1.3 故障電弧檢測技術(shù)研究現(xiàn)狀

故障電弧實際上是可以用數(shù)學統(tǒng)計法描述的隨機氣體電離放電物理現(xiàn)象，根據(jù)其伏安特性和隨機性特點分析，故障電弧還可被看作電網(wǎng)網(wǎng)絡中一個隨時間變化的非線性電阻元件[16]。當發(fā)生并聯(lián)電弧和接地電弧時，相當于在電弧兩端直接施加電源電壓，由于電弧電阻較小，所以電流非常大，接近短路電流。另外，在產(chǎn)生電弧過程中，受電弧燃燒影響，電弧間隙無規(guī)則變化，電弧電阻時大時小，電弧也可能時斷時續(xù)。并聯(lián)故障電弧電流和接地故障電弧電流盡管會小于短路電流，但是也遠遠大于正常負載時的電流，所以利用發(fā)生并聯(lián)故障電弧和接地故障電弧時電流較大、電流幅值無規(guī)則隨機波動等特點，故障電弧相對容易檢測。

對于串聯(lián)故障電弧，電弧串聯(lián)在電路，相當于在原電路中額外串聯(lián)了一個電阻，因此會導致線路電流比在正常工作狀態(tài)下要小。電弧在燃燒過程中，電極可能揮發(fā)，電弧間隙（弧隙）處在動態(tài)變化過程中，因此電弧電阻也處于動態(tài)變化過程中，會引起線路電流在原來基礎上增加隨機動態(tài)變化分量。在交流供電時，還會破壞在正常工作狀態(tài)下電流嚴格意義上的周期性特點。正常工作時的電流，雖然線路電流不是正弦的，但是連續(xù)多個周期內(nèi)電流波形基本相同，而當發(fā)生電弧故障時，連續(xù)多個周期內(nèi)電流波形不可能完全相同。由于交流電在每個周期電流都存在過零點，當電流值接近零，且當電弧兩端的電壓不足以維持電弧電流時，電弧將熄滅，電流一直維持為零，直到空氣被擊穿，重新達到電弧起燃條件，這段時間電流將一直保持為零，即電流會出現(xiàn)“零休”現(xiàn)象。經(jīng)過“零休”后，電流將以脈沖形式迅速增大，形成高頻脈沖電流。當發(fā)生電弧故障時，由于電弧燃燒引起的弧隙距離變化無規(guī)則性，還會引起電流無規(guī)則變化，即電流具有了混沌特性。

目前大部分故障電弧檢測方法都是基于檢測分析線路正常電流信號和發(fā)生電弧故障時線路電流信號實現(xiàn)的，交流電弧的檢測方法主要分為以下幾類：①根據(jù)發(fā)生電弧故障時線路電流信號的變化規(guī)律，對電流信號在時域上進行分析并提出相應的識別方法；②對電流信號進行傅里葉變換，對比在正常狀態(tài)下和發(fā)生電弧故障時線路電流信號的幅頻特性，根據(jù)發(fā)生電弧故障時的特征分量辨別故障電弧；③結(jié)合人工智能算法，如人工神經(jīng)網(wǎng)絡、機器學習等方法，通過對大量發(fā)生電弧故障時的電流信號進行統(tǒng)計分析，尋找相應規(guī)律，得到故障電弧的判據(jù)，然后根據(jù)這些判據(jù)對輸入電流信號進行分析判斷，確定是否發(fā)生串聯(lián)電弧故障。

當線路中發(fā)生串聯(lián)電弧故障時，利用電弧的弧光、弧聲、電磁輻射、溫度等物理量特征同樣可以檢測電弧，但前提是需要事先知道故障電弧可能發(fā)生的具體位置，因此利用這些方法檢測故障電弧有很大的局限性，一般用于對特定開關柜內(nèi)的電弧進行檢測。文獻[27-32]均是針對此類場合的故障電弧提出的相應檢測方法，其目的在于檢測開關柜內(nèi)的故障電弧，提升安全供電水平。另外，文獻[33]利用具有低調(diào)幅特性且具有上兆帶寬的便攜式天線，檢測空氣被擊穿時刻故障電弧的瞬變特性，但是需要提高頻率檢測的靈敏度、范圍及方向性。

文獻[34]利用故障電弧模型檢測電弧的發(fā)生時刻，同時利用電流有效值及故障電弧電流的注入能量進一步檢測故障電弧。文獻[35]總結(jié)了故障電弧電流的一些特點，如電流峰值特性、連續(xù)多個周期電流信號喪失嚴格周期性等特點，將半個周期的電流求絕對值后進一步得到平均值，并將這一平均值與連續(xù)多個周期內(nèi)求得的平均值相比，利用發(fā)生電弧故障時表現(xiàn)的不規(guī)則特性檢測故障電弧，類似的方法還有“三周期算法”[36]。單純利用電流信號時域特征檢測串聯(lián)故障電弧的方法，存在閾值不好確定等問題。現(xiàn)在各類負載的供電都通過電力電子裝置實現(xiàn)，其電流本身就存在不規(guī)則的特性，因此可能會出現(xiàn)負載不同，閾值也會不同等問題。同時，個別負載如空氣壓縮機往往多個電源的工頻周期為一個工作周期，這樣也會導致“三周期”方法的失效，因此此類檢測方法應用范圍受到限制，需要結(jié)合負載識別方法，對正常工作時負載電流進行分析，預測在故障電弧狀態(tài)下的電流變化規(guī)律，從而進一步提升故障電弧的識別效果。

