基于聚類分析和電磁輻射信號的電弧故障識別

李奎 陳照 張洋子 王堯 牛峰 戴逸華

摘 要：當前非線性負載日益增多，基于故障電弧電流特征的故障檢測存在信息源單一的不足，容易出現故障誤判別。針對該問題，提出了一種基于聚類分析和電弧電磁輻射信號的故障電弧識別方法。該方法在分析電弧電磁輻射理論的基礎上，分析不同負載條件下的電弧電磁輻射信號，首先對信號進行低通濾波降噪，提取降噪后故障電弧時域信號的模極大值作為特征值，最后利用模糊c-均值聚類方法進行電弧故障識別。試驗結果表明該方法能夠有效提高故障電弧的識別準確率。

關鍵詞：故障電弧； 電磁輻射信號； 聚類分析； 非線性負載

中圖分類號：TM 501

文獻標志碼：A

文章編號：1007-449X（2018）05-0094-08

Abstract：Nowadays the current nonlinear loads in the power system increase，and the main drawback of fault arc detection method based on arc current characteristics is that there is only one information source，which leads to misjudgment.A method of series arc fault diagnosis was presented based on the method of cluster analysis and the electromagnetic signals. On the basis of analying the theory of electromagnetic signal of arc，the signal was filtered to reduce noise，then combined with the research on electromagnetic behaviors of arcing fault，the feature vector of the electromagnetic signals of arc fault was extracted.The fault is diagnosed by the fuzzy cmeans clustering method.The result of test shows that the accuracy of the method for the identification of series arc fault meets the requirements.

Keywords：arc fault； electromagnetic signals； cluster analysis； nonlinear loads

0 引 言

電弧是穿過絕緣介質的電氣輝光放電現象，通常伴隨著電極的局部揮發，其兩電極之間為擁有5 000～15 000 ℃溫度的等離子體[1-2]，研究表明2～10 A的電弧電流就可以產生2 000～4 000 ℃的局部高溫，0.5 A的電弧電流就足以引起火災[3-6]。

盡管人們在低壓配電網中采用了斷路器、熔斷器和剩余電流保護器等一系列保護裝置，對于維護系統的可靠性、穩定性和減少電氣火災起到很大作用，但是這些保護裝置無法對故障電弧進行有效保護[7]。并且隨著智能電網的發展，低壓配電網中采用電力電子技術的非線性負荷的種類不斷增多，如電子節能燈、變頻空調、微波爐等。實驗表明，大量非線性負荷可能導致線路電流波形與故障電弧電流波形十分相近，而且在非線性負荷回路中正常電弧的電流波形與故障電弧的電流波形也難以區分[8]，因此僅僅依靠故障電弧的電壓、電流波形特征無法實現非線性負荷條件下故障電弧的準確檢測，容易造成保護裝置誤動作或拒動作。

近年來，隨著非電量檢測技術和信號處理技術的發展，人們注意到配電柜中出現故障電弧時除了電流、電壓的變化外還伴生一系列聲、光、化學和熱效應，根據這些物理現象發展出多種新故障電弧檢測方法，如紫外線檢測法、弧聲檢測法、熱電離法和超高頻信號檢測法等[9-13]。上述新方法擺脫了傳統檢測方法以故障電弧電壓、電流為研究對象的局限性，提高了配電柜故障電弧的檢測精度，并實現了故障電弧的預報警[12-13]。其中，電弧電磁輻射信號特征及其在故障識別中的應用正成為新的研究熱點。Charles J.Kim利用環形天線和棒狀天線測量并研究了120 V、2 A故障電弧的電磁輻射時域特性，研究結果表明，在不需信號放大的情況下示波器可以直接測得天線感應的電磁輻射信號，其頻率范圍為幾千赫茲到幾十兆赫茲，驗證了利用電弧電磁輻射進行低電壓、小電流故障檢測的可行性[14]。

