吳珊珊 張聰 趙歡歡 楊采薇

摘? 要：電力在對(duì)人們生活的影響日益加深的同時(shí)，也帶來(lái)了更大的火災(zāi)隱患。相關(guān)數(shù)據(jù)統(tǒng)計(jì)顯示，電氣火災(zāi)的第一大成因就是故障電弧。為提高串聯(lián)型故障電弧檢測(cè)的準(zhǔn)確度，針對(duì)串聯(lián)故障電弧的隱蔽性、隨機(jī)性與不穩(wěn)定性，文章提出基于諧波與SVM的串聯(lián)故障電弧檢測(cè)方法。通過(guò)自主搭建串聯(lián)故障電弧實(shí)驗(yàn)平臺(tái)以采集正常運(yùn)行電路與產(chǎn)生串聯(lián)故障電弧時(shí)的諧波數(shù)據(jù)，并以此為參數(shù)作為SVM的輸入變量建立模型。研究結(jié)果表明，基于SVM的串聯(lián)故障電弧檢測(cè)方法，識(shí)別串聯(lián)故障電弧的準(zhǔn)確率較高，具有一定的可行性與有效性。

關(guān)鍵詞：串聯(lián)故障電弧;諧波;SVM

中圖分類號(hào)：TP181;TM501? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：2096-4706（2021）15-0051-04

Abstract： While the influence of electric power on people’s life is deepening， it also brings greater fire hazards. Relevant statistics show that the first major cause of electrical fire is fault arc. In order to improve the accuracy of series fault arc detection， aiming at the concealment， randomness and instability of series fault electric arc， a series fault electric arc detection method based on harmonic and SVM is proposed in this paper. The series fault electric arc experimental platform is built independently to collect the harmonic data of normal operation circuit and series fault electric arc， and take this as the parameter and take this parameter as the input variable of SVM to establish the model. The results show that the series fault electric arc detection method based on SVM has high accuracy of identifying series fault electric arc， which has a certain feasibility and effectiveness.

Keywords： series fault electric arc; harmonics; SVM

0? 引? 言

我國(guó)應(yīng)急管理部消防救援局公布的2010年1月至10月全國(guó)火災(zāi)形勢(shì)報(bào)告數(shù)據(jù)顯示，電氣火災(zāi)占火災(zāi)總數(shù)的32.1%，是火災(zāi)的第一大成因，而電弧故障所引起的火災(zāi)事故在電氣火災(zāi)中的占比高達(dá)67%。并聯(lián)與接地型故障電弧因其電流明顯變大，傳統(tǒng)電氣保護(hù)設(shè)備能夠靈敏地將其切斷。而串聯(lián)型故障電弧可認(rèn)為是在回路中串入了一個(gè)非線性電阻而使回路電流減小，小于傳統(tǒng)電氣保護(hù)設(shè)備設(shè)定的短路和過(guò)載閾值，所以普通的斷路器不能有效地預(yù)防串聯(lián)型故障電弧，致使串聯(lián)型故障電弧成為引發(fā)電氣火災(zāi)的主要元兇之一。故而，對(duì)串聯(lián)型故障電弧進(jìn)行研究具有十分重要的意義。

目前國(guó)內(nèi)外建筑配電系統(tǒng)中故障電弧的研究方向主要集中在以下幾個(gè)方面：（1）建立電弧數(shù)學(xué)模型，通過(guò)檢測(cè)電弧的相應(yīng)參量來(lái)辨識(shí)電弧，高小慶提出一種考慮電流高頻特征的阻抗電弧模型[1];（2）通過(guò)弧聲、弧光、溫度及輻射等非電物理量的變化來(lái)判斷是否發(fā)生故障電弧，潘剛毅提出了一種基于弧聲信號(hào)分析的弓網(wǎng)電弧檢測(cè)方法[2];（3）依據(jù)故障電弧發(fā)生前后包括電壓、電流波形及頻譜特性等在內(nèi)的電信號(hào)變化特征進(jìn)行識(shí)別，并且包括傅里葉變換、神經(jīng)網(wǎng)絡(luò)等算法正不斷被引入該研究方向，王毅、陳進(jìn)等人針對(duì)不同類型負(fù)載、兩種工況下的電流波形進(jìn)行時(shí)頻域分析，融合隨機(jī)森林模型對(duì)故障電弧進(jìn)行檢測(cè)[3]，喬維德、張婷、武雪偉[4-6]等人引用各種神經(jīng)網(wǎng)絡(luò)進(jìn)行故障電弧的檢測(cè)識(shí)別研究。

