1、研究意義： 電弧故障（Arc Fault）有并聯電弧故障和串聯電弧故障之分。并聯電弧故障表現為電路短路，故障電流大，現有電氣保護體系能對其保護；而串聯電弧故障因受線路負載限制，其故障電流小，常為530A，甚至更低（熒光燈電弧故障電流有效值約為0.1A），以至于現有保護體系無法實現對串聯電弧故障保護，是現有電氣保護體系的漏洞之一，存在潛在電氣安全隱患。串聯電弧可分為“好弧”和“壞弧”，如電弧焊機、有刷電機工作時產生的電弧及插拔插座時產生的電弧常稱為“好弧”；其他非按人類意愿或控制產生的電弧稱為“壞弧”。對電弧故障進行檢測時，不應將“好弧”誤判為電弧故障，進而切斷電源造成不必要損失。實時準確檢測串

2、聯電弧故障，并切斷故障電路是避免電弧持續燃燒以至于釀成火災等事故的有效途徑。依據電弧發生時所產生的聲、光、電、磁等特性，采用實驗方法研究電弧特性。以電弧電、磁特征作為檢測方法輸入，實驗研究了電弧故障，分析說明串聯電弧與并聯電弧，交流電弧與直流電弧之不同；在頻域展開電弧特性研究，指出故障電弧特征量多集中在2-200kHz頻段。隨著電力電子技術發展，非線性負載增多，傳統基于電弧“零休”等特性的檢測方法已不能滿足要求。采用AR參數模型對低壓電弧故障進行檢測，并給出回路識別參考矢量；采用小波熵分析電弧故障，指出若小波熵值大于0.002則可判定發生電弧故障；基于小波變換模極大值建立電弧故障神經網絡模型，

3、以實現電弧故障檢測與分類。注：輸入參數的提取可以從一下三個方面：（1）負載正常工作時的電流特性；（2）開關插拔產生的正常電弧電流特性現實中我們在拔、插插頭的瞬間也會產生電弧，它們持續的時間短，在瞬間就熄滅了，不連續也不影響線路中設備的正常工作，幾乎不會因此產生火災而威脅環境的安全；（3）故障電?。ń佑|不良）的電流特性。主要是由于線路絕緣層老化、絕緣損壞或者短路等原因而產生的電弧。這種電弧持續時間長，電弧燃燒時放出大量的熱量，對周圍環境存在極大的火災安全隱患，是需要預防制止的電弧，也稱為故障電弧。一、采用高頻特性的低壓電弧故障識別方法(2016.6)摘要：針對不同類型負載的電弧故障，提出一種基于

4、小波熵的電弧故障普適性檢測方法。運用小波變換提取電弧故障發生時在電流過零點附近產生的高頻信號，采用該高頻信號的小波熵表征電弧故障的突變信息，并利用最小二乘支持向量機對小波熵進行分類，實現對電弧故障的有效識別。引言：電弧故障是引起電氣火災的重要原因之一，傳統的電弧故障檢測方法多基于電弧產生的弧光、弧聲、溫度等物理參數，但是線路中電弧故障位置的不確定性限制了這些方法的應用。電弧電流測量的便利性使其成為電弧故障檢測的理想參數。 傳統電弧故障的識別方法主要基于電弧電流的諧波占有率分析法，小波提取電弧電流故障特征的時頻分析法以及基于自回歸模型參數的識別方法等。其局限性在于：因為電弧故障位置不確定，電弧電

5、壓無法測得；負載類型繁多且連接方式不同，難于可靠區分電弧故障與正常負載電弧。本文運用小波分析提取電弧故障發生時電流過零點附近 1.25 MHz2.5 MHz 的高頻信號，以此高頻信號的小波能量熵作為識別參數，借助支持向量機對電弧故障信號進行識別，以期獲得具有適應于大多數負載及負載混聯時電弧故障識別的普適性檢測算法。1、 實驗平臺搭建主要由以碳，石墨棒和銅棒為電極的可調式電弧故障發生裝置、隔離變壓器、電流波形傳感器、數據采集系統以及計算機。系統采樣頻率為 5MHz/s。2.小波熵原理簡介2.1 小波變換傳統的在頻域分析方法是傅里葉變換，但其不能反映信號的時域特征，發生電弧故障時信號產生短時高頻沖