聚類分析（cluster analysis）又稱集群分析，它是研究“物以類聚” 的一種數理統計方法，聚類分析可將一些觀察對象依據某些特征加以歸類[16]。可用于衡量不同數據源間的相似性，以及把數據源分類到不同的簇中，其中，模糊c均值聚類算法應用最為廣泛。它按照某種判別準則，將數據的聚類轉化為一個非線性優化問題，并通過迭代來進行求解，目前已成為非監督模式識別的一個重要分支。因此本文提出一種基于聚類分析和電弧電磁輻射信號的故障電弧識別方法。在分析電弧電磁輻射理論的基礎上，充分考慮距離衰減、屏蔽、非線性負荷干擾以及傳感器測量方位等的影響因素，以電弧故障模擬實驗采得的電磁輻射信號為故障分析和研究的物理參數，結合模糊c-均值聚類的方法，實現串聯電弧故障的識別。

1 電弧輻射的電磁信號分析

1.1 電弧產生的機理分析

空氣電弧因電極兩端電壓擊穿形成，陰極斑點處包含場致發射及熱發射，并向觸頭間隙提供電子，維持電弧產生。

一般情況下，電弧可被劃分為3個區域：陰極位降區、弧柱區和陽極位降區。如圖1所示，沿弧柱長度方向的電場強度一般情況下可近似為常數，所以圖1上電位曲線在弧柱區為一直線，而在陰極區和陽極區（它們的空間尺度很小，在大氣壓的條件下僅為10-4 cm左右），電場強度變化劇烈，而且其數量級可高達105～106 V/cm，比弧柱中的電場強度高幾個數量級，其原因就在于陰極區和陽極區中存在空間電弧。由于電弧上的陽極基本上只是接受從弧柱中來的電子，除極少的特例外，陽極沒有發射正離子的顯著能力，故陽極本質上未參加電弧放電的基本過程。電弧陰極區域的變化過程對電弧的發生和物理過程有重要的意義[17-18]。

1.2 電弧產生電磁輻射的機理分析

按照電弧的近陰極區域過程，電弧可以分為3類 [18]。點接觸試驗中的銅陰極電弧屬于有迅速無規則移動的陰極斑點的一類。在這類陰極上，在任何時刻往往包含有許多小面積的發射點。發射點的數量一般與電流成比例而增加，因此可認為每一發射點的電流是常數。對于固體陰極，發射點存在的時間大約為2×10-6～3×10-6 s。且在銅陰極上，陰極斑點能以很高速度運動，根據測量，這類斑點的電流密度就可超過106 A/cm2（甚至達到108 A/cm2）[18]。事實上，銅陰極電弧已用作為微波發生器。陰極斑點作用于銅電極表面， 電場磁場變化程度較大，電子在電場的作用下由陰極斑點發射，并向陽極高速移動，產生高頻電磁波，從實驗可證實，電弧能夠產生109 Hz頻率的信號。

因此，在發生故障電弧時，會伴有高頻電磁輻射信號產生，故可以通過檢測電磁輻射信號實現故障電弧的檢測。

1.3 電弧電磁輻射的理論計算

在計算電弧輻射電場功率譜時，可以將電弧看作一個輻射電磁波的線電流[19]。電流元沿x軸產生的磁場如圖2所示，在距離為R處通過一個長度為σ的電流分量，沿x軸在特定時間內輻射出來的電磁場Erad為

由于本文只研究家庭條件下的低壓故障電弧識別，電磁傳感器與故障點的距離屬于近區場范圍，電場信號與磁場信號不存在比例關系，因此本文需對兩種信號都檢測，以實現信號互補，提高故障識別的精度。