本文通過(guò)搭建實(shí)驗(yàn)平臺(tái)，分別采集存儲(chǔ)正常工作線路和發(fā)生串聯(lián)故障電弧時(shí)的諧波含量，將31次諧波作為特征變量引入支持向量機(jī)（Support Vector Machine， SVM）模型，進(jìn)行訓(xùn)練、學(xué)習(xí)與測(cè)試，從而實(shí)現(xiàn)串聯(lián)故障電弧的識(shí)別。

1? 故障電弧實(shí)驗(yàn)平臺(tái)搭建

參照UL1699B-2008標(biāo)準(zhǔn)，并依據(jù)GB14287-2014《電弧故障保護(hù)電器的一般要求》[7]和GB/T31143-2014《電氣火災(zāi)監(jiān)控系統(tǒng)第4部分：故障電弧探測(cè)器》[8]自主搭建串聯(lián)故障電弧實(shí)驗(yàn)平臺(tái)。平臺(tái)主要由故障電弧發(fā)生裝置、電源模塊、負(fù)載模塊與數(shù)據(jù)采集模塊等構(gòu)成。

1.1? 故障電弧發(fā)生裝置

為保證實(shí)驗(yàn)的安全性，減少外界環(huán)境變量的干擾，將故障電弧發(fā)生裝置固定于一個(gè)密閉絕緣的盒體中，其主體包括觸頭組、帶步進(jìn)電機(jī)的精密滑臺(tái)、控制部分與多種傳感器。其中，動(dòng)觸頭采用直徑為8 mm的平頭碳棒，通過(guò)觸頭座和絕緣電木底座固定于滑臺(tái)滑塊之上，靜觸頭采用直徑為8 mm的尖頭銅棒，動(dòng)、靜觸頭中軸線在同一水平線上且狀態(tài)穩(wěn)定?？刂撇糠职▎纹瑱C(jī)STM32F405和步進(jìn)電機(jī)驅(qū)動(dòng)器，單片機(jī)發(fā)送控制信號(hào)至步進(jìn)電機(jī)驅(qū)動(dòng)器，驅(qū)動(dòng)器控制步進(jìn)電機(jī)的正、反轉(zhuǎn)和啟停，即控制滑臺(tái)絲桿轉(zhuǎn)動(dòng)，最終實(shí)現(xiàn)動(dòng)、靜觸頭的接觸與分離，從而產(chǎn)生故障電弧。固定于觸頭組上的溫度傳感器用于探測(cè)銅棒和碳棒溫度，防止實(shí)驗(yàn)器件的損壞;弧光、弧壓傳感器用于檢測(cè)電弧的產(chǎn)生;壓力傳感器用于確保動(dòng)、靜觸頭的可靠接觸;溫濕度傳感器主要監(jiān)測(cè)盒體內(nèi)環(huán)境以確保實(shí)驗(yàn)的安全性;盒內(nèi)安裝高清攝像頭，便于觀察電弧發(fā)生裝置的工作狀態(tài)等[9]。

1.2? 其他模塊

數(shù)據(jù)采集模塊主要負(fù)責(zé)采集所搭建線路正常工作和產(chǎn)生串聯(lián)故障電弧兩種工況下的31次諧波數(shù)據(jù)。該部分所采用的儀器是中創(chuàng)智合ZH-4041H-19N型諧波多功能電量?jī)x，將其接入電路，配合上位機(jī)軟件可采集多種電量參數(shù)和31次諧波數(shù)據(jù)。

