基于隨機森林的電氣火災故障電弧識別方法研究

孫 超，劉 森，劉兆杰

（1.應急管理部沈陽消防研究所，遼寧 沈陽 110034；2.國家消防電子產品質量監督檢驗中心，遼寧 沈陽 110034）

0 引 言

電氣火災是目前非人為因素引起數量最多的火災，2017年一季度全國共發生8.1萬起火災，其中電氣因素引起的火災2.4萬起，約占總數的29.8%[1]。造成電氣火災發生的因素主要有：線路短路、過載等引起的電流在導線上產生大量的熱，致使絕緣層遭到破壞而引起的電流因素火災；線路接觸不良、絕緣老化及導線質量問題引起的碳化，致使電弧引燃線路周圍的可燃物而引起的電弧因素火災[2]。其中，線路中的故障電弧不易被發現，是目前造成電氣火災的主要原因。實際應用中，串聯故障電弧的有效電流值遠小于保護開關的過負荷電流，當線路中有故障電弧產生時，傳統的斷路器無法識別電路故障。

2014年之前，國內對故障電弧的研究主要依賴于以UL 1699標準為主的國外標準。考慮到國外的用電參數和用電環境與我國的差別，一些研究對我國的故障電弧檢測并不完全適用，2014年國家發布了故障電弧探測器的國家標準GB 14287.4—2014。

故障電弧檢測的方法包括根據故障電弧發生時的物理現象進行檢測、根據故障電弧產生時的電壓波形特征對故障電弧進行檢測、根據故障電弧產生時線路中的電流波形特征對電弧進行檢測、根據電弧的頻譜特征進行檢測及應用機器學習方法對故障電弧進行檢測。

1 故障電弧產生的原因

電弧是不同電極間通過原本絕緣的介質而持續放電的現象，電弧通常以空氣為介質，形成時空氣兩邊的電極導通、揮發并產生一系列的電磁反應過程。電弧發生時，會產生很高的溫度，中心最高溫度可達12 000 ℃以上。電弧所產生的高熱、高壓氣體，極易引燃導線周圍的可燃物，從而引發電氣火災[3]。

對于線路接觸不良引發的火災，配電線路中，導線連接頭之間、導線與電流保護器之間以及導線與電器之間如果連接不牢，在接觸點上就容易形成絕緣碳化，碳化達到一定程度后在連接點會有電弧產生，同時伴隨大量的光和熱，引燃周圍的可燃物，從而引起電氣火災。

對于線路絕緣老化引發的火災，一些長期使用的配電線路中，尤其是在一些老舊的小區和工業場所，線路長期過負荷使用，且使用環境條件惡劣，導致線路的絕緣水平不斷下降，供電線路易產生絕緣擊穿而產生線-線短路、線-地短路現象，從而引起電氣火災。

對于導線質量問題所引發的火災，目前市面所銷售的導線質量參差不齊，有的導線表面絕緣材料的材質不良，受到機械拉伸或擠壓時易導致絕緣破損；有的導線中銅含量不足，使得內部易氧化、碳化。這些質量不良的導線在使用一段時間后，容易導致故障電弧的產生，從而引起電氣火災[4]。

2 故障電弧探測方法

早期探測電氣線路中的故障電弧，應用的是弧光傳感器、溫度傳感器及壓力傳感器等探測元件。當線路中有故障電弧產生時，產生故障電弧的部位會有弧光產生，應用弧光式故障電弧探測器可以對故障電弧進行報警。同時故障電弧的產生會產生大量的熱，導致導線溫度升高，應用測溫式故障電弧探測器可以在火災發生前報警。當線路中產生故障電弧時，配電箱內部溫度升高，氣體體積脹大，使得內部氣壓產生變化，應用壓力式故障電弧探測器可進行報警[5]。

弧光式故障電弧探測器的探測結果準確，但是不能對配電線路中的故障電弧進行及時檢測，只能檢測配電箱中的故障電弧發生情況，達不到對線路整體是否存在故障電弧情況進行檢測的目的。這樣的故障電弧探測器不適用于低壓配電線路。

利用電壓波形進行故障電弧的檢測，需要把故障電弧探測器的測量端連接到可能發生故障電弧的線路兩端。這種方法的優點在于故障電弧發生點處的電壓波形容易識別，不會出現誤報問題；缺點在于實際配電線路中，處處都可能成為發生故障電弧的位置，如果對每一段布線都布置這樣一個故障電弧探測器會極大地增加布線難度。

利用故障電弧產生時線路中的電流特征進行檢測是目前應用最廣泛的故障電弧探測方式。大量的試驗數據表明，故障電弧出現時，電流波形會出現“平肩”區；故障電弧波形相對于正常電流波形會有較多的毛刺出現，說明電弧的產生會伴隨高頻噪聲和諧波的出現；故障電弧波形的平肩區結束后，會出現一個較明顯的上升沿；對于一段連續出現的故障電弧波形，每個周期的波形的電流幅值不同。

通過這些故障電弧電流波形的特點探測故障電弧的方法具體如下。

（1）在電流波形中探測“平肩”電流[6]。

（2）將電流的半周波作為一個計算單元，將這個單元分解成等間距的小區間，計算每個小區間的起始電流與終止電流比值。當線路中有故障電弧存在時，在電流波形的上升沿的區間的起始電流與終止電流比值會比較大。