2 故障電弧實驗平臺的搭建與數據采集

2.1 串聯故障電弧實驗

圖3所示是集成串聯電弧發生裝置，是該實驗平臺的核心。串聯電弧實驗平臺包括集成電弧發生裝置、數據采集部分及系統控制部分，其中串聯電弧發生裝置的設計參照了美國UL1699標準，是試驗平臺的核心，該裝置包括一個固定電極和一個移動電極，固定電極采用直徑為6.4 mm的石墨棒，移動電極采用末端尖銳、直徑為10.0 mm的銅棒。移動電極在步進電機和絲杠機構的帶動下進行水平運動，當兩個電極拉開一定距離時，兩極之間的電場使空氣擊穿并維持高能量放電，從而產生電弧。該裝置可以模擬低壓配電系統中連接松動、接觸不良等情況下的串聯電弧故障，其供電電源為220 V、50 Hz的低壓單相交流電。本文利用該故障電弧模擬實驗裝置進行數據采集。

負載的選擇應該最大限度體現串聯電弧故障特性。常用低壓設備各異，根據家用和類似場合下用電系統中的實際情況，本文選用常用的線性以及非線性用電設備。線性負載選取50 Ω純阻性負載，非線性負載選取吸塵器、微波爐、電磁爐等典型負載為研究對象進行數據采集。研究表明線性負荷下故障電弧電場輻射頻率在30 MHz以下，磁場輻射頻率在20 kHz以下[15]，經分析后本文選取0～250 kHz頻率段的信號。采用電流傳感器、電場探頭和磁場探頭來采集故障電弧信號與正常工作時的信號，并用示波器顯示、存儲，如圖4所示，示波器帶寬為25 MHz，能有效保證捕捉到實時瞬態信號。

2.2 電弧故障數據分析

對每一負載進行多次重復試驗，采集正常和故障情況下的電流、電場、磁場數據。示波器采樣頻率設為4 MHZ。

圖5是一組阻性負載的電流信號實測波形，圖6是一組非線性負載電流信號實測波形。對比可知，阻性負載故障時電流存在明顯的“零休”現象，而非線性負載在正常時由于畸變也會出現“零休”現象，這造成了單純利用電流信號進行故障區分的困難。

圖7是實測阻性負載磁場信號波形，圖8是實測非線性負載磁場信號波形。對比可知，磁場信號在線性負載或非線性負載條件下故障前后波形幅值變化明顯，可用于故障區分。

3 串聯電弧故障的特征提取

3.1 抗干擾實驗

為充分考慮距離衰減、屏蔽、干擾以及傳感器的方位對故障電弧信號檢測的影響。實驗中，考慮通過對比實驗研究背景噪聲對信號測量的影響，通過分析頻譜選取了工作頻率范圍在0～250 kHz范圍的電磁爐為典型影響源；考慮到距離衰減對信號測量的影響，因此加入不同距離范圍和墻壁遮擋因素的實驗組；考慮到屏蔽因素，加入鐵壺和配電柜組的實驗；考慮到傳感器方位對測量的影響，實驗中加入不同方位測量的對照實驗。實驗編號如表1所示（不作說明時，默認傳感器與電弧距離為1 m）。

3.2 利用低通濾波對信號降噪

為了提高利用電磁信號進行電弧故障識別的抗干擾能力，可對信號進行濾波優化。具體操作如下：在SIMULINK中搭建模型，用2階巴特沃斯低通濾波器對信號進行濾波處理，其中濾波器截止頻率設為5 kHz，如圖9，通過濾波去除高頻干擾信號，實現信噪分離和，使得信號更易處理。

降噪后的波形信號和實測波形對比圖10、圖11所示。

3.3 提取信號的時域特征值

將濾波后每組數據按周期求取模極大值，再求平均值，運算結果如表2所示。

對非線性負載也采用相同的處理方法，處理結果如表3。

從表2、表3中的數據來看，電場信號、磁場信號的特征值Z在阻性負載與非線性負載情況下均有明顯的故障區分效果。因此，考慮選取一種分類方法利用該特征值實現對上述所有實驗數據的分類，從而實現故障識別。

