[发明专利]一种多信息融合故障电弧检测方法及装置

说明书

本发明公开了一种多信息融合故障电弧检测方法及装置，该故障电弧检测方法的基础是搭建故障电弧模拟试验平台，用于采集和分析不同负载时的正常工作状态和故障电弧状态时的电流波形数据，提取两者的特性差异。采用超闭球CMAC神经网络将三种能够明显区分正常工作状态和故障电弧状态的电流特征判据相融合，以达到准确检测故障电弧，减少或消除故障电弧危害的目的。该方法合理利用超闭球CMAC神经网络，设计了能有效检测故障电弧的方法，具有适用于多种负载电路的特点。

技术领域

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Hyperbal CMAC神经网络融合多种特征判据。

背景技术

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较高。

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

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。

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：

利用实验平台采集故障电弧样本数据；

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；

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；

利用所得到的超闭球CMAC神经网络来检测电弧故障。

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：

样本数据获取模块，利用实验平台采集故障电弧样本数据；

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；

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；

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。