電源及負(fù)載模塊均使用菊水皇家產(chǎn)品，電源模塊使用PVS 7100T型電網(wǎng)模擬器，負(fù)載模塊使用PV-RLC385-60K型防孤島測(cè)試負(fù)載，可實(shí)現(xiàn)感性、容性、阻性負(fù)載功率的任意組合。在實(shí)際配電系統(tǒng)中，分為低壓配電系統(tǒng)和高壓配電系統(tǒng)兩種，其中負(fù)載端的負(fù)載類型與連接方式具有多樣性與復(fù)雜性。因此，為使實(shí)驗(yàn)條件更符合實(shí)際配電網(wǎng)，采用上述可變負(fù)載與可變電源進(jìn)行串聯(lián)故障電弧實(shí)驗(yàn)，可更大限度地模擬實(shí)際電路中的負(fù)載特性進(jìn)而提高實(shí)驗(yàn)結(jié)果的可靠性。

2? 串聯(lián)故障電弧實(shí)驗(yàn)

低壓交流電源條件下，采用小功率阻性負(fù)載進(jìn)行實(shí)驗(yàn)。該平臺(tái)可實(shí)現(xiàn)串聯(lián)故障電弧的自動(dòng)連續(xù)產(chǎn)生與數(shù)據(jù)保存。初始狀態(tài)下動(dòng)、靜觸頭可靠接觸，電路正常工作，諧波多功能電量?jī)x進(jìn)行數(shù)據(jù)實(shí)時(shí)采集;通電后，已按照實(shí)驗(yàn)要求編程的單片機(jī)控制步進(jìn)電機(jī)正轉(zhuǎn)，使動(dòng)觸頭向遠(yuǎn)離靜觸頭的方向緩慢運(yùn)動(dòng)，動(dòng)、靜觸頭分離直至弧光、弧壓傳感器達(dá)到閾值，表明產(chǎn)生串聯(lián)故障電弧[10]，此時(shí)數(shù)據(jù)采集模塊再次采集數(shù)據(jù)并存儲(chǔ)至計(jì)算機(jī)，保持該狀態(tài)1 s后觸頭組繼續(xù)分離直至電弧消失，此時(shí)若監(jiān)測(cè)觸頭組溫度的傳感器達(dá)到閾值則靜置至溫度符合實(shí)驗(yàn)要求再次運(yùn)行，否則電機(jī)反轉(zhuǎn)至觸頭組歸位，繼續(xù)進(jìn)入下一個(gè)運(yùn)行周期，串聯(lián)故障電弧發(fā)生實(shí)驗(yàn)流程如圖1所示。

實(shí)驗(yàn)現(xiàn)象如圖2所示，電弧產(chǎn)生時(shí)，發(fā)出耀眼白光，伴隨有聲響，同時(shí)觸頭溫度明顯升高，諧波含量出現(xiàn)明顯波動(dòng)。與計(jì)算機(jī)實(shí)時(shí)通信的諧波多功能電量?jī)x進(jìn)行數(shù)據(jù)采集的采樣頻率為50 kHz，采樣時(shí)間為0.2 s，一次采樣5個(gè)周期[11]。采樣結(jié)果自動(dòng)存儲(chǔ)至計(jì)算機(jī)。電流、電壓、功率與31次諧波含量可實(shí)時(shí)顯示在上位機(jī)界面。

3? 串聯(lián)故障電弧SVM識(shí)別模型

支持向量機(jī)是一套有監(jiān)督學(xué)習(xí)的方法集，常用于分類、回歸和異常點(diǎn)檢測(cè)。SVM理論提供了一種避開高維空間復(fù)雜性，可以簡(jiǎn)化高維空間問(wèn)題的求解難度。SVM基于小樣本統(tǒng)計(jì)理論基礎(chǔ)，符合機(jī)器學(xué)習(xí)的目的，同時(shí)支持向量機(jī)，其泛化推廣能力優(yōu)于神經(jīng)網(wǎng)絡(luò)。與其他方法相比，建立SVM模型所需的先驗(yàn)干預(yù)較少，同樣的問(wèn)題復(fù)雜度下，SVM需求的樣本相對(duì)較少。