6、擊和微弱的波形突變，經傅里葉變換后，這些時域特征因積分而被踢出，因此傅里葉變換難以提取電弧故障有效信息。小波變換從時域和頻域兩個方面來反映電弧故障信號時頻特征，可以用于辨別電弧故障時電流信號的微小變化。二、采用小波熵的串聯型故障電弧檢測方法(2010.12.30)摘要：一些電氣設備正常工作時的電流特性與故障電弧電流的典型特性相似，當設備或線路發生串聯型故障電弧時，使得故障電弧的可靠診斷與檢測十分困難。提出一種利用小波熵來反應故障電弧電流信號的能量分布，并由此提取故障電弧電流中瞬變信號的方法，實現對故障電弧電流信號中低能量瞬變信號的有效提取，從而為串聯型故障電弧的診斷提供依據。引言：故障電弧它經

7、常發生在絕緣老化或破損的線路和設備中，或者在導體松弛連接等情況下發生。能夠描述故障電弧的物理量有很多，比如溫度、弧聲、弧光、電弧電壓等。用于測量這些物理參數的傳感器必須安裝在故障電弧發生點附近，本文提出以電弧電流作為故障電弧檢測和分析的物理參數，提取能用于快速有效診斷故障電弧的特征量。 注：線性負載與非線性負載區別 二者表現出來的區別就是：“二者都施加正弦電壓時，線性負載的電流是正弦的，非線性負載的電流是非正弦的?！?線性負載：故障電弧發生時，電弧電流會產生較明顯的“零休現象”，而故障電弧發生前電流卻不存在這種“零休現象”?？梢圆捎眯〔ǚ治鏊惴翱焖俑道锶~變換實現快速診斷。非線性負載：施加正弦

8、交流電壓時波形將發生嚴重畸變，出現類似前述的電流“零休現象”，因此很難直接利用這一電流特征來診斷故障電弧。利用多分辨分析小波分析理論。1.小波熵原理簡介 1.1 小波變換在瞬變信號檢測領域中，引入小波熵的概念，用來發現信號中微小的異常變化，能夠對時頻域上能量分布特性進行定量描述。小波熵值表征了信號復雜度在時頻的變化情況。三、低壓系統串聯故障電弧在線檢測方法(2016.4)摘要：本文首先基于居民用電系統搭建了模擬串聯故障電弧的實驗平臺，以常見家用電器為負載的實驗方案并采集到不同條件下的故障電弧信號?；陔娀‰娏鞯奶匦苑治?。引言：國內外電弧檢測的方法大致可以歸納為三類：建立電弧模型并通過檢測相應的

9、參量檢測電??；根據電弧發生時所產生的弧光、噪聲、輻射、溫度等變化檢測電??；根據電弧發生時的電流、電壓波形變化檢測電弧。在家庭供配電線路中，開關操作頻繁（正常工作電弧）、設備線路狀況復雜，容易發生觸頭松動、絕緣老化、擊穿、接地故障（故障電弧）等問題，增加了故障電弧發生的概率。由于用電設備分散，利用電弧光、熱等物理現象來檢測電弧并不現實，適合利用線路電流的變化來檢測電弧。1、 利用線路電流檢測電弧研究現狀目前的檢測方法可以分為三大類：一類基于電弧的某個或某些特征，如基于電弧電流畸變點的小波分析法，基于電弧電流高頻諧波的傅里葉分析方法，基于電弧電流上升率的分形法，基于電弧隨機性的差值-方均根檢測方法

10、；二是對電弧進行整體識別，已有的算法有模型參數法，支持向量機法，神經網絡法；三是上述兩種方法的組合，基于電弧電流波形的畸變性，通過小波變換的細節系數檢測電弧電流的畸變點，進而檢測出電弧。然而某些非線性負載正常工作時也存在相似的畸變點，不同負載下的細節系數閾值不統一，需要判斷負載的類型；從整體識別的角度，使用神經網絡算法對電弧信號進行訓練，其特點是識別率較高，但是實時性差，需要對大量數據進行訓練。把小波（包）檢測和神經網絡識別進行結合，以減少模式識別的數據量，提高了檢測的實時性，然而其改善程度并不明顯。對燃弧前后的電流數據進行波形分析，在相鄰周期波形相減的基礎上，利用小波閾值消噪提取到故障電弧特

