一簇,有力地验证了电弧特性与电器的相关性。
由于电弧特性与不同类型的电器有关,本实施例选取了低压用户常见的几种电器,包 括电热水壶、空调、电吹风(冷风)和电吹风(热风),分别为电阻型、电感型、电机型和电机-电阻型电器,采集了各个电器正常运行和有电弧故障时的运行电流波形。如图6所示,每个电器包括100个正常运行的样本和100个电弧故障运行的样本,数据采样频率为25000Hz。
步骤2:利用电气信息采集与预处理模块采集用户入户处的采集用户入户处的用户总电 流和端电压,同时采用小波包阈值去噪方法对采集的电流数据进行预处理;具体为用db1 小波对原始信号进行3层分解并按给定软阈值去噪处理。本实施例采用db1小波对原始信 号进行3层分解并按给定软阈值降噪处理,如图3所示为电热水壶正常与故障情况下去噪 前后的电流波形对比图。
步骤3:利用稳态时窗电弧特征提取及故障判断模块针对用户总电流信号,捕捉稳态时 窗,进行特征计算,包括CRC,根据CRC特征,并结合所述的故障电弧特征数据库,实时检测故障电弧;捕捉稳态时窗具体通过时间序列连续14个半波功率极差小于指定阈值规则实现。本实施例列举了电热水壶正常运行和电弧故障时的CRC和ZCP特征计算结果,如图 4所示;并结合所述的故障电弧特征数据库,实时检测故障电弧。本实施例截取实际低压用户总电流其中一段,并计算其CRC特征,如图7左边曲线所示,横坐标为相对时间。其中 电热水壶和吹风机(热风)从一开始正常运行,空调在0.12s开始正常运行,随后空调在0.24s 到0.38s发生串弧故障。根据CRC特征对总电流进行电弧故障检测,计算结果如图7右边 曲线所示,电弧故障持续时间为0.24s~0.38s,故障时间持续14个半波,应判定为电弧故 障并报警。
步骤4:判断故障电弧是否存在,如果存在故障电弧,则执行步骤5,否则执行步骤6; 具体讲,按GB-14287.4-1014标准,如果存在连续14个半波均存在CRC超过10倍该指标的均方根值,则判断此时存在电弧故障。
步骤5:判断当前时窗的稳态特征是否发生变化,本实施例由负荷总电流和端电压计算 并跟踪总功率,若总功率变化量小于指定阈值20W,即认为稳态特征发生变化,则执行步 骤2,否则执行步骤8。
步骤6:利用非侵入式正常电流分解模块和当前时窗负荷构成及稳态特征记录与判断模 块,利用电流模式匹配方法[Yu Yixin,Liu Bo,Wang Bing.Current PatternMatching Method for Non-Intrusive Power Load Monitoring and Disaggregation:US2015309092[P].2015-10-29.]实现 用户负荷分解得到用户负荷构成,所述用户负荷构成是指低压配电***内各电器的工作状 态,即各电器开关包括的多种工作模式。
步骤7:记录当前时窗的用户负荷构成与此刻的稳态特征,稳态特征具体包括当前时窗 的用户负荷的总平均功率、总电流有效值、总电流基波有效值;返回步骤2。
步骤8:判断当前时窗的负荷构成是否已知,若已知则执行步骤9,否则返回步骤2;
步骤9:利用电器成分已知电弧电流分解与支路定位模块,根据步骤6获得的用户负荷 构成计算ZCP特征,根据CRC和ZCP特征列出处于运行状态的电器的全特征样本矩阵;根据所述的运行电器的全特征样本数据库,得到对应运行电器总电流;比较不同电器故障组合总电流与此时用户真实总电流波形的相似度,其中最佳匹配结果即为电弧电流分解结果;其中,采用时间序列间欧氏距离来比较全特征矩阵分解得到的不同电器故障组合总电流与真实总电流之间的相似度计算。可采用时间序列间欧氏距离d来比较,具体计算方法如式(2)所示。
检测到电弧故障后,基于运行电器的全特征样本数据库,将一个特定设备的电弧故障 波形与其他运行设备的正常运行波形进行组合。列出所有可能的组合,并计算每个组合的 电流波形与原始总电流的欧氏距离,以欧氏距离表示相似度,选择相似度最大的组合作为 最优分解。
步骤10:根据电弧电流分解结果,得到发生电弧故障的电器;
步骤11:根据发生电弧故障的电器,回溯故障所在的电路分支,实现电弧故障所在支 路定位;
步骤12:发出故障告警及故障支路信息,触发相关断路器动作切除电弧故障所在支路, 返回步骤2或是结束检测。
本发明中的数据信息存储模块、对外交互功能模块和数据传输与信息通信模块用于数 据存储和通信和对外交互,对应前述各个步骤。
对于本实施例截取的实际某一用户总电流,所有组合结果和相似度计算结果如表1所 示,由此可见,组合2欧氏距离最小或相似度最大,是最优分解组合,即检测到的电弧故障与空调有关,且电弧故障位于空调所在的供电支路上。
表1所有组合结果及相似度计算结果
