基于时域波形比较法的故障电弧检测算法研究

王盼盼，吴自然，吴桂初，黄海兰

(温州大学物理与电子信息工程学院，浙江温州 325035)

基于时域波形比较法的故障电弧检测算法研究

王盼盼，吴自然†，吴桂初，黄海兰

(温州大学物理与电子信息工程学院，浙江温州 325035)

本文根据故障电弧发生时，时域电流波形将发生畸变的特征，提出一种时域波形比较算法，来检测故障电弧．该方法采用正常的电流波形与可能的故障电弧电流波形进行比较，计算两波形在一个周期内的误差累积，再通过归一化得出两个波形差异度，通过差异度来判定是否发生故障电弧．以日光灯、手持电钻、卤素灯为屏蔽负载的实验表明，该算法比两个相邻波形比较法具有更明显的效果．

故障电弧；检测；波形比较；模拟实验

故障电弧是指在电路中通过绝缘介质的电气辉光放电现象，通常伴随着电极的局部挥发[1]．故障电弧发生时通常会产生大量的热和高强度的光，其产生的热量一部分直接加热导体，一部分把空气加热，还有一部分会以各种可能的微波发射出去[2]．故障电弧具有很大的危害性，据报道，有80%的火灾是由故障电弧引起的，每天会有0.5人被电弧火花杀死，每天有10–15人需要药物治疗由故障电弧导致的人身伤害[3]．传统的检测技术很难检测故障电弧是否发生，这主要是因为传统的电路保护设备仅依靠检测电压和电流的增加来检测是否出现电路故障①Sachdev S. Detection and Location of Low-level Arcing Fault in Metal-clad Electrical Apparatus [C]//Developments in Power System Protection, 2001, Seventh International Conference on (IEE), 2001: 157-160.，其针对的是过压过载保护，对低于正常电流值的串联故障电弧无法检测．如果能及时地检测到故障电弧的发生并且切断电源供应端，则可以有效地阻止电弧火灾的发生②Martinez A, Doing B, Arunachalam S, et al. Arc Fault management by solid state switches for enhanced automotive safety [C]//Applied Power Electronics Conference and Exposition, 2005, 2.．

目前，已有很多专家学者在故障电弧诊断领域做出了突出贡献，提出了多种检测故障电弧的方法，例如，参数模型法③Arunachalam S, Doing B. A Parametric Model Approach to Arc Fault Detection for DC and AC Power Systems[C]//41st Annual Meeting of the IEEE Industry-Applications-Society (IAS), 2006, 2249-2255.、小波分析法[4]、频谱分析法[5-6]、波形分析法[7]等．参数模型法，即将电路系统内的正常信号和故障电弧信号按照其不同的特征进行预先归类，在之后的电路系统中把采集到的信号与之前的进行比较，与哪个类型的特征符合就归为哪一个类型．小波分析不仅拥有傅里叶分析的频域特征，而且还可以捕捉到时域的信息，小波分析法应对信号的突变具有高度的敏感性，在故障电弧诊断领域内，具有很大的应用价值．频谱分析法是以傅里叶变换为基础，即任何连续测量的信号都可以表示为不同频率的正弦信号的无限叠加，利用傅里叶变换求出信号中的谐波分量，通过对不同频率的谐波分量的分析来判断是否有故障电弧的发生．波形分析法对采集到的两个相邻波形进行比较，如果两个相邻的波形之间的差异超出了规定的阈值，则认为出现了故障电弧，该算法基于时域波形分析，计算量小，易于在单片机上实现．本文在两相邻波形比较法的基础上提出用正常波形与故障电弧波形比较的算法，本算法与两相邻波形比较法相比具有更加明显的差异特征值，更容易辨别出故障电弧是否发生．

1 时域波形比较算法

1.1 相邻两周期波形比较算法

故障电弧的不稳定因素会导致电流的波形出现很大的波动，这种波动会使故障电弧的电流波形在不同的周期之间出现差异，我们可以根据这种差异度来判断故障电弧是否发生．图1所示为故障电弧的电流波形．

图1 正常波形与故障电弧波形的比较

图1中，前三个周期的波形是正常的电流波形，后三个周期的波形是故障电流的波形．为了讨论方便，对波形进行编序，k表示波形周期序号．从图中可以看出，当故障电弧发生时，相邻两电流波形存在明显的差异，如图中k=4、k=5、k=6之间存在的差异．

