一种基于有限采样数据的串联故障电弧检测方法及系统

技术领域

本发明涉及故障电弧检测技术领域，尤其涉及一种基于有限采样数据的串联故障电弧检测方法及系统。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

故障电弧一般是由于线路老化、绝缘破损或失效、连接松动、接触不良等原因造成的高温放电现象。低压供电系统的串联故障电弧具有回路电流小、故障隐蔽性强等特点，此类故障隐患可在供电系统中长期存在而不会引起电力用户的注意，进而长时间加热、引燃故障点附近的可燃物，是严重的安全隐患。

目前，在供配电系统中广泛采用基于电流的保护装置，可分为动作于相电流和动作于剩余电流两大类。当相电流或剩余电流有效值超过预设阈值时，保护装置动作切断电路。此类保护装置对过负荷、金属性短路、接地和触电等故障和事故能够起到较好的保护作用；但由于负荷的限流作用，串联故障电弧电流有效值一般远小于金属性短路和过载，过流脱扣器无法可靠动作；而串联故障电弧不产生剩余电流，无法触发剩余电流脱扣器动作。由此可见，现有保护装置无法及时检测到串联电弧的存在，使得故障电弧能够长期隐蔽燃烧，是引发重特大电气火灾的主要原因。

现有的故障电弧检测方法一般通过A/D采样获取电压、电流等电气量的波形数据，再利用小波变换、傅里叶变换、滤波等方法判断故障电弧是否发生。通过提高A/D采样精度和采样频率、更平滑的小波基函数和更多层的分解，有助于更准确地获取电弧故障的高频特征，从而提高电弧检测的准确性。但上述各指标的提升意味着在故障检测器硬件设计中选用采样精度、采样频率更高的A/D芯片，在数据处理时需选用数据存储和计算能力更强的芯片。

发明内容

有鉴于此，本发明提出了一种基于有限采样数据的串联故障电弧检测方法及系统，基于虚拟能量指标和自适应阈值的方法实现电弧故障检测，只对负荷电流进行等周期采样，适用于在数据采集、存储和处理能力相对较弱的低成本嵌入式系统实现故障电弧的检测功能，具有较好的实用性。

为了实现上述目的，在一些实施方式中，采用如下技术方案：

一种基于有限采样数据的串联故障电弧检测方法，包括：

以设定的采样频率对负荷电流进行连续采样，得到N个采样数据，作为一帧采样数据；

基于所述采样数据，计算得到若干虚拟能量指标；

统计所述虚拟能量指标的最大值、最小值、均值和方差，计算周期波动系数；

将所述周期波动系数与自适应阈值进行比较，判断负荷所在线路是否发生电弧故障。

在另一些实施方式中，采用如下技术方案：

一种基于有限采样数据的串联故障电弧检测系统，包括：

用于以设定的采样频率对负荷电流进行连续采样的装置；采样后得到n个采样数据，作为一帧采样数据；

用于基于所述采样数据，计算得到若干虚拟能量指标的装置；

用于统计所述虚拟能量指标的最大值、最小值、均值和方差，计算周期波动系数的装置；

用于将所述周期波动系数与自适应阈值进行比较，判断负荷所在线路是否发生电弧故障的装置。

在另一些实施方式中，采用如下技术方案：

一种终端设备，其包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，所述指令适于由处理器加载并执行上述的基于有限采样数据的串联故障电弧检测方法。

在另一些实施方式中，采用如下技术方案：

一种计算机可读存储介质，其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行上述的基于有限采样数据的串联故障电弧检测方法。

与现有技术相比，本发明的有益效果是：

(1)本发明利用正弦函数的导数特性，推导并构建了基于导数的电流虚拟能量指标E(n)计算方法。该指标能够灵敏反映故障电弧引起的高次谐波含量变化。与FFT、小波变换等传统方法相比，该方法对数据采集、计算量的要求显著降低。

(2)本发明在虚拟能量指标的统计信息的基础上，建立了周期波动指标和动态阈值，以及故障判别方法和动态阈值更新算法。周期波动指标对串联电弧故障具有良好的指示性，故障发生时该指标跃变至正常状态的3～8倍以上，能够准确区分故障与正常工况。

本发明的附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

图1为本发明实施例中的基于有限采样数据的串联故障电弧检测方法流程图；

图2(a)-(b)分别为本发明实施例中线性负荷正常和故障情况下的原始波形；

图3(a)-(b)分别为线性负荷正常和故障情况下的第1帧电流采样波形图；

图4(a)-(b)分别为图3(a)-(b)对应的虚拟能量指标E(n)；

图5为图4(a)-(b)中虚拟能量指标E(n)箱线图；

图6(a)-(b)分别为线性负荷正常和故障情况下的第2帧电流采样波形图；

图7(a)-(b)分别为图6(a)-(b)对应的虚拟能量指标E(n)；

图8为图7(a)-(b)中虚拟能量指标E(n)箱线图。

具体实施方式

应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本发明使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。

实施例一

基于现有技术对采样数据的局限性，即：受数据存储和处理能力限制，每帧数据量受限；不确定各帧的起始时刻，使得各帧数据的起始相位不相同；相邻帧数据不连续，且时间间隔不确定。传统的基于FFT、小波变换等方法的电弧检测算法，无法获得理想的计算效果。

本实施例方法的主要思路是：当电弧故障发生时，负荷电流波形通常呈现过零点“平肩部”、波形对称性破坏等特征。基于正弦函数的特性，推导一类特征指标的计算方法，能够利用有限的采样数据集完成计算。当电弧故障发生时，电流波形畸变将表现为指标的突变，其变化的幅度和频度远高于负荷正常运行时可能发生的变化。计算各周期的波动指标，并对各帧的各项指标进行统计；更新自适应的阈值；通过比较各帧的统计指标变化率，可以确定是否发生电弧故障。

