故障电弧诊断总结（精选4篇）
故障电弧诊断总结 篇1
尊敬的各位老师，上下午好：
我叫111，我论文的题目是《串联电弧故障仿真分析》。下面我就把论文的基本思路向各位老师作简要陈述：
一、二、背景、意义 论文的结构和内容
结合本次毕设课题，主要完成以下4部分工作
（1）以串联电弧为研究对象，比较不同电弧模型的特点，利用Matlab软件搭建合适的电弧故障模型。
P4：现在比较常用的电弧模型主要有：Mayr模型、Cassie模型、Stokes模型等。据研究表明，Mayr 电弧模型经常用于小电流大电阻线路中，如低压配电线路运行；Stokes模型主要用于低压交流电线电弧故障模型的研究，有着比Mayr更明显的电弧电流零休区【4】。相反的是，Cassie电弧模型经常用于大电流小电阻电弧的数学模型中，能够较准确地反映了电弧中电流过零前的过程，这样得出的电弧电压为常数，与前人的结论相符。而且由Cassie模型公式得到的电弧电流,过零时电阻基本与实验值相符【1】可以为实际电弧故障的分析研究提供参考依据。（对mayr的没能正确设置参数和一些还没研究透的的原因导致一直调不出电弧的电压和电流波形，而对stokes只调出电流，而电压波形一直不正确）所以搭建cassie模型。
P5 :这就是cassie模型的结果原理图。中间的DEE是微分编辑器，输入的参数是有能量平衡原理推导而得的cassie电弧模型的数学方程式。这个是受控电流源，输出电流受到输入信号的控制。这个是定值检测，作用是检测电流的过零点。这是阶跃信号，用来控制断路器触头的分离。
具体的模块、封装、参数设置我论文里有说明。
P6：这只是含有cassie模型的比较简单的电路图，在后期的测量和数据分析时要再加入相应的模块。各个模块说明一下
（2）利用电弧模型仿真不同性质负载的电弧故障波形。P7：其他性质的负载论文里有阐述，这里我就不再详细介绍
P8：这就是纯阻性负载的故障电流、电压波形，从中可以看出0.02s以后，2个波形均产生畸变，电流波形有0休时区，幅值变小，电压波形有燃弧尖峰和熄弧尖峰。
（3）用matlab自带的工具箱对仿真波形进行FFT、小波分析，和用柳松同学搭建的Labview平台对仿真波形进行形态小波分析，并对故障特征值进行对比分析。
P9：为了对电弧故障信号进行处理，我们引进了3种信号处理算法，第一种是傅里叶变换 P10:第二种是小波分析 P12：第三种是形态小波
P13：下面对故障特征值进行对比分析，首先是快速傅里叶变换FFT，图中是纯阻性负载的正常波形和故障波形的FFT，其余阻感性负载的分析结果如下表所示，P14：，这个图是不同负载性质的3次谐波与基波幅值比。
由以上电弧故障电流的FFT频谱图和相应表格数据可以看出：当电路中发生串联电弧故障时，电流和电压均会产生谐波，而且以3,5,7奇次谐波为主，3次谐波所占的比例会更大。电流的三次谐波分量与基波分量幅值比超过11%。电弧故障的电流3次谐波随着功率因数的增加而增加。而正常电路电流的三次谐波分量接近于零。
同时由于傅里叶变换将信号变换成纯频域中的信号，使它不具有时间分辨能力，故对信号在时域中的突变点根本无法检测出来。因此，下面我们用小波变换来分析工作电弧的性质。
P15：这就是小波分析后的图形，我们采用典型的纯阻性负载的正常电流和故障电流来对比分析。可以看出，原始波形被分解成一个低频段a5和5个高频段dl，d2，d3，d4，d5。正常波形因为没有突变，它的高频段没有产生明显的模极大值。而故障波形有突变，它的高频段在相应的位置产生了明显的模极大值。P16：对右图中分解的高频段d1层波形放大处理可得出，在1994采样点处开始
s，接近故障时刻。出现畸变，所以奇异点对应的时间t10.01994P17：最后是用形态小波分析故障电流波形。
