学术简报｜航空线路串联故障电弧识别的新方法，保障航空电气安全
参会注册
长按识别左侧二维码，登录报名网站（先注册网站会员，然后提交报名信息）
会议微信号
省部共建电工装备可靠性与智能化国家重点实验室（河北工业大学）、河北省电磁场与电器可靠性重点实验室的研究人员崔芮华、王洋、王传宇、李英男、李锋锋，在2019年《电工技术学报》增刊1上撰文指出（论文标题为“基于多信息融合的航空线路串联故障电弧识别方法”），航空电气线路工作环境复杂，故障电弧判别可靠性要求较高，而单特征的识别方法诊断效果相对较差。
针对这一问题，提出运用多特征信息融合算法对航空低压配电线路故障电弧检测的方案。采用脉宽百分比、变异系数、间谐波均值和小波奇异熵四个特征量对线路电流时域、频域和时频域特征进行提取；依据突变理论建立故障电弧评价模型，对多特征量信息融合求出故障电弧评价指标；根据评价指标，对线路中是否出现故障电弧进行判断。
结果表明，正常情况和故障电弧下的评价指标区分明显，易于设定阈值，且该方法适用于多种负载类型和电流等级。
近几年，随着电气技术在航空领域的进一步发展，飞机配电系统的容量不断增加，随之而来的是电缆数量上的增加以及结构上的复杂化。相关报告表明，许多空难事故和飞行器故障都直接或间接与电气系统的供电线路表面产生的持续电弧有关。航空电气安全问题变得更为严峻，研究航空交流故障电弧检测技术对于保证配电线路的安全性和可靠性具有重要意义。
串联故障电弧特征具有较强的隐蔽性，易被负载电流湮没，再加上电气负载种类繁多以及故障电弧的产生具有很强的随机性，使得故障的准确判别存在较大困难。
串联故障电弧诊断研究主要分为三类：基于电弧数学模型诊断故障电弧，目前主要停留在仿真分析阶段；依据电弧的物理特性检测故障电弧；根据线路电压和电流信号的波形特征识别电弧。
有学者运用了神经网络的智能算法，识别率高，但需大量数据进行训练，算法较为复杂。有学者基于电弧电流波形畸变性，通过小波变换的细节系数检测电弧电流的畸变点，进而检测出故障电弧。
然而在某些非线性负载正常工作时也存在相似的畸变点，如何有效区分成为一个问题。发生在航空交流系统中的故障电弧复杂度更高，通过融合多维特征量，寻找一种鲁棒性较高的识别方法是航空故障电弧检测技术发展的必然趋势。
突变理论用数学算法描述系统状态的飞跃，给出系统处于稳定态的参数区域，参数变化时，系统状态也随之变化，当参数通过某些特定位置时，状态就会发生突变，从而定量描述形态的一种形式到另一种形式的突变。线路由正常运行到电弧产生是一个突变的非连续过程，而突变理论便是一种研究各种临界点附近非连续状态特征的模型。
因此，本文将突变理论应用到故障电弧检测研究中，通过脉宽百分比、变异系数、间谐波均值以及小波奇异熵四个特征量对电流时域、频域和时频域突变信息进行提取，建立基于突变理论的故障电弧评价模型。通过运算和分析，最后得出了典型负载在正常和电弧两种情况下的故障电弧评价指标值。依据评价指标值对线路电流进行评价，判断是否存在故障电弧。
图1 故障电弧试验原理
本文针对单一特征识别方法诊断效果较差的问题，提出采用脉宽百分比、变异系数、间谐波均值和小波奇异熵提取故障原始特征；依据突变理论构建故障电弧识别模型，对多特征量信息融合求得故障电弧评价指标进而判断的方法。
结果表明：故障电弧识别模型所得评价指标区分度明显，易于设定统一阈值，且不受负载类型电流大小的影响。该方法在检测故障电弧时将特征量各自拥有的优势结合起来，克服了现有故障电弧检测方法鲁棒性差的缺陷，将会是一种有理想应用前景的航空线路串联故障电弧识别方法。