文献标识码:A
DOI:10.16157/j.issn.0258-7998.212349
中文引用格式:王毅,罗章权,李松浓,等. 基于时频色谱图的串联故障电弧识别[J].电子技术应用,2022,48(8):70-75.
英文引用格式:Wang Yi,Luo Zhangquan,Li Songnong,et al. Identification of series fault arc based on time-frequency chromatogram[J]. Application of Electronic Technique,2022,48(8):70-75.
0 引言
故障电弧是住宅区电气线路火灾的最重要的原因之一,它能产生极高的温度,并容易引燃周围的可燃材料[1]。据应急保障管理部消防救援局最新数据的统计,2020年全国共接报火灾25.2万起,直接财产损失40.09亿元。其中,电气引发的较大火灾36起,在各类火灾中排名第一,高达55.4%,大部分电气火灾是由故障电弧引起的。因此,识别故障电弧对减少火灾发生,提高居民财产安全有着重大的意义。
随着国内外对故障电弧火灾危险性认识的不断加深,国内外分别制定了GB14287与UL1699标准[2-3],标志着国内外故障电弧检测技术的发展进入了一个新阶段[4]。近年来,许多学者已经开始研究故障电弧。一些学者通过热、光、电磁辐射、电压等信息进行特征进行故障电弧检测[5-7]。由于故障电弧的位置是未知的,因此很难通过以上方法对住宅区故障电弧进行检测。相反,故障电弧电流测量的方便性使其成为了故障电弧检测的理想特征。Jiang[8]等人通过主成分分析算法将提取到的9个电流信号的时域和频域特征降维为3个特征,结合支持向量机(Support Vector Machine,SVM)进行故障电弧识别;龙官微[9]等人将电流信号的傅里叶系数、梅尔倒谱系数和小波特征作为特征量输入到深层神经网络,用于识别正常和故障电流;Wang[10]等人在通过电流的谐波分量占比、时域的积分、方差等特征对负载类型识别之后,再结合不同的神经网络进行故障电弧识别;鲍光海[11]等人通过分析电弧熄灭重燃时高频剩余磁通的耦合信号,利用高阶统计量工具计算出耦合信号的峭度值并得出统一的阈值进行电弧识别。
本文详细内容请下载:http://www.chinaaet.com/resource/share/2000004654。
作者信息:
王 毅1,罗章权1,李松浓2,陈 涛2,侯兴哲2,付秀元3
(1.重庆邮电大学 通信与信息工程学院,重庆400065;2.国网重庆市电力公司电力科学研究院,重庆400014;
3.国家电投集团数字科技有限公司,北京100080)