从上图形中可以看出，形态小波变换与db小波变换分析的结果不同，表现在：形态小波不能很好的区分出正常电流和电弧故障电流，对出现电弧故障的时间不能准确定位，而且不如db小波变换分析的直观、可靠，因此不能够有效分析信号的奇异性及奇异点位置。可见，db小波比形态小波更适合于电弧故障的分析。
（4）研究简单可靠的电弧故障判据。
P19：联合使用快速傅里叶变换FFT和小波分析可以得出简单可靠的电弧故障判据。
本篇论文已经完成，还有许多的地方需要更全面的改进，但总的来说，在撰写的过程中，我真实地学到了许多东西，也积累了不少经验，更进一步丰富了自己的知识。但由于个人能力不足，加之时间和精力有限，在许多内容表述、论证上存在着不当之处，与老师的期望还有差距，许多问题还有待进行一步思考和探究，借此答辩机会，希望各位老师能够提出宝贵的意见，指出我的错误和不足之处，我将虚心接受，从而进一步深入学习，使该论文得到完善和提高。
故障电弧诊断总结 篇2
1 低压配电系统串联故障电弧
电弧,一种等离子体,也是一种气体游离放电现象,主要存在于电场强度较高的电场之中,当两极间的电场强度较高,极间自由电子撞击空气中的中性分子或原子,并使其游离出更多的自由电子和正离子,电子撞向阴极 , 正离子撞向阳极,正离子的能量能使阴极游离出新的电子,即产生弧光放电现象。一般情况下,低压配电系统中故障电弧常产生于两种情况,一是由于绝缘体长期受热或偶然发生电火花,使得绝缘体表面发生碳化现象,并沿着绝缘体部分导电表面形成电弧通道 ;二是由于导电体接地或一束导体或部分导体的绝缘部分被割伤,而于非常接近的两个电极间产生电弧故障。同时,低压配电系统的电弧故障主要有串联、线对线、线对地3类,低压配电系统串联电弧故障常产生于一束导体中的一根导体断裂、接头处松开及插头处的一个极断开等。
2 低压配电系统串联故障电弧检测方法
串联故障电弧检测应首先对电弧的存在进行检测,然后判断其是否为故障电弧,低压配电系统串联故障电弧的电流由于受到负载的限制 , 其电流常小于额定电流,因此,在对其进行故障电弧检测时,必须将不同的电弧信号进行区别。目前,国内外低压配电系统串联故障电弧检测方法主要有三种,即基于电弧数学模型、电弧物理现象和电流电压波形的检测方法。
2.1 基于电弧数学模型的检测方法
目前,电弧数学模型的故障检测方法在电弧焊和高压灭弧等领域广泛应用,而对于低压配电系统串联故障电弧而言,电弧数学模型故障电弧检测方法应用较少,且多停留在仿真阶段,但其能对电弧本质及电弧故障获得较为深刻的认识和了解,因此,基于电弧数学模型的检测方法对故障检测起到基础性作用,并获得人们的广泛认可与重视。目前,与低压配电系统串联故障电弧最接近、最适用的电弧数学模型检测方法主要是空气开关电弧数学模型。空气开关电弧数学模型主要产生于1939年提出的Cassie模型和1943年提出的Mayr模型,同时,随着世界科学技术的不断进步,离子体物理学的建立与不断发展,学术界对于电弧检测方法的研究的逐步深入,电弧数学模型逐步多样化,如低能直流电弧的数学模型、开关电弧的辐射数学模型、链式电弧数学模型及三维MHD电弧数学模型等,其中,低能直流电弧的数学模型主要应用于安全型电路的设计研究和检测,根据电路的电压、电流的不同,低能直流电弧的数学模型主要存在三种,即静态伏安特性模型、动态伏安特性模型和电流线性衰减模型。
2.2 基于电弧物理现象的检测方法
一般情况下,低压配电系统串联故障电弧产生时常会伴随着一些特定的物理现象,比较明显的有弧光、高温与噪音等。基于这些电弧物理现象可进行低压配电系统串联故障电弧的检测,其中基于对电弧故障产生的弧光的检测应用最为广泛。