按照上述实施例,本发明能够在不侵入低压用户内部的情况下,实现用户负荷分解和 电弧故障检测,并确定故障电器及故障所在支路定位。因此,本发明成果能够实现实时电 弧故障监测与预警,并且能够定位故障支路,便于用户及时采取检修与更换电器设备,极 大的降低了维修成本,减少了一些不必要的经济和人身财产损失,提高了低压用户用电安 全性。
尽管上面结合附图对本发明进行了描述,但是本发明并不局限于上述的具体实施方式, 上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本发明 的启示下,在不脱离本发明宗旨的情况下,还可以做出很多变形,这些均属于本发明的保 护之内。
Claims (7)
1.一种低压用户非侵入式电弧故障精准检测方法,其特征在于,包括以下步骤:
步骤1:预设包含全部电器的正常特征样本数据库、故障电弧特征数据库的全部电器全特征样本数据库;同时初始化预先设置的相关参数,包括初始时窗的稳态特征、初始用户负荷构成;
步骤2:采集用户入户处的采集用户入户处的用户总电流和端电压,同时采用小波包阈值去噪方法对采集的电流数据进行预处理;
步骤3:针对用户总电流信号,捕捉稳态时窗,进行特征计算,包括电流变化率与有效值比值(CRC),根据电流变化率与有效值比值(CRC)特征,并结合所述的故障电弧特征数据库,实时检测故障电弧;
步骤4:判断故障电弧是否存在,如果存在故障电弧,则执行步骤5,否则执行步骤6;
步骤5:判断当前时窗的稳态特征是否发生变化,如果存在变化,则返回步骤2,否则执行步骤8;
步骤6:利用电流模式匹配方法实现用户负荷分解得到用户负荷构成,所述用户负荷构成是指低压配电***内各电器开关的各种工作状态;
步骤7:记录当前时窗的用户负荷构成与此刻的稳态特征,返回步骤2;
步骤8:判断当前时窗的负荷构成是否已知,若已知则执行步骤9,否则返回步骤2;
步骤9:根据步骤6获得的用户负荷构成,计算电流零休时间(ZCP)特征,根据电流变化率与有效值比值(CRC)和电流零休时间(ZCP)特征列出处于运行状态的电器的全特征样本矩阵;根据所述的运行电器的全特征样本数据库,得到对应运行电器总电流;比较不同电器故障组合总电流与此时用户真实总电流波形的相似度,其中最佳匹配结果即为电弧电流分解结果;
步骤10:根据电弧电流分解结果,得到发生电弧故障的电器;
步骤11:根据发生电弧故障的电器,回溯故障所在的电路分支,实现电弧故障所在支路定位;
步骤12:发出故障告警及故障支路信息,触发相关断路器动作切除电弧故障所在支路,返回步骤2或是结束检测;
对于步骤3,实现捕捉稳态时窗采用的规则是通过时间序列连续14个半波功率极差小于指定阈值规则;
对于步骤7,所述的稳态特征包括当前时窗的用户负荷的总平均功率、总电流有效值、总电流基波有效值;
对于步骤9,比较不同电器故障组合总电流与此时用户真实总电流波形的相似度的方法是:采用时间序列间欧氏距离来比较全特征样本矩阵分解得到的不同电器故障组合总电流与真实总电流之间的相似度计算。
2.根据权利要求1所述的低压用户非侵入式电弧故障精准检测方法,其特征在于,对于步骤1,预设的全部电器的正常特征样本数据库、故障电弧特征数据库和运行电器的全特征样本数据库,所述电器是指低压用户常见电器,包括电热水壶、电热水器、空调、电磁炉、白炽灯、电吹风。
3.根据权利要求1所述的低压用户非侵入式电弧故障精准检测方法,其特征在于,对于步骤4,判断故障电弧是否存在的方法是:按GB-14287.4-1014标准,如果存在连续14个半波均存在电流变化率与有效值比值(CRC)超过10倍该指标的均方根值,则判断此时存在电弧故障。
4.实现如权利要求1所述的低压用户非侵入式电弧故障精准检测方法的***,其特征在于,该***包括参数预设模块、电气信息采集与预处理模块、稳态时窗电弧特征提取及故障判断模块、非侵入式正常电流分解模块、当前时窗负荷构成及稳态特征记录与判断模块、电器成分已知电弧电流分解与支路定位模块、全部电器全特征样本数据库模块、数据信息存储模块、数据传输与信息通信模块、对外交互功能模块;
所述参数预设模块,预设包含全部电器的正常特征样本数据库、故障电弧特征数据库的全部电器全特征样本数据库,初始化不同功能模块中需要预先设置的相关参数;
所述电气信息采集与预处理模块,用于根据***设置,采集监测点处的电压和总电流信号,对采集到的电压、电流信号进行降噪的数据预处理;
所述稳态时窗电弧特征提取及故障判断模块,针对用户总电流,捕捉稳态时窗,进行特征计算,包括电流变化率与有效值比值和电流零休时间,并根据电流变化率与有效值比值,结合所述的故障电弧特征数据库模块,实时判断故障电弧存在与否;
