唐金城，繆希仁，張麗萍

(福州大學(xué)電氣工程與自動(dòng)化學(xué)院，福建福州350108)

基于DSP的低壓配電線路電弧故障檢測系統(tǒng)

唐金城，繆希仁，張麗萍

(福州大學(xué)電氣工程與自動(dòng)化學(xué)院，福建福州350108)

通過實(shí)驗(yàn)?zāi)M對低壓配電線路電弧故障的特征進(jìn)行分析研究，采用Mallat算法對低壓配電線路電弧故障電流實(shí)施變換，獲得各尺度小波變換的小波分量。與正常運(yùn)行分量相比其故障特征明顯，且高尺度的小波分量還可以抑制噪聲干擾。為了避免配電線路中負(fù)載的啟動(dòng)電流對電弧故障檢測產(chǎn)生可能的誤判影響，本文采用多尺度小波變換有效地實(shí)現(xiàn)了電弧故障與負(fù)載啟動(dòng)電流的區(qū)分判別。在此基礎(chǔ)上，本文開發(fā)了基于DSP微處理器的電弧故障檢測系統(tǒng)，并提出了一種自適應(yīng)的故障特征提取方法，實(shí)驗(yàn)結(jié)果表明，該方法結(jié)合Mallat算法可有效地診斷電弧故障。

電弧故障;啟動(dòng)電流;Mallat算法;DSP;檢測系統(tǒng)

1 引言

低壓配電線路常因接觸不良等情況出現(xiàn)電弧故障，若沒及時(shí)切斷線路，可能導(dǎo)致火災(zāi)的發(fā)生。有些負(fù)載下的電弧故障電流在其額定電流范圍之內(nèi)，傳統(tǒng)斷路器無法將這類電弧加以準(zhǔn)確檢測。因此，針對電弧故障特征的分析和研究［1，2］，本文提出采用結(jié)合多分辨率分析的Mallat快速算法［3］的電弧故障特征提取方法，并實(shí)現(xiàn)了低壓配電線路電弧故障檢測的DSP技術(shù)實(shí)現(xiàn)。

現(xiàn)階段國內(nèi)外對配電線路電弧故障的分析［4-9］，一般局限于電弧故障和電器額定運(yùn)行的區(qū)分，而實(shí)際應(yīng)用中，各種電器的啟動(dòng)電流遠(yuǎn)大于額定電流，為了防止誤判，必須區(qū)分電弧故障和電器啟動(dòng)以確保電弧故障檢測的可靠性。

在電弧故障特征仿真分析的基礎(chǔ)上，根據(jù)配電線路負(fù)載在不同運(yùn)行狀態(tài)下的電流信號小波分量特點(diǎn)，提出一種基于小波細(xì)節(jié)分量的自適應(yīng)電弧故障判斷方法，提高了配電線路電弧故障診斷的有效性。

2 Mallat算法原理

電弧故障電流的特征呈現(xiàn)了“零休”后陡峭的突變特征，而Mallat多尺度小波算法是一種通過時(shí)頻域局部化來檢測突變信號的數(shù)據(jù)處理方法。本文選用基于三次B樣條的二進(jìn)制小波變換來提取電弧故障特征，該Mallat多尺度算法的數(shù)學(xué)模型如下:

其中，h－1=h2=0.125;h0=h1=0.375;g0=－2;g1=2。

式(1)表明某一尺度下的光滑分量實(shí)際上是對上一尺度的平滑處理，隨著尺度增加，信號中的高頻成分逐漸被剝離。由于信號中噪聲干擾的頻率往往較高，因此光滑分量中的噪聲成分隨著尺度的增加而減少。尺度越高，噪聲干擾的剔除作用越顯著，但運(yùn)算量越大，并且故障信號的奇異性也將隨尺度增加而削弱。細(xì)節(jié)分量Sj是對上一尺度Sj－1光滑分量進(jìn)行高頻分量分解。結(jié)合硬件系統(tǒng)實(shí)時(shí)性的考慮，本文選擇第四尺度小波細(xì)節(jié)分量作為故障判斷依據(jù)。

3 電弧故障檢測及結(jié)果分析

3.1 電弧故障特征的提取

對電弧故障電流信號進(jìn)行四層小波分解，經(jīng)比較第四尺度小波分量cd4在區(qū)分電弧故障電流和正常電流時(shí)的效果最佳，可明顯反映電弧故障電流局部奇異特征，故選取其作為電弧故障電流信號的特征量。