目前,对于基于电弧物理现象的故障电弧检测装置研究众多,主要有用于低压开关柜的德国故障电弧保护系统、芬兰VAMP系统及ARCON系统等。其中,德国故障电弧保护系统和芬兰VAMP系统主要是基于电弧发生故障时释放的弧光及过流等对其进行检测,并以此为依据对产生电弧故障的线路提供快速安全的母线保护,一定程度上化解该故障,以限制因电弧故障而引起的损坏。而对于由金钟默勒公司研制的ARCON系统而言,其主要包含两部分,分别为弧光检测系统和电流检测系统。弧光检测系统主要用于检测故障电弧所产生的弧光,通过分析研究对电弧发生位置进行合理定位 ;电流检测系统主要用于检测电流的瞬时值,并与所设阈值相比较,只有当弧光检测系统检查出特定的弧光,且电流检测系统检测的电流瞬时值达到所设阈值时,才能确认故障电弧的产生或存在。
2.3 基于电流电压波形的电弧检测方法
通常情况下,当低压配电系统串联电弧发生故障情况时,其电压与电流会出现较为明显的变化,因此,可利用电弧故障时电压、电流的变化特性以达到对故障电弧的检测。相对于其他检测方法,基于电流电压波形的电弧检测方法因检测位置限制较小而简单易行,已成为目前电弧故障检测研究的焦点。低压配电系统串联电弧发生故障时,其电流、电压的波形与负载情况有关。当电阻为负载时,电弧常经过燃烧、熄灭的循环周期,即当电场中两电极间电压达到特定值时电弧会起燃,并于一段时间后电压降低,电弧的燃烧也会熄灭,而到负半周期时,电压会反向增加,并再次击穿气隙使得电弧重新燃烧。在这样一个周期内,电流会出现两次短暂为零的现象,其波形也会出现相应的变化,这为电弧的故障检测提供了方便,也成为很多电弧检测方法实施的原理与基础。而当为阻感性为负载时,电压会在电弧故障时发生突变,且因电感储能作用,其电流会电压突变之处产生更加明显的变化,这是一些电弧故障检测的关键。目前,利用电弧的电流、电压及其变化以完成电话故障检测的电弧故障断路装置,即AFCI,最为有效。
3 电弧故障断路器的应用
由上诉分析可知,低压配电系统串联电弧故障时所产生的电流因负载作用,可能低于原限定值,同时,其发生的过程可能是非连续的,传统的过电流保护装置无法有效检测该故障并及时切除电弧故障回路,因此,为有效解决此问题,避免电弧故障导致的风险,AFCI电弧故障断路器逐渐产生,并迅速扩大其影响。
AFCI,电弧故障断路器,一种新型低压保护装置,于1993年由美国研发,主要分为支路式电弧故障断路器、插座式电弧故障断路器、绳索式电弧故障断路器、便携式电弧故障断路器与组合式电弧故障断路器五种类别。AFCI工作原理主要是利用电弧的电流、电压及其变化,以实现对接触松动、电弧接地等原因引起的电弧故障进行检测和报警。根据美国保险商试验所1999年发行的UL1699标准,在低压配电系统中,当0.5s内出现8个半周的故障电弧时,断路器即脱扣以切断电路,提高系统可靠性。具体分析,AFCI的检测原理主要是在对不同周期内的平均电流进行比较分析的基础上,得出其差值,并运用傅里叶变换法,计算负载的相位角状态,进而判断负载类型与电弧故障是否确实存在。然而,另一方面,此种检测方法只在信号突变较大时反应灵敏,且无法有效区分电流突变的产生原因,而产生对电弧故障的误报和漏报等现象,隐藏着一定的危险。另外 , 该算法需通过计算负载的相位角来判断电弧是否产生故障,具有一定的局限性。因此,此检测方式仍需要进一步的改进与完善。
4 结语
故障电弧诊断总结 篇3
随着光伏发电的大规模应用，特别是光伏电池板在建筑物屋顶和外墙的大规模使用，多处多地发生了光伏系统火灾意外。对这类事故调查发现，多数电气火灾的原因都指向故障电弧;故障电弧还可使装置带电，威胁操作人员安全[1,2]。为解决这些重要的安全问题，2011年美国电工法规(NEC)规定光伏系统中应配备故障电弧检测装置与断路器，美国保险商实验室(UL)也推出了相应的开发测试方法与机制[3]。
