基于多分辨分析的故障电弧特征提取方法.docxVIP

基于多分辨分析的故障电弧特征提取方法 0 故障电弧检测及分析的物理参数 在输电路上，故障电流是一种常见的故障现象。当绝缘单元发生在绝缘单元和设备中时，通常会发生轻微的干燥连接。如果不及时采取有效保护措施,则可能引起火灾等事故的发生。因此对于故障电弧特性的分析与研究,进而快速及时地检测出电弧故障,以便切断故障线路,具有很强的工程实用价值。 能够描述故障电弧的物理量有很多,比如:温度、弧声、弧光、电弧电压等。但是上述物理参数的检测在实际应用中较困难,多适用于电弧燃烧剧烈的场合,而且用于测量这些物理参数的传感器必须安装在故障电弧发生点附近,而在实际线路或设备中,故障电弧发生地点具有不确定性,且线路状况复杂,这就使得上述参数的检测非常困难。为此,笔者提出了以被保护线路的电流作为故障电弧检测和分析的物理参数,通过采用合适的分析方法对其进行特性分析,提取能用于快速有效诊断故障电弧的特征量。 根据国标GB/T 7260-3—2003,电路中的基本负载可以分为线性负载和非线性负载两类。线性类负载故障电弧发生时,电弧电流会产生较明显的“零休现象”,但故障电弧发生前,电流却不存在这种“零休现象”,这就为故障电弧的诊断提供了方便条件。针对此类故障电弧检测可以采用小波分析算法及快速傅里叶变换实现快速诊断。然而,随着非线性类型负载的广泛应用,很难直接利用电流的“零休现象”来诊断故障电弧。因为当非线性类型负载被施加正弦交流电压时,工作电流不再呈正弦交流形式,其波形将发生严重畸变,某种程度上出现类似前述的电流“零休现象”,尽管此时电路工作于正常状态,而无故障电弧产生。笔者利用多分辨分析小波分析理论,对两种不同类型负载下串联型故障电弧电流进行分析,提出了用于诊断故障电弧的诊断判据。 1 时域和频域的局部化矛盾 传统的故障检测方法常用傅里叶变换来分析故障特性,傅里叶变换的实质就是把被分析信号分解成不同频率的正弦波的叠加和,从而可以将时域问题转换到频域分析,以实现对信号的分析。虽然傅里叶变换能够将信号的时域特征和频域特征联系起来,但信号分析只能在时域或频域分别进行,不能将二者结合起来。这是因为在信号的傅里叶分析中,信号的时域波形不包含任何频域信息,频谱也只是信号的统计特征,它是信号整个时域内的积分,没有局部化分析信号的功能,所以不具备时域信息,这样就有了时域和频域的局部化矛盾。 小波分析方法是一种窗口(面积)大小固定但时间窗和频率窗都可以改变的时频局域化分析方法,即在低频部分具有较高的频率分辨率和较低的时间分辨率,在高频部分具有较高的时间分辨率和较低的频率分辨率。正是由于这种特性,使得小波变换具有对信号的自适应性,因此在故障检测方面小波分析越来越得到重视[11,12,13,14,15,16]。 1.1 单支重构及小波tp的分解过程 基于多分辨率分析的小波变换是利用正交小波基将信号分解为不同尺度下的各个分量,其实现过程相当于重复使用一组高通和低通滤波器,对时间序列信号进行逐步分解,高通滤波器产生信号的高频细节分量,低通滤波器产生信号的低频逼近分量。滤波器得到的2个分量所占频带宽度相等,各占信号的1/2频谱带。每次分解后,将信号的采样频率降低一倍,进一步对低频分量重复以上分解过程,从而得到下一层次上的2个分解分量,多分辨率分解公式如下 式(1)、(2)中:h0(n)=ψj0(k),φj,l,n(k)相当于一个低通滤波器组,分解出低频系数Aj(k);h1(n)=ψj0(k),φj,l,n(k)相当于一个高通滤波器组,分解出高频系数Dj(k);φ和ψ为分别对应的尺度函数和小波函数。 信号x(n)经上述快速变换后,进行单支重构后得到的信号分量Dj(k)、Aj(k)所包含的信息频带范围为 式(3)中,fs为信号采样频率,则原始信号x(n)可表示为各分量的和,即 将Am(n)表示为Dm+1(n),则 通过取不同的离散尺度j(j=1,2,…,m),可以得到系列的离散小波系数Dj。 Daubechies系列小波具有正交性好、紧支、对不规则信号敏感等特点,文中采用Db5小波作为故障电弧检测的小波基波。而小波分解的层数与故障电流信号的时频分析精度有关,选择的层数越少,则分析的速度越快,但是频带分辨率越低。选择的层数越多,则分析的速度越慢,但正则性越好,频带的分辨率越高,小波在时域上的支撑长度也越长。因此,在正则性和支撑长度上应综合考虑,加以选取,笔者分别采用了5层分解和3层分解。 1.2 选取设置阀值量化策略 通过交流串联电弧模拟实验,利用数字示波器采集不同负载下电弧燃烧时的电弧电压和电流,供信号分析。电弧燃烧的不稳定性和随机性导致电弧电流包含高次谐波分量,它们在一定程度上可以表征故障电弧的固有特征。然而,在电弧电流的数据采集过程中,不可避免会混入高频干扰信号。为了更加准确的分析故