基于随机森林的电气火灾故障电弧识别方法研究

孙 超，刘 森，刘兆杰

（1.应急管理部沈阳消防研究所，辽宁 沈阳 110034；2.国家消防电子产品质量监督检验中心，辽宁 沈阳 110034）

0 引 言

电气火灾是目前非人为因素引起数量最多的火灾，2017年一季度全国共发生8.1万起火灾，其中电气因素引起的火灾2.4万起，约占总数的29.8%[1]。造成电气火灾发生的因素主要有：线路短路、过载等引起的电流在导线上产生大量的热，致使绝缘层遭到破坏而引起的电流因素火灾；线路接触不良、绝缘老化及导线质量问题引起的碳化，致使电弧引燃线路周围的可燃物而引起的电弧因素火灾[2]。其中，线路中的故障电弧不易被发现，是目前造成电气火灾的主要原因。实际应用中，串联故障电弧的有效电流值远小于保护开关的过负荷电流，当线路中有故障电弧产生时，传统的断路器无法识别电路故障。

2014年之前，国内对故障电弧的研究主要依赖于以UL 1699标准为主的国外标准。考虑到国外的用电参数和用电环境与我国的差别，一些研究对我国的故障电弧检测并不完全适用，2014年国家发布了故障电弧探测器的国家标准GB 14287.4—2014。

故障电弧检测的方法包括根据故障电弧发生时的物理现象进行检测、根据故障电弧产生时的电压波形特征对故障电弧进行检测、根据故障电弧产生时线路中的电流波形特征对电弧进行检测、根据电弧的频谱特征进行检测及应用机器学习方法对故障电弧进行检测。

1 故障电弧产生的原因

电弧是不同电极间通过原本绝缘的介质而持续放电的现象，电弧通常以空气为介质，形成时空气两边的电极导通、挥发并产生一系列的电磁反应过程。电弧发生时，会产生很高的温度，中心最高温度可达12 000 ℃以上。电弧所产生的高热、高压气体，极易引燃导线周围的可燃物，从而引发电气火灾[3]。

对于线路接触不良引发的火灾，配电线路中，导线连接头之间、导线与电流保护器之间以及导线与电器之间如果连接不牢，在接触点上就容易形成绝缘碳化，碳化达到一定程度后在连接点会有电弧产生，同时伴随大量的光和热，引燃周围的可燃物，从而引起电气火灾。

对于线路绝缘老化引发的火灾，一些长期使用的配电线路中，尤其是在一些老旧的小区和工业场所，线路长期过负荷使用，且使用环境条件恶劣，导致线路的绝缘水平不断下降，供电线路易产生绝缘击穿而产生线-线短路、线-地短路现象，从而引起电气火灾。

对于导线质量问题所引发的火灾，目前市面所销售的导线质量参差不齐，有的导线表面绝缘材料的材质不良，受到机械拉伸或挤压时易导致绝缘破损；有的导线中铜含量不足，使得内部易氧化、碳化。这些质量不良的导线在使用一段时间后，容易导致故障电弧的产生，从而引起电气火灾[4]。

2 故障电弧探测方法

早期探测电气线路中的故障电弧，应用的是弧光传感器、温度传感器及压力传感器等探测元件。当线路中有故障电弧产生时，产生故障电弧的部位会有弧光产生，应用弧光式故障电弧探测器可以对故障电弧进行报警。同时故障电弧的产生会产生大量的热，导致导线温度升高，应用测温式故障电弧探测器可以在火灾发生前报警。当线路中产生故障电弧时，配电箱内部温度升高，气体体积胀大，使得内部气压产生变化，应用压力式故障电弧探测器可进行报警[5]。

弧光式故障电弧探测器的探测结果准确，但是不能对配电线路中的故障电弧进行及时检测，只能检测配电箱中的故障电弧发生情况，达不到对线路整体是否存在故障电弧情况进行检测的目的。这样的故障电弧探测器不适用于低压配电线路。

利用电压波形进行故障电弧的检测，需要把故障电弧探测器的测量端连接到可能发生故障电弧的线路两端。这种方法的优点在于故障电弧发生点处的电压波形容易识别，不会出现误报问题；缺点在于实际配电线路中，处处都可能成为发生故障电弧的位置，如果对每一段布线都布置这样一个故障电弧探测器会极大地增加布线难度。

利用故障电弧产生时线路中的电流特征进行检测是目前应用最广泛的故障电弧探测方式。大量的试验数据表明，故障电弧出现时，电流波形会出现“平肩”区；故障电弧波形相对于正常电流波形会有较多的毛刺出现，说明电弧的产生会伴随高频噪声和谐波的出现；故障电弧波形的平肩区结束后，会出现一个较明显的上升沿；对于一段连续出现的故障电弧波形，每个周期的波形的电流幅值不同。

通过这些故障电弧电流波形的特点探测故障电弧的方法具体如下。

（1）在电流波形中探测“平肩”电流[6]。

（2）将电流的半周波作为一个计算单元，将这个单元分解成等间距的小区间，计算每个小区间的起始电流与终止电流比值。当线路中有故障电弧存在时，在电流波形的上升沿的区间的起始电流与终止电流比值会比较大。

