基于DSP的低压配电线路电弧故障检测系统

唐金城，缪希仁，张丽萍

(福州大学电气工程与自动化学院，福建福州350108)

基于DSP的低压配电线路电弧故障检测系统

唐金城，缪希仁，张丽萍

(福州大学电气工程与自动化学院，福建福州350108)

通过实验模拟对低压配电线路电弧故障的特征进行分析研究，采用Mallat算法对低压配电线路电弧故障电流实施变换，获得各尺度小波变换的小波分量。与正常运行分量相比其故障特征明显，且高尺度的小波分量还可以抑制噪声干扰。为了避免配电线路中负载的启动电流对电弧故障检测产生可能的误判影响，本文采用多尺度小波变换有效地实现了电弧故障与负载启动电流的区分判别。在此基础上，本文开发了基于DSP微处理器的电弧故障检测系统，并提出了一种自适应的故障特征提取方法，实验结果表明，该方法结合Mallat算法可有效地诊断电弧故障。

电弧故障;启动电流;Mallat算法;DSP;检测系统

1 引言

低压配电线路常因接触不良等情况出现电弧故障，若没及时切断线路，可能导致火灾的发生。有些负载下的电弧故障电流在其额定电流范围之内，传统断路器无法将这类电弧加以准确检测。因此，针对电弧故障特征的分析和研究［1，2］，本文提出采用结合多分辨率分析的Mallat快速算法［3］的电弧故障特征提取方法，并实现了低压配电线路电弧故障检测的DSP技术实现。

现阶段国内外对配电线路电弧故障的分析［4-9］，一般局限于电弧故障和电器额定运行的区分，而实际应用中，各种电器的启动电流远大于额定电流，为了防止误判，必须区分电弧故障和电器启动以确保电弧故障检测的可靠性。

在电弧故障特征仿真分析的基础上，根据配电线路负载在不同运行状态下的电流信号小波分量特点，提出一种基于小波细节分量的自适应电弧故障判断方法，提高了配电线路电弧故障诊断的有效性。

2 Mallat算法原理

电弧故障电流的特征呈现了“零休”后陡峭的突变特征，而Mallat多尺度小波算法是一种通过时频域局部化来检测突变信号的数据处理方法。本文选用基于三次B样条的二进制小波变换来提取电弧故障特征，该Mallat多尺度算法的数学模型如下:

其中，h－1=h2=0.125;h0=h1=0.375;g0=－2;g1=2。

式(1)表明某一尺度下的光滑分量实际上是对上一尺度的平滑处理，随着尺度增加，信号中的高频成分逐渐被剥离。由于信号中噪声干扰的频率往往较高，因此光滑分量中的噪声成分随着尺度的增加而减少。尺度越高，噪声干扰的剔除作用越显著，但运算量越大，并且故障信号的奇异性也将随尺度增加而削弱。细节分量Sj是对上一尺度Sj－1光滑分量进行高频分量分解。结合硬件系统实时性的考虑，本文选择第四尺度小波细节分量作为故障判断依据。

3 电弧故障检测及结果分析

3.1 电弧故障特征的提取

对电弧故障电流信号进行四层小波分解，经比较第四尺度小波分量cd4在区分电弧故障电流和正常电流时的效果最佳，可明显反映电弧故障电流局部奇异特征，故选取其作为电弧故障电流信号的特征量。

不同负载由于额定功率及阻抗特性的差异，不仅表现出正常运行电流或电弧故障电流值存在一定程度的差异，而且不同性质的负载发生电弧故障的电流信号特征还存在着较大的差异。故障电流发生在电阻性负载下会出现“零休现象”，在电感性负载下常出现尖峰突变信号，电子器件负载下则呈现非线性不规则的特征。因此，本文以四种典型的负载为例分析得如表1所示的正常和电弧故障电流的小波分量值cd4。

表1 不同负载正常电流和电弧故障电流小波分量Tab．1Detail components of normal current and arc fault current under different loads

由表1可知，低压配电线路电弧故障电流的cd4明显大于正常电流的该尺度小波分量，即可将第4尺度小波分量作为特征值，可以有效地判断低压配电线路处于正常运行还是电弧故障产生。

