基于小波变换与差值能量法相结合的串联故障电弧检测方法

山东大学电气工程学院的研究人员刘冲、李佳鸿，在2017年第12期《电气技术》杂志上撰文指出，由于低压用户端交流串联电弧故障回路电流幅值小、一些电力电子负载正常工作电流与串联电弧故障电流相似等原因，使得故障电弧的准确诊断十分困难。

本文提出了一种基于小波变换与差值能量法相结合的串联电弧故障检测方法。对原始电流信号进行小波阈值去噪，运用mallat快速算法对信号进行多分辨率分析，提取多分辨率分析结果中包含电弧信息较多、负载干扰信息较少的频段进行小波反变换；运用差值能量法对反变换后富含电弧信息的信号进行故障诊断。利用自制的实验设备验证了算法的准确性。

电弧是空气被电压击穿而导致的放电现象。家庭配电网中，线路和周围环境复杂，故障电弧若不及时切断，极易引起火灾事故，因此研究故障电弧的准确检测方法显得尤为重要。

故障电弧一般分为串联电弧、并联电弧和接地电弧三类。并联电弧和接地电弧具有与并联和接地故障相似的过电流[1,2]，可以引起保护装置动作；串联电弧回路电流有效值往往接近正常负载电流，保护装置无法动作，成为引起电气火灾的主要因素。

目前，国内外研究最多的串联电弧检测方法主要有两种[3-5]：

（1）根据电弧发生时产生的弧光、噪声、辐射、高温等物理现象来判断电弧是否发生。目前该方法多数用于开关柜[6]，开关柜中回路电流大，电弧发生时物理特征明显。而家庭供配电系统中，由于负载不同，串联电弧电流大小不一，传感器灵敏度难以确定，同时，配电线路复杂，安装位置难以确定。

（2）对电流信号进行分析，判断回路中是否发生串联电弧。如傅里叶变换法、小波分析法、电弧电流峰值斜率法、基于电弧随机性的差值-均方根法等，目前还发展出了基于神经网络等智能算法的检测方法。此类方法相对第一种，对传感器安装位置要求小，适用范围扩大。

对电流信号进行分析的电弧故障检测方法因其较多的优点得到广泛研究。文献[7]通过小波熵的方法计算电弧电流信号的能量分布，根据是否超过阈值判断故障电弧；文献[8]运用了神经网络的智能算法，识别率高，但需要大量数据进行训练，算法较为复杂。

文献[9]采用多分辨率分析的小波算法对信号进行分解，并用均值、能量值和标准差对小波系数进行分类，判据选取合理，但只选取D3层小波系数进行判断，容易丢失较多电弧信息。

文献[10]率先提出了时域中基于电弧周期随机量的差值-均方根方法，算法可靠，实际应用中易于实现，但其未考虑到电动机、电脑等启动过程中缓变低频分量的影响，容易造成误判。

本文提出了小波分析和差值能量法相结合的方法，选取多分辨率分析变换后富含电弧信息量的分解层进行反变换，从而滤除杂波和启动过程中渐变量的影响，运用差值能量判断小波分解层中能量含量，该方法效率高，实时性强，便于移植到微处理器中。检测效果优秀，用自制试验装置证明了该方法的准确性。

结束语

本文基于电弧特征量在每个周期随机分布的特点，运用小波变换提取富含电弧特征信息的分解层，然后运用周期作差再求能量的方法得出结果，通过合理的阈值判断串联电弧故障的发生。使用单片机与上位机相结合搭建实验平台，通过实际的波形采样证明了方法的有效性。

方法的优点是可以采用统一的阈值准确地诊断电弧故障，不受负载功率大小和启动过程的影响，计算速度快，便于移植到微处理器中。