相邻两周期波形比较算法的原理是：将第k–1个波形与第k个波形相比较，观察其差异值是否超出规定的阈值，如果超出则认为发生了故障电弧，否则认为没有发生故障电弧．算法如下：

1）设每个周期采集N点的电流值，前后相邻两周期电流采样值分别为ik-1，ik．计算相邻的两个采样周期的电流波形的差值：

2）通过式（1）求电流差值的绝对值在一个周期内的平均值：

Dk反映了相邻两个波形差异的大小，这种差异值受电流大小的影响，为此需要对Dk进行归一化处理．

3）求出故障电弧电流的平均值：

归一化处理，得到反应故障电弧特征的量Gk：

通过比较特征量Gk的值来判断故障电弧是否发生．

1.2 正常波形与故障波形比较算法

两相邻故障电弧电流波形虽然存在差异，但有时会比较相近．故障电弧的电流波形与正常波形相比差异更大．因此本文提出一种改进的方法，即与初始的正常波形进行比较计算特征量Gk，以此来检测故障电弧．为了保证找到的初始波形是正常波形，需要首先分析采集到的波形是否正常，因此在波形比较之前需要增加一个步骤．

图1中，k=1周期的波形是正常的，与k=4,5,6的故障电流波形进行比较，按上述方法，得出算法如下．

1）设每个周期采集N点的电流值，采集三个周期的电流波形，通过比较三个波形的差异判断该波形是否属于正常波形：

2）通过式（5）再求电流差值的绝对值在一个周期内的平均值：

3）通过公式（6）可以得到D1与D2两个值，比较两个值，若

则可以判断采集的三个波形皆为正常波形，从中取出第三个周期的波形作为初始的正常波形，与接下来的波形进行比较．

5）通过式（5）再求电流差值的绝对值在一个周期内的平均值：

6）求出故障电弧电流的平均值：

7）最后作归一化处理，得到反应故障电弧特征的量Gk：

2 故障电弧数据的采集

2.1 故障电弧模拟实验

故障电弧在实际生活中出现的时间和位置都是随机的．本文为了更客观地获得接近于实际的故障电弧的电流信号，在模拟故障电弧实验时参考了由中华人民共和国工业和信息化部发布的《电弧故障检测装置（AFDD）的一般要求》[1]，以下简称AFDD．该标准规定了故障电弧采集的电路，故障电弧的负载，故障电弧发生器的结构等与故障电弧断路器研发有关的要求，类似与美国的UL1699．本文主要按照图2所示的电路采集故障电弧的电流波形．

图2 故障电弧采集电路

图2电源接的是220V/50Hz的市电，上位机采用普通PC机．电流互感器是20A/100mA的电流互感器．采用电流互感器可达到两个目的：一个是获得电路中的电流，另一个是将电流值转换为电压并将其衰减到采集卡可以承受的电压范围之内．

数据采集卡采用NI USB-6366．NI USB-6366具有的特点：1）8个差分输入通道；2）单通道采样率可以达到2MS/s；3）输入的最大电压范围是-10V–+10V；4）ADC分辨率高达16位；5）最大带宽是1MHz．

故障电弧发生器的结构如图3所示．这种电弧发生器有这样的特点：1）调节装置是螺旋测微计，可以很精确地调节两极之间的距离；2）两个电极可以拆卸，安装，且各自可以连接导线；3）固定极一般是碳棒，移动端一般是铜．

