• 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03
    • / 18
    • 下载费用:30 金币  

    手机重庆时时彩真假: 一种基于小波系数均差值的故障电弧检测方法.pdf

    关 键 词:
    一种 基于 系数 均差 故障 电弧 检测 方法
      专利查询网所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
    摘要
    申请专利号:

    CN201510834813.5

    申请日:

    2015.11.25

    公开号:

    CN106771798A

    公开日:

    2017.05.31

    当前法律状态:

    实审

    有效性:

    审中

    法律详情: 实质审查的生效IPC(主分类):G01R 31/02申请日:20151125|||公开
    IPC分类号: G01R31/02; G01R31/12 主分类号: G01R31/02
    申请人: 山东建筑大学
    发明人: 石嘉川; 段培永; 谭秋秋; 徐晨; 崔冲; 张洁珏
    地址: 250101 山东省济南市历城区临港开发区凤鸣路1000号
    优先权:
    专利代理机构: 济南诚智商标专利事务所有限公司 37105 代理人: 李修杰
    PDF完整版下载: PDF下载
    法律状态
    申请(专利)号:

    CN201510834813.5

    授权公告号:

    |||

    法律状态公告日:

    2017.06.23|||2017.05.31

    法律状态类型:

    实质审查的生效|||公开

    摘要

    本发明公开了一种基于小波系数均差值的故障电弧检测方法,它在故障电弧的随机性、间歇性等特征的基础上,利用小波变换可准确检测故障电弧的优点,对连续多周期采集的电流数据分析计算,运用Mallat算法分解重构小波高频系数,进而求得均差值,最后进行差值运算,将所得均差值用于检测故障电弧,能弥补小波变换不能有效区分故障电弧和特殊负载产生的相似电弧这一缺陷。本发明不仅能够有效地检测出故障电弧,而且还能够区分故障电弧和特殊负载产生的相似电弧,防止因特殊负载产生的相似电弧对故障电弧检测的干扰。