（3）通過比較連續電流波形，得到相鄰的各個周期波形的有效值、平均值和峰-峰值的對比結果。

（4）通過快速傅里葉變換、小波變換將電流的時域信息轉化為頻域信息，計算波形中奇次諧波的比例[7]。

（5）應用高通濾波器提取高頻電流波形信號，目前普遍采用的是20 kHz～1 MHz的高頻信號[8]，分析這些頻段上的電流高頻諧波信號，從而探測故障電弧。

通過機器學習方法構建分類模型探測故障電弧。如果將電路中的電流波形作為判斷是否存在故障電弧的輸入量，半周期的波形就可以分為故障電弧數據和非故障電弧數據，分別賦予不同種類的電流波形以不同類標簽。提取每個波形的“平肩”時間、上升率及諧波分量等參量作為信息輸入，采用神經網絡、支持向量機及隨機森林等方法對每個波形進行分類。

機器學習方法進行故障電弧探測，理論上可以達到100%的分類精度。這需要構建一個完美的分類模型，模型的優劣依賴于構建模型的方法、數據。目前，針對故障電弧數據的分類模型基本都是針對線性電流數據的分類，很少有對復合式負載的識別方法研究；故障電弧研究的數據大多以“點接觸”形式為主[9]，負載多為純阻性負載或日光燈、吸塵器及電腦等復合形式負載。通過這樣的數據構建的分類模型很難對“碳化”形式故障電弧數據和“短路”形式故障電弧數據進行有效分類。

3 一種故障電弧探測技術的設計

本文針對故障電弧電流數據的特點和頻譜特性，從“點接觸型故障電弧”“碳化型故障電弧”“并聯金屬性接觸型故障電弧”數據中提取了故障電弧的數據特征。通過這些特征訓練了一個隨機森林多標簽分類模型，對故障電弧數據進行分類，達到了識別線路中的故障電弧的目的[10]。

故障電弧波形相對于正常電流波形，會出現大量的“失半波”現象，使得故障電弧波形的有效值與正常電流波形不同，當故障電弧波形連續出現時，相鄰波形“失半波”情況不完全相同，主要體現在波形的平肩部大小不同。因此，本文提取電流有效值Im、平均值Iave、峰-峰值If、平肩百分比Rt及電流最大瞬時上升速率Kt等5個特征作為識別故障電弧的時域特征，相關特征的計算方式如下。

有效值：

其中，ik為第k個采樣點的電流值，實驗中，以2.5×105Hz的頻率對電流進行采樣，每個半周波采樣N取2 500次。

平均值：

峰-峰值：

平肩百分比：

其中，ε取1.0×10-7。

最大瞬時上升速率：

故障電弧電流波形在平肩部末端，電流值迅速上升，后續的電流波形趨近于正常的電流波形。因此，在故障電弧電流波形中會有一個迅速上升的區間，可以作為識別故障電弧波形的一個重要特征。本文把一個半周波的故障電弧波形分解為100等份，計算最大的上升速率。

在提取電流波形時域信息的同時，本文應用快速傅里葉變換（FFT）計算得到電流波形的頻域信息[11]。故障電弧電流波形中含有大量奇次諧波。應用FFT得到波形的頻譜信息，對于N點序列x（n），其離散傅里葉變換對如下：

漢明窗函數即為改進的升余弦窗，相對于其他的窗函數，它在抑制旁瓣和控制主瓣寬度上同時具備較好的優勢，其時域表達如下：

本文通過對比故障電弧與正常電弧電流波形的頻域信號，提取了電流波形的3～15次奇次諧波量，將奇次諧波量占基波的百分比作為識別故障電弧的特征，分別記為X3，X5，…，X15。

試驗中，本文故障電弧發生裝置得到實際的故障電弧電流波形，應用FFT得到電流波形的頻域信號，點接觸型故障電弧的電流波形和對應的頻譜信息如圖1所示。

圖1 點接觸型故障電弧電流波形圖及其頻譜圖

4 實驗結果

應用3種故障電弧發生裝置，選擇不同類型、不同大小及不同功率因數的負載共產生串聯碳化路徑故障電弧、并聯碳化路徑故障電弧、點接觸式故障電弧及并聯金屬性接觸式故障電弧電流波形數據218條，將其中每一個半周波作為一個識別故障電弧的獨立單元，共得到獨立樣本4 760個。作為故障電弧的參照數據，本文在生成電弧數據相同負載條件下，截取5 240個同類型的樣本作為分類故障電弧數據的參照樣本。

應用中，不同類型的故障電弧數據其波形、頻譜特點不同，因此本文將所有故障電弧數據和參照樣本數據共分成串聯碳化電弧、并聯碳化電弧、點接觸型故障電弧和并聯金屬性接觸式故障電弧以及相同負載條件下的正常電流數據和短路電流數據共計6個類別，應用隨機森林算法對其進行分類。每次分類取90%作為訓練數據，取其余10%作為測試數據，得到平均分類精度作為最終模型的分類精度，分類結果如圖2所示。

5 結 論

通過對故障電弧識別方法的研究，分析了各種故障電弧的識別方法，提出了基于隨機森林的故障電弧識別方法。以所有可能產生故障電弧的方式，搭建了“點接觸型故障電弧”“碳化型故障電弧”“并聯金屬性接觸型故障電弧”發生裝置，產生了不同形式的故障電弧數據，提取數據的時域和頻域特征，構建了隨機森林分類模型，通過交叉驗證測試模型的分類精度達到94%以上，對故障電弧探測器的設計有一定的借鑒意義。

電氣火災故障電弧的存在嚴重威脅到人們的生命、財產安全。故障電弧的識別一直是電氣防火領域一個難點問題，合理的故障電弧探測器設計可以及時探測線路中存在的故障電弧隱患，并可以配合消防與施工部門合理排查電網中存在的潛在問題。

圖2 隨機森林模型分類結果