基于負載分類的神經網絡故障電弧檢測

武雪偉 程晉培

（中國礦業大學（北京）機電與信息工程學院，北京100083）

電弧是跨越某種絕緣介質的兩個電極之間的持續放電現象，經常伴隨著電極的局部揮發，是非常復雜的電磁反應過程[1]。根據電弧本身的電路變化特征，提出了很多種算法，如差值-均方根法[2]、短時傅立葉變換法[3]等。文獻[4]中使用三周期算法進行故障電弧檢測。文獻[5]使用Mary 模型提高特快速瞬態過電壓的計算準確度。文獻[6]選用Mayr 電弧修正模型準確描述電極分斷過程中電弧電壓及運動速度的變化情況。文獻[7]通過采集電源電壓的波形信號，計算電壓信號的能量值，設置合適的閾值，判斷電路是否發生故障電弧。

本文通過選用電流電壓波形呈電阻類負載、電容類負載和電感類負載進行模擬電弧實驗，采集線路正常工作和發生故障電弧時的電流數據，分析電流的特征量。使用神經網絡對故障電弧進行判斷，測試神經網絡系統對復雜負載的判斷能否達到預期效果。

1 信號采集

1.1 實驗平臺的搭建

我國發布了GB14287-2014《電弧故障保護電器的一般要求》[8]和GB/T31143-2014《電氣火災監控系統第4 部分：故障電弧探測器》[9]。

本文參照文獻[8]自主搭建了實驗平臺。由電弧發生器、典型負載、檢測電路和數據采集系統組成。

1.2 實驗負載波形分析

當電流電壓波形呈阻性特征變化，發生故障電弧時電流波形會出現明顯的零休現象。零休現象產生的原因是在電源電壓u 過零后線路電流i 也為零，電弧熄滅，此時弧隙電阻Rh表現為較大的數值，因此弧隙兩端的電壓uh近似等于u 的瞬時值，i=u/Rh，其數值接近于零，并一直保持。直到u 上升到燃弧電壓Uz時，弧隙被擊穿，并產生串聯電弧，Rh迅速下降，相對于負載電阻RL幾乎可以忽略，因此i 將迅速從零上升到Uz/RL。此后i 的大小基本由RL和u 決定，即i≈u/RL。

由于電弧開始燃燒后，熄弧電壓Us很小，所以一直到u 下降到約為零時，i 才降為零，電弧熄滅，因此i 基本按照正弦規律降為零。此后Rh又將迅速增大，直到u 再次上升到Uz之前，i 一直保持為零。

圖1 電阻負載故障的電流電壓波形圖

當電流電壓波形呈容性特征變化發生故障電弧時，電流波形具有隨機性，會出現明顯的零休、脈沖現象。脈沖產生的主要原因是負載中含有電容元件，當電源電壓u 達到燃弧電壓時，產生電弧，弧隙電阻Rh迅速下降，電路電流將主要給電容充電。電容電壓的上升速度遠高于電源電壓u 的上升速度，此時電弧電壓迅速下降并小于熄弧電壓，電弧熄滅，電流迅速下降為零，產生脈沖。電源電壓u 繼續升高，當電源電壓大于電容電壓和燃弧電壓之和時，弧隙將會再次擊穿，產生電流脈沖。

圖2 電容負載故障時電流電壓波形圖

當電流電壓波形呈感性特征變化發生故障電弧，零休現象不明顯。若電流電壓波形呈阻感性變化時，電流在零休時間內可能會出現脈沖，電感線圈中存在寄生電容，當寄生電容較大，電源電壓大于燃弧電壓，電路產生電弧，電路電流將給寄生電容充電，電路產生脈沖電流。

圖3 阻感負載故障下的電壓和電流波形

2 電流數據處理

參照GB/T31143-2014 的實驗要求，選用負載為純電阻1200W，鎢絲燈60W/8 盞，熒光燈60W/18 盞，盞鹵素燈250W/3盞，LED 燈100W/10 盞，電腦主機300W，吸塵器1 200W，電鉆800W 進行故障電弧實驗。

脈沖的定義為在短時間內突變，隨后又迅速返回其初始值的物理量稱之為脈沖。

式中：I1、I2、I3、I4分別為相鄰的4 個采樣點電流值，A。D1、D2、D3 分別為電流微分值。

文獻[10]中關于平肩的定義為：在每半個循環周期中，電弧電流在線路電流為零之前熄滅，在線路電流過零之后重新點燃，在每半個循環周期中建立一個幾乎平坦的零電流區域，這些區域命名為“平肩”。

式中：IS為電流值在±0.1 A 范圍內的采樣點數。

三周期算法的計算如公式（5）所示。

式中：Vn-1為第一個半周期內的線路電流的采樣值，Vn為第二個半周期內的線路電流的采樣值，Vn+1為第三個半周期內的線路電流的采樣值。

3 基于負載分類的神經網絡故障電弧判斷

3.1 神經網絡的確定

本文選用三層的神經網絡，對負載樣本進行標記后，選擇歸一化函數進行處理。選用線性函數purelin 函數作為神經網絡的激活函數。當隱藏層神經元個數為11 時，網絡的輸出誤差MSE 最小。

3.2 負載識別神經網絡的訓練

實驗得到27810 個樣本集。將計算得到的線路電流特征樣本集代入到神經網絡中進行訓練測試并不斷調整，得到輸出誤差MSE 下降曲線如圖4 所示。當迭代步數epochs 為914 時，訓練停止。使用神經網絡對故障電弧進行訓練，可以得到98.6%的準確率，符合預期設想。

圖4 輸出誤差MSE 下降曲線

4 結論

本文通過采集線路的電流電壓波形進行分類，分析不同類型負載正常工作和發生故障電弧時的電流變化。使用matlab 軟件對幾種常見類型負載正常工作和發生故障電弧的電流值進行預處理，提取電流的脈沖、平肩、三周期特征。并將電流特征值代入神經網絡中進行訓練和測試，使用訓練好的模型對故障電弧進行辨別。結果表明本文所提出的方法可以消除復雜負載對電弧判斷的影響，而且具有較好的電弧故障識別效果。