    权利要求书

    1.一种基于小波系数均差值的故障电弧检测方法,其特征是,包括以下
    步骤:
    步骤1:检测A个相邻周期的等间隔采样点电流数据,设每个周期采样点
    数为B,利用Mallat算法对采样数据进行分解与重构处理,得到单支重构后
    的小波高频系数cdx,x=1,2,3,…,x表示分解的层数,并取小波高频系数的绝
    对值;
    步骤2:根据式(1)和式(2)分别对第m个半周波和第n个周波的cdx绝对
    值求平均,所得均值Mm和Nn,Mm和Nn分别为第m个半周波的M值和第n个周
    波的N值,m=1,2,…,2A;n=1,2,…,A;A为正整数;
    <mrow> <msub> <mi>M</mi> <mi>m</mi> </msub> <mo>=</mo> <mfrac> <mn>2</mn> <mi>B</mi> </mfrac> <munderover> <mo>&Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mrow> <mi>B</mi> <mo>/</mo> <mn>2</mn> </mrow> </munderover> <mo>|</mo> <mi>c</mi> <mi>d</mi> <mi>x</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> <mo>|</mo> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow>
    <mrow> <msub> <mi>N</mi> <mi>n</mi> </msub> <mo>=</mo> <mfrac> <mn>1</mn> <mi>B</mi> </mfrac> <munderover> <mo>&Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>B</mi> </munderover> <mo>|</mo> <mi>c</mi> <mi>d</mi> <mi>x</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> <mo>|</mo> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>2</mn> <mo>)</mo> </mrow> </mrow>
    式中:i为第i个采样点,i=1,2,…,B;B为正整数;
    步骤3:根据式(3)和式(4)分别求相邻两个M值的一次差值和相邻两个
    M值的一次差值,
    <mrow> <msubsup> <mi>D</mi> <mi>M</mi> <mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo> </mrow> </msubsup> <mrow> <mo>(</mo> <mi>m</mi> <mo>)</mo> </mrow> <mo>=</mo> <mo>|</mo> <msub> <mi>M</mi> <mrow> <mi>m</mi> <mo>+</mo> <mn>1</mn> </mrow> </msub> <mo>-</mo> <msub> <mi>M</mi> <mi>m</mi> </msub> <mo>|</mo> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>3</mn> <mo>)</mo> </mrow> </mrow>
    <mrow> <msubsup> <mi>D</mi> <mi>N</mi> <mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo> </mrow> </msubsup> <mrow> <mo>(</mo> <mi>n</mi> <mo>)</mo> </mrow> <mo>=</mo> <mo>|</mo> <msub> <mi>N</mi> <mrow> <mi>n</mi> <mo>+</mo> <mn>1</mn> </mrow> </msub> <mo>-</mo> <msub> <mi>N</mi> <mi>n</mi> </msub> <mo>|</mo> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>4</mn> <mo>)</mo> </mrow> </mrow>
    式中:为M值的一次差值,为N值的一次差值,以此类推可以得到A
    个周期内所有相邻两个M值的一次差值和所有相邻两个N值的一次差值;
    步骤4:根据式(5)和式(6)分别求相邻两个M值的二次差值和相邻两个
    N值的二次差值,
    <mrow> <msubsup> <mi>D</mi> <mi>M</mi> <mrow> <mo>(</mo> <mn>2</mn> <mo>)</mo> </mrow> </msubsup> <mrow> <mo>(</mo> <mi>m</mi> <mo>)</mo> </mrow> <mo>=</mo> <mo>|</mo> <msubsup> <mi>D</mi> <mi>M</mi> <mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo> </mrow> </msubsup> <mrow> <mo>(</mo> <mi>m</mi> <mo>+</mo> <mn>1</mn> <mo>)</mo> </mrow> <mo>-</mo> <msubsup> <mi>D</mi> <mi>M</mi> <mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo> </mrow> </msubsup> <mrow> <mo>(</mo> <mi>m</mi> <mo>)</mo> </mrow> <mo>|</mo> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>5</mn> <mo>)</mo> </mrow> </mrow>
    <mrow> <msubsup> <mi>D</mi> <mi>N</mi> <mrow> <mo>(</mo> <mn>2</mn> <mo>)</mo> </mrow> </msubsup> <mrow> <mo>(</mo> <mi>n</mi> <mo>)</mo> </mrow> <mo>=</mo> <mo>|</mo> <msubsup> <mi>D</mi> <mi>N</mi> <mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo> </mrow> </msubsup> <mrow> <mo>(</mo> <mi>n</mi> <mo>+</mo> <mn>1</mn> <mo>)</mo> </mrow> <mo>-</mo> <msubsup> <mi>D</mi> <mi>N</mi> <mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo> </mrow> </msubsup> <mrow> <mo>(</mo> <mi>n</mi> <mo>)</mo> </mrow> <mo>|</mo> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>6</mn> <mo>)</mo> </mrow> </mrow>
    式中:D(2)为D(1)的逐差值,以此类推可以得到A个周期内所有相邻两个M值
    的二次差值和所有相邻两个N值的二次差值;
    步骤5:根据式(7)至式(10)分别计算M值一次、二次差值的变化率和N
    值一次、二次差值的变化率,
    <mrow> <msubsup> <mi>&sigma;</mi> <mi>M</mi> <mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo> </mrow> </msubsup> <mo>=</mo> <mfrac> <mrow> <mo>|</mo> <msub> <mi>M</mi> <mrow> <mi>m</mi> <mo>+</mo> <mn>1</mn> </mrow> </msub> <mo>-</mo> <msub> <mi>M</mi> <mi>m</mi> </msub> <mo>|</mo> </mrow> <msub> <mi>M</mi> <mi>m</mi> </msub> </mfrac> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>7</mn> <mo>)</mo> </mrow> </mrow>
    <mrow> <msubsup> <mi>&sigma;</mi> <mi>N</mi> <mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo> </mrow> </msubsup> <mo>=</mo> <mfrac> <mrow> <mo>|</mo> <msub> <mi>N</mi> <mrow> <mi>n</mi> <mo>+</mo> <mn>1</mn> </mrow> </msub> <mo>-</mo> <msub> <mi>N</mi> <mi>n</mi> </msub> <mo>|</mo> </mrow> <msub> <mi>N</mi> <mi>n</mi> </msub> </mfrac> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>8</mn> <mo>)</mo> </mrow> </mrow>
    <mrow> <msubsup> <mi>&sigma;</mi> <mi>M</mi> <mrow> <mo>(</mo> <mn>2</mn> <mo>)</mo> </mrow> </msubsup> <mo>=</mo> <mfrac> <mrow> <mo>|</mo> <msub> <mi>D</mi> <mi>M</mi> </msub> <mrow> <mo>(</mo> <mi>m</mi> <mo>+</mo> <mn>1</mn> <mo>)</mo> </mrow> <mo>-</mo> <msub> <mi>D</mi> <mi>M</mi> </msub> <mrow> <mo>(</mo> <mi>m</mi> <mo>)</mo> </mrow> <mo>|</mo> </mrow> <mrow> <msub> <mi>D</mi> <mi>M</mi> </msub> <mrow> <mo>(</mo> <mi>m</mi> <mo>)</mo> </mrow> </mrow> </mfrac> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>9</mn> <mo>)</mo> </mrow> </mrow>
    <mrow> <msubsup> <mi>&sigma;</mi> <mi>N</mi> <mrow> <mo>(</mo> <mn>2</mn> <mo>)</mo> </mrow> </msubsup> <mo>=</mo> <mfrac> <mrow> <mo>|</mo> <msub> <mi>D</mi> <mi>N</mi> </msub> <mrow> <mo>(</mo> <mi>n</mi> <mo>+</mo> <mn>1</mn> <mo>)</mo> </mrow> <mo>-</mo> <msub> <mi>D</mi> <mi>N</mi> </msub> <mrow> <mo>(</mo> <mi>n</mi> <mo>)</mo> </mrow> <mo>|</mo> </mrow> <mrow> <msub> <mi>D</mi> <mi>N</mi> </msub> <mrow> <mo>(</mo> <mi>n</mi> <mo>)</mo> </mrow> </mrow> </mfrac> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>10</mn> <mo>)</mo> </mrow> </mrow>
    式中:σ(1)表示M值和N值的一次差值变化率,σ(2)表示M值和N值的二次差值
    变化率;
    步骤6:以M值、N值、D值和σ值的大小作为判断依据来判定电弧是否发生,
    M值、N值、D值和σ值超过所设阈值TM、TN、TD和Tσ后,相应的计数变量C加1;
    步骤7:连续检测A个相邻周期的M值、N值和D值,并计算变化率,当在
    设定的多个连续周期内,计数变量C超过所设定的阈值后,可判断发生了故障
    电弧。
    2.根据权利要求1所述的一种基于小波系数均差值的故障电弧检测方法,
    其特征是,在步骤5中,对式(7)至式(10)中的分母分别加上一个约等于零
    的数值δ,δ>0,对各个公式中的分母进行非零处理,用以避免式(7)至式(10)
    中分母为零。
    3.根据权利要求1所述的一种基于小波系数均差值的故障电弧检测方法,
    其特征是,在步骤6中,计数变量C从第一次M值、N值、D值和σ值超过其对应
    所设阈值TM、TN、TD和Tσ时开始计数,在下一次M值、N值、D值和σ值超过其
    对应所设阈值TM、TN、TD和Tσ时再加1,以此类推。
    4.根据权利要求1至3任意一项所述的一种基于小波系数均差值的故障
    电弧检测方法,其特征是,所述利用Mallat算法对采样数据进行分解与重构
    处理的过程包括对采样数据进行分解处理的过程和对采样数据进行重构处理
    的过程,所述对采样数据进行重构处理的过程为对采样数据进行分解处理的
    逆过程。
    5.根据权利要求4所述的一种基于小波系数均差值的故障电弧检测方法,
    其特征是,所述对采样数据进行分解处理的过程包括以下步骤:
    (1)将原始信号序列与高通滤波器系数序列{gn}进行卷积运算后再隔
    二取样得到第一级高频系数序列
    (2)将原始信号序列与低通滤波器系数序列{hn}进行卷积运算后再隔
    二取样得到第一级低频系数序列
    (3)重复步骤(1)和(2)对得到的低频系数序列依次进行分解得到第j
    级高频系数序列和第j级低频系数序列j=0,1,…,N-1,N为滤波器长
    度。
    6.根据权利要求5所述的一种基于小波系数均差值的故障电弧检测方法,
    其特征是,对采样数据进行分解处理的递推公式为:
    <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <msubsup> <mi>c</mi> <mi>n</mi> <mrow> <mo>(</mo> <mi>j</mi> <mo>+</mo> <mn>1</mn> <mo>)</mo> </mrow> </msubsup> <mo>=</mo> <mstyle> <munderover> <mo>&Sigma;</mo> <mrow> <mi>k</mi> <mo>=</mo> <mn>0</mn> </mrow> <mrow> <mi>N</mi> <mo>-</mo> <mn>1</mn> </mrow> </munderover> <mrow> <msubsup> <mi>c</mi> <mi>k</mi> <mrow> <mo>(</mo> <mi>j</mi> <mo>)</mo> </mrow> </msubsup> <mi>h</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>-</mo> <mn>2</mn> <mi>n</mi> <mo>)</mo> </mrow> </mrow> </mstyle> </mtd> </mtr> <mtr> <mtd> <msubsup> <mi>d</mi> <mi>n</mi> <mrow> <mo>(</mo> <mi>j</mi> <mo>+</mo> <mn>1</mn> <mo>)</mo> </mrow> </msubsup> <mo>=</mo> <mstyle> <munderover> <mo>&Sigma;</mo> <mrow> <mi>k</mi> <mo>=</mo> <mn>0</mn> </mrow> <mrow> <mi>N</mi> <mo>-</mo> <mn>1</mn> </mrow> </munderover> <mrow> <msubsup> <mi>c</mi> <mi>k</mi> <mrow> <mo>(</mo> <mi>j</mi> <mo>)</mo> </mrow> </msubsup> <mi>g</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>-</mo> <mn>2</mn> <mi>n</mi> <mo>)</mo> </mrow> </mrow> </mstyle> </mtd> </mtr> </mtable> </mfenced>
    式中:和分别为离散信号f(n)的第j级低频系数和高频系数,
    k=0,1,…,N-1,N为滤波器长度,h、g为小波分解过程中的低通滤波器系数与高
    通滤波器系数,f(n)=c0(n)为原始信号序列。
    7.根据权利要求4所述的一种基于小波系数均差值的故障电弧检测方法,
    其特征是,所述对采样数据进行重构处理的过程包括以下步骤:
    (1)对采样数据分解得到的第j级低频系数序列进行隔二插值后与低
    通滤波器系数序列{hn}进行卷积运算;
    (2)将对采样数据分解得到的第j级高频系数序列进行隔二插值后与
    高通滤波器系数序列{gn}进行卷积运算;
    (3)将步骤(1)和(2)的卷积运算结果作和得到第j-1级低频系数序列