3.2 典型负载实验分析

由表1可知，发生故障时的电弧电流特征量是其正常电流特征量4倍以上，因此，可将正常电流的小波分量作为基值，故障电弧阈值设置为2.5倍基值。

在上述实验分析的基础上，仍对表1中四种典型负载的电弧故障与启动电流进行实验测试及其细节分量研究，区分不同负载的正常运行、启动运行与电弧故障。以感性负载微波炉为例，其启动电流和电弧故障电流小波分解如图1所示。

如图1所示，启动时出现较大较陡的电流，但其小波分量仅在该半周内出现较大的值。其特性类似电弧故障，然而其不规则的波动仅出现在极短的时间内。对上述四种负载启动电流和故障电流进行分析，0.5s时间内大于2.5倍基值的次数见表2。

图1 微波炉电流信号小波分解图Fig．1Wavelet decomposition of microwave oven current

表2 小波分量2.5倍基值以上电流次数Tab．2Current times of above 2．5 times on base of wavelet components

表2的数据结果表明，发生电弧故障时，电弧电流信号小波分量2.5倍基值以上出现的次数明显大于负载启动时出现的次数。因此，通过小波分量cd4的分析，可以有效地辨识电弧故障的发生，并且其有效性也在基于DSP的电弧故障检测系统得到验证。

4 电弧故障检测系统的设计

4.1 电弧故障检测系统组成

检测系统主要由四个部分组成:实验模拟线路、电源模块、信号采集模块和中央处理器模块，其工作原理图如图2所示。

图2 电弧故障检测系统的硬件原理图Fig．2Hardware principle diagram of arc-fault detection

本文按照UL1699标准要求自制电弧发生器来模拟配电线路发生串联电弧，它由一根可移动锥形铜棒和一根直径6.4mm的圆形静止碳棒组成。串联电弧的生成过程要求两个电极先接触且接通电路，然后缓缓分开直至产生电弧。

系统中电源模块同时为采样电路、中央处理模块和脱扣控制模块供电。信号采集模块将对电流传感器二次侧输出的电压信号进行放大和偏置处理。DSP处理器接受的输入模拟电压在0～3V范围，处理器对所采集的信号进行小波变换、故障判断以及故障处理并采用磁保持继电器作为脱扣装置。

图3为烧水器负载下发生电弧故障检测系统。

图3 电弧故障检测系统Fig．3Arc-fault detection system

4.2 自适应电弧故障检测软件技术

本文基于DSP的电弧故障检测系统软件流程如图4所示。该系统采用12位A/D转换，暂存区的空间长度取256，经仿真分析，其采样频率为12.8kHz。系统上电初始化以后，启动A/D自动采样和转换，在中断服务程序对A/D采样结果进行实时的小波分解和自适应故障判断，故障发生时将发出脱扣信号断开电路。

图4 主程序流程图Fig．4Flow chart of main program

4.2.1 小波分解边界处理

多尺度小波分解的Mallat塔式递推算法存在边界问题，程序刚启动或者复位后，各尺度的计算结果都不是真实值。计算第四尺度小波分解细节分量W4值，需要由电流信号S0及前三个尺度的小波分解光滑分量S1，S2，S3层层计算出来。准确分析推算一个W4必须由30个输入信号S0获得。因此，在程序判断是否发生故障之前应剔除前29个不准确的第四尺度分量以避免造成故障的误判。

4.2.2 自适应故障判断

为了满足该系统检测适用于不同负载的需求，本文提出了一种自适应的故障特征提取，即不同负载根据自身的电流大小及小波分量值自适应调整以确定故障阈值。不同负载都以其额定电流下对应的细节分量最大值Wmax作为基准特征量R，而将其电弧故障阈值设定为2.5R。

负载运行状态可分成零电流ST1，启动运行ST2，额定运行ST3，故障电弧ST4，增加负载ST5。其中，零电流其小波分量为0，启动运行和故障电弧的小波分量波动比较大，但相对故障电弧启动持续的时间较短，额定运行时其小波分量变换微小且不为0。在多负载的运行下，可能出现ST3→ST5→ST3情况，其小波分量特点与启动运行一样。因此，根据上述五种情况其小波分量特点判断负载的运行状态。基准特征量R是在假设电流模型为ST1→ST2→ST3→ST4的前提下自适应提取的。通过检测负载的额定运行状态ST3，将其小波分量周期最大值确定为该负载基准值R。考虑到故障电弧可能发生在负载的启动或者增加负载的过程(ST1→ST2→ST4或ST3→ST5→ST4下)，因此程序设计了“增加负载”时间限制，即检测到处于该状态下持续的时间超过了0.5s，则判定为故障电弧发生在启动或增加负载的过程。