目前国内外对光伏系统直流故障电弧识别方法的研究处于萌芽状态，由于光伏系统中的直流电弧与交流电弧有很大不同，最明显的就是直流电弧不存在因相位改变造成的间歇性周期现象且一旦发生不容易熄灭，基于电流波形的检测方法不再适用[4]。直流电弧故障发生时间和地点难以确定，传统依据电弧放电时伴随的声、光、电磁辐射现象判定电弧发生的方法过度依赖传感器，检测范围有限，也不再适用[5,6]。一些研究者提出的针对电弧的一个或多个电气特性进行阈值检测的方法易误判[7]。本文在研究光伏系统直流故障电弧特性基础上，综合提取电弧发生时有明显变化的时频域特征，借助BP神经网络强大的学习与分类功能有效地进行了光伏系统直流故障电弧的检测。
2 光伏系统直流电弧实验及特性分析
电弧分为串联型和并联型，当一条有负载的电流导线在未预期的情况下扯断或断裂，在其断裂处即会产生串联故障电弧，如图1所示，用S表示;当一个未预期的路径刚好通过两个极性相反的导体之间，则在此路径所发生的意外即为并联故障电弧，如图1所示，用P表示[8]，接地故障电弧是一种并联故障电弧的典型形态。
2.1 光伏系统直流电弧实验
现有的光伏发电系统利用的大多是长串的高压直流光伏电源，而光伏电池系统又有成千上万个接点，因此一般常见的起火源为串联故障电弧[9]。由于直流电弧的随机性和复杂性，尚无精确的电弧模型可以仿真电弧特性[10,11]，故本文直接通过实验数据研究光伏系统直流串联型故障电弧特性，实验装置示意图如图2所示。其中光伏电源是由12个单晶硅光伏组件组成的一个光伏组串，模块参数如表1所示。
数据采集和分析采用研华PCI-1742U采集卡配合上位机Labview软件实现，采集卡具有多个16位高速高精度AD采样通道，最高采样率可达1MS/s，实验中采样频率为200kHz，采样时间为10s，该时间足以包含电弧发生到稳定时的信息。电弧发生器采用与UL1699B标准相符的样本，如图3所示，铜电极直径6mm，塑料管直径略大，填充的铁绒丝用来触发电弧，两者配合模拟实际光伏系统中发生在导线断裂处或连接点接触不良时的串联电弧。实验时一个电极固定，调整另一个移动电极产生固定电极间隙，在电路稳定时断开短路开关产生电弧，此过程为燃弧动作。
为研究光伏电源输出电压电流不同时对直流电弧的影响，固定电极间隙，保持电弧发生位置不变，调整负载使光伏电源稳定工作在不同电压电流工作点，分别进行燃弧动作，采集该过程电弧电压和电流数据进行分析[12]。为研究电弧特性与电极间隙的关系，在同一工作点，保持电弧发生位置不变，设置多个电极间隙进行燃弧动作，获取数据进行分析[13]。为研究电弧特性与电弧发生位置的关系，在同一工作点，相同电极间隙条件下，在光伏电源内不同组件之间连接的位置处进行燃弧动作，获取数据进行分析;表2给出了光伏电源工作在A、B、C三个工作点时不同位置、不同间隙发生电弧时的典型实验结果。图4为电弧电压和电流的典型波形。
注:表中1-2表示在图2中光伏电源的第1个光伏组件和第2个光伏组件之间的位置发生电弧。
由于整个实验电路为串联，电弧电流即为回路电流，回路各处电流具有相同特征，而实际应用中由于电弧发生的时间、位置具有不确定性，想通过检测电弧电压特性进而进行故障电弧的判定很困难。所以本实验中重点对电弧发生时的电流变化进行分析，并以电流的变化特征作为故障电弧检测的依据[14]，而采集的电弧电压信号只作为故障电弧发生时刻的参考点。
参照表2数据，通过大量的实验数据分析可知，若光伏电源工作在小于最大功率点电压Vmpp的区域内，如图5中A、B点所示，在发生电弧时，电流平均值几乎不变;当光伏电源工作点电压在大于Vmpp的范围内如图5中C点所示，在发生电弧时，电流平均值减小;同一工作点同一电极间隙，不同位置发生电弧时，电流平均值几乎不变;同一工作点相同位置，不同电极间隙发生电弧时，电流平均值没有明显变化。而无论哪种情况下，在发生电弧时，电流波动加剧，在采集到的电流数据集上表现为数据的离散度增加即电流标准差σ变大，标准差是方差的算术平方根[15]，其计算公式为:
式中，x1,x2，…，xN为采样值;μ为其平均值。故笔者认为电流平均值突变时未必是故障电弧所致，可能是负载或电源工作点突变，不能作为电弧发生的依据，电流标准差可作为判定故障电弧发生的特征。
2.2 电流频域特性分析
在2.1节实验的基础上对各种实验条件下电弧发生前后采集到的电流信号应用FFT转换到频域进行分析[16]。由于本实验测量系统采样频率fs=200kHz，电流信号为实信号，经FFT算法所得频谱以频率fs/2为界左右对称，故只能对100kHz以下的频率与幅值关系进行研究。图6和图7分别给出了正常状态下和电弧状态下电流时域和频域变化。
由图6和图7可见，电弧发生后，在时域上电流波动加剧，结合表2数据可知电流标准差明显变大，在频谱中1Hz～100kHz范围内的谐波幅值增加，即电弧发生时伴随着电流频域谐波分量的增加。
基于以上讨论，笔者认为电弧发生时电流时域标准差的改变和频域谐波分量的增加可作为光伏系统直流故障电弧识别的指纹。由于电弧产生具有随机性和不确定性，特征量的阈值难以确定，本文借助BP神经网络强大的学习与分类功能对电弧的发生进行模式识别。
3 光伏系统直流电弧模式识别算法
本文采用的模式识别算法是通过大量样本训练找出电弧与非电弧模式之间的差异进行电弧识别的，可避免传统电弧检测法采用某个固定阈值大小判定电弧涉及到的可靠性问题。基于模式识别的电弧检测程序流程如图8所示。为了降低系统噪声、开关切换、负载突变或其他误动作引起的神经网络识别误判率，在首次判定为故障电弧时，经过一个50ms的延时再次启动电弧检测算法。
3.1 特征向量空间选取
采集到的电流数据以移动时间窗的形式进入神经网络进行识别，每个检测周期中时间窗的长度为0.1s，即数据点数N=20000，经过FFT处理后得到的频谱数据量很大，不能直接作为神经网络的输入信号，因为大量的输入数据不仅会增加其规模，降低聚类性，达不到分类效果，而且延长电弧检测周期[16]。为兼顾电弧检测的准确性与实时性，需要对特征向量空间进行优化。本文将时间窗内的数据频谱在归一化频率100kHz以下均分为5个频段，每个频段长度为20kHz，求取每个频段内谐波能量和Wj(j=1,2，…，5),Wj用该频段内各频率点处幅值的平方和表示，然后将Wj和标准差σ作为模式识别输入特征量，降低其维数。由数字信号处理知识[16]可知经FFT后所得电流频谱分辨率为Δf=fs/N=10Hz，谐波能量和Wj计算方法为:
式中，k次谐波频率为fk=kΔf，且20(j-1)kHz<fk<20jk Hz;|A(fk)|表示在频率点fk处谐波分量幅值。最终选择σ、W1～W5组成判别电弧发生的特征向量空间。
3.2 BP神经网络原理与结构设计
BP神经网络在模式识别中应用广泛，是一种有监督学习的多层前馈网络。其主要思想是:输入学习样本，使用反向传播算法对网络的权值和偏差进行反复的调整训练，使输出的向量与期望向量尽可能地接近，当网络输出层的误差平方和小于指定的误差时训练完成，最后保存网络的权值和偏差[17]。BP神经网络隐含层和输出层节点输出模型分别为:
式中，φ、ψ为非线性作用函数;θ、a为神经单元阈值;w为神经单元之间的权值。典型BP网络结构模型如图9所示。
本电弧检测方法中由6个特征量组成特征向量空间，则BP网络输入层神经元节点设6个;输出只有电弧或非电弧状态中的一个模式，所以输出层神经元节点数为1;隐含层神经元节点数设定是神经网络设计的关键，节点数过多会降低网络训练的收敛速度，而节点数过少则会降低神经网络的容错性，使得神经网络对样本的识别能力下降，其节点数一般按式选取[18]，其中，l表示隐含层神经元节点数，n和m分别表示输入、输出神经元节点数，a为经验常数，其大小在1～10之间。经多次训练测试的结果表明，隐含层节点数为9时具有较好的训练速度和识别效果。