    (4)重复步骤(1)至(3)对得到的第j-1级低频系数序列和第j-1
    级高频系数序列进行重构且使重构后的低频系数序列与原始信号序列的
    长度相等。
    8.根据权利要求7所述的一种基于小波系数均差值的故障电弧检测方法,
    其特征是,对采样数据进行重构处理的重构公式为:
    <mrow> <msubsup> <mi>c</mi> <mi>n</mi> <mi>j</mi> </msubsup> <mo>=</mo> <munderover> <mo>&Sigma;</mo> <mrow> <mi>k</mi> <mo>=</mo> <mn>0</mn> </mrow> <mrow> <mi>N</mi> <mo>-</mo> <mn>1</mn> </mrow> </munderover> <msubsup> <mi>c</mi> <mi>k</mi> <mrow> <mo>(</mo> <mi>j</mi> <mo>+</mo> <mn>1</mn> <mo>)</mo> </mrow> </msubsup> <mi>h</mi> <mrow> <mo>(</mo> <mi>n</mi> <mo>-</mo> <mn>2</mn> <mi>k</mi> <mo>)</mo> </mrow> <mo>+</mo> <munderover> <mo>&Sigma;</mo> <mrow> <mi>k</mi> <mo>=</mo> <mn>0</mn> </mrow> <mrow> <mi>N</mi> <mo>-</mo> <mn>1</mn> </mrow> </munderover> <msubsup> <mi>d</mi> <mi>k</mi> <mrow> <mo>(</mo> <mi>j</mi> <mo>+</mo> <mn>1</mn> <mo>)</mo> </mrow> </msubsup> <mi>g</mi> <mrow> <mo>(</mo> <mi>n</mi> <mo>-</mo> <mn>2</mn> <mi>k</mi> <mo>)</mo> </mrow> </mrow>
    式中:和分别为离散信号f(n)的第j级低频系数和第j级高频系数,
    k=1,…,N,N为滤波器长度,h、g为小波分解过程中的低通滤波器系数与高通
    滤波器系数。