5 结论

本文使用了Mallat多尺度小波算法分析低压配电线路电弧故障，识别出反应电弧故障的特征量cd4，为了防止检测误判，进一步对电弧故障和启动运行加以对比，实验结果验证了故障电弧情况出现大于设定故障阈值的次数明显多于启动情况，可将其作为区分启动与电弧故障的判据。在此基础上，本文设计了基于DSP的电弧故障检测系统，有效实现了低压配电线路中负载正常运行、多负载运行、负载启动及电弧故障等综合情况下的自适应电弧故障判断方法，且实验结果也表明该检测系统可在典型负载发生电弧故障时可靠地断开线路。

［1］赵淑敏(Zhao Shumin)．AFCI(电弧故障断路器)的研制(Development of AFCI)［D］．杭州:浙江大学(Hangzhou:Zhejiang University)，2007．

［2］Gregory G D，Scott G W．The arc-fault circuit interrupter:an emerging product［J］．IEEE Transactions on Industry Applications，1998，34(5):928-933．

［3］Gregory G D，Kon Wong，Dvorak R．More about arc-fault circuit interrupters［J］．IEEE Transactions on Industry Applications，2004，40(4):1006-1011．

［4］陈丽安，张培铭，缪希仁(Chen Li’an，Zhang Peiming，Miao Xiren)．基于小波变换的低压系统短路故障的早期预测(Prediction for the short-circuit fault based on wavelet transform)［J］．电工技术学报(Transactions of China Electrotechnical Society)，2003，18(2):91-95．

［5］Liu Xiaoming，Liu Xiangning，Hou Chunguang，et al．Arc fault diagnosis and analysis based on wavelet neural network．［A］Electric Power Equipment-Switching Technology(ICEPE-ST)［C］．2011.187-190．

［6］Sidhu T S，Singh G，Sachdev M S．A new technique for detection and location of arcing faults in power system apparatus［A］．Electrical and Computer Engineering［C］．1998.185-188．

［7］Peng Sun，Xiang Gao．Series arc fault diagnosis technology research based on the analysis of current rate［A］．E-lectric Power Equipment-Switching Technology(ICEPEST)［C］．2011.565-568．

［8］Torres Garcia V，Ruiz Paredes H．High impedance fault detection in distribution system using wavelet transform［A］．Electrical Engineering Computing Science and Automatic Control(CCE)［C］．2011.1-6．

［9］Peter Muller，Stefan Tenbohlen，Maier R，et al．Characteristics of series and parallel low current arc faults in the time and frequency domain［A］．Electrical Contacts (HOLM)2010［C］．2010.1-7．

Arc fault detection on low voltage distribution line based on DSP

TANG Jin-cheng，MIAO Xi-ren，ZHANG Li-ping
(College of Electrical Engineering and Automation，Fuzhou University，Fuzhou 350108，China)

The characteristics of arc-fault on low voltage distribution lines are experimentally researched in this paper．And the Mallat algorithm is appointed to decompose arc fault current on low voltage distribution lines，and the obtained detail components are compared in different scales with normal current to establish characteristic quantity．The experimental results show that arc fault detail components drastically ascend as compared with normal current，in addition the high scales detail components play part in noise elimination．Eventually the comparison between arc fault current and start current in detail components aiming at avoiding misjudgment shows that multi scale wavelet analysis Mallat algorithm is effectively used to detect arc fault．According to the above，an arc fault detection system based on DSP(Digital Signal Processor)is developed in this paper and a method of adaptive fault diagnosis is proposed，the experimental results show that the method will detect arc-fault effectively combining with the Mallat algorithm．

arc-fault;start current;Mallat algorithm;DSP;detection system

TM726.2;TP391.4;O241

A

1003-3076(2015)02-0072-04

2012-08-09

福建省高校产学合作科技重大项目(2011H61010008)

唐金城(1987-)，男，福建籍，硕士研究生，研究方向为低压配电线路故障电弧在线监测技术研究;缪希仁(1965-)，男，福建籍，教授，主要研究方向为人工智能在电器领域的应用及在线监测技术。