（3）通过比较连续电流波形，得到相邻的各个周期波形的有效值、平均值和峰-峰值的对比结果。

（4）通过快速傅里叶变换、小波变换将电流的时域信息转化为频域信息，计算波形中奇次谐波的比例[7]。

（5）应用高通滤波器提取高频电流波形信号，目前普遍采用的是20 kHz～1 MHz的高频信号[8]，分析这些频段上的电流高频谐波信号，从而探测故障电弧。

通过机器学习方法构建分类模型探测故障电弧。如果将电路中的电流波形作为判断是否存在故障电弧的输入量，半周期的波形就可以分为故障电弧数据和非故障电弧数据，分别赋予不同种类的电流波形以不同类标签。提取每个波形的“平肩”时间、上升率及谐波分量等参量作为信息输入，采用神经网络、支持向量机及随机森林等方法对每个波形进行分类。

机器学习方法进行故障电弧探测，理论上可以达到100%的分类精度。这需要构建一个完美的分类模型，模型的优劣依赖于构建模型的方法、数据。目前，针对故障电弧数据的分类模型基本都是针对线性电流数据的分类，很少有对复合式负载的识别方法研究；故障电弧研究的数据大多以“点接触”形式为主[9]，负载多为纯阻性负载或日光灯、吸尘器及电脑等复合形式负载。通过这样的数据构建的分类模型很难对“碳化”形式故障电弧数据和“短路”形式故障电弧数据进行有效分类。

3 一种故障电弧探测技术的设计

本文针对故障电弧电流数据的特点和频谱特性，从“点接触型故障电弧”“碳化型故障电弧”“并联金属性接触型故障电弧”数据中提取了故障电弧的数据特征。通过这些特征训练了一个随机森林多标签分类模型，对故障电弧数据进行分类，达到了识别线路中的故障电弧的目的[10]。

故障电弧波形相对于正常电流波形，会出现大量的“失半波”现象，使得故障电弧波形的有效值与正常电流波形不同，当故障电弧波形连续出现时，相邻波形“失半波”情况不完全相同，主要体现在波形的平肩部大小不同。因此，本文提取电流有效值Im、平均值Iave、峰-峰值If、平肩百分比Rt及电流最大瞬时上升速率Kt等5个特征作为识别故障电弧的时域特征，相关特征的计算方式如下。

有效值：

其中，ik为第k个采样点的电流值，实验中，以2.5×105Hz的频率对电流进行采样，每个半周波采样N取2 500次。

平均值：

峰-峰值：

平肩百分比：

其中，ε取1.0×10-7。

最大瞬时上升速率：

故障电弧电流波形在平肩部末端，电流值迅速上升，后续的电流波形趋近于正常的电流波形。因此，在故障电弧电流波形中会有一个迅速上升的区间，可以作为识别故障电弧波形的一个重要特征。本文把一个半周波的故障电弧波形分解为100等份，计算最大的上升速率。

在提取电流波形时域信息的同时，本文应用快速傅里叶变换（FFT）计算得到电流波形的频域信息[11]。故障电弧电流波形中含有大量奇次谐波。应用FFT得到波形的频谱信息，对于N点序列x（n），其离散傅里叶变换对如下：

汉明窗函数即为改进的升余弦窗，相对于其他的窗函数，它在抑制旁瓣和控制主瓣宽度上同时具备较好的优势，其时域表达如下：

本文通过对比故障电弧与正常电弧电流波形的频域信号，提取了电流波形的3～15次奇次谐波量，将奇次谐波量占基波的百分比作为识别故障电弧的特征，分别记为X3，X5，…，X15。

试验中，本文故障电弧发生装置得到实际的故障电弧电流波形，应用FFT得到电流波形的频域信号，点接触型故障电弧的电流波形和对应的频谱信息如图1所示。

图1 点接触型故障电弧电流波形图及其频谱图

4 实验结果

应用3种故障电弧发生装置，选择不同类型、不同大小及不同功率因数的负载共产生串联碳化路径故障电弧、并联碳化路径故障电弧、点接触式故障电弧及并联金属性接触式故障电弧电流波形数据218条，将其中每一个半周波作为一个识别故障电弧的独立单元，共得到独立样本4 760个。作为故障电弧的参照数据，本文在生成电弧数据相同负载条件下，截取5 240个同类型的样本作为分类故障电弧数据的参照样本。

应用中，不同类型的故障电弧数据其波形、频谱特点不同，因此本文将所有故障电弧数据和参照样本数据共分成串联碳化电弧、并联碳化电弧、点接触型故障电弧和并联金属性接触式故障电弧以及相同负载条件下的正常电流数据和短路电流数据共计6个类别，应用随机森林算法对其进行分类。每次分类取90%作为训练数据，取其余10%作为测试数据，得到平均分类精度作为最终模型的分类精度，分类结果如图2所示。

5 结 论

通过对故障电弧识别方法的研究，分析了各种故障电弧的识别方法，提出了基于随机森林的故障电弧识别方法。以所有可能产生故障电弧的方式，搭建了“点接触型故障电弧”“碳化型故障电弧”“并联金属性接触型故障电弧”发生装置，产生了不同形式的故障电弧数据，提取数据的时域和频域特征，构建了随机森林分类模型，通过交叉验证测试模型的分类精度达到94%以上，对故障电弧探测器的设计有一定的借鉴意义。

电气火灾故障电弧的存在严重威胁到人们的生命、财产安全。故障电弧的识别一直是电气防火领域一个难点问题，合理的故障电弧探测器设计可以及时探测线路中存在的故障电弧隐患，并可以配合消防与施工部门合理排查电网中存在的潜在问题。

图2 随机森林模型分类结果