基于电流时域和频域特性的串联电弧故障检测方法技术

本发明专利技术涉及一种基于电流时域和频域特性的串联电弧故障检测方法，其技术特点是：以单个电网周期作为一个计算单元，采集原始故障电弧电流信号并对其进行归一化处理，计算电流相似度差值与第4层小波能量；分别将电流相似度差值以及第4层小波能量与对应阈值进行比较，如果两个特征量超过对应阈值，则故障特征量累加器执行累加操作；如果相似度差值或小于对应阈值，则令故障特征量累加器减1，直至为零；将故障特征量累加器与预设阈值进行比较，如果故障特征量累加器超过预设阈值，则认为线路发生了故障电弧，并对故障标志位置1。本发明专利技术设计合理，实现了电动汽车充电系统故障电弧的快速识别功能。别功能。别功能。

【技术实现步骤摘要】
基于电流时域和频域特性的串联电弧故障检测方法


[0001]本专利技术属于直流电弧故障检测
，尤其是一种基于电流时域和频域特性的串联电弧故障检测方法。

技术介绍

[0002]随着石油资源的紧张和电池技术的发展，电动汽车以电代油能够实现“零排放”是解决能源和环境问题的重要手段。电动汽车充电系统能否正常工作的问题已经成为电动汽车发展的关键因素。由于电动汽车电池内部及直流充电设备接线复杂、搭接点众多，极易发生因绝缘老化、连接松动等引起的串联电弧，连锁反应可能导致设备烧蚀甚至起火，因此对电动汽车电弧的故障检测就至关重要。
[0003]目前，对电动汽车电弧的故障检测包括以下多种方法，基于电弧数学模型的识别方法应用于电弧理论的研究，在实际应用中存在较大问题；基于电弧光、热、电磁辐射等的故障电弧检测方法多用于开关柜等密闭空间的故障电弧识别，利用电弧光、热特征等能量特征来实现故障电弧检测，该方法对传感器灵敏度、安装位置、抗干扰性等方面有较高要求，并且由于故障电弧发生位置随机，很难预先定位，因此在实际应用中存在局限性；基于人工智能的故障电弧检测方法通过信号分析工具提取信号特征量，然后利用支持向量机、人工神经网络等人工智能方法区分信号并输出分类结果来实现故障检测，该方法虽然在一定程度上摆脱了人为设定检测阈值的束缚，但依旧存在需要预先人为提取特征量，且较少考虑非线性负载的影响，对未知负载的识别力相对较差等问题。