建立基于SVM的串聯(lián)故障電弧識(shí)別模型路程，如圖3所示，首先將所采集的正常工作和產(chǎn)生串聯(lián)故障電弧兩種工況下的31次諧波數(shù)據(jù)劃分為訓(xùn)練集和測(cè)試集。從3 000組數(shù)據(jù)中隨機(jī)選取2 000組數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)，剩下的1 000組數(shù)據(jù)作為測(cè)試數(shù)據(jù)[12]。

為便于后期的數(shù)據(jù)處理，同時(shí)保證程序運(yùn)行時(shí)收斂加速，對(duì)輸入的訓(xùn)練數(shù)據(jù)進(jìn)行歸一化處理。數(shù)據(jù)的歸一化預(yù)處理，主要分為兩種方式，一種是線性函數(shù)歸一化，該方法主要是將原始數(shù)據(jù)線性化的方法轉(zhuǎn)換到[0 1]的范圍，歸一化公式見(jiàn)式（1）：

該方法實(shí)現(xiàn)對(duì)原始數(shù)據(jù)的等比例縮放，其中xnorm為歸一化后的數(shù)據(jù)，x為原始數(shù)據(jù)，xmin、xmax分別為原始數(shù)據(jù)集的最大值和最小值。

另一種方法為0均值標(biāo)準(zhǔn)化（Z-score standardization），該方法將原始數(shù)據(jù)集歸一化為均值0、方差1的數(shù)據(jù)集，具體公式見(jiàn)式（2）：

其中，μ、σ分別為原始數(shù)據(jù)集的均值和方法。該種歸一化方式要求原始數(shù)據(jù)的分布近似為高斯分布，否則會(huì)嚴(yán)重影響歸一化的效果。

該模型不涉及距離度量、協(xié)方差計(jì)算，同時(shí)數(shù)據(jù)不符合正太分布，所以采用線性函數(shù)歸一化的方法。SVM的輸入樣本矩陣行數(shù)為樣本數(shù)，列數(shù)為特征數(shù)即自變量數(shù)。而該模型在進(jìn)行數(shù)據(jù)讀取時(shí)通常依據(jù)數(shù)據(jù)集按列讀取，因此必須在歸一化后進(jìn)行轉(zhuǎn)置操作。

經(jīng)過(guò)測(cè)試，選擇效果更佳的高斯徑向基核函數(shù)。關(guān)于兩個(gè)樣本x和x'的RBF可表示為某個(gè)輸入空間的樣本或向量，它的定義為：

可以理解為向量的模，σ為高斯核函數(shù)唯一的超參數(shù)。

SVM模型的參數(shù)優(yōu)化。采用交叉驗(yàn)證的方式自適應(yīng)選擇模型中重要的兩個(gè)參數(shù)c（懲罰系數(shù)，即對(duì)誤差的寬容度）和gamma（隱含地決定了數(shù)據(jù)映射到新的特征空間后的分布）。使用回歸預(yù)測(cè)分析最佳的參數(shù)進(jìn)行SVM訓(xùn)練，利用建立的模型進(jìn)行測(cè)試，查看其在訓(xùn)練集合上的回歸效果。

4? 結(jié)果分析

由分類結(jié)果分析可知，所建立的SVM模型識(shí)別串聯(lián)故障電弧的準(zhǔn)確率可達(dá)98.67%，按照真實(shí)類別與分類模型做出的分類判斷進(jìn)行匯總繪制混淆矩陣圖，進(jìn)而對(duì)串聯(lián)故障電弧SVM分類模型進(jìn)行性能評(píng)價(jià)，由圖可知預(yù)測(cè)值與真實(shí)值之間的差距較小。模型測(cè)試樣本數(shù)據(jù)的分類結(jié)果如圖4所示。

5? 結(jié)? 論

為提高建筑配電中串聯(lián)故障電弧的識(shí)別準(zhǔn)確度，本文通過(guò)自主搭建串聯(lián)故障電弧實(shí)驗(yàn)平臺(tái)以采集模型搭建所需電流諧波含量數(shù)據(jù)，在此基礎(chǔ)上，采用按監(jiān)督學(xué)習(xí)方式解決二元分類問(wèn)題的SVM分類器，通過(guò)數(shù)據(jù)處理，選擇最佳參數(shù)，訓(xùn)練及測(cè)試等操作建立，分析結(jié)果表明，該模型識(shí)別串聯(lián)故障電弧的準(zhǔn)確率達(dá)98.67%，具有較高的識(shí)別精度，對(duì)于實(shí)際線路中電弧的識(shí)別具有一定的參考價(jià)值。