产生电弧的方法是：调节装置先将两极接触，然后通电，在通电状态下将两个电极缓慢地拉开，产生电弧．

图3 故障电弧发生装置

2.2 故障电弧的电流波形

本文以日光灯、卤素灯和电钻为负载，分别按图2电路进行实验，得到正常电流波形与故障电弧的电流波形．波形如图4、图5、图6所示．

观察图4、图5、图6三种负载的波形，可以发现故障电弧相邻的两个波形之间也存在着差异，只是故障电弧的电流波形与正常的电流波形之间的差异更加明显．

图4 日光灯正常电流波形与故障电弧电流波形

图5 卤素灯正常电流波形与故障电弧电流波形

图6 电钻的正常电流波形与故障电弧电流波形

3 实验结果分析

采用图4、图5、图6的实验数据，通过上述两种算法计算，比较两种算法的特征量Gk．

3.1 相邻波形比较的算法分析

对于采集的实验数据，按照式（1）–式（4）计算各参量，结果如表1所示．将表1中的数据求平均值处理，得表2．

表1 相邻波形比较法检测故障电弧

表2 Gk的平均值

从表2可看出，当故障电弧发生时，相邻两个周期的波形之间的差异特征量比正常情况下的要大，因此可以采用相邻两个周期的波形比较算法的特征量来检测故障电弧是否发生．

3.2 正常波形与故障波形比较算法分析

根据实验数据按式（5）–式（8）计算各参量，结果如表3所示．

表3 故障电弧波形与原始波形的比较

对上面每组数据求平均值，可以得到表4．从表4可以看到，当故障电弧发生时，后者的值要远远大于前者的值，而且大于相邻两个故障波形的Gk值．

表4 Gk的平均值

为了比较方便，把表2和表4合并，如表5所示．对表5进一步进行数据处理，得表6．从表5可以看到，两种不同的算法得到的值Gk2和Gk3都比Gk1大，这说明两种检测算法都可以检测出故障电弧是否发生．但是Gk3 ＞Gk2，这说明时域波形比较算法可以更好地检测出故障电弧，具有更大的优越性．在表6中，同样验证了上述说法，且表6的数据还表明时域波形比较法比相邻波形比较法的精确率更高，至少高出74%左右．

表5 两种算法结果比较

表6 故障电弧的数据处理

4 结 语

本文主要提出了一种新的算法，即基于时域的波形比较法．在模拟故障电弧实验中，利用电弧发生器模拟故障电弧的发生，以日光灯、卤素灯和电钻作为实验负载，通过数据采集卡采集到了大量的实验数据，再利用两种不同的算法得出判断故障电弧是否发生的特征值．通过比较这个特征值，发现本文提出的新算法比相邻两个波形比较法的精确率至少提高了74%．

[1] 中华人民共和国工业和信息化部. 电弧故障检测装置 (AFDD)的一般要求: JB/T 11681-2013 [S]. 北京: 机械工业出版社, 2014: 7.

[2] Land H B. The Behavior of Arcing Faults in Low-Voltage Switchboards [J]. IEEE Transaction on Industry Application, 2008, 44(2): 437-444.

[3] Arrigo L. Striking Back Against Arc Flash Hazards [J]. Product Design and Development, 2003, 58(10): 22-23.

[4] Kim C H, Kim H. A novel fault-detection technique of high-impedance arcing fault in transmission lines using the wavelet transform [J]. IEEE Transactions on Power Delivery, 2003,18(4): 1596-1597.

[5] 施惠冬, 潘东强. 电弧故障检测的分析和研究[J]. 低压电器, 2006, 6: 15-19.

[6] 程红, 关晓晴, 郭立东. 串联电弧故障信号的时频特征分析[J]. 低压电器, 2010, 18: 5-7.

[7] 孙鹏, 秦猛. 采用波形比较法的串联故障电弧快速诊断技术[J]. 低压电器, 2013, 20: 5-7.

Algorithm Research of Arc Fault Detection Based on Time-domain Waveform Comparison

WANG Panpan, WU Ziran, WU Guichu, HUANG Hailan
(College of Physics and Electronic Information Engineering, Wenzhou University, Wenzhou, China 325035)

A time-domain waveform comparison algorithm is introduced in this paper to detect breakdown electric arc. The algorithm utilizes the distortion features of current waveforms when arc faults occur. The potential arc fault current waveform is compared with a normal current waveform by means of this algorithm and both the waveforms are accumulated within a period of errors. Then the diversity factor between the two waveforms is achieved by normalizing the error accumulation. Finally the algorithm determines whether an arc fault happens according to the diversity factor. The paper performs experiments by using fluorescent lamps, halogen lamps and hand drills as screening loads. The results shows that the proposed method achieves better detection performance than the algorithm of adjacent waveform comparison.

Arc Fault; Detection; Waveform Comparison; Simulation Experiment

TM507

A

1674-3563(2016)04-0046-08

10.3875/j.issn.1674-3563.2016.04.008 本文的PDF文件可以从xuebao.wzu.edu.cn获得

(编辑：王一芳)

2016-02-21

浙江省重点科技创新团队项目(2010R50006)；浙江省自然科学青年基金(LQ16E070004)

王盼盼(1990- )，男，安徽淮南人，硕士研究生，研究方向：智能电器．† 通讯作者，nature.nano@ gmail.com