11、征量，并應用軟件對實驗數據進行分析，結果表明該檢測方法具有很高的識別率。2、 實驗裝置與數據采集 2.1實驗裝置 2.2數據采集數據采集使用示波器，采樣速率選擇為 20k Hz，實驗步驟如圖 2所示，調節示波器的采樣速率和延遲時間，使采集到的波形跨越正常、起弧、燃弧、熄弧全過程。四、電弧故障斷路器的故障電弧電流特性研究（實例）(2012.6)摘要：電弧故障斷路器能夠發現故障電弧，其工作的關鍵在于準確辨識故障電弧。研究故障電弧電流同正常電流之間的本質差異，通過不同的數學方法分析電弧和正常情況下電流數據的特征，為識別故障電弧提供依據。通過搭建的電弧實驗平臺，模擬線路中發生串聯電弧時的狀況，獲得了分

12、別單獨以純電阻、調光燈、空調、計算機和調光燈組合作為負載時各自的故障弧電流和正常電流的實測數據（不同負載的故障電弧電流和正常電流）。對于實測數據，首先進行數據指標的分析，分析了負載在故障電弧和正常兩種情形下電流有效值、平均值、峰峰值、平肩部百分比和電流上升率等數據指標之間的差異，找出同一負載兩情形下這些指標下的特征。其次，運用傅里葉變換觀察兩種情況下的頻譜特征，并比較發生故障電弧時奇次諧波含量和偶次諧波含量與正常情形時存在的差異。進一歩運用小波變換分析實驗數據，根據分解重構后的誤差值大小選擇合適的小波基函數及分解層數，依據所選擇的小波基函數對數據進行去噪聲處理，信號故障點的判斷，提取小波變換后

13、的能量特征向量，并運用該特征向量作為小波神經網絡的輸入樣本。傅里葉分析結果和小波變化分析結果的故障電弧神經網絡辨識方法。1、對于電弧的一般特性：（1）電壓和電流中均包含大量的高頻噪聲信號；（2）電壓的波形類似于矩形波；（3）電弧存在電降，因此對同一電路來講，非電弧電流幅值一般大于電弧電流，線路存在補償的情況除外；（4）非電弧電流的上升率通常小于電弧電流；（5）每過半個周期，電弧電流先于非電弧電流的零點前熄滅，后于非電弧電流的零點后重燃，在這個區域建立一段幅值接近零且變換不明顯的區域，被定義為“平肩部”；（6）電弧通常也是零星的、短脈沖間穿插著部分正常的電流。對電弧的檢測可依據這些特性，研究合適

14、的檢測方法。故障電弧電壓電流波形電弧普遍分為三種形式：串聯電弧、并聯電弧和對地電弧，如下圖所示。若將第三種形式產生的電弧歸納到第二類中，此時分為串聯弧和并聯電弧。電弧發生器及測量電路圖： 電弧實驗實物圖：安裝電極部分：銅棒電極和碳極：2、 實測數據及其處理 比較了兩種電流數據的有效值、平均值、峰峰值、平肩部百分比及上升率的差異，即指標分析法。一般純電阻負載，正常情形的波形與發生電弧故障時的波形差異明顯；但負載位60W和300W的調光燈時，波形變化不是特別明顯。3、 數據的小波變換 傅里葉變換是一種全局的分析，因此無法表述信號的時頻局部特性，而時頻局部特性恰好又是非平穩信號最基本且關鍵的性質，穩

15、定信號理想的處理工具還是傅里葉變換分析。傅里葉分析：將信號分解為不同頻率的正弦波。小波分析：將信號分解為不同尺度（比例縮放）、平移（起始位置）的小波。 連續小波變換的5個基本步驟： 1、選取一個小波，將其與原始信號的開始一段進行比較。小波基函數的選取可通過小波分解層數誤差比較。 2、計算小波系數C， 其值的大小取決于小波與選取信號段的相似程度，越相似其值越大。更精確的是若信號與小波能量都等于1，則C可解釋為互相關系數。 注意：系數的大小與所選擇小波的形狀有關。 3、從左到右平移小波逐段重復步驟1、2的比較，直到完成整個信號的比較。 4、小波伸縮（尺度化），重復步驟13。 5、重復14步得到所有

16、尺度下的小波系數。 離散小波變換：連續小波變換的計算量非常大，費時。第一部濾波：逼近和細節逼近成分對應大尺度低頻分量，細節成分對應小尺度高頻分量。原始信號S通過兩個互補的濾波器得到兩個信號A和D.使用的原信號為一疊加有高頻噪聲的實正弦信號,其分解原理圖如下，在離散小波分析中采用二取一的”降采樣技術”得到分別具有500點的小波系數cD和cA;Matlab語句如下 s = sin(20.*linspace(0,pi,1000) + 0.5.*rand(1,1000);cA,cD = dwt(s,db2);db2為小波類型。離散小波多級分解(Multiple-Level Decomposition)