本文所建立的基于SVM的串聯(lián)故障識(shí)別模型依賴于訓(xùn)練樣本數(shù)據(jù)，即僅包含阻性負(fù)載下正常線路和串聯(lián)故障電弧條件時(shí)的試驗(yàn)數(shù)據(jù)，故在感性、容性及復(fù)合負(fù)載條件下的應(yīng)用性能有待考究?？蓪⒁陨蠗l件下的數(shù)據(jù)采集放入模型進(jìn)行訓(xùn)練，以增強(qiáng)已建立串聯(lián)故障電弧識(shí)別模型的普適性。

參考文獻(xiàn)：

[1] 高小慶，陳曉軍，鮑光海.考慮故障電弧電流高頻特征的阻抗電弧模型 [J].電器與能效管理技術(shù)，2021（3）：6-12.

[2] 潘剛毅.基于弧聲信號(hào)特征的弓網(wǎng)電弧檢測(cè)方法 [J].機(jī)車車輛工藝，2017（6）：34-36.

[3] 王毅，陳進(jìn)，李松濃，等.基于時(shí)頻域分析和隨機(jī)森林的故障電弧檢測(cè) [J].電子測(cè)量與儀器學(xué)報(bào)，2021，35（5）：62-68.

[4] 喬維德.基于反向傳播神經(jīng)網(wǎng)絡(luò)的故障電弧識(shí)別 [J].南通大學(xué)學(xué)報(bào)（自然科學(xué)版），2020，19（3）：42-48.

[5] 張婷，王海淇，張認(rèn)成，等.基于自歸一化神經(jīng)網(wǎng)絡(luò)的電弧故障檢測(cè)方法 [J].儀器儀表學(xué)報(bào)，2021，42（3）：141-149.

[6] 武雪偉，程晉培.基于負(fù)載分類的神經(jīng)網(wǎng)絡(luò)故障電弧檢測(cè) [J].科學(xué)技術(shù)創(chuàng)新，2020（30）：118-119.

[7] 全國(guó)消防標(biāo)準(zhǔn)化技術(shù)委員會(huì)火災(zāi)探測(cè)與報(bào)警分技術(shù)委員會(huì).電氣火災(zāi)監(jiān)控系統(tǒng)第4 部分：故障電弧探測(cè)器：GB14287.4-2014 [S].北京：中國(guó)標(biāo)準(zhǔn)出版社，2014.

[8] 全國(guó)低壓電器標(biāo)準(zhǔn)化技術(shù)委員會(huì).電弧故障保護(hù)電器（AFDD）的一般要求：GB/T 31143-2014 [S].北京：中國(guó)標(biāo)準(zhǔn)出版社，2014.

[9] 鄧勇.基于灰度圖像的串聯(lián)故障電弧特征研究 [D].阜新：遼寧工程技術(shù)大學(xué)，2018.

[10] 張冠英，張曉亮，劉華，等.低壓系統(tǒng)串聯(lián)故障電弧在線檢測(cè)方法 [J].電工技術(shù)學(xué)報(bào)，2016，31（8）：109-115.

[11] 余瓊芳，路文浩，楊藝.基于深度長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)的多支路串聯(lián)故障電弧檢測(cè)方法 [J].計(jì)算機(jī)應(yīng)用，2021，41（S1）：321-326.

[12] 陳烜，冷繼偉，李海峰.基于全相位譜和深度學(xué)習(xí)的串聯(lián)故障電弧識(shí)別方法 [J].電力系統(tǒng)保護(hù)與控制，2020，48（17）：1-8.

作者簡(jiǎn)介：吳珊珊（1997—），女，滿族，河北承德人，研究生在讀，研究方向：建筑電氣與智能化工程。

3765500338206