所述非侵入式正常电流分解模块,用于分析采集负荷总电流和端电压,提取负荷特性,根据全部电器的正常特征样本库,利用设备电流的负荷特性进行电流模式匹配,实现负荷分解,得到低压配电***内各电器的工作状态;
所述的当前时窗负荷构成及稳态特征记录与判断模块,用于记录当前时窗的用户负荷构成与此刻的稳态特征;同时用于判断当前时窗的稳态特征是否发生变化,当前时窗的负荷构成是否已知;
所述的电器成分已知电弧电流分解与支路定位模块,在总电流检测到电弧故障之后,利用非侵入式正常电流分解模块得到的用户负荷构成,列出处于运行状态的电器的全特征样本矩阵,比较不同组合的总电流与此时用户真实总电流波形的相似度,得到最佳匹配结果,回溯电弧故障所在的电路分支,实现电弧故障支路定位;
所述的全部电器全特征样本数据库模块,包含全部电器的正常特征样本数据库、故障电弧特征数据库,用于存储和管理关于不同电器正常和电弧故障运行时的特征指纹数据;
所述数据信息存储模块,根据需要,保存其他功能模块的信号分析与数据处理的结果,并为其他功能模块提供数据访问接口;
所述对外交互功能模块,用于低压用户非侵入式电弧故障精准检测***与外界进行必要的数据信息交互,包括但不限于监测与分析结果的展示与输出,调控命令的输入与输出;
所述数据传输与信息通信模块,根据需要,用于***中不同功能模块之间的数据与信息交互。
5.根据权利要求4所述的实现低压用户非侵入式电弧故障精准检测方法的***,其特征在于,所述电气信息采集与预处理模块的作用是采集安装点处的强电压、大电流模拟信号,并将其转换为弱电压和/或小电流模拟信号,而后将弱电压和/或小电流模拟信号数字化。
6.根据权利要求4所述的实现低压用户非侵入式电弧故障精准检测方法的***,其特征在于,所述稳态时窗电弧特征提取及故障判断模块从所述全部电器全特征样本数据库模块中读取所需电器电弧故障运行时的电流特征样本数据;
所述非侵入式正常电流分解模块从所述全部电器全特征样本数据库模块中读取所需电器正常运行时的电流特征样本数据;
所述电器成分已知电弧电流分解与支路定位模块从所述全部电器全特征样本数据库模块中读取所需电器正常和电弧故障运行时的电流特征样本数据。
7.根据权利要求4所述的实现低压用户非侵入式电弧故障精准检测方法的***,其特征在于,参数预设模块、电气信息采集与预处理模块、稳态时窗电弧特征提取及故障判断模块、非侵入式正常电流分解模块、当前时窗负荷构成及稳态特征记录与判断模块、电器成分已知电弧电流分解与支路定位模块的处理结果,及所述的对外交互功能模块的输入信息,存储在所述数据信息存储模块中,而且,所述参数预设模块、电气信息采集与预处理模块、稳态时窗电弧特征提取及故障判断模块、非侵入式正常电流分解模块、当前时窗负荷构成及稳态特征记录与判断模块、电器成分已知电弧电流分解与支路定位模块,及所述的对外交互功能模块为实现定义功能,访问所述数据信息存储模块以从中获取所需数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110571290.5A CN113281625B (zh) | 2021-05-25 | 2021-05-25 | 一种低压用户非侵入式电弧故障精准检测方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110571290.5A CN113281625B (zh) | 2021-05-25 | 2021-05-25 | 一种低压用户非侵入式电弧故障精准检测方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113281625A CN113281625A (zh) | 2021-08-20 |
CN113281625B true CN113281625B (zh) | 2023-01-13 |
Family
ID=77281646
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110571290.5A Active CN113281625B (zh) | 2021-05-25 | 2021-05-25 | 一种低压用户非侵入式电弧故障精准检测方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113281625B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112505511B (zh) * | 2020-12-14 | 2022-06-07 | 天津求实智源科技有限公司 | 一种非侵入式低压故障电弧检测与定位方法及*** |