17、小波分解樹(wavelet decomposition tree)分解時對逼近系數進行反復分解.信號的小波分解：小波重構：小波分解是小波分析的一半,與此相對的另一半是信號的小波重構(reconstruction), 或綜合(synthesis) (無信息丟失).稱為小波逆變換(IDWT).下圖為信號的小波重構示意圖：由小波分解得到的小波系數重構信號。信號的小波重構涉及濾波和上采樣上采樣：小波重構中的上采樣是在兩原數據點間插入零值。前面所述的是由小波分解系數重構原始信號, 與此類似, 我們也可由小波分解系數重構某一級的逼近和細節信號.單級重構多級重構濾波器與小波形狀的聯系：在實際使用小波中,很少

18、直接從構造一個小波開始,而是設計適合的鏡像濾波器,進而選定小波函數計出波形.構造適合db2小波的低通重構濾波器L：（1） 低通濾波器系數可由Matlab中的dbaux命令得到;（2）若反轉該濾波器系數向量, 并且每一偶數樣本乘以-1, 則可得到高通重構濾波器H的系數.（3） H上采樣( H系數間隔插零)（4）上采樣向量與原始低通濾波器卷乘（5） 若重復該過程幾次, 即上采樣并將結果濾波器向量與原始低通濾波器系數卷乘,則可得到以下圖案. 不難看出濾波器形狀越來越接近db2小波, 這表明小波的形狀完全由重構濾波器決定.二者的重要聯系說明:我們不能任意選擇一個形狀稱之為小波并進行小波分析. 至少當需

19、要對信號進行精確重構時,我們不能選擇任意的小波形狀. 我們必須選取由積分鏡像分解濾波器所決定的形狀作為小波.通過重復上采樣并與高通濾波器進行卷積可得到小波函數（小波的波形細節信號）; 重復上采樣并與低通濾波器進行卷積可得到尺度函數的近似形狀（逼近信號）.小波的多級分解和重構可表示為這一過程包括兩個方面: 信號分解得到小波系數, 由小波系數重構原信號.4、 小波變換后的特征量提取 進一歩的分析實驗數據的特性，采用了提取特征量是比較好的方式，能使分析的結果更具普遍性。 通過對分解后的信號釆用單支重構，然后提取每層小波的能量。采用的提取各頻段能量的計算公式如下所示：其中為分解層數，對于本文中計算機數

20、據能量特征提取，此時取為分解重構后的數據長度，近似信號的能量只需計算分解的最后一層信號的能量，即而總的能量計算公式為：因此，可得到信號小波變換后的特征向量為； 小波變換最重要的是在眾多小波基函數中選擇合適的小波基函數，文中給出了常見的小波函數，重點介紹了本文使用的小波函數，并比較了函數各個系列在不同分解層數下的誤差，以此為參考，選擇合適的分解層數對信號進行了層分解。采用小波分析統計了負載信號分解后的能量，提取能量特征向量，進一歩說明數據在小波變換后的特征，同時，為后面的進行神經網絡的判別提供訓練和測試樣本。5、 小波神經網絡的基本結構（其模型精度具有爭議） 小波神經網絡是小波分析和神經網絡相結

21、合的產物，神經網絡與小波函數結合方式為緊致型結構，將神經網絡隱含層中神經元的傳統激發函數用小波函數來代替。注意： 1、理論上講任何一個連續的非多項式、常數函數都可以做為BP的激活函數，而且這都是已經在數學上證明過的問題。2、但sigmoid函數相對其他函數有它自身的優點，比如說光滑性，魯棒性，以及在求導的時候可以用它自身的某種形式來表示。3、這一點在做數值試驗的時候很重要，因為權值的反向傳播，要求激活函數的導數。4、多層就有多個導數，如果用一般的連續函數，這對計算機的存儲和運算都是一個問題，此外還要考慮整個模型的收斂速度，我上面提到連續函數都可以做激活函數。5、但是相應的Sigmoidal型函

22、數的收斂速度還是比較快的（相同的結構前提下）。6、還有就是BP在做分類問題的時候，Sigmoidal函數能比較好的執行這一條件，關于連續函數可以做激活函數的證明，可以在IEEE trans. on neural networks 和NeuralNetworks以及Neural Computating 和Neural Computation上找到。五、電流型串聯電弧故障檢測（2013.10）摘要：對低壓配電線路電弧故障的特征進行分析研究，采用 Mallat 算法對低壓線路電弧故障電流實施變換，獲得各尺度小波變換的小波分量，與正常運行分量相比其故障特征明顯，且高尺度的小波分量還可以抑制噪聲干擾。還