4 基于聚類分析的串聯電弧故障識別

4.1 基于模糊C-均值聚類的診斷決策

聚類的基本思想是：開始將n個樣本各自作為一類，并規定樣本之間的距離和類與類之間的距離，然后將距離最近的兩類合并成一個新類，計算新類與其他類的距離；重復進行兩個最近類合并，每次減少一個類，直至所有樣本合并為一類。

本文目的是將試驗數據分為故障和正常兩類，設定FCM類隸屬度閾值為δ，對故障集的隸屬度大于閾值δ的作為故障類，給出故障診斷決策。

對表3表4中預處理過的數據進行聚類分析，圖12是阻性負載下聚類結果樹狀圖，圖13是非線性負載的聚類結果樹狀圖。

圖12中最左側一列數據從下到上依次共23組數據，縱坐標表示實驗編號（編號見表1），橫坐標（圖上方）表示個案與個案之間的距離值。通過設定各組數據距離聚類中心的距離進行第1次迭代，將17、22、6、11、7、18、21、15、3、23、12合為一類，5、9、20、4、13、1、2為一類，14、16、19為一類，8為一類，每一類中數據之間最相似，距離最近。

計算新類與其他類的距離后進行第2次迭代，將8并入14、16、19的類。

再次計算新類與其他類的距離進行第3次迭代，將8、14、16、19并入5、9、20、4、13、1、2所在類。此時就剩兩類了，即最終經3次迭代將數據分為了兩類：17、22、6、11、7、18、21、15、3、23、12組為正常類數據；8、14、16、19、5、9、20、4、13、1、2組為故障類數據，與表2中數據對比可知，該分類完全正確。因此，該方法能實現阻性負載下的故障識別。

同理，對非線性負載的分類如下，第1次迭代將2、6、4、8合為一類，1、5合為一類，3一類，7一類；第2次迭代將3、7合為一類；第3次實現了將1、5、3、7合為一類，2、6、4、8一類。即最終經3次迭代將數據分為了兩類，2、6、4、8為正常組，1、5、3、7為故障組，對比表3與圖14可知，聚類分析結果正確。因此，該方法能實現非線性負載下的故障識別。

加入非線性負載后的聚類結果如圖14，同理，圖中在3次迭代后，將數據分成了3類，其中正常組分類完全正確，而故障組把試驗編號24、28的試驗數據給排除在外了，即吸塵器負載組的試驗，此時聚類分析結果并不完全正確，因此，此處需要人為修正，并用更多實驗數據訓練調整閾值，以防止此誤判。

4.2 對未知負載的電弧故障檢測

經多次試驗修正后確定閾值，重新選取未知負載的樣本300個，負載分別為電阻、電磁爐、微波爐、熒光燈、吸塵器等，利用上述方法進行電弧故障識別。識別結果如表4所示，其中，故障識別率為聚類識別方法成功識別電弧故障次數與實驗樣本次數的比值。

從識別結果來看，該方法對未知負載的識別依然非常有效，識別準確率相比利用電流進行同類故障檢測大大提高，因此可初步判定，該方法不依賴于負載類型，可實現非線性負載情況下串聯電弧故障的識別分類問題。

5 結 論

通過對串聯電弧故障進行模擬實驗，提出一種基于聚類分析和電弧電磁輻射信號的低壓電弧故障識別方法，分析得到如下結論：

1）在串聯電弧故障識別中，在分析電弧電磁輻射理論的基礎上，提出利用電弧輻射的電場、磁場信號作為檢測參量的方法，避免了由于大量非線性負荷可能導致線路電流波形與故障電弧電流波形難以區分的問題。

2）提出利用模糊c-均值聚類的方法進行故障識別。首先對實驗所采集信號進行濾波以實現信噪分離，之后提取降噪后時域信號的模極大值作為特征值，最后，利用糊c-均值聚類的方法進行故障識別。實驗結果表明，在計及距離衰減、屏蔽、非線性負荷干擾以及傳感器測量方位等影響因素的條件下，識別準確率均在98%以上，滿足故障識別要求。

3）本方法簡單易行，識別準確率高，且不需要判斷接入的負載類型，具有一定的創新意義。在此研究的基礎上，下一步繼續研究電弧電極材料等因素對電磁輻射的影響。

參 考 文 獻：

[1] ZHANG Ruixiang，SONG Zhengxiang.Arc Fault Detection Method Based on Signal Energy Distribution in Frequency Band[C].2012 AsiaPacific Power and Energy Engineering Conference.27-29 March 2012，Shanghai China： 1-4.