    说明书

    一种基于小波系数均差值的故障电弧检测方法

    技术领域

    本发明涉及一种电弧检测方法,具体地说是一种基于小波系数
    均差值的故障电弧检测方法。

    背景技术

    随着社会的发展,人们对居住、办公以及公共环境的安全性要
    求越来越高,而频频发生的电气火灾事故给人们的生命和财产安全
    带来了极大的安全隐患。由于电路短路、线路老化、接触不良、电
    器产品故障等原因产生的故障电弧而引发的电气火灾事故在电气火
    灾事故中占有很大的比例。在建筑物低压配电系统中,一方面,由
    于阻抗的限制,当故障电弧发生时,产生的故障电流小,不足以使
    过流?;ぷ爸枚?,故障电弧持续发生,频繁的打火和拉弧,可直
    接引燃电气线路或设备邻近的可燃物,是特别危险的引火源,其起
    火危险性远大于金属性短路;另一方面,电路中存在于故障电弧波
    形特征相似的负载,这使得故障电弧的检测误判率较高。

    小波变换检测故障电弧的方法能够检测到故障电弧信号,但是,
    由于计算机这类特殊负载在正常工作时的电流信号同样能检测到具
    有故障电弧的特征,因此传统的小波变换检测方法不能够有效地区
    分故障电弧和特殊负载产生的相似电弧。

    发明内容

    针对现有技术的不足,本发明提供了一种基于小波系数均差值
    的故障电弧检测方法,其能够对在通电回路中的电弧故障进行有效
    检测。

    本发明解决其技术问题采取的技术方案是:一种基于小波系数
    均差值的故障电弧检测方法,其特征是,包括以下步骤:

    步骤1:检测A个相邻周期的等间隔采样点电流数据,设每个周期采样
    点数为B,利用Mallat算法对采样数据进行分解与重构处理,得到单支重
    构后的小波高频系数cdx,x=1,2,3,…,x表示分解的层数,并取小波高频系
    数的绝对值;

    步骤2:根据式(1)和式(2)分别对第m个半周波和第n个周波的cdx
    绝对值求平均,所得均值Mm和Nn,Mm和Nn分别为第m个半周波的M值和第
    n个周波的N值,m=1,2,…,2A;n=1,2,…,A;A为正整数;



    式中:i为第i个采样点,i=1,2,…,B;B为正整数;