3.3 神经网络训练和测试
BP神经网络需要通过样本训练才具有孤岛识别能力，考虑电弧检测的实际效果，在2.1节实验系统上，设计4种事件:(1)不同工作点时发生电弧，(2)不同电极间隙发生电弧，(3)不同位置发生电弧，(4)负载突变，进行样本采集;BP神经网络训练和样本测试情况如表3所示。
经过训练和测试的神经网络可作为图8电弧检测算法中神经网络模式识别模块应用。调整负载使系统稳定工作在图5中B点，分别采集电弧发生和负载突增时的电流信号对电弧检测算法进行离线验证。该算法模块对电弧判定的结果分别如图10和图11所示。
由图10可知，在0.4s时电流波动变大，方差变大，电弧发生，而在0.65s时电弧检测算法给出电弧判定结果，电弧信号由0变为1，电弧检出，电弧检测所用时间仅为0.25s，检测速度很快，满足UL1699B标准对电弧检测时间的要求。
由图11可知，在0.35s时电流突然变小，表明此时负载突增。电弧检测模块没有发出电弧信号，即负载突然增加时没有出现误判。
4 结论
本文搭建了电弧试验系统，在分析光伏系统直流故障电弧特性的基础上，针对串联型电弧发生时电流信号时频域特征的变化，研究了一种基于电流标准差和频域频段谐波能量特征的模式识别方法。该方法提取电流频谱多个频段谐波特征，既能有效捕获电弧发生时区别于其他动作的频域变化信息，又降低了模式识别特征向量空间的维数，增强了算法的聚类性和识别能力。为光伏系统直流电弧故障断路器的研制提供了借鉴。
光伏阵列规模有大有小，负载可为逆变器、DC/DC变换器和蓄电池等，影响故障电弧识别的因素很多[19]。本文只在一个光伏组串电源、纯阻性负载条件下进行初步实验，且实验数据有限，对电弧特性研究及神经网络的训练不够充分，所以后续工作还需要在各种类型光伏系统中进一步测试。
摘要：故障电弧已成为引起光伏产品发生火灾的最常见原因,研究光伏系统中直流故障电弧特性及检测方法对保障光伏系统运行的安全性和可靠性有重要意义。本文设计了光伏系统直流故障电弧测试系统,在光伏电池板不同的工作点下,采集不同电极间隙,不同位置处发生电弧时的电弧电压、电流信号,在研究电弧特性基础上,提取有利于故障电弧模式识别的电流信号的时频特征,通过BP神经网络进行故障电弧的检测。理论分析和实验结果表明了该方法的可行性和有效性。
故障电弧诊断总结 篇4
奥地利IGM Robotersysteme AG Rt 330弧焊机器人主要用于焊接大功率电力机车转向架侧梁体主焊缝。7200cl.prg是7200kW六轴电力机车转向架侧梁体焊接程序, 分为多层 (打底、填充、盖面) 多道焊接, 当机器人焊到填充层第一道焊缝时, 出现“174:电弧传感:电弧故障”报警, 机器人无法焊接。
2. 故障处理
熔化极气体保护焊是用可熔化金属焊丝作电极, 采用保护气体的电弧焊接。电弧传感是通过焊接电源检测电阻监控焊接电流、电压, 机器人根据电流、电压实时变化判断焊缝位置, 使焊枪做出相应调整, 跟踪实际焊缝轨迹, 电弧跟踪电路见图1。引起电弧传感故障的可能原因有电弧跟踪板、焊接参数、系统配置参数以及电弧跟踪外围电路, 故障处理如下。
(1) 关闭电源, 重启系统, 试焊, 报警消失, 但焊接过程中焊枪逐渐上提, 且越靠近工作步提升速度越快, 同时焊缝产生焊接气孔。通过软件屏蔽电弧传感功能, 焊枪依然有上提现象。焊接时观察电弧跟踪板3黄1红指示灯, 状态正常。取下电弧跟踪板, 使用面纱和酒精擦拭, 清理插槽, 重新放回。
(2) 调整功率、摆动、轴加速度等焊接参数, 故障依旧。
(3) 考虑到轴控制参数丢失或紊乱也会出现此现象。重新装载轴参配置文件insvx.ini, 插入软盘 (U盘) →示教器选择工作站→参数→读盘装入参数→完成, 重启设备, 故障依旧。