CN113985121A (zh) * | 2021-10-29 | 2022-01-28 | 天津大学 | 基于功率主题发现的无监督非侵入式负荷识别方法及*** |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2460828A1 (en) * | 2004-03-03 | 2005-09-03 | Daniel J. Aubertin | Portable battery operated electronic interactive electric arc detector |
CN102721896A (zh) * | 2012-07-05 | 2012-10-10 | 天津市鸿远电气设备有限公司 | 故障电弧检测方法 |
CN102749533A (zh) * | 2012-04-23 | 2012-10-24 | 华侨大学 | 一种低压电弧故障检测方法 |
CN103812081A (zh) * | 2014-02-27 | 2014-05-21 | 南京航空航天大学 | 一种直流电弧故障检测保护方法及装置和检测电路 |
CN204330981U (zh) * | 2014-11-05 | 2015-05-13 | 兴义供电局 | 一种非侵入式变压器有载开关机械故障在线检测装置 |
CN107505528A (zh) * | 2017-10-18 | 2017-12-22 | 福州大学 | 电弧故障保护电器的智能化测试***及测试方法 |
CN108258804A (zh) * | 2017-12-29 | 2018-07-06 | 北京国电通网络技术有限公司 | 一种家庭智慧能源网关及能源管理*** |
WO2018159914A1 (ko) * | 2017-03-02 | 2018-09-07 | 주식회사 웰림 | 복합 다기능 릴레이 시스템 및 그 제어방법 |
CN211606196U (zh) * | 2020-03-25 | 2020-09-29 | 华北电力大学 | 一种远程监控用电设备的负荷分解装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103001230B (zh) * | 2012-11-16 | 2014-10-15 | 天津大学 | 非侵入式电力负荷监测与分解的电流模式匹配方法 |
CN104280668B (zh) * | 2014-11-05 | 2016-05-11 | 广东电网有限责任公司佛山供电局 | 配电网故障类型识别方法和*** |
CN112505511B (zh) * | 2020-12-14 | 2022-06-07 | 天津求实智源科技有限公司 | 一种非侵入式低压故障电弧检测与定位方法及*** |
-
2021
- 2021-05-25 CN CN202110571290.5A patent/CN113281625B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2460828A1 (en) * | 2004-03-03 | 2005-09-03 | Daniel J. Aubertin | Portable battery operated electronic interactive electric arc detector |
CN102749533A (zh) * | 2012-04-23 | 2012-10-24 | 华侨大学 | 一种低压电弧故障检测方法 |
CN102721896A (zh) * | 2012-07-05 | 2012-10-10 | 天津市鸿远电气设备有限公司 | 故障电弧检测方法 |
CN103812081A (zh) * | 2014-02-27 | 2014-05-21 | 南京航空航天大学 | 一种直流电弧故障检测保护方法及装置和检测电路 |
CN204330981U (zh) * | 2014-11-05 | 2015-05-13 | 兴义供电局 | 一种非侵入式变压器有载开关机械故障在线检测装置 |
WO2018159914A1 (ko) * | 2017-03-02 | 2018-09-07 | 주식회사 웰림 | 복합 다기능 릴레이 시스템 및 그 제어방법 |
CN107505528A (zh) * | 2017-10-18 | 2017-12-22 | 福州大学 | 电弧故障保护电器的智能化测试***及测试方法 |
CN108258804A (zh) * | 2017-12-29 | 2018-07-06 | 北京国电通网络技术有限公司 | 一种家庭智慧能源网关及能源管理*** |