在正常工作狀態(tài)下，無論是直流還是交流供電都可能在特定頻率上有電流信號，但幅值是基本穩(wěn)定的。當發(fā)生電弧故障時，由于電流無規(guī)則的混沌特性，電流信號中存在不穩(wěn)定的高頻分量。有文獻通過實驗得到1kHz～100kHz范圍內(nèi)的信號幅值會增加的規(guī)律，如果對電流信號進行傅里葉變換，在頻域上進行分析，也能提取相應的特征分量。文獻[37]除利用平均值外，還借助卡爾曼濾波進一步根據(jù)每個功率周期電流信號的特征值分析不規(guī)則特性以進行故障電弧檢測；文獻[38]對電流信號進行頻譜分析以實現(xiàn)故障電弧的檢測，但是有些負載往往具有類似的頻譜特性，因此單獨對信號進行頻譜分析也難以準確檢測故障電弧；文獻[39]對電流信號時域和頻域進行分析，截取較短的時間窗口對電流信號進行短時傅里葉變換以檢測發(fā)生電弧故障時電流信號的變化規(guī)律。

由于發(fā)生電弧故障時，電流信號存在很多突變點，而小波變換在處理突變信號上具有明顯的優(yōu)勢，因此近些年對電流信號進行小波變換，尋找正常電流信號與發(fā)生電弧故障時電流信號的區(qū)別已成為當前故障電弧檢測的一個重要的研究方向。另外，通過小波變換與其他方法結(jié)合，可進一步降低計算量并提高檢測準確率。文獻[40]利用離散小波變換檢測故障電弧比采用短時傅里葉變換提高了時域和頻域的分辨率，將小波變換系數(shù)進行相加并與設定的閾值進行比較以檢測故障電弧；文獻[41]利用多層小波變換分析電流信號，進一步通過模式識別提出了故障電弧檢測方法，相對于文獻[40]具有更高的檢測精度。另外，還有一些文獻研究提出通過小波熵能量結(jié)合短時傅里葉變換[42-43]建立自回歸參數(shù)模型[44]，以及特征模態(tài)分量與Hilbert變換相結(jié)合[45]等多種算法。

隨著人工智能技術(shù)的不斷發(fā)展，近年來采用神經(jīng)網(wǎng)絡、機器學習等方法進行故障電弧識別的研究越來越多，已成為故障電弧檢測的重要研究方向[46-48]。文獻[49]運用人工神經(jīng)網(wǎng)絡與FFT相結(jié)合的方法，將電流和功率信息輸入神經(jīng)網(wǎng)絡中進行訓練，檢測直流電弧故障；文獻[50]將小波變換與粒子群優(yōu)化算法相結(jié)合，提升了神經(jīng)網(wǎng)絡的學習速度，取得了較好的檢測效果；利用小波變換與人工神經(jīng)網(wǎng)絡[51-53]或者最小二乘支持向量機[54]等方法結(jié)合，進行故障電弧識別也取得了較好的研究成果。然而，這些方法的缺點是需要大量的基礎數(shù)據(jù)進行訓練，否則準確度很難保證。由于故障電弧的發(fā)生具有隨機性特點，因此很難把所有的數(shù)據(jù)都進行訓練。

綜上，上述分析的各種故障電弧檢測方法都還存在一些不足之處。在對故障電弧的相關時域、頻域特性，以及故障電弧對線路相關電氣參數(shù)的影響等深入分析的基礎上，建立基于多信息融合的故障電弧檢測與識別方法必將能夠進一步提高檢測的準確率。目前，隨著社會不斷發(fā)展，人均用電量不斷提高，工礦企業(yè)、建筑照明、家用電器等用電負荷也在不斷增大，用電設備及線路的老化、絕緣破損、接頭松動等的發(fā)生概率也在不斷提高，因意外產(chǎn)生的故障電弧在不斷威脅著人們的生命財產(chǎn)安全。UL—1699、IEC—62606、UL—1699B、GB 14287.4—2013和GB 31143—2014這些國內(nèi)外故障電弧檢測與保護裝置標準的出臺，大大促進了相關研究和生產(chǎn)單位對故障電弧檢測技術(shù)的研究熱情，必將進一步提高故障電弧檢測與保護技術(shù)水平。目前，交直流故障電弧檢測技術(shù)已成為電氣工程的熱點研究方向之一。