    步骤3:根据式(3)和式(4)分别求相邻两个M值的一次差值和相邻两
    个M值的一次差值,



    式中:为M值的一次差值,为N值的一次差值,以此类推可以得
    到A个周期内所有相邻两个M值的一次差值和所有相邻两个N值的一次差值;

    步骤4:根据式(5)和式(6)分别求相邻两个M值的二次差值和相邻两
    个N值的二次差值,



    式中:D(2)为D(1)的逐差值(即:为M值的一次差值,为N值的一次
    差值),以此类推可以得到A个周期内所有相邻两个M值的二次差值和所有相
    邻两个N值的二次差值;

    步骤5:根据式(7)至式(10)分别计算M值一次、二次差值的变化率
    和N值一次、二次差值的变化率,





    式中:σ(1)表示M值和N值的一次差值变化率,σ(2)表示M值和N值的二
    次差值变化率(即:表示M值一次差值变化率,表示N值的一次差值变
    化率,表示M值的二次差值变化率,表示N值的二次差值变化率);

    步骤6:以M值、N值、D值和σ值的大小作为判断依据来判定电弧是否发
    生,M值、N值、D值和σ值超过所设阈值TM、TN、TD和Tσ后,相应的计数变
    量C加1;

    步骤7:连续检测A个相邻周期的M值、N值和D值,并计算变化率,当
    在设定的多个连续周期内,计数变量C超过所设定的阈值后,可判断发生了
    故障电弧。

    在步骤5中,对式(7)至式(10)中的分母分别加上一个约等于零的数
    值δ,δ>0,对各个公式中的分母进行非零处理,用以避免式(7)至式(10)
    中分母为零。

    在步骤6中,计数变量C从第一次M值、N值、D值和σ值超过其对应
    所设阈值TM、TN、TD和Tσ时开始计数,在下一次M值、N值、D值和σ值超
    过其对应所设阈值TM、TN、TD和Tσ时再加1,以此类推。

    所述利用Mallat算法对采样数据进行分解与重构处理的过程包括对采
    样数据进行分解处理的过程和对采样数据进行重构处理的过程,所述对采
    样数据进行重构处理的过程为对采样数据进行分解处理的逆过程。

    所述对采样数据进行分解处理的过程包括以下步骤:

    (1)将原始信号序列与高通滤波器系数序列{gn}进行卷积运算后再
    隔二取样得到第一级高频系数序列

    (2)将原始信号序列与低通滤波器系数序列{hn}进行卷积运算后再
    隔二取样得到第一级低频系数序列

    (3)重复步骤(1)和(2)对得到的低频系数序列依次进行分解得到第
    j级高频系数序列和第j级低频系数序列j=0,1,…,N-1,N为滤波
    器长度。

    对采样数据进行分解处理的递推公式为:


    式中:和分别为离散信号f(n)的第j级低频系数和第j级高频系
    数,k=0,1,…,N-1,N为滤波器长度,h、g为小波分解过程中的低通滤波器系
    数与高通滤波器系数,f(n)=c0(n)为原始信号序列。

    所述对采样数据进行重构处理的过程具体为:

    (1)对采样数据分解得到的第j级低频系数序列进行隔二插值后与
    低通滤波器系数序列{hn}进行卷积运算;

    (2)将对采样数据分解得到的第j级高频系数序列进行隔二插值后
    与高通滤波器系数序列{gn}进行卷积运算;

    (3)将步骤(1)和(2)的卷积运算结果作和得到第j-1级低频系数序

    (4)重复步骤(1)至(3)对得到的第j-1级低频系数序列和第
    j-1级高频系数序列进行重构且使重构后的低频系数序列与原始信号
    序列的长度相等。

    对采样数据进行重构处理的重构公式为:


    式中:和分别为离散信号f(n)的第j级低频系数和高频系数,
    k=1,…,N,N为滤波器长度,h、g为小波分解过程中的低通滤波器系数与高通
    滤波器系数。

    本发明的有益效果是:本发明在故障电弧的随机性、间歇性等
    特征的基础上,利用小波变换可准确检测故障电弧的优点,对连续
    多周期采集的电流数据分析计算,运用Mallat算法分解重构小波高
    频系数,进而求得均差值,最后进行差值运算,将所得均差值用于
    检测故障电弧,能弥补小波变换不能有效区分故障电弧和特殊负载
    产生的相似电弧这一缺陷。本发明不仅能够有效地检测出故障电弧,
    而且还能够区分故障电弧和特殊负载产生的相似电弧,防止因特殊
    负载产生的相似电弧对故障电弧检测的干扰。

    本发明具有以下特点:

    1、利用小波变换可准确检测故障电弧,并运用Mallat算法分
    解重构小波高频系数进行差值运算,将所得均差值用于检测故障电
    弧,可以有效区分干扰负载并诊断是否有故障电弧的发生。