不同負(fù)載由于額定功率及阻抗特性的差異，不僅表現(xiàn)出正常運(yùn)行電流或電弧故障電流值存在一定程度的差異，而且不同性質(zhì)的負(fù)載發(fā)生電弧故障的電流信號特征還存在著較大的差異。故障電流發(fā)生在電阻性負(fù)載下會(huì)出現(xiàn)“零休現(xiàn)象”，在電感性負(fù)載下常出現(xiàn)尖峰突變信號，電子器件負(fù)載下則呈現(xiàn)非線性不規(guī)則的特征。因此，本文以四種典型的負(fù)載為例分析得如表1所示的正常和電弧故障電流的小波分量值cd4。

表1 不同負(fù)載正常電流和電弧故障電流小波分量Tab．1Detail components of normal current and arc fault current under different loads

由表1可知，低壓配電線路電弧故障電流的cd4明顯大于正常電流的該尺度小波分量，即可將第4尺度小波分量作為特征值，可以有效地判斷低壓配電線路處于正常運(yùn)行還是電弧故障產(chǎn)生。

3.2 典型負(fù)載實(shí)驗(yàn)分析

由表1可知，發(fā)生故障時(shí)的電弧電流特征量是其正常電流特征量4倍以上，因此，可將正常電流的小波分量作為基值，故障電弧閾值設(shè)置為2.5倍基值。

在上述實(shí)驗(yàn)分析的基礎(chǔ)上，仍對表1中四種典型負(fù)載的電弧故障與啟動(dòng)電流進(jìn)行實(shí)驗(yàn)測試及其細(xì)節(jié)分量研究，區(qū)分不同負(fù)載的正常運(yùn)行、啟動(dòng)運(yùn)行與電弧故障。以感性負(fù)載微波爐為例，其啟動(dòng)電流和電弧故障電流小波分解如圖1所示。

如圖1所示，啟動(dòng)時(shí)出現(xiàn)較大較陡的電流，但其小波分量僅在該半周內(nèi)出現(xiàn)較大的值。其特性類似電弧故障，然而其不規(guī)則的波動(dòng)僅出現(xiàn)在極短的時(shí)間內(nèi)。對上述四種負(fù)載啟動(dòng)電流和故障電流進(jìn)行分析，0.5s時(shí)間內(nèi)大于2.5倍基值的次數(shù)見表2。

圖1 微波爐電流信號小波分解圖Fig．1Wavelet decomposition of microwave oven current

表2 小波分量2.5倍基值以上電流次數(shù)Tab．2Current times of above 2．5 times on base of wavelet components

表2的數(shù)據(jù)結(jié)果表明，發(fā)生電弧故障時(shí)，電弧電流信號小波分量2.5倍基值以上出現(xiàn)的次數(shù)明顯大于負(fù)載啟動(dòng)時(shí)出現(xiàn)的次數(shù)。因此，通過小波分量cd4的分析，可以有效地辨識電弧故障的發(fā)生，并且其有效性也在基于DSP的電弧故障檢測系統(tǒng)得到驗(yàn)證。

4 電弧故障檢測系統(tǒng)的設(shè)計(jì)

4.1 電弧故障檢測系統(tǒng)組成

檢測系統(tǒng)主要由四個(gè)部分組成:實(shí)驗(yàn)?zāi)M線路、電源模塊、信號采集模塊和中央處理器模塊，其工作原理圖如圖2所示。

圖2 電弧故障檢測系統(tǒng)的硬件原理圖Fig．2Hardware principle diagram of arc-fault detection

本文按照UL1699標(biāo)準(zhǔn)要求自制電弧發(fā)生器來模擬配電線路發(fā)生串聯(lián)電弧，它由一根可移動(dòng)錐形銅棒和一根直徑6.4mm的圓形靜止碳棒組成。串聯(lián)電弧的生成過程要求兩個(gè)電極先接觸且接通電路，然后緩緩分開直至產(chǎn)生電弧。

系統(tǒng)中電源模塊同時(shí)為采樣電路、中央處理模塊和脫扣控制模塊供電。信號采集模塊將對電流傳感器二次側(cè)輸出的電壓信號進(jìn)行放大和偏置處理。DSP處理器接受的輸入模擬電壓在0～3V范圍，處理器對所采集的信號進(jìn)行小波變換、故障判斷以及故障處理并采用磁保持繼電器作為脫扣裝置。