CN211606196U (zh) * | 2020-03-25 | 2020-09-29 | 华北电力大学 | 一种远程监控用电设备的负荷分解装置 |
Non-Patent Citations (1)
Title |
---|
《Arc fault location: A nonlinear time varying fault model and frequency domain parameter estimation approach》;Renato G. Ferraz等;《International Journal of Electrical Power & Energy Systems》;20160930;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113281625A (zh) | 2021-08-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112505511B (zh) | 一种非侵入式低压故障电弧检测与定位方法及*** | |
CN108021736B (zh) | 一种基于滑动窗残差模型的负荷投切动作监测方法 | |
CN113281625B (zh) | 一种低压用户非侵入式电弧故障精准检测方法及*** | |
CN105067966B (zh) | 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 | |
CN105911342B (zh) | 基于功率持续时间特性的电饭煲非侵入辨识方法 | |
CN104678265A (zh) | 一种串联故障电弧检测装置及检测方法 | |
CN104614608B (zh) | 一种低压并联电弧故障检测装置及方法 | |
CN105223476A (zh) | 一种基于高频特征的故障电弧检测方法与装置 | |
WO2023015576A1 (zh) | 基于物联网的建筑电气火灾串联故障电弧识别方法及*** | |
CN102375107A (zh) | 基于时频综合分析的故障电弧检测方法及其装置 | |
CN105676028B (zh) | 一种基于模板匹配滤波的居民负荷用电识别方法 | |
Liu et al. | A new event detection technique for residential load monitoring | |
CN114252682B (zh) | 基于非侵入式负荷监测的大型楼宇异常负荷控制方法 | |
TWI492182B (zh) | 電器負載辨識方法 | |
CN110376489B (zh) | 一种智能配电网故障电弧检测*** | |
Meng et al. | Multi-branch AC arc fault detection based on ICEEMDAN and LightGBM algorithm | |
CN108459222A (zh) | 一种电器故障检测方法及*** | |
CN113917294A (zh) | 基于小波分解的智能自适应电弧检测方法及其应用装置 | |
CN107356827A (zh) | 一种基于有功功率波动性的洗衣机运行非侵入辨识方法 | |
Gong et al. | Series arc fault identification method based on wavelet transform and feature values decomposition fusion DNN | |
Lin et al. | A novel non-intrusive arc fault detection method for low-voltage customers | |
Wang et al. | An online load identification algorithm for non-intrusive load monitoring in homes | |
Zhang et al. | Lightweight AC arc fault detection method by integration of event-based load classification | |
CN113297786A (zh) | 一种基于半监督式机器学习的低压故障电弧感知方法 | |
Lu et al. | A new series arc fault identification method based on wavelet transform |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |