低壓系統(tǒng)串聯(lián)故障電弧在線檢測方法

張冠英張曉亮劉 華汪友華

（1. 河北工業(yè)大學(xué)電磁場與電器可靠性省部共建重點(diǎn)實(shí)驗(yàn)室 天津 300130 2. 保定天威集團(tuán)博士后科研工作站 保定 071056）

低壓系統(tǒng)串聯(lián)故障電弧在線檢測方法

張冠英1,2張曉亮1劉 華1汪友華1

（1. 河北工業(yè)大學(xué)電磁場與電器可靠性省部共建重點(diǎn)實(shí)驗(yàn)室 天津 300130 2. 保定天威集團(tuán)博士后科研工作站 保定 071056）

故障電弧是引發(fā)電氣火災(zāi)的主要原因，有效可靠地檢測出故障電弧是預(yù)防電氣火災(zāi)的迫切要求。本文首先基于居民用電系統(tǒng)搭建了模擬串聯(lián)故障電弧的實(shí)驗(yàn)平臺，而后設(shè)計(jì)了以常見家用電器為負(fù)載的實(shí)驗(yàn)方案并采集到不同條件下的故障電弧信號。基于電弧電流的特性分析，提出了一種故障電弧在線檢測方法。該方法在線路電流相鄰周期相減的基礎(chǔ)上進(jìn)行小波閾值去噪和歸一化，利用周期幅值作為電弧的特征量，將特征量與參考值進(jìn)行比較來判斷故障電弧的發(fā)生。通過對單一負(fù)載、組合負(fù)載、啟動過程、正常工作以及不同電壓下串聯(lián)故障電弧實(shí)驗(yàn)數(shù)據(jù)進(jìn)行分析，得到了不同負(fù)載下電弧特征量的公共閾值。與其他方法的比較結(jié)果表明所提方法能夠有效檢測故障電弧的發(fā)生。

故障電弧 家用電器 閾值去噪 差值信號 檢測方法

0 引言

電弧是一種氣體游離放電現(xiàn)象，故障電弧發(fā)生時，伴隨持續(xù)強(qiáng)烈的弧光、弧聲、放熱等現(xiàn)象，如果不及時切斷，就可能引發(fā)電氣火災(zāi)。而切斷故障電弧首先需要檢測到電弧，因此檢測方法的可靠性直接關(guān)系到電氣火災(zāi)的預(yù)防。當(dāng)前，國內(nèi)外電弧檢測的方法大致可以歸納為三類[1]：①建立電弧模型并通過檢測相應(yīng)的參量檢測電弧；②根據(jù)電弧發(fā)生時所產(chǎn)生的弧光、噪聲、輻射、溫度等變化檢測電弧；③根據(jù)電弧發(fā)生時的電流、電壓波形變化檢測電弧。

在家庭供配電線路中，開關(guān)操作頻繁、設(shè)備線路狀況復(fù)雜，容易發(fā)生觸頭松動、絕緣老化、擊穿、接地故障等問題，增加了故障電弧發(fā)生的概率[2]。同時，由于用電設(shè)備分散，利用電弧光、熱等物理現(xiàn)象來檢測電弧并不現(xiàn)實(shí)，適合利用線路電流的變化來檢測電弧。本文針對家庭供配電系統(tǒng)下的常見負(fù)載，進(jìn)行了串聯(lián)故障電弧實(shí)驗(yàn)，提出了一種基于電弧隨機(jī)性的在線檢測方法。

1 利用線路電流檢測電弧研究現(xiàn)狀

電弧檢測的理論研究始于20世紀(jì)70年代，國內(nèi)外多位學(xué)者從時域和頻域兩個方面對故障電弧特性及檢測開展了研究。目前的檢測方法可以分為三大類：一類基于電弧的某個或某些特征，如基于電弧電流畸變點(diǎn)的小波分析法[3,4]，基于電弧電流高頻諧波的傅里葉分析方法[5-7]，基于電弧電流上升率的分形法[8]，基于電弧隨機(jī)性的差值-方均根檢測方法[9]等；二是對電弧進(jìn)行整體識別，已有的算法有模型參數(shù)法[10,11]、支持向量機(jī)法[12]、神經(jīng)網(wǎng)絡(luò)法[13]等；三是上述兩種方法的組合[14-16]。文獻(xiàn)[3, 4]基于電弧電流波形的畸變性，通過小波變換的細(xì)節(jié)系數(shù)檢測電弧電流的畸變點(diǎn)，進(jìn)而檢測出電弧。然而某些非線性負(fù)載正常工作時也存在相似的畸變點(diǎn)，如何有效區(qū)分成為一個問題，此外不同負(fù)載下的細(xì)節(jié)系數(shù)閾值不統(tǒng)一，需要判斷負(fù)載的類型；文獻(xiàn)[5]提出了一種傅里葉分析方法，采用電流頻譜輪廓圖上前M個峰值對應(yīng)的頻率作為電弧特征量，通過與參考特征量進(jìn)行比較來檢測電弧，然而在電弧電流與正常電流頻譜相似的情況下，其有效性大大降低，另外其參考特征量也需要判斷負(fù)載的類型；文獻(xiàn)[8]基于電弧電流上升率的增大，利用分形理論來檢測電弧，用相鄰網(wǎng)格電流變率比值作為電弧特征量，其優(yōu)點(diǎn)是不用考慮負(fù)載功率的影響，但是非線性負(fù)載下同樣存在較高的電流變化率，影響了檢測的可靠性；文獻(xiàn)[9]基于電弧的隨機(jī)性，提出了一種差值-方均根檢測方法，其算法簡單、實(shí)時性強(qiáng)且不需要判斷負(fù)載的類型，然而所有負(fù)載下正常特征量與電弧特征量交叉與否有待檢驗(yàn)。文獻(xiàn)[10, 11]采用Burg自回歸模型參數(shù)作為電弧的特征量，通過與參考特征量求歐式距離進(jìn)行判斷，在其實(shí)驗(yàn)數(shù)據(jù)下，不同負(fù)載下的正常特征量和故障電弧特征量分屬不同的區(qū)域，具有區(qū)分度大的優(yōu)點(diǎn)，然而其參考特征量需要把所有可能出現(xiàn)的負(fù)載均考慮進(jìn)去，這在實(shí)際中并不現(xiàn)實(shí)，同時對于間歇性電弧和瞬時性電弧，其有效性有待檢驗(yàn)；文獻(xiàn)[12,13]從整體識別的角度，使用支持向量機(jī)和神經(jīng)網(wǎng)絡(luò)算法對電弧信號進(jìn)行訓(xùn)練，其特點(diǎn)是識別率較高，但是實(shí)時性差，需要對大量數(shù)據(jù)進(jìn)行訓(xùn)練。文獻(xiàn)[14,15]把小波（包）檢測和神經(jīng)網(wǎng)絡(luò)識別進(jìn)行結(jié)合，以減少模式識別的數(shù)據(jù)量，提高了檢測的實(shí)時性，然而其改善程度并不明顯。

本文基于低壓串聯(lián)故障電弧實(shí)驗(yàn)平臺實(shí)驗(yàn)數(shù)據(jù)，對燃弧前后的電流數(shù)據(jù)進(jìn)行波形分析，在相鄰周期波形相減的基礎(chǔ)上，利用小波閾值消噪提取到故障電弧特征量，并應(yīng)用軟件對實(shí)驗(yàn)數(shù)據(jù)進(jìn)行分析，結(jié)果表明該檢測方法具有很高的識別率。

2 實(shí)驗(yàn)裝置與數(shù)據(jù)采集

2.1實(shí)驗(yàn)裝置

在家庭供配電線路中，用電設(shè)備分散、設(shè)備線路狀況復(fù)雜，利用弧光、溫度等物理現(xiàn)象檢測電弧并不現(xiàn)實(shí)，本文選擇檢測線路中電流的變化來檢測電弧。實(shí)驗(yàn)平臺總體結(jié)構(gòu)如圖1所示，由調(diào)壓器、電弧發(fā)生器、電壓傳感器、電流傳感器、示波器以及開關(guān)等組成。本文實(shí)驗(yàn)負(fù)載均為家庭常用電器，分別有電阻、熒光燈、電磁爐、電水壺、空調(diào)、電吹風(fēng)、計(jì)算機(jī)、微波爐，對部分負(fù)載進(jìn)行了組合實(shí)驗(yàn)。

圖1　故障電弧實(shí)驗(yàn)平臺Fig.1 The arcing fault experimental platform

2.2數(shù)據(jù)采集

數(shù)據(jù)采集使用示波器，采樣速率選擇為20kHz，某些負(fù)載根據(jù)需要進(jìn)行了相應(yīng)調(diào)整（如進(jìn)行長時間的啟動過程時，降低了采樣速率），實(shí)驗(yàn)步驟如圖2所示，調(diào)節(jié)示波器的采樣速率和延遲時間，使采集到的波形跨越正常、起弧、燃弧、熄弧全過程。

Transwell結(jié)果顯示，與control組與空白組比較，下調(diào)EZH2表達(dá)時穿過基膜的MDA-MB-468細(xì)胞數(shù)目明顯增加(P＜0.05)，control組與空白組細(xì)胞侵襲能力比較，差異無統(tǒng)計(jì)學(xué)意義(P＞0.05)。見表4

圖2　實(shí)驗(yàn)步驟示意圖Fig.2 The schematic diagram of experimental procedure

3 故障電弧電流信號特征分析

圖3a為不同負(fù)載下發(fā)生電弧前后的電流波形。觀察電流的變化特征，發(fā)現(xiàn)電器正常工作下，線路電流都是具有穩(wěn)定周期的，其畸變點(diǎn)也是具有很強(qiáng)的周期性。而發(fā)生電弧后，線路電流波形較正常情況發(fā)生變化，在周期性的基礎(chǔ)上疊加了很強(qiáng)的隨機(jī)性，相應(yīng)的其畸變處（位置和幅度）也會呈現(xiàn)出一定的隨機(jī)性。可用公式表示為

圖3　原始電流波形與相鄰周期相減電流波形Fig.3 The waveforms of original current and difference value between two adjacent periods

式中，I1k(t)、I2k(t)是電器正常工作和發(fā)生電弧的第k周期的電流瞬時值（發(fā)生電弧時，仍采用電器正常工作時的周期），k取整數(shù)；e1k(t)、e2k(t)是正常和電弧時第 k周期的噪聲信號；Ak(t)代表電弧電流第k周期的隨機(jī)特征，是一個變化的量，受溫度、濕度、電極材料、放電介質(zhì)種類等多種因素影響。這樣，如果進(jìn)行相鄰周期相減，正常信號變?yōu)?/p>

電弧電流信號變?yōu)?/p>

可見，相鄰周期相減后，正常電流信號只剩下了噪聲信號，而電弧電流信號除了噪聲信號外還有另外一項(xiàng)，此項(xiàng)信號一方面與正常電流的穩(wěn)定周期信號有關(guān)，另一方面與電弧的隨機(jī)特征有關(guān)。圖3b為圖3a對應(yīng)的相鄰周期相減后的波形。由圖3b可知，通過相鄰周期相減，在相同負(fù)載下正常電流和電弧電流在幅值下可以區(qū)分開，但是不同負(fù)載下由于噪聲以及負(fù)載電流的大小變化導(dǎo)致提取公共閾值較難。小波能在消除噪聲的同時，保留信號的細(xì)節(jié)信息（電弧特征）。本文通過小波獲取相鄰周期波形差信號的默認(rèn)閾值，通過置零消噪策略消除噪聲的影響，對消噪后的信號除以原始電流的周期絕對值的平均值，以減弱穩(wěn)定周期信號的影響，得到了較好的檢測效果。

4 數(shù)據(jù)分析

在上述的基礎(chǔ)上，利用軟件對采集的電流信號進(jìn)行了分析。首先對電流信號進(jìn)行相鄰周期相減得到波形差信號，然后波形差信號進(jìn)行了小波閾值去噪，再對消噪后的信號進(jìn)行歸一化處理，提取出了電弧特征量（波形差信號每個周期的幅值），并根據(jù)數(shù)據(jù)分析結(jié)果得到了公共閾值。最后統(tǒng)計(jì)規(guī)定時間電弧特征量大于參考值的個數(shù)判斷電弧的發(fā)生。

4.1小波閾值消噪

實(shí)際中獲取的信號不可避免地會夾雜噪聲，有時噪聲甚至?xí)c信號的幅度相當(dāng)，給電弧的檢測帶來極大的干擾，圖4a所示波形是消噪前的波形差信號，可以發(fā)現(xiàn)消噪前微波爐的噪聲信號超過了電磁爐+熒光燈的局部電弧信號，給電弧檢測帶來了很大的難度。為極大地消除噪聲對后續(xù)信號處理的干擾，同時保留電弧信號的細(xì)節(jié)（畸變點(diǎn)信息）特征，本文采用小波閾值消噪。采取“閾值以下全部置0，閾值以上保留原始值和閾值的差值”的消噪策略。圖4b所示為消噪后的波形差信號，可以發(fā)現(xiàn)消噪后濾除了大部分噪聲，而電弧電流波形的畸變點(diǎn)信息并沒有因?yàn)橄攵鴣G失。

圖4　電流波形差信號消噪前后對比Fig.4 The waveforms contrast between difference value of current and after de-noising

4.2單一負(fù)載

對單一負(fù)載的電弧前后全過程電流進(jìn)行分析，發(fā)現(xiàn)電弧前后消噪歸一化后的電流波形差信號存在顯著差別：發(fā)生電弧后，波形差信號的每個周期的幅值很大（與正常段相比）；而在正常工作時，波形差信號幅值幾乎為 0，每個周期電流極值個數(shù)和幅值都很小。通過對不同負(fù)載下的數(shù)據(jù)進(jìn)行分析，發(fā)現(xiàn)消噪歸一化后波形差信號周期幅值的閾值取 0.3就可以比較可靠地檢測出電弧。圖5是計(jì)算機(jī)和電阻兩類典型負(fù)載下的波形分析圖，對照原始電流波形，可以發(fā)現(xiàn)方法準(zhǔn)確識別了電弧發(fā)生區(qū)間。

圖5　單一負(fù)載下電流分析Fig.5 The current analysis under single loads

圖6是組合負(fù)載下的分析結(jié)果，可以發(fā)現(xiàn)與單個負(fù)載具有相同的結(jié)論，在電磁爐+電吹風(fēng)負(fù)載下，燃弧前也出現(xiàn)了一些畸變點(diǎn)，但是其幅值較小，不影響檢測效果。

圖6　組合負(fù)載下電流分析Fig.6 The current analysis under combined loads

4.4啟動過程

圖7是計(jì)算機(jī)和空調(diào)啟動過程的分析結(jié)果（空調(diào)壓縮機(jī)沒有啟動），可以發(fā)現(xiàn)計(jì)算機(jī)和空調(diào)啟動時間都較長，但是其電流波形變化較緩，計(jì)算機(jī)波形差信號僅在電源打開時出現(xiàn)了畸變點(diǎn)，其雖然超過了閾值，但是數(shù)量少。空調(diào)波形差信號雖然出現(xiàn)了較多的畸變點(diǎn)，但是其幅度和密度較小，50s時間內(nèi)閾值以上只有有限幾個，并不影響故障電弧的判斷，所以實(shí)際中可以根據(jù)規(guī)定時間內(nèi)波形差信號電弧特征量的個數(shù)判斷電弧故障的發(fā)生。

圖7　啟動過程電流分析Fig.7 The current analysis of loads starting

4.5正常工作分析

圖8是微波爐和熒光燈正常工作下的電流波形，由圖8可知，微波爐波形差信號沒有出現(xiàn)畸變點(diǎn)，熒光燈雖出現(xiàn)了畸變點(diǎn)，但是數(shù)量和幅值較小，不影響故障電弧判斷。

4.6不同電壓下（以電阻為例）分析

圖 9是電阻負(fù)載不同電壓下的串聯(lián)故障電弧分析結(jié)果，圖9中，從上到下電阻負(fù)載的電壓分別為180V、200V、230V、250V。可以發(fā)現(xiàn)所提方法在不同電壓下能夠準(zhǔn)確識別出電弧發(fā)生區(qū)間，雖然在局部少量周期內(nèi)有漏判，但并不影響故障電弧的判斷。

圖9　不同電壓下電流分析Fig.9 The current analysis under different work voltages

5 方法對比

圖10是微波爐負(fù)載下小波方法、FFT方法、本文方法、差值-方均根方法的檢測效果，其中圖10a采用DB5小波進(jìn)行5層分解重構(gòu)后的d3～d5層（由于d1、d2層系數(shù)電弧前后幾乎一樣，故沒有在圖中畫出）的細(xì)節(jié)系數(shù)以及a5層的近似系數(shù)。圖10b正常電流截取的是[-0.4 -0.3]時間段內(nèi)的電流數(shù)據(jù)，電弧電流截取的是[0.25 0.35]時間段內(nèi)的電流數(shù)據(jù)。由圖10可知，在波形極其相似的情況下，直接采用小波分析和傅里葉分析檢測故障電弧的難度非常大；差值-方均根方法在正常和故障段存在一定的誤檢和漏檢，本文方法取得了較好的檢測效果。

圖10 微波爐負(fù)載下不同方法的檢測效果Fig.10 The detection results of different methods under microwave oven load

圖11是計(jì)算機(jī)負(fù)載下小波分析、FFT分析、本文方法、差值-方均根方法的分析結(jié)果，其中圖11a采用DB5小波進(jìn)行5層分解重構(gòu)后的d1～d3層的細(xì)節(jié)系數(shù)以及a5層的近似系數(shù)（d4和d5層系數(shù)對于區(qū)間段 0.3～0.4檢測效果不好，故圖中沒有畫出）。圖 11b正常電流截取的是[?0.4 ?0.3]時間段內(nèi)的電流數(shù)據(jù)，電弧電流截取的是[0.4 0.5]時間段內(nèi)的電流數(shù)據(jù)。由圖11可知，在波形差別很大的情況下，采用小波分析和傅里葉分析檢測能取得較好的檢測效果；差值-方均根方法出現(xiàn)了較嚴(yán)重的漏檢（0.3～0.5區(qū)間段內(nèi)僅檢測到3個周期的電弧特征量），而本文方法同樣取得了較好的檢測效果。

圖11　計(jì)算機(jī)負(fù)載下不同方法的檢測效果Fig.11 The detection results of different methods under computer load

表1和表2是微波爐負(fù)載和計(jì)算機(jī)負(fù)載下3階Burg AR模型參數(shù)，由表中數(shù)據(jù)可知，計(jì)算機(jī)負(fù)載下 3階 AR模型參數(shù)(a1,a2,a3)在正常和電弧時的區(qū)分度較大，而在微波爐負(fù)載下，3階 AR參數(shù)在正常與電弧時的區(qū)分度較小。若以計(jì)算機(jī)負(fù)載和微波爐負(fù)載下正常[-0.4 0.4]時間段內(nèi)的參數(shù)平均值作為參考量，計(jì)算出的歐式距離見表3，由表 3可知，波形相似的情況下3階Burg自回歸模型參數(shù)可以檢測出電弧，但區(qū)分度較小。

表1　微波爐負(fù)載下3階Burg AR模型參數(shù)Tab.1 3 order burg AR model parameters of microwave oven

表2　計(jì)算機(jī)負(fù)載下3階Burg AR模型參數(shù)Tab.2 3 order burg AR model parameters of computer

表3　3階Burg AR模型參數(shù)的歐式距離Tab.3 3 order burg AR model Euclidean distance

6 結(jié)論

本文基于電弧隨機(jī)性，在相鄰周期波形相減的基礎(chǔ)上，運(yùn)用小波閾值消噪置零策略，提出了一種電弧在線檢測方法。方法利用電流相鄰周期波形差的幅值作為電弧特征量，通過對單一負(fù)載、組合負(fù)載、啟動過程、正常工作以及不同電壓下串聯(lián)故障電弧實(shí)驗(yàn)數(shù)據(jù)進(jìn)行分析，找出了公共閾值。而后通過與現(xiàn)有的其他方法進(jìn)行對比，驗(yàn)證了本文方法的有效性和可靠性。方法的優(yōu)點(diǎn)是無需判斷負(fù)載類型，閾值不隨負(fù)載種類變動和電壓等級變動而變化，并且能夠在線檢測出間歇性電弧的發(fā)生；方法的不足在于對頻率變化要求嚴(yán)格，但考慮到實(shí)際頻率變化不大，具有可行性。此外，對于啟動過程較長同時電流變化急劇的負(fù)載以及隨機(jī)性的非電弧故障，上述方法的有效性需要進(jìn)一步討論。

[1] 楊藝, 董愛華, 付永麗. 低壓故障電弧檢測概述[J].低壓電器, 2009(5): 1-4. Yang Yi, Dong Aihua, Fu Yongli. Arc fault detection device based on dsPIC[J]. Low Voltage Apparatus,2009(5): 1-4.

[2] Kawady Tamer A, Taalab Abdel-Maksoud I, El-Geziry Mohamed. Impact of load variations on arcing fault detection in LV distribution networks[C]//10th IET International Conference on Developments in Power System Protection (DPSP), Manchester, UK, 2010: 37-42.

[3] 范李平, 袁兆強(qiáng), 張凱. 基于小波變換的單相接地故障電弧模型及其 PSCAD/EMTDC仿真研究[J].電力系統(tǒng)保護(hù)與控制, 2011, 39(5): 51-56. Fan Liping, Yuan Zhaoqiang, Zhang Kai. Simulation on arc model of single phase earth fault and PSCAD/ EMTDC based on wavelet transformation[J]. Power System Protection and Control, 2011, 39(5): 51-56.

[4] Elkalashy N I, Lehtonen M, Darwish H A. A novel selectivity technique for high impedance arcing fault detection in compensated MV networks[J]. European Transactions on Electrical Power, 2008, 18(4): 344-363.

[5] 馬征, 張國剛, 柯春俊. 一種基于高頻電流頻譜分析的故障電弧檢測方法[J]. 低壓電器, 2010(9): 10-12. Ma Zheng, Zhang Guogang, Ke Chunjun. A method of fault arc detection based on spectral analysis of high-frequency current[J]. Low Voltage Apparatus, 2010(9): 10-12.

[6] 劉湘澎, 李宏文, 張小青, 等. 調(diào)光燈電弧電流的諧波分析[J]. 電氣應(yīng)用, 2012(20): 36-39. Liu Xiangpeng, Li Hongwen, Zhang Xiaoqing, et al. Harmonic analysis of arc current in dimming lights[J]. Electrotechnical Application, 2012(20): 36-39.

[7] Lee Weijen, Sahni M, Methaprayoon K, et al. A novel approach for arcing fault detection for mediumlow-voltage switchgear[J]. IEEE Transactions on Industry Applications, 2009, 45(4): 1475-1483.

[8] 孫鵬, 佟雅, 秦猛. 基于網(wǎng)格分形理論的串聯(lián)故障電弧檢測診斷技術(shù)[J]. 低壓電器, 2013(1): 56-60. Sun Peng, Tong Ya, Qin Meng. Detection and diagnosis technology of series arc-fault based on grid fractal theory[J]. Low Voltage Apparatus, 2013(1): 56-60.

[9] 盧其威, 巫海東, 王肅珂, 等. 基于差值-均方根法的故障電弧檢測的研究[J]. 低壓電器, 2013(1): 6-13. Lu Qiwei, Wu Haidong, Wang Suke, et al. Research on arc-fault detection based on difference-root mean square method[J]. Low Voltage Apparatus, 2013(1): 6-13.