23、對啟動電流和電弧故障的小波分量加以比較。引言：低壓配電線路常因接觸不良等而出現電弧故障，如果沒有及時切斷線路，可能導致火災的發生而電弧故障電流通常在額定范圍之內，傳統的斷路器無法將這類電弧加以準確檢測。美國全國電氣規程在 2008 年強制規定所有的家用線路都必須安裝防火災的 AFCI（電弧故障斷路器），為了提高 AFCI 的可靠性，國內外學者提出了多種電弧故障檢測的方法，用短時傅里葉變換分別分析了在阻性負載和計算機負載下，串聯電弧電流的基頻分量諧波分量變化的特征。采用小波變換對電弧故障電流加以分解結合 BP 神經網絡提取故障辨識模式，而 BP 神經網絡的實現需要較多的樣本數據。采用 SVM(

24、支持向量機) 對電弧故障進行識別，該方法對阻感性負載有一定的識別能力。計算了電流上升率，通過判斷相鄰電流的波動程度以辨別額定工作電流和電弧故障電流。根據國標 GB /T 7260-3-2003，電路中可以分為線性負載和非線性負載兩類。上述這幾種檢測方法的辨識泛化能力不強，未能提出一種可適用于多類型負載的檢測方案。本研究結合多分辨率分析對配電線路的電流信號實施小波變換，提出一種可以提取電弧故障時的特征，解決配電線路電弧故障與非線性負載正常運行的有效區分，同時防止了負載設備的啟動電流引起誤判斷。1、 電弧故障檢測方案與理論分析 1.1故障檢測原理 實驗線路采用一個自制的電弧發生器來模擬線路發生電弧

25、的現象。將它和各種負載設備串聯接入線路，以研究不同負載下發生故障電弧的特性。電弧發生器由一根可移動電極( 銅棒) 和一根固定電極( 碳棒) 組成。1.2算法理論分析利用 Mallat 算法實現小波變換進行電弧故障識別，即用不同的分辨率逐級逼近信號函數：其中: V 反映了電弧故障電流信號 f( t) 的近似分量，W 反映了電流信號的細節分量，因電弧故障電流信號其頻譜是有限的，如果選擇足夠大的尺度空間，可將電流信號用各個尺度下標準正交基的組合將其展開，即：將電弧故障電流信號 f( t) 按 Mallat 算法進行逐層二抽取分解，如圖 3。d為不同尺度下分解出來的高頻分量即小波變換值，其包含著電弧故

26、障電流噪聲和突變信號信息。 而且隨著尺度的增大，噪聲引起的小波變換模的極大值迅速減少，而表征電弧故障的奇異信號的小波變換值便可突顯出來。2、電弧故障特征的提取常見負載下，配電線路電弧故障電流一般伴隨著幾個明顯的特征，如電流“零休”現象、電流正負半周不對稱、波形失去周期性以及具有豐富的高頻諧波等。為了有效地區分負載啟動、正常運行與電弧故障狀態，選用基于 db4 小波函數的 Mallat 算法快速分析來提取電弧故障特征值。六、電氣火災故障電弧探測器的研究（2013）摘要：建筑物低壓配電系統中，現有預防電氣火災的保護裝置，主要對過載、短路等引起的過電流及由接地故障產生的剩余電流起到檢測作用。當發生易

27、引起電氣火災的串聯型故障電弧時，因故障電流值低于傳統保護裝置的動作閥值，不能全面、有效的預防電氣火災致使我國每年因電氣故障引發的火災，居其他原因引發火災的首位。對建筑物低壓配電系統中，常引起電氣火災的故障電弧，我國目前還沒有頒布明確的標準和規范；現有預防電氣火災的預警裝置不能全面有效的檢測配電線路上的“串弧”?；谏鲜鲈?，本文對建筑物低壓配電系統中，易引起電氣火災的故障電弧檢測技術進行研究。1、 故障電弧檢測的研究現狀為了檢測故障電弧，美國學者在年就設計研發出了一種故障電弧斷路器（AFCI），該設備可以檢測因短路，線路誤接，線路老化等引起的故障電弧。加拿大大學的等研究人員在燃弧點附近放置相應