    2、本发明求取连续多个周期电流波形的小波高频系数变化的相
    对值,无需判断所接负载的类型,从而简化了判定条件。

    3、本发明对故障电弧的判定分多层对故障进行判断,若当前诊
    断可判断故障发生,则无需后续计算,可节约运算时间,减轻处理
    器负担。

    4、本发明可以准确地辨识插拔插座、正??囟鞑囊涣?br />个周期的正常电弧,也可以准确地辨识特殊负载产生的具有周期性
    的非故障电弧,以准确区别故障电弧和非故障电弧。

    5、与采用采样电流均值、波形斜率等检测方法相比,本发明既
    克服了单判据诊断电弧故障的局限性,又避免了多判据融合的复杂
    运算,更加简单可靠,实用性较强。

    附图说明

    图1为本发明的方法流程图;

    图2为Mallat塔式分解原理示意图;

    图3为Mallat塔式重构原理示意图;

    图4(a)为负载为电水壶的小波高频系数cd2、M值及N值的
    电流波形特征示意图;

    图4(b)为负载为电水壶时对小波高频系数cd2的M值及N值
    的处理结果比较示意图;

    图5(a)为负载为电焊机的小波高频系数cd2、M值及N值的
    电流波形特征示意图;

    图5(b)为负载为电焊机时对小波高频系数cd2的M值及N值
    的处理结果比较示意图;

    图6(a)为负载为计算机的小波高频系数cd2、M值及N值的
    电流波形特征示意图;

    图6(b)为负载为计算机时对小波高频系数cd2的M值及N值
    的处理结果比较示意图;

    图7(a)为负载为套丝机的小波高频系数cd2、M值及N值的
    电流波形特征示意图;

    图7(b)为负载为套丝机时对小波高频系数cd2的M值及N值
    的处理结果比较示意图。

    具体实施方式

    为能清楚说明本方案的技术特点,下面通过具体实施方式,并
    结合其附图,对本发明进行详细阐述。下文的公开提供了许多不同
    的实施例或例子用来实现本发明的不同结构。为了简化本发明的公
    开,下文中对特定例子的部件和设置进行描述。此外,本发明可以
    在不同例子中重复参考数字和/或字母。这种重复是为了简化和清楚
    的目的,其本身不指示所讨论各种实施例和/或设置之间的关系。应
    当注意,在附图中所图示的部件不一定按比例绘制。本发明省略了
    对公知组件和处理技术及工艺的描述以避免不必要地限制本发明。

    如图1所示,本发明的一种基于小波系数均差值的故障电弧检测方
    法,它包括以下步骤:

    步骤1:检测A个相邻周期的等间隔采样点电流数据,设每个周期采样
    点数为B,利用Mallat算法对采样数据进行分解与重构处理,得到单支重
    构后的小波高频系数cdx,x=1,2,3,…,x表示分解的层数,并取小波高频系
    数的绝对值。

    所述利用Mallat算法对采样数据进行分解与重构处理的过程包括对采
    样数据进行分解处理的过程和对采样数据进行重构处理的过程,所述对采
    样数据进行重构处理的过程为对采样数据进行分解处理的逆过程。设
    c0(n)=f(n)为原始序列,在多分辨率分析的基础上,运用Mallat快速算法对信号进行分解
    与重构。

    如图2所示,所述对采样数据进行分解处理的过程包括以下步骤:

    (1)将原始信号序列与高通滤波器系数序列{gn}进行卷积运算后再
    隔二取样得到第一级高频系数序列

    (2)将原始信号序列与低通滤波器系数序列{hn}进行卷积运算后再
    隔二取样得到第一级低频系数序列

    (3)重复步骤(1)和(2)对得到的低频系数序列依次进行分解得到第
    j级高频系数序列和第j级低频系数序列j=0,1,…,N-1,N为滤波
    器长度。

    对采样数据进行分解处理的递推公式为:


    式中:和分别为离散信号f(n)的第j级低频系数和高频系数,
    k=0,1,…,N-1,N为滤波器长度,h、g为小波分解过程中的低通滤波器系数与
    高通滤波器系数,f(n)=c0(n)为原始信号序列。

    如图3所示,所述对采样数据进行重构处理的过程包括以下步骤:

    (1)对采样数据分解得到的第j级低频系数序列进行隔二插值后与
    低通滤波器系数序列{hn}进行卷积运算;

    (2)将对采样数据分解得到的第j级高频系数序列进行隔二插值后
    与高通滤波器系数序列{gn}进行卷积运算;

    (3)将步骤(1)和(2)的卷积运算结果作和得到第j-1级低频系数序

    (4)重复步骤(1)至(3)对得到的第j-1级低频系数序列和第
    j-1级高频系数序列进行重构且使重构后的低频系数序列与原始信号
    序列的长度相等。

    对采样数据进行重构处理的重构公式为:


    式中:和分别为离散信号f(n)的第j级低频系数和第j级高频系
    数,k=1,…,N,N为滤波器长度,h、g为小波分解过程中的低通滤波器系数
    与高通滤波器系数。

