[发明专利]基于小波一层高频分量相关性的故障电弧在线检测方法

说明书

技术领域

本发明涉及一种低压交流串联故障电弧判别方法，尤其是涉及一种基于小波一层高频分量的相关性分析的故障电弧在线检测方法。

背景技术

电路长期带载或过载运行会因线路绝缘破损老化、电气接触不良而产生局部放电现象，进而引起电弧。电弧局部电阻增大，释放的能量产热使得线路恶化加剧，引燃周围物体。

国内外现有的低压故障电弧断路器(AFCI)的内置算法多是基于对电路中故障电弧电流、电压信号进行时域、频域特征的分析。

频域方法中，有学者提出用快速傅里叶分析法，取电流五次谐波的幅值大小变化作为电弧发生的判据，但通过实验测量和数据分析，对于电吹风高档、电容型启动风扇该判断方法适用，对于电水壶等阻性负载，五次谐波的幅值大小在正常运行和故障时区别不大，对于电脑等开关电源型负载，甚至正常时的五次谐波的幅值高于故障时的，可见该判断方法对不同负载的适用有局限性。有研究人员用离散小波分解的方法，提取经若干层分解后的电流信号细节，结合神经网络学习方法，用其幅值变化或与横轴围成的面积大小判断电弧发生，具有一定的负载通用性，但自学习和样本训练过程消耗相对较长的时间，难以达到实时检测的要求。有学者把电弧视为一种局部放电现象，用高频电流互感器、射频线圈或Rogowski线圈提取电弧发生时的高频信号，并分析其所在频段，制作专用频带的天线来检测电弧，但该方法易受外界空间信号干扰，有一定的误判率。

时域的方法通常与其他智能算法相结合，有学者利用卡尔曼滤波器的学习能力，通过计算习得信号与时域实际信号的差值判断电弧是否发生，有一定的准确性，但其学习过程耗时相对较长。还有通过比较正常和故障时每半周期电流峰值或平均值变化量来做判断，但局限于某些具体负载，缺乏通用性。

现有的交流串联故障电弧判别算法对于不同的负载，通常仅能做到在电流平均值或峰值、频域分布频带、频域某次谐波、小波高频细节幅值等某一情况下有良好适用效果，但在实际低压串联故障电弧断路器产品的应用中，由于负载的多样性和复杂性，难以做到某单一方法实现的准确、可靠、通用的判断效果和较短的故障判断时间以满足在线检测的实时性要求。

发明内容

本发明的目的就是为了克服现有的低压交流串联故障电弧判别方法对负载特殊性的依赖，缩短故障判断时间以满足实时在线检测的要求，而提供一种基于小波一层高频分量相关性的故障电弧在线检测方法。

本发明的目的可以通过以下技术方案来实现：

一种基于小波一层高频分量相关性的故障电弧在线检测方法，包括以下步骤：

1)提取负载正常运行时串联电流的第一层小波分解高频分量，获得采样电流的参考序列；

2)以设定频率采集负载所在低压交流串联电路的采样电流，对其进行小波分解，提取第一层高频细节分量；

3)对步骤2)提取的第一层高频细节分量进行分割，获得待测序列；

4)根据待测序列与参考序列的相关系数判断是否存在故障电弧，若是，则执行步骤5)，若否，则返回步骤2)；

5)判断故障电弧发生个数是否满足UL1699标准，若是，则输出跳闸信号，若否，则返回步骤2)。

所述步骤1)具体为：

获取负载正常运行时p个周期的串联电流[s₁,…,s_p]，其平均值的小波分解第一层高频分量s_j作为采样电流的参考序列，所述参考序列中包含m个点。

所述p的取值为5。

所述步骤2)中，对采集的采样电流进行经归一化和降噪处理后，再进行小波分解。

所述步骤2)中，设定频率的范围为(0.35f,0.5f]，f＝10⁴Hz。

所述小波分解是采用Daubechies小波族中的db1小波基对采样电流进行小波分解。

所述步骤3)具体为：

对第一层高频细节分量D1按顺次每m个点分为一组，得到n个待测序列y_i(i＝1,2…,n)。

所述步骤4)中，待测序列y_i与参考序列s_j间的相关系数ξ_ij通过以下公式计算：