圖3為燒水器負(fù)載下發(fā)生電弧故障檢測系統(tǒng)。

圖3 電弧故障檢測系統(tǒng)Fig．3Arc-fault detection system

4.2 自適應(yīng)電弧故障檢測軟件技術(shù)

本文基于DSP的電弧故障檢測系統(tǒng)軟件流程如圖4所示。該系統(tǒng)采用12位A/D轉(zhuǎn)換，暫存區(qū)的空間長度取256，經(jīng)仿真分析，其采樣頻率為12.8kHz。系統(tǒng)上電初始化以后，啟動(dòng)A/D自動(dòng)采樣和轉(zhuǎn)換，在中斷服務(wù)程序?qū)/D采樣結(jié)果進(jìn)行實(shí)時(shí)的小波分解和自適應(yīng)故障判斷，故障發(fā)生時(shí)將發(fā)出脫扣信號斷開電路。

圖4 主程序流程圖Fig．4Flow chart of main program

4.2.1 小波分解邊界處理

多尺度小波分解的Mallat塔式遞推算法存在邊界問題，程序剛啟動(dòng)或者復(fù)位后，各尺度的計(jì)算結(jié)果都不是真實(shí)值。計(jì)算第四尺度小波分解細(xì)節(jié)分量W4值，需要由電流信號S0及前三個(gè)尺度的小波分解光滑分量S1，S2，S3層層計(jì)算出來。準(zhǔn)確分析推算一個(gè)W4必須由30個(gè)輸入信號S0獲得。因此，在程序判斷是否發(fā)生故障之前應(yīng)剔除前29個(gè)不準(zhǔn)確的第四尺度分量以避免造成故障的誤判。

4.2.2 自適應(yīng)故障判斷

為了滿足該系統(tǒng)檢測適用于不同負(fù)載的需求，本文提出了一種自適應(yīng)的故障特征提取，即不同負(fù)載根據(jù)自身的電流大小及小波分量值自適應(yīng)調(diào)整以確定故障閾值。不同負(fù)載都以其額定電流下對應(yīng)的細(xì)節(jié)分量最大值Wmax作為基準(zhǔn)特征量R，而將其電弧故障閾值設(shè)定為2.5R。

負(fù)載運(yùn)行狀態(tài)可分成零電流ST1，啟動(dòng)運(yùn)行ST2，額定運(yùn)行ST3，故障電弧ST4，增加負(fù)載ST5。其中，零電流其小波分量為0，啟動(dòng)運(yùn)行和故障電弧的小波分量波動(dòng)比較大，但相對故障電弧啟動(dòng)持續(xù)的時(shí)間較短，額定運(yùn)行時(shí)其小波分量變換微小且不為0。在多負(fù)載的運(yùn)行下，可能出現(xiàn)ST3→ST5→ST3情況，其小波分量特點(diǎn)與啟動(dòng)運(yùn)行一樣。因此，根據(jù)上述五種情況其小波分量特點(diǎn)判斷負(fù)載的運(yùn)行狀態(tài)?；鶞?zhǔn)特征量R是在假設(shè)電流模型為ST1→ST2→ST3→ST4的前提下自適應(yīng)提取的。通過檢測負(fù)載的額定運(yùn)行狀態(tài)ST3，將其小波分量周期最大值確定為該負(fù)載基準(zhǔn)值R?？紤]到故障電弧可能發(fā)生在負(fù)載的啟動(dòng)或者增加負(fù)載的過程(ST1→ST2→ST4或ST3→ST5→ST4下)，因此程序設(shè)計(jì)了“增加負(fù)載”時(shí)間限制，即檢測到處于該狀態(tài)下持續(xù)的時(shí)間超過了0.5s，則判定為故障電弧發(fā)生在啟動(dòng)或增加負(fù)載的過程。