28、的傳感器，通過這些傳感器來檢測故障電弧所產生的電磁福射、噪聲和熱量，只有當這三種傳感器同時都檢測到故障信號時，才能確定系統中產生了電弧故障。電弧電流的頻域特性的發現使得在頻域領域進行電弧故障的檢測成為了可能。后來電弧檢測中引入了傅里葉分解、神經網絡、小波分析等算法。由于故障電弧發生的隨機性，對于故障電弧的檢測具有一定的難度。由于溫度，弧光，氣壓等傳統的電弧傳感器無法精準的檢測到故障電弧的發生位置。另一方面一些電弧是非常微弱和短暫的，比如通常所說的“好弧”它無法導致火災的發生，它不是本文所提出的故障電弧，這樣就會加大我們的檢測難度。2、 故障電弧的產生 故障電弧電流“零休”：當故障電弧發生時，在

29、電弧電流過零點的前后一段時間里，故障電弧氣隙之間的阻抗會變得很大，這是限制故障電弧電流值的一個重要因素。在電弧電流的上個周期結束與下半個周期開始的這個時間里，電弧電流并不是一般的正弦波，而是另外的一個規律，那就是電弧電流等于電弧兩端電壓與電弧阻抗的比值。在這段過零點的一小段時間內，由于阻抗變大，故障電弧電流就會限制的非常小，幾乎為零。下一個半周期同樣也會出現相同的現象，在這段時間里我們把這種電流近乎為零的現象稱之為電弧電流的“零休現象”。 電弧的零休時間跟許多因素有著很大的關聯，一方面，它與氣隙內部相關，另一個方面，它與電路的電壓，電流以及負載的類型相關。一般情況，電弧的“零休”時間會從幾微秒

30、到幾十微妙。故障電弧的“零休”現象為故障電弧的研究提供一定的理論基礎，也為故障電弧檢測技術指出了研究方向。3、 故障電弧實驗裝置的構建 本實驗裝置的主要構造分為以下幾塊：220V（50HZ）純凈交流電源，電弧發生裝置，數字示波器，電流傳感器。它包括一個靜止的直徑為6.4mm碳石墨電極與一個可以移動的銅質電極，靜止電極接220V交流電，移動電極可以接至負載。首先可以將兩個電極處于一個完全接觸的狀態，即是一個線路完全閉合狀態，這樣可以觀察到接負載后供電線路的正常情況的電流特性，然后旋轉右邊的調節器，可以將活動電極慢慢移動使得它與靜止電極慢慢分離，當它們的間隙到達的了一定的距離以后電弧就會發生了，電

31、弧發生以后立即停止移動電極確保電弧持續發生。這時候可以觀察在接入負載以后供電線路上產生故障電弧時的電流特性。 為了保證采樣精度達到實驗的要求，該數字示波器的主要參數設定如下表2.1所示:電弧電流的波形會發生很明顯的畸變。于是必須針對這個現象展開研究，觀察在供電線路中故障電弧的電流特性會受到哪些因素的影響。本文在實驗中將不同類型的負載接入實驗的供電線路，然后觀察和分析故障電弧產生時零休現象的變化情況。在建筑電氣中，大量的存在著阻感性的負載，所以本文在本次實驗中選用阻性，感性，阻感性三種負載進行研究，實驗的主要工作有以下幾點：(1)在純阻性負載的情況下，故障電弧電流的基本特性；(2)在純感性負載的

32、情況下，故障電弧電流的基本特性；(3)在阻感負載的情況下，故障電弧電流的基本特性；(4)對比以上三種負載下故障電弧的差別與相同點。4、故障電弧電流數據處理與分析很多專家都提到，對于故障電弧的檢測的難點就在于區分一些熱拔插或者特殊負載造成的好弧與故障電弧的差別，因為從直觀上看它們都會出現一些共同的特征，這就需要利用小波分析對這個零休時間做一個判別。七、故障電弧檢測的關鍵技術研究及斷路器開發（2013.6）1、故障電弧發展背景 據相關統計，僅大約電流產生的電弧溫度即可達到2000-3000，足以引燃任何可燃物，而且當電壓低至20V時，電弧也可穩定存在，難以熄滅。這種故障電弧常成為電氣火災的點火源。

33、發生故障電弧時，負載電流通常是非常小的，小于目前電力系統特別是廣泛安裝在低壓配電領域的設備的過電流保護設定值，線路發生故障電弧不在保護的范圍之中。所以檢測故障電弧時，必須把它和設備正常工作電弧如電焊、電機旋轉產生的電弧或開關電器、插拔電器時產生的電弧）的信號及其他相似信號區別開來，提供迅速有效保護的同時，防止誤動作的發生，做到檢測故障電弧的同時，不影響線路正常工作。2、 故障電弧實驗平臺2.1波形儲存設備我們采用Tektronix公司的DPO3000系列的示波器，該示波器為4條通道、100MHZ帶寬、所有通道上采樣率可以達到2.5GS/s、所有通道具有5M的記錄長度。示波器能將記錄的點以exc