技术实现思路

[0004]本专利技术的目的在于克服现有技术的不足，提出一种基于电流时域和频域特性的串联电弧故障检测方法，能够实时监测电动汽车充电系统故障电弧，当电流波形出现畸变时能及时发现并采取有效措施并避免故障发生。
[0005]本专利技术解决其技术问题是采取以下技术方案实现的：
[0006]一种基于电流时域和频域特性的串联电弧故障检测方法，包括以下步骤：
[0007]步骤1、以单个电网周期作为一个计算单元，采集原始故障电弧电流信号并对其进行归一化处理，计算如下两个特征量：电流相似度差值Diff_sim
i
与第4层小波能量E
D4Ti
；
[0008]步骤2、分别将电流相似度差值Diff_sim
i
以及第4层小波能量E
D4Ti
与对应阈值Diff_sim_th以及E
D4
_th进行比较，如果两个特征量超过对应阈值，则故障特征量累加器C
n
执行累加操作；
[0009]步骤3、如果相似度差值Diff_sim
i
或E
D4Ti
小于对应阈值，则令故障特征量累加器C
n
减1，直至为零；
[0010]步骤4、将故障特征量累加器C
n
与预设阈值C
n
_th进行比较，如果故障特征量累加器C
n
超过预设阈值C
n
_th，则认为线路发生了故障电弧，并对故障标志位F_fault置1，否则，返回步骤1，进入下一个电流采样周期。
[0011]进一步，所述步骤1的具体实现方法为：
[0012]步骤1.1、以单个电网周期作为一个计算单元，采集原始故障电弧电流信号；
[0013]步骤1.2、对原始故障电弧电流信号进行小波变换与多分辨率分析，得到包括不同子带低频逼近系数分量A
j
(n)和高频小波系数分量D
j
(n)的原始信号x(n)；
[0014]步骤1.3、选择小波基函数和分解尺度，使用Db 5小波基函数及6层的小波分解对归一化后的电流信号进行多分辨率分析；
[0015]步骤1.4、计算基于波形相似度的故障电弧电流低频特征，得到电流相似度差值Diff_sim
i
；
[0016]步骤1.5、计算基于小波系数能量的故障电弧电流高频特征，得到第4层小波能量E
D4Ti
。
[0017]进一步，所述步骤1.2的具体实现方法为：
[0018]采用如下离散小波变换基函数W
x
(j,k)：
[0019]W
x
(j,k)＝∫
R
x(t)ψj,k(t)dt
[0020]其中，
[0021]采用Mallat算法对离散小波变换基函数W
x
(j,k)进行计算，得到不同子带低频逼近系数分量A
j
(n)与高频小波系数分量D
j
(n)，表示为：
[0022][0023]A
j
(n)、D
j
(n)表征了原始输入信号低频特征与高频特征，且每个分量带宽为原始信号带宽的1/2
j
，原始信号表示为：
[0024]x(n)＝A
n
+D1+D2+
…
+D
n
。
[0025]进一步，所述步骤1.4的具体实现方法为：
[0026]采用余弦相似度来计算当前信号的小波分解后的低频逼近系数的相似度，设第i个电网周期电流经过小波分解后的低频逼近系数为I
A6Ti
[0027][0028]相邻电网周期电流低频逼近系数相似度为：
[0029][0030]式中，m为低频逼近系数采样点数；
[0031]相似度差值Diff_sim
i
表示如下：
[0032][0033]进一步，所述步骤1.5的具体实现方法为：
[0034]选取3kHz～6kHz作为电弧电流特征频段，第4层小波系数D4对应频率范围为3125Hz～6250Hz；
[0035]设第i个电网周期第4层小波系数为I
D4Ti
，表示为：
[0036][0037]式中，n为第4层小波系数采样点数；
[0038]设定一个阈值I
D4
_th，规定只有当某一点小波系数I
D4
T
i
(n)大于等于设定阈值时，该点小波系数才参与小波能量计算；反之该点小波系数置零，最后得到第i个周期电弧电流第4层小波能量E
D4Ti
为：
[0039][0040]其中，m为小波系数的数量。
[0041]进一步，所述步骤2故障特征量累加器C
n
的累加策略为：如果相似度特征量超过阈值Diff_sim_th，则故障特征量累加器C
n
增加1；而当小波能量E
D4Ti
超过其阈值E
D4
_th时，C
n
增加2。
[0042]本专利技术的优点和积极效果是：
[0043]本专利技术设计合理，其在电动汽车充电系统运行过程中实时监控充电系统电路的电流状态，根据电流时域和频域特性对故障电弧进行检测分析，实现了电动汽车充电系统故障电弧的快速识别功能，本专利技术的故障电弧检测时间仅为0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于电流时域和频域特性的串联电弧故障检测方法，其特征在于：包括以下步骤：步骤1、以单个电网周期作为一个计算单元，采集原始故障电弧电流信号并对其进行归一化处理，计算如下两个特征量：电流相似度差值Diff_sim
i
与第4层小波能量E
D4Ti
；步骤2、分别将电流相似度差值Diff_sim
i
以及第4层小波能量E
D4Ti
与对应阈值Diff_sim_th以及E
D4
_th进行比较，如果两个特征量超过对应阈值，则故障特征量累加器C
n
执行累加操作；步骤3、如果相似度差值Diff_sim
i
或E
D4Ti
小于对应阈值，则令故障特征量累加器C
n
减1，直至为零；步骤4、将故障特征量累加器C
n
与预设阈值C
n
_th进行比较，如果故障特征量累加器C
n
超过预设阈值C
n
_th，则认为线路发生了故障电弧，并对故障标志位F_fault置1，否则，返回步骤1，进入下一个电流采样周期。2.根据权利要求1所述的基于电流时域和频域特性的串联电弧故障检测方法，其特征在于：所述步骤1的具体实现方法为：步骤1.1、以单个电网周期作为一个计算单元，采集原始故障电弧电流信号；步骤1.2、对原始故障电弧电流信号进行小波变换与多分辨率分析，得到包括不同子带低频逼近系数分量A
j
(n)和高频小波系数分量D
j
(n)的原始信号x(n)；步骤1.3、选择小波基函数和分解尺度，使用Db 5小波基函数及6层的小波分解对归一化后的电流信号进行多分辨率分析；步骤1.4、计算基于波形相似度的故障电弧电流低频特征，得到电流相似度差值Diff_sim
i
；步骤1.5、计算基于小波系数能量的故障电弧电流高频特征，得到第4层小波能量E
D4Ti
。3.根据权利要求2所述的基于电流时域和频域特性的串联电弧故障检测方法，其特征在于：所述步骤1.2的具体实现方法为：采用如下离散小波变换基函数W
x
(j,k)：W
x
(j,k)＝∫
R
x(t)ψ
j,k
(t)dt其中，采用Mallat算法对离散小波变换基函数W
x
(j,k)进行计算，得到不同子带低频逼近系数分量A
...

【专利技术属性】
技术研发人员：潘广旭，张华栋，李东，刘思华，许明，程云祥，宫池玉，裴丽伟，王晶，李兴玉，陈洋，吕雨莳，王希涛，林国华，
申请(专利权)人：国家电网有限公司，
类型：发明
国别省市：