基于EMD和PNN的故障电弧多变量判据诊断方法.pdfVIP

第３９卷 第４期 电 力 自 动 化 设 备 Ｖｏｌ.３９ Ｎｏ.４ 　　 ２０１９年４月 Ｅｌｅｃｔｒｉｃ Ｐｏｗｅｒ Ａｕｔｏｍａｔｉｏｎ Ｅｑｕｉｐｍｅｎｔ Ａｐｒ. ２０１９ 基于ＥＭＤ和ＰＮＮ的故障电弧多变量判据诊断方法 苏晶晶ꎬ许志红 (福州大学 电气工程与自动化学院 福建省新能源发电与电能变换重点实验室ꎬ福建 福州 ３５０１１６) 摘要:故障电弧单变量判据诊断法受不确定因素影响大、特征量提取困难ꎬ针对此提出一种基于经验模态分 解(ＥＭＤ)和概率神经网络(ＰＮＮ)的故障电弧多变量判据的诊断方法ꎮ 利用经验模态分解分析法对电弧电 流进行时频分解ꎬ并借助信号相关性理论自动提取故障特征信号ꎻ同时ꎬ通过分析故障特征信号的无量纲指 标ꎬ形成多变量特征向量集ꎮ 在此基础上ꎬ构建基于概率神经网络的故障电弧诊断模型ꎮ 通过分析燃弧前后 烧水壶、吸尘器、卤素灯、电钻、荧光灯、计算机的电流波形ꎬ验证故障诊断模型的准确性ꎮ 结果表明ꎬ所提方 法解决了单变量判据故障诊断中出现的特征量提取困难、交叉重复等问题ꎬ准确率超过９０％ꎮ 关键词:电弧ꎻ特征信号提取ꎻ经验模态分解ꎻ概率神经网络ꎻ无量纲指标ꎻ多变量判据ꎻ模型 － 中图分类号:ＴＭ５０１.２ 文献标识码:Ａ ＤＯＩ:１０.１６０８１/ ｊ.ｉｓｓｎ.１００６ ６０４７.２０１９.０４.０１６ ０　 引言 形ꎬ如何在复杂环境下准确地识别故障电弧、开关电 器正常的操作电弧和其他干扰信号是故障电弧检测 在住宅居住类场所ꎬ插座脱落以及插线板或线 的难点ꎮ 同时ꎬ故障电弧产生的环境复杂且具有不 路老化、过载、接口断裂等原因可能引发故障电 可预见性ꎬ受传感器选型、硬件检测电路、负载性质 [１] 弧 ꎮ 国内外学者通过仿真、实验等手段对故障电 和容量、工作环境等影响ꎬ采集到的电压、电流波形 弧进行了研究ꎬ指出故障电弧的电气特性与负载性 往往存在不完整、不精确、模糊、随机性等问题ꎬ单纯 质、发生位置、故障类型有关ꎬ且具有间歇性、随机性 依赖单变量特征阈值诊断故障电弧容易出现特征阈 [２] 和不确定性 ꎮ 因此ꎬ如何有效检测故障电弧一直 值波动、正常状态与故障状态信息交叉重复等问题ꎬ 是电弧领域研究的热点ꎮ 从而导致误判或漏判ꎮ 目前ꎬ常用的故障电弧检测方法大多是基于电 为了获得更好的故障电弧检测效果和实现故障 弧的物理现象和电气特性ꎮ 利用弧声、弧光、电磁辐 点定位ꎬ解决故障电弧单变量判据方法中阈值难以 射等电弧物理特性检测方法在一些特定的场合得到 确定的问题ꎬ本文提出一种基于故障电弧多变量判 了较多应用ꎬ如开关柜故障电弧ꎬ然而受故障电弧发 据的诊断方法ꎬ在实现对燃弧前后电流信号时频分 生位置、传感器检测精度、环境干扰等限制ꎬ该方法 析的基础上ꎬ构建燃弧前后的特征信号和概率神经 难以推广到居民用电保护ꎮ 因此ꎬ基于电弧电压、电 网络(ＰＮＮ)故障电弧诊断模型ꎬ同时引入特征信号 流的时域、频域、时频域特性获取故障电弧特征参数 的无量纲指标特征向量集作为故障电弧多变量判 是目前故障电弧检测最常用的方法ꎮ 文献[３￣７]分 据ꎬ最终实现对不同负载下故障电弧的有效识别ꎬ并 别从故障电弧时域、频域、时频