34、el的格式存儲在外圍儲存設備中（如U盤、移動硬盤），如此我們就可以將采集到的數據利用Matlab等軟件進行分析。3、 故障電弧實驗數據研究分析利用Daubechies 4階小波變換在軟件中對數據進行處理分析。低頻系數只是重繪了原始波形，波形與原始波形一樣，電流值沒有改變，只能反映故障電弧波形的概貌，并不能反映故障電弧細節特征；高頻系數部分，正常電流和產生故障電弧時的電流波形對應的高頻系數區別很明顯：正常電流高頻系數值很小，故障電弧高頻系數在每個周期中都有很大的值，其值大小是正常電流高頻系數的十到幾十倍，我們可以通過這一特性來判斷回路是否有故障電弧發生。然而，在實際應用中，回路連接的負載各式各樣

35、，每種負載的內阻各不相同，這將導致回路中的電流大小也不相同，那么對應小波變換獲得的高頻系數值會因負載的不同而不同，這給研發適用于多場合、多用途的故障電弧斷路器帶來了新的挑戰。本課題中采取的解決方案是：在某時刻，利用已經計算得到的高頻系數除以該時刻回路中的對應的電流值(等效于低頻系數)，利用獲得的比值大小來判斷回路中是否有故障電弧產生。這樣做的好處在于無需考慮回路中接了何種負載，只需計算上述的比值就能判斷回路中是否有故障電弧產生。我們可以通過能量的角度來解釋高頻系數與低頻系數比值的物理意義：經小波變換后的低頻系數是原信號去除了高頻信號后、反應信號概貌的部分；高頻系數部分是原信號包含的突變信號、反

36、應信號細節的部分；高頻系數與低頻系數的比值反應了在某個時刻，單位能量所含的突變信號量，即線路正常工作時，單位能量保護的突變信號很少，比值很小，而線路發生故障電弧時，單位能量中包含了較多的突變信號，比值較大。八、故障電弧檢測技術研究（2016.3）1、 國內外研究現狀 針對故障電弧能夠造成一系列的危害，由上海電器科學研究院負責起草，中華人民共和國工業和信息化部于 2013年12月31日發布了有關故障電弧檢測裝置的準則電弧故障檢測裝置（AFDD）。該準則規定：自 2014 年 7 月 1 日開始實施的 JB/T11681-2013適用于在所規定的條件下能夠實現燃燒的故障電弧電流實現檢測。同時該準則

37、還將燃燒的故障電弧電流與火災危險動作值比較，并適用于當燃燒的故障電弧電流超過動作時斷開被保護電路等功能的裝置。另外由公安部沈陽消防科學研究所負責起草并于 2014 年 6 月 24 日發布了有關故障電弧檢測裝置的國家標準 GB14287.4-2014。該國家標準電氣火災監控系統的第四部分關于故障電弧探測裝置于 2015 年 6 月 1 日開始實施。表明了故障電弧防護技術的研究及其相應的斷路器裝置的研發與應用已經引起有關科研院所以及消防部門的高度重視。目前有關故障電弧檢測的方法大致上可以分為兩類：一類是利用故障電弧發生時所產生的一些物理現象如弧聲、高溫、弧光、電磁波等特性來識別故障電弧。另一類故

38、障電弧的檢測方法是利用故障電弧發生時線路中的電流、電壓等電氣特性異常來檢測故障電弧。2、小波分析理論與模式識別算法2.1小波分析與故障電弧檢測中的應用（1） 小波濾波和降噪處理。由于所采集的信號難免受到外界噪聲的干擾，運用小波分析的方法能有效去除信號中的干擾，提高采集信號的可信度。（2） 信號的奇異性檢測。對信號進行小波分解，小波系數的模極大值對應著信號的奇異點，利用這一性質可以檢測信號的奇異性。（3） 信號熵的提取。對采集信號進行小波包子空間分解，提取各個頻帶的能量熵。根據被測信號在不同的小波分解層次上表現為奇異點位置為對應整齊的性質。此外它還能實現在強噪聲污染情況下微弱信號的提取，并反映信