[2] IEC 62606 ed1.0 General requirements for arc fault detection devices[S]，2013.

[3] Underwriter Laboratories Inc.UL standard forsafety for arcfault circuitinterrupters UL 1699[J].2008.

[4] 賈寧，李宏文，魏幼平，等.一種新型電弧故障斷路器的研究[J].低壓電器，2011，1：18.

JIA Ning，LI Hongwen，WEI Youping，et al.Research of a novel arc fault circuit interrupter[J].Low Voltage Apparatus，2011，1：18.

[5] 陳德桂.低壓電弧故障斷路器—一種新型低壓保護電器[J].低壓電器，2007，3：7.

CHEN Degui.The arc fault interrupter—a new low voltage protection apparatus[J].Low Voltage Apparatus，2007，3：7.

[6] CHAI Sim Por，KUAN Lee Choo，LIM You Jian.A study of arc fault current in low voltage switchboard[C].2012 IEEE Conference on Sustainable Utilization and Development in Engineering and Technology.6-9 Oct.，2012，Kuala Lumpur，Malaysia： 52-56.

[7] GREGORY G D，SCOTT G W.The arcfault circuit interrupter： an emerging product[J].IEEE Transactions on Industry Applications，1998，34（5）：928.

[8] 雍靜，桂小智，牛亮亮，等.基于自回歸參數模型的低壓系統串聯電弧故障識別[J].電工技術學報.2011，26（8）：213.

YONG Jing，GUIXiaozhi，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.

[9] 盧永芳.基于信息融合的配電柜故障電弧預報警系統算法研究[D].鄭州：河南理工大學，2010.

[10] 余瓊芳.基于小波分析及數據融合的電氣火災預報系統及應用研究[D].秦皇島：燕山大學，2013.

[11] 楊建紅，張認成，杜建華.基于多信息融合的故障電弧保護系統的應用研究[J].高壓電器，2007，3： 194.

YANG Jianhong，ZHANG Rencheng，DU Jianhua.Study on application of arcing protective system faults based on multiple information fusion[J].High Voltage Apparatus，2007，3： 194.

[12] 仲啟樹.基于弧聲的故障電弧預測預警保護技術研究[D].福建：華僑大學，2007.

[13] 張瑞祥，耿英三，宋政湘，等.開關柜故障電弧檢測與預警方法的新進展[J].電氣制造，2012，7： 36.

[14] KIM C J.Electromagnetic Radiation Behavior of LowVoltage Arcing Fault[J].IEEE Transactions on Power Delivery，2009，24（1）： 416.

[15] Micha¨el Rabla，Patrick Schweitzer，Etienne Tisserand.Method to Design Arc Fault Detection Algorithm Using FPGA[C].The 57rd IEEE Holm Conference on Electrical Contacts，11-14 Sept.2011，Minneapolis，MN.

[16] 彭顯剛，賴家文，陳奕.基于聚類分析的客戶用電模式智能識別方法[J].電力系統保護與控制，2014，19：68.

PENG Xiangang，LAI Jiawen，CHEN Yi.Application of clustering analysis in typical power consumption profile analysis[J].Power System Protection and Control，2014，19：68.

[17] 徐學基.氣體放電物理[M].上海：復旦大學出版社，1996：45-47.

[18] 王其平.電器電弧理論[M].北京：機械工業出版社，1991：25-28.

[19] MichelMardiguian.輻射發射控制設計技術[M].北京：科學出版社，2008：45-47.

（編輯：張 楠）