5 結(jié)論

本文使用了Mallat多尺度小波算法分析低壓配電線路電弧故障，識別出反應(yīng)電弧故障的特征量cd4，為了防止檢測誤判，進(jìn)一步對電弧故障和啟動(dòng)運(yùn)行加以對比，實(shí)驗(yàn)結(jié)果驗(yàn)證了故障電弧情況出現(xiàn)大于設(shè)定故障閾值的次數(shù)明顯多于啟動(dòng)情況，可將其作為區(qū)分啟動(dòng)與電弧故障的判據(jù)。在此基礎(chǔ)上，本文設(shè)計(jì)了基于DSP的電弧故障檢測系統(tǒng)，有效實(shí)現(xiàn)了低壓配電線路中負(fù)載正常運(yùn)行、多負(fù)載運(yùn)行、負(fù)載啟動(dòng)及電弧故障等綜合情況下的自適應(yīng)電弧故障判斷方法，且實(shí)驗(yàn)結(jié)果也表明該檢測系統(tǒng)可在典型負(fù)載發(fā)生電弧故障時(shí)可靠地?cái)嚅_線路。

［1］趙淑敏(Zhao Shumin)．AFCI(電弧故障斷路器)的研制(Development of AFCI)［D］．杭州:浙江大學(xué)(Hangzhou:Zhejiang University)，2007．

［2］Gregory G D，Scott G W．The arc-fault circuit interrupter:an emerging product［J］．IEEE Transactions on Industry Applications，1998，34(5):928-933．

［3］Gregory G D，Kon Wong，Dvorak R．More about arc-fault circuit interrupters［J］．IEEE Transactions on Industry Applications，2004，40(4):1006-1011．

［4］陳麗安，張培銘，繆希仁(Chen Li’an，Zhang Peiming，Miao Xiren)．基于小波變換的低壓系統(tǒng)短路故障的早期預(yù)測(Prediction for the short-circuit fault based on wavelet transform)［J］．電工技術(shù)學(xué)報(bào)(Transactions of China Electrotechnical Society)，2003，18(2):91-95．

［5］Liu Xiaoming，Liu Xiangning，Hou Chunguang，et al．Arc fault diagnosis and analysis based on wavelet neural network．［A］Electric Power Equipment-Switching Technology(ICEPE-ST)［C］．2011.187-190．

［6］Sidhu T S，Singh G，Sachdev M S．A new technique for detection and location of arcing faults in power system apparatus［A］．Electrical and Computer Engineering［C］．1998.185-188．

［7］Peng Sun，Xiang Gao．Series arc fault diagnosis technology research based on the analysis of current rate［A］．E-lectric Power Equipment-Switching Technology(ICEPEST)［C］．2011.565-568．

［8］Torres Garcia V，Ruiz Paredes H．High impedance fault detection in distribution system using wavelet transform［A］．Electrical Engineering Computing Science and Automatic Control(CCE)［C］．2011.1-6．

［9］Peter Muller，Stefan Tenbohlen，Maier R，et al．Characteristics of series and parallel low current arc faults in the time and frequency domain［A］．Electrical Contacts (HOLM)2010［C］．2010.1-7．

Arc fault detection on low voltage distribution line based on DSP

TANG Jin-cheng，MIAO Xi-ren，ZHANG Li-ping
(College of Electrical Engineering and Automation，F(xiàn)uzhou University，F(xiàn)uzhou 350108，China)

The characteristics of arc-fault on low voltage distribution lines are experimentally researched in this paper．And the Mallat algorithm is appointed to decompose arc fault current on low voltage distribution lines，and the obtained detail components are compared in different scales with normal current to establish characteristic quantity．The experimental results show that arc fault detail components drastically ascend as compared with normal current，in addition the high scales detail components play part in noise elimination．Eventually the comparison between arc fault current and start current in detail components aiming at avoiding misjudgment shows that multi scale wavelet analysis Mallat algorithm is effectively used to detect arc fault．According to the above，an arc fault detection system based on DSP(Digital Signal Processor)is developed in this paper and a method of adaptive fault diagnosis is proposed，the experimental results show that the method will detect arc-fault effectively combining with the Mallat algorithm．

arc-fault;start current;Mallat algorithm;DSP;detection system

TM726.2;TP391.4;O241

A

1003-3076(2015)02-0072-04

2012-08-09

福建省高校產(chǎn)學(xué)合作科技重大項(xiàng)目(2011H61010008)

唐金城(1987-)，男，福建籍，碩士研究生，研究方向?yàn)榈蛪号潆娋€路故障電弧在線監(jiān)測技術(shù)研究;繆希仁(1965-)，男，福建籍，教授，主要研究方向?yàn)槿斯ぶ悄茉陔娖黝I(lǐng)域的應(yīng)用及在線監(jiān)測技術(shù)。