    步骤2:根据式(1)和式(2)分别对第m个半周波和第n个周波的cdx
    绝对值求平均,所得均值Mm和Nn,Mm和Nn分别为第m个半周波的M值和第
    n个周波的N值,m=1,2,…,2A;n=1,2,…,A;A为正整数;



    式中:i为第i个采样点,i=1,2,…,B;B为正整数。

    步骤3:根据式(3)和式(4)分别求相邻两个M值的一次差值和相邻两
    个M值的一次差值,



    式中:为M值的一次差值,为N值的一次差值,以此类推可以得
    到A个周期内所有相邻两个M值的一次差值和所有相邻两个N值的一次差值。

    步骤4:根据式(5)和式(6)分别求相邻两个M值的二次差值和相邻两
    个N值的二次差值,



    式中:D(2)为D(1)的逐差值,以此类推可以得到A个周期内所有相邻两个M
    值的二次差值和所有相邻两个N值的二次差值。

    步骤5:根据式(7)至式(10)分别计算M值一次、二次差值的变化率
    和N值一次、二次差值的变化率,





    式中:σ(1)表示M值和N值的一次差值变化率,σ(2)表示M值和N值的二次差
    值变化率。对式(7)至式(10)中的分母分别加上一个约等于零的数值δ,δ>0,
    对各个公式中的分母进行非零处理,用以避免式(7)至式(10)中分母为零。

    步骤6:以M值、N值、D值和σ值的大小作为判断依据来判定电弧是否发
    生,M值、N值、D值和σ值超过所设阈值TM、TN、TD和Tσ后,相应的计数变
    量C加1。计数变量C从第一次M值、N值、D值和σ值超过其对应所设阈值TM、
    TN、TD和Tσ时开始计数,在下一次M值、N值、D值和σ值超过其对应所设阈
    值TM、TN、TD和Tσ时再加1,以此类推。

    因小波分析能够准确检测到故障电弧,所得的小波高频系数不易受噪声影响,故对于普通
    负载,小波高频系数cdx的理论值应为0,一般通过检测M值、N值或一次差值D(1)即可
    判断是否发生电弧。但是为了避免故障电弧能量大小不规律,通过一次差值分析不准确,
    故增加二次差值和变化率的判断,发生电弧时的变化率一般大于不发生电弧时的变化率。

    步骤7:连续检测A个相邻周期的M值、N值和D值,并计算变化率,当
    在设定的多个连续周期内,计数变量C超过所设定的阈值后,可判断发生了
    故障电弧。

    本发明可以排除插拔插座、正??氐冉鲈谝涣礁鲋芷谀诓?br />的正常电弧和周期性产生与故障电弧电流相似的干扰负载。在实际
    故障电弧的检测过程中,受故障电弧的检测与负载的类型有关系,
    并且故障电弧具有随机性和间歇性的特点,根据实际的情况对阈值
    的设定和检测到几个故障而动作可以做相应的调整。阈值的设定一
    般在零左右取一个比较小的数值,具体设定值据实际情况而定。计
    数变量C所设定的阈值参照UL1699标准,具体设定值也应根据实际
    情况而定。

    根据电弧特征分辨故障电弧相对容易,但是多种干扰负载的存
    在使得区分电弧故障变得复杂。小波系数均差值法能弥补小波变换
    不能有效区分故障电弧和特殊负载产生的相似电弧这一缺陷,即能
    够区分干扰负载。为验证小波系数均差值法的可靠性,将检测负载
    分四种情况:(1)一般负载正常工作出现故障电弧,如电水壶;(2)
    干扰负载正常使用,如电焊机和计算机;(3)没有明显电弧特征但
    波形复杂的负载,如套丝机;(4)不同负载切换。其中,小波变换
    能准确辨识故障电弧和电阻性负载值改变的情况,不同负载切换和
    开关的开闭仅有一两个相似波形不影响检测结果,故仅研究前三种
    情况。实验分别截取电水壶、电焊机、计算机及套丝机等负载电流
    的一段波形进行分析,验证小波系数均差值法的准确性。

    目前,我国对故障电弧检测设备的标准还在制定中,依据美国
    UL1699标准:在交流电路上,AFCI每0.5s内检测出8个半周波的
    故障电弧,即被认为是发生电弧故障,应执行脱扣动作。同时UL1699
    要求AFCI不得对电流具有电弧特性的干扰性负载(如真空吸尘器、
    压缩机、调光灯等)有误动作。

    将0.5s内M值大于设定阈值的次数TM作为电弧故障发生的判
    断标准,对WCMDA法作进一步说明,可分两种情况:(1)采用逐差
    法对0.5s内的M值处理,其处理流程如图1所示;(2)采用逐差
    法对0.5s内的N值依(1)中所述过程处理。通过对两种情况的研
    究,可以比较利用M值、N值分别检测不同负载的效果。

    下面以四种典型负载为例,验证基于小波系数均差值的故障电
    弧检测方法的可靠性。实验分别截取电水壶、电焊机、计算机及套
    丝机等负载电流的一段波形进行波形特征分析。