39、號的能量分布情況。3、故障電弧實驗與分析 3.1改進 BP 神經網絡的設計（將小波變換的模極值作為輸入）BP 神經網絡在網絡訓練的方面還存在幾點不足，特別是一些處理時間要求比較短的場合還需要做出改進。BP 神經網絡的缺點主要表現在：某些特殊問題訓練時間有可能過長，若在訓練過程中權值改變的幅度過大會導致激活函數趨于飽和，進而無法調節神經網絡的權值。使用 BP 神經網絡算法時，神經網絡的權值收斂到的最終值并不一定是所期望的最優解，而有可能是局部極小值。另外還有遺忘舊樣本。九、故障電弧模式識別算法的研究（2011）摘要：采集典型家用電器正常工作、開關斷開、開關閉合、產生故障電弧時的電流波形和數據,利

40、用小波分析理論提取能夠描述串聯型故障電弧特性的特征量作為神經網絡的輸入量,再用神經網絡訓練和檢驗建立的網絡模型,進而實現故障電弧的模式識別。1、 小波函數的選擇（難點）目前有幾十種小波函數,而且人們還在不斷構造新的小波函數和相應的小波濾波器來滿足不同小波分析應用的需要。各種小波函數性質各異,有的適合理論推導,如小波、高斯函數小波類有的更適合計算有的時域上有一較長的支撐有的可以得到完全重構有的則不能實現原信號的恢復。然而,由于小波函數針對不同的工程應用表現出的特性具有復雜性,小波函數的選擇目前也是小波分析理論研究的難題,按什么樣的原則能夠選擇最優的小波函數還沒有有效的方法。一般用枚舉法來挑選合適

41、的小波（進行比較）,當然這種選擇不一定是最優的。合理地挑選小波基函數主要應從以下幾個方面來考慮：（1） 緊支性；（2）消失矩；（3）正則性；（4）對稱性。2、 小波變換的時頻域特性分析小波變換的高頻部分有較高的時間分辨率和較低的頻率分辨率,而它的低頻部分有較低的時間辨率和較高的頻率分辨率。3、 基于小波變換和神經網絡的故障電弧模式識別3.1特征提取從實驗所得到的電弧電流波形,我們可以看到電弧電流在過零點時有一個明顯的“零體”區間,而且由于負載和電弧燃燒情況不同,電弧電弧電流信號波形有一明顯的突變。3.2提取特征量本文用離散小波變換來處理數據。小波重構信號能精確地反決原始信號在時頻域上的變化情況

42、,而小波能量譜能反映各個頻段能量在總能量中所占比例。3.3小波函數類型選擇小波函數類型的選擇。一般選擇與輸入波形最匹配的基木小波。提出如下選擇方法對于給定輸入信一號,首先使用不同基本小波進行小波分解然后對各尺度上的小波系數進行閾值處理,低于閾值的小波系數置零最后選取非零小波系數個數最少的基本小波作為分析用小波。本文用實驗樣本在不同的小波基函數和分解層數下分解并重構,通過比較它們重構信號和原始信號的偏差來確定最佳的小波基函數和分解層數。十、光伏系統直流電弧故障特征及檢測方法研究（2016）思路介紹：串聯電弧的能量大，對線路和設備危害極大，且易引發火災事故；但目前的低壓斷路器、熔斷器等裝置僅能對過

43、流、短路等故障進行檢測和保護，不能對電弧故障起作用，由于串聯電弧故障電流較小，難以被保護裝置檢測到，所以需設置額外的故障電弧檢測裝置。在電弧故障發生時，電弧兩端的電流會瞬間下降，而兩端的電壓會瞬間提高。電弧故障發生時，常伴隨有某一特定的高頻信號，在正常工作情況下該高頻信號并不出現，一旦該信號出現，則表明存在電弧故障。不同負載及連接方式不同通常高頻信號也會有很大差異，所以需要建立精度較高的模型。十一、基于改進小波變換的故障電弧檢測方法的研究（2016）1、 故障電弧檢測方法在故障電弧的研究和檢測方面，國內外主要有三類研究方法:第一類，建立相應的故障電弧數學模型；第二類，利用故障電弧產生時的物理特性作為檢測的依據；第三類，利用故障電弧的電壓、電流特性作為檢測的依據。上述方法不足：第一類方法數學模型的建立可以使故障電弧檢測更加精密，但是需要建立純粹的數學模型，很多故障電弧的參數無法準確的獲得；第二類方法簡單易行，但是這類檢測方法有一個弊端: 需要將檢測的設備安裝在故障點的附近，這樣才能準確無誤的進行檢測；第三類方法就是對電力線路中的電流