[10] 雍靜, 桂小智, 牛亮亮, 等. 基于自回歸參數(shù)模型的低壓系統(tǒng)串聯(lián)電弧故障識別[J]. 電工技術(shù)學(xué)報(bào), 2011, 26(8): 213-219. Yong Jing, Gui Xiaozhi, Niu Liangliang, et al. Series arc fault identification in low voltage system based on autoregressive parameter model[J]. Transactions of China Electrotechnical Society, 2011, 26(8): 213-219.

[11] Arunachalam S，Diong B. A parametric model approach to arc fault detection for DC and AC power systems[C]//IEEE Industry Applications Conference, 2006, 5: 8-12.

[12] 王子駿, 張峰, 張士文, 等. 基于支持向量機(jī)的低壓串聯(lián)故障電弧識別方法研究[J]. 電測與儀表, 2013, 50(4): 22-26. Wang Zijun, Zhang Feng, Zhang Shiwen, et al. Seriesarc fault recognition method based on support vector machine approach[J]. Electrical Measurement & Instrumentation, 2013, 50(4): 22-26.

[13] Ma Shaohua, Guan Lina. Arc fault recognition based on BP neural networks[C]//3rd International Conference on Measuring Technology and Mechatro- nics Automation, Shanghai, China, 2011: 584-586.

[14] 劉曉明, 王麗君, 侯春光, 等. 基于小波包能量熵的低壓串聯(lián)故障電弧診斷[J]. 沈陽工業(yè)大學(xué)學(xué)報(bào), 2013, 35(6): 606-612. Liu Xiaoming, Wang Lijun, Hou Chunguang, et al. Diagnosis of low voltage siries arc fault based on wavelet packet-energy entropy[J]. Journal of Shenyang University of Technology, 2013, 35(6): 606-612.

[15] Jamali S, Ghaffarzadeh N. A new method for arcing fault location using discrete wavelet trans- form and wavelet networks[J]. European Transactions on Electrical Power, 2012, 22(5): 601-615.

[16] Baqui I, Zamora I, Mazón J, et al. High impedance fault detection methodology using wavelet transform and artificial neural networks[J]. Electric Power Systems Research, 2011, 81(7): 1325- 1333.

Online Detection Method for Series Arcing Fault in Low Voltage System

Zhang Guanying1,2Zhang Xiaoliang1Liu Hua1Wang Youhua1
（1. Province-Ministry Joint Key Laboratory of Electromagnetic Field and Electrical Apparatus Reliability Hebei University of Technology Tianjin 300130 China 2. Post-Doctoral Research Station Baoding Tianwei Group Co. Ltd Baoding 071056 China）

Arcing faults are major cause of electrical fire. Thus, an effective and reliable detection method for arcing faults is an urgent requirement to prevent electrical fire. In this paper, an experiment platform based on residential electricity system is built, and then testing procedure is designed to detect the arcing fault signals in household appliances under different conditions. Based on the characteristics of arcing fault currents, an online detection method is presented in this paper. Herein, the original signal is obtained firstly from the difference value of two adjacent waveforms, and then is extracted after wavelet threshold de-noising and normalization. The amplitude of the extracted signal in a period is used as a characteristic value. This value combined with a given reference value is used as the judgment basis for the occurrence of arcing faults. Test results were obtained under single load conditions and combined load conditions, for the case of starting a load and its operation process, and under different work voltages. Hence, the common thresholds of characteristic values under different load conditions were obtained. At last, compared with other detection methods, it is demonstrated that the presented method is effective for the detection of arcing faults.

Arcing fault, household appliances, threshold de-noising, difference signal, detection method

TM 501+.2

張冠英 女，1969年生，副教授，碩士生導(dǎo)師，研究方向?yàn)榈蛪弘娖髦悄鼙Ｗo(hù)技術(shù)。

E-mail: susan.zgy@163.com（通信作者）

張曉亮 男，1986年生，碩士研究生，研究方向?yàn)殡娀z測。

E-mail: 361757636@qq.com

河北省博士后科研（201215）和河北省科學(xué)技術(shù)研究與發(fā)展規(guī)劃（11213567）資助項(xiàng)目。

2013-11-20 改稿日期 2014-06-01