    结合电弧信号的基本特征,将Db4作为故障电弧检测的小波基。
    运用Mallat算法对信号分解重构所得的第二层小波高频系数cd2能
    准确地反应故障电弧电流的局部特征,包括故障位置和持续时间,
    用于检测故障电弧效果较好。为便于不同负载电流的分析以及算法
    处理结果的比较,特将所采集的数据进行归一化处理。

    1、普通负载电流特征分析

    如图4(a)和图4(b)所示,是电水壶正常工作时线路上发生
    串联电弧的情况,其中Iuf表示电流数据归一化值。

    由图4(a)可知,电水壶正常工作时,cd2、M和N值均为零,
    当发生电弧故障时,小波细节cd2能够准确跟踪电弧故障发生点,M、
    N值能更准确对应故障电弧发生点所在的位置。由图4(b)可知发
    生故障电弧时,对应位置的M值的一次差值M(1)及N值的一次差值
    N(1)均迅速偏离横轴,M与N各自的二次差值M(2)、N(2)与一次差
    值相比,总体变化趋势没有改变,充分说明电流数据存在异常。通
    过将M值、N值及各自差值与所设阈值分别比较,可判断电水壶是
    否发生电弧故障。由以上分析可知,小波变换均差值法能识别出因
    线路故障导致的“坏弧”。

    2、特殊负载电流特征分析

    以下有两个实例,分别是以电焊机和计算机为实例的特殊负载
    在正常工作下产生的相似波形,采用本发明中小波系数均差值法对
    两种特殊负载的波形做处理,所得到的半周波均差值和周波均差值
    的一次差值和二次插值都接近于零,说明虽然电焊机、计算机这类
    特殊负载虽然产生的波形和故障电弧的波形相似,但是故障电弧具
    有随机性,特殊负载的电流波形具有周期性,特殊负载是正常工作
    的情况并没有发生故障电弧。

    (1)电焊机电流特征分析

    如图5(a)和图5(b)所示,波形为电焊机正常工作时的归一
    化电流波形,可知电焊弧是周期性的电弧电流,满足平肩部等故障
    电弧的特征。由图5(a)可知,cd2及M值曲线均呈规律性变化,N
    值曲线基本呈一条直线。由图5(b)知,M值的一次差值M(1)大小
    基本不变,二次差值M(2)大小接近零,N值的一次差值N(1)及二次
    差值N(2)均接近零,分析结果充分说明电焊机电流具有周期性。

    (2)计算机电流特征分析

    由图6(a)和图6(b)观察可知,WCMDA法能够克服小波变换
    的局限性,可很容易将计算机电流与故障电弧区分开。

    通过对电焊机和计算机的小波系数cd2处理可知,电焊机及计
    算机的电流是周期性变化,与故障电弧具有随机性、间歇性等特点
    相违背,所以此WCMDA法可以准确区分“相似弧”和故障电弧。通
    过数据分析可知,二者M值均呈周期性变化,说明电焊弧与计算机
    电流存在半波不对称性,由N值基本呈一条直线说明N值处理方式
    对辨别“相似弧”更直接,效果更好。

    3、波形复杂负载电流特征分析

    为防止电流波形复杂的负载对电弧故障检测造成干扰,对加工
    管道安装螺纹接口的套丝机进行研究。

    图7(a)和图7(b)为套丝机正常工作时线路上的电流波形示
    意图,可见其波形比较复杂,有许多高频锯齿,且在峰值处有凹陷
    情况出现;cd2、M值及N值基本为零,仅在个别位置出现轻微波动,
    M值及N值的一、二次差值均接近零。对比M值和N值的处理结果
    可知,通过直接处理N值来辨别套丝机电流的效果更佳。由图7(a)
    和图7(b)分析可以说明小波系数均差值法对波形杂乱的套丝机电
    流能够很容易区分开,不受复杂波形的影响。

    以上所述只是本发明的优选实施方式,对于本技术领域的普通
    技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改
    进和润饰,这些改进和润饰也被视为本发明的?;し段?。

    关于本文
    本文标题:一种基于小波系数均差值的故障电弧检测方法.pdf
    链接地址://www.4mum.com.cn/p-6000706.html
    关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服 - 联系我们

    [email protected] 2017-2018 www.4mum.com.cn网站版权所有
    经营许可证编号:粤ICP备17046363号-1 
     


    收起
    展开
  • 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03
  • 欢乐斗地主在线玩 迅雷篮球比分 成都麻将app下载 九乐棋牌下载网站谁有 英超联赛利物浦对切尔西 青岛跑货拉拉赚钱吗 3d开奖现场直播频道 重庆时时彩 财神捕鱼app 湖南快乐10分动物 内蒙古时时彩历史开奖记录 福彩3d坐标走势图分析 白姐加大 王者荣耀赛季什么时候结束 江苏时时彩玩法 e彩极速飞艇开奖直播