基于此，在一个或多个实施方式中，公开了一种基于有限采样数据的串联故障电弧检测方法，参照图1，包括以下步骤：

(1)对检测装置进行初始化，设定主要参数和初始阈值等；

(2)以f

本实施例中，选取fs的典型值为1kHz；T为采样周期，即典型值为0.001秒。

(3)对1帧的采样数据进行计算，得到一组虚拟能量指标E(n)；

取其中连续3个采样数据，即n-1,n,n+1，由公式(10)即可计算得到一个E(n)。每帧有N个数据，因此，最多时可以计算得到N-2个虚拟能量指标E。此处称为一组。

具体的计算过程如下：

在不计谐波的理想情况下，电流瞬时值i(t)可表示为时刻t的函数，I

i(t)＝I

在连续模式下，电流的变化率为(1)式对时间t的一阶导数，即：

即：

将(1)-(3)式联立，得：

在离散模式下式(1)可写为：

i(n)＝I

以差分近似表示的电流变化率，式(2)可写为：

(1)式代入后整理得：

如以2T为步长计算，得：

(1)式代入后整理得：

定义t时刻的虚拟能量指标为：

由(1)(8)式代入后可得：

(4)对当前帧内E(n)的最大值、最小值、均值和方差等指标进行统计，计算得到周期波动系数α；

由(10)式可见，对于任意时刻t＝nT的虚拟能量指标E(n)，应为不随时间变化的常值。考虑到电源谐波、A/D采样精度和量化误差等因素造成影响，E(t)呈周期性小幅波动。但当电弧故障发生时，各次谐波含量增加，该指标的波动幅度将明显增大，可表现为虚拟能量指标的峰峰值、方差增大。因此，可利用虚拟能量指标的统计信息，作为表征电弧故障的指征。

建立帧波动系数α：

(5)将周期波动系数α与自适应阈值α

阈值α

当α≥2α

为自适应地跟踪负荷特性，在正常工况下，可按下式自适应地更新阈值：

α

式中，α

如果周期波动系数α在阈值范围内的波动，即小于设定阈值，为正常工况，根据(12)式，更新阈值α

对临近帧的异常数据进行统计，如超出预设标准，则发出报警信息。

本实施例方法能够以有限的数据量和数据处理能力，准确地判断故障电弧，适用于基于低成本嵌入式系统开发故障电弧检测装置。

以线性负荷为例进行检测，线性负荷正常和故障情况原始波形分别如图2(a)-(b)所示；线性负荷正常和故障情况下的第1帧电流采样波形分别如图3(a)-(b)所示，对应的虚拟能量指标E(n)以及E(n)箱线图分别如图4(a)-(b)以及图5所示。经过计算，线性负荷正常情况下的帧波动系数为0.0839，线性负荷故障情况下的帧波动系数为0.6492。

线性负荷正常和故障情况下的第2帧电流采样波形分别如图6(a)-(b)所示，对应的虚拟能量指标E(n)以及E(n)箱线图分别如图7(a)-(b)以及图8所示。经过计算，线性负荷正常情况下的帧波动系数为0.0657，线性负荷故障情况下的帧波动系数为0.3424。

在图2(a)-图5所示的计算过程中，一帧数据包括三个完整的周期。计算后可见，虚拟能量指标的均值与电流波形峰值基本一致，表明公式推导的正确性。电弧发生时虚拟能量指标的波动性显著增加。由E(n)箱线图也可明显看出其波动性的增加。根据(11)式计算，帧波动系数α由故障前的0.0839增加至0.6492，突增了7.7倍，表明该指标对电弧故障具有良好的指示性。

在图6(a)-图8所示的计算过程中，一帧数据仅包括10个采样点，即1/4个周期。利用所述方法仍可计算其虚拟能量指标，且虚拟能量均值与电流波形峰值基本一致。表明该方法对有限数据具有理想的适应性。由虚拟能量曲线和E(n)箱线图，均明显可见其波动性的显著增加。根据(11)式计算，帧波动系数α由故障前的0.0657增加至0.3424，突增了5.2倍。表明虚拟能量指标E(n)及帧波动系数α能够较好地适应有限数据的影响，保持了对电弧故障理想的指示性。

实施例二

在一个或多个实施方式中，公开了一种基于有限采样数据的串联故障电弧检测系统，包括：

用于以设定的采样频率对电流波形进行连续采样的装置；采样后得到n个采样数据，作为一帧采样数据；

用于基于所述采样数据，计算得到一组虚拟能量指标的装置；

用于统计所述虚拟能量指标的最大值、最小值、均值和方差，计算周期波动系数的装置；

用于将所述周期波动系数与自适应阈值进行比较，判断是否发生故障电弧的装置。

上述装置的具体实现方式采用实施例一中公开的方法，不再赘述。

实施例三

在一个或多个实施方式中，公开了一种终端设备，包括服务器，所述服务器包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现实施例一中公开的基于有限采样数据的串联故障电弧检测方法，为了简洁，不再赘述。

应理解，本实施例中，处理器可以是中央处理单元CPU，处理器还可以是其他通用处理器、数字信号处理器DSP、专用集成电路ASIC，现成可编程门阵列FPGA或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

存储器可以包括只读存储器和随机存取存储器，并向处理器提供指令和数据、存储器的一部分还可以包括非易失性随机存储器。例如，存储器还可以存储设备类型的信息。

在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。

上述方法可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器、闪存、只读存储器、可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。为避免重复，这里不再详细描述。

本领域普通技术人员可以意识到，结合本实施例描述的各示例的单元即算法步骤，能够以电子硬件或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。