[发明专利]一种基于全景信息的弧光故障识别装置及方法

说明书

本发明公开一种基于全景信息的弧光故障识别装置及方法，实现断路器弧光识别，属于电力自动化技术领域，通过分析电弧故障发生时电流在时域、频域的特征变化，提取合适的特征值作为BP神经网络的输入，采用BP神经网络来检测电弧故障，针对BP神经网络收敛慢的缺点，采用遗传算法获得BP神经网络的初始权值，加快神经网络的训练收敛速度；本发明输出达到高信噪比，从而提高了故障电弧检测的准确性和可靠性。

技术领域

本发明涉及一种基于全景信息的弧光故障识别装置及方法，属于电力自动化技术领域。

背景技术

随着配电网容量的逐渐增大,中低压母线故障对电力系统安全运行的影响越来越大。开关柜内弧光短路故障是一种严重的配电系统故障，其内部电弧燃烧释放所产生的电弧效应，严重时可烧毁昂贵的开关设备，同时产生的短路电流冲击可损坏主变压器,造成长时间停电，更严重的可造成附近人员的伤亡事故。

目前国外主流的弧光保护装置包括，瑞士ABB公司的REA101-107型和TVOC-2型弧光保护装置、VAMP公司生产的VAMP221(220)型电弧光保护系统，以及澳大利亚RIZNER公司生产的RIZNER-Eagle-Eyed光电式电弧光保护装置。，其中REA101-107型和TVOC-2型弧光保护装置保护动作时间小于2.5ms，使弧光对设备的损害降到了最低，同时配套的扩展单元可扩大电弧光保护范围；VAMP221(220)型电弧光保护系统采用自家生产的VA1DA型弧光传感器，性能也很优越

当前故障电弧检测技术多采用传感器对故障电弧燃烧时产生的弧光进行检测，并与预设的阈值进行比较，进而判断是否有故障电弧产生。而开关柜工作环境复杂、外界噪声干扰较大，再加上故障电弧燃烧时产生的物理特征具有很大的不确定性，因此采用单一传感器检测故障电弧时，检测灵敏度和准确度之间的矛盾难以解决，致使误检率居高不下，严重影响了电力系统的安全稳定运行。

发明内容

针对现有技术存在的不足，本发明的目的是提供一种基于全景信息的弧光故障识别算法，采用多个不同类的传感器对电弧燃烧时的多种物理特征进行检测，同时提出一种捕捉弧光电流特性的BP神经网络算法，结合各传感器信息与弧光电流信息决策弧光保护动作，进行卡尔曼滤波器滤波，从而降低误动与拒动概率，有效提升保护可靠性。

为了实现上述目的，本发明是采取以下的技术方案来实现的：

一种基于全景信息的弧光故障识别装置，包括传感器单元、局部卡尔曼滤波器、信息融合单元、全局卡尔曼滤波器和弧光识别单元；

所述传感器单元、局部卡尔曼滤波器、信息融合单元、全局卡尔曼滤波器和弧光识别单元依次顺序连接；

传感器单元包括若干传感器，传感器单元用于检测弧光发生时的电气量，每个传感器连接一个局部卡尔曼滤波器，对传感器输出数据进行滤波；

局部卡尔曼滤波器输出的信息经过信息融合单元进行信息融合后，基于全局卡尔曼滤波器进行全景信息的全局滤波，进行弧光判定。

较优地，传感器单元包括弧光传感器、温度传感器和压力传感器。

信息融合单元包括局部信息融合模块和全局信息融合模块；

局部信息融合模块对同类传感器输出的信息进行融合；

全局信息融合模块融合所有局部信息融合模块输出的全景信息。

全景信息是指针对孤光光谱特性的弧光检测的特性信息，包括电流特性和声光特性。

一种基于全景信息的弧光故障识别方法，包括以下步骤：

S1，传感器单元采集弧光发生时的电气量信息；

S2，建立BP神经网络，确定BP神经网络参数；

步骤S2具体包括以下步骤：