光伏系统直流串联电弧故障检测研究

2021-02-03张国军杨东建季淑洁李浩文

电源学报 2021年1期

张国军，杨东建，季淑洁，李浩文

（1.辽宁工程技术大学电气与控制工程学院，葫芦岛 125105；2.国网冀北电力有限公司怀来县供电分公司，张家口 075400）

随着光伏发电系统规模的不断扩大，特别是屋顶光伏系统的日益增多，光伏系统故障电弧的危害受到业界的高度关注[1]。2011年美国电工法规NEC（National Electrical Code）提出，在光伏发电系统中要配备相应的电弧保护装置。随后，美国保险商实验室 UL（Underwriters Laboratories）也推出了用于光伏系统直流电弧保护装置进行测试的1699B草案[2-4]。由于在光伏电池组串中存在大量连接点，当连接点位置松动或出现断裂时，会形成一对断开的电极，在断口产生的初期两电极间的距离较小，根据电压与电场的关系，即使两端电压较小，电场强度也能够大到击穿空气从而产生串联电弧故障，而当串联电弧故障发生时很难被目前的低压断路器及过流保护装置检测到[5-7]。因此本文主要对光伏系统串联电弧故障检测进行研究。

目前，国内外针对光伏系统电弧故障的研究主要集中在电弧信号的时域和频域两个方面。文献[5-7]通过小波变换分析电弧信号的频域特征进行电弧故障识别，其中文献[6]对傅里叶和小波分析在电弧故障信号频域分析方面做了对比，发现小波变换更适合于对光伏故障电弧信号做频域分析；文献[8]提出一种基于时域信号的扩展时域反射法的光伏电弧故障检测技术，但算法较为复杂；文献[9-10]采用傅里叶分析与神经网络相结合的方法对电弧故障进行人工智能识别，得到了较好的识别结果，但是算法较为复杂，有待优化。

本文通过搭建光伏系统电弧故障实验平台研究系统电流信号变化特征，将电流信号平均值的变化值以及利用小波变换方法得到的d5小波重构信号能量值作为光伏系统串联电弧故障检测时的判据，通过设定相应阈值对系统电弧故障进行检测。

1 实验平台及电流信号特性分析

1.1 光伏系统电弧故障实验平台

由于故障电弧产生的随机性及物理过程的复杂性，并且环境及负载启动等因素会对光伏系统运行电流造成影响，产生类似于电弧特征的波动。因此尚无精确的电弧模型可对光伏系统电弧故障进行仿真[11]。本文搭建的光伏系统电弧故障实验平台如图1所示，实验平台主要由光伏电源、负载、电弧发生器以及数据采集设备等构成。其中光伏电源由2块太阳能电池板并联组成，电池板参数如表1所示。

图1 实验平台Fig.1 Experimental platform

表1 光伏电池板参数Tab.1 Parameters of PV battery panel

电弧发生器为参考UL1699B方案中的设计要求进行制作，但考虑到UL1699B中提到的常规拉弧方法存在细钢丝棉随机熔化导致2个电极运动的不可预测性，甚至在熔化时阻挡电弧路径，并且套管作为钢丝绒的保持器也影响放电气体扩散等问题[2]，因此本文采用电机带动电极分离，从而产生类似于电池板间连接点松动断裂的状态，模拟电弧故障的发生。该方法比UL1699B中规定的利用钢丝绒及套管起弧的方法更加接近真实串联故障电弧的产生状态，产生的电弧现象如图2所示。该起弧方法数据采集设备包括电流传感器、示波器、数据采集卡等，其中数据采集卡为Smacq公司的USB-1000系列数据采集卡，其具有12位的模拟输入分辨率，最高采样率可达500 kS/s。

图2 电弧现象Fig.2 Arc phenomenon

1.2 电流信号特性分析

通过数据采集系统对实验平台电流信号进行采集，由于在高频段电弧电流幅值极小，极易被噪声信号覆盖，因此频段选择上限不宜超过100 kHz[2]。本文设定数据采集卡的采样频率为200 kHz，根据奈奎斯特定理，其能反映的真实信号频率为100 kHz，采集到的故障电弧发生前后电流波形如图3所示，其中灰色部分为电弧发生过程中的波形，观察发现电弧电流较正常电流偏低且波动明显。

图3 电弧发生前后电流波形Fig.3 Current waveform before and after the occurrence of arc

在频域方面，通过对2种电流波形分别做FFT分析，在同幅值尺度下的频谱对比如图4所示，观察频域特征发现在20 kHz以上频段，2种状态电流频谱并无较大区别，而在15 kHz以下频段故障电弧谐波幅值明显大于正常状态。基于以上两点，可以通过对光伏系统电流时频域特征进行分析，实现电弧故障检测。

图4 频谱对比Fig.4 Comparison of frequency spectrum

2 故障电弧时域特征分析

由图3可得，光伏系统发生电弧故障时线路电流会产生突变，电流幅值下降且具有明显界限。因此本文在故障电弧时域特性分析过程中，主要分析了故障电弧发生前后电流时域波形平均值的变化。

在数据处理过程中为实现对电弧故障的快速处理与检测，选用0.5 ms（采样点N=100）的时间窗对电流信号进行数据分析，分析过程中使用的电流平均值计算公式为

由于一天内光照强度随时间推移不断变化，电池板的输出电流也会随之变化，因此将第1个时间窗内计算到的电流平均值作为基准电流平均值，电流平均值的变化值的计算公式为

对图3所示的电流数据分析，电弧故障发生前后的电流平均值变化如图5所示。通过对比可以看出，在发生串联故障电弧时，电流平均值与正常状态相比变化很多，且二者存在明显的差异，取Δ=0.9 A作为电流平均值变化的界限能够较为明确地对系统正常运行及电弧故障进行区分，因此电流平均值变化可作为判定故障电弧发生的典型特征。

图5 电流平均值变化Fig.5 Changes in average current

考虑到光伏系统在运行过程中易受阴影遮挡等环境因素影响，使输出电流产生类似电弧故障的特征，本文对太阳受到云层遮挡情况下的电池板输出电流进行了采样，电流变化如图6所示。从图中可以看出，阴影对光伏系统的输出电流具有较大影响，电流会在较长时间内低于正常输出电流。

图6 阴影下的输出电流变化Fig.6 Changes in shadowed output current

图7显示了阴影遮挡下的电流平均值变化，可以发现电流的平均值也跟随系统电流呈现相应变化，出现高于基准值的情况，这与电弧故障发生时的特征很相似，因此若仅以时域上的电流及平均值变化作为电弧故障的发生依据极易产生误判，寻找电弧发生时的其他特征进一步对电弧故障及阴影遮挡2种情况进行区分是非常有必要的。

图7 阴影下的电流平均值变化Fig.7 Changes in average shadowed current

3 故障电弧频域特征分析

3.1 小波分析

由于故障电弧信号是非周期的混沌信号，傅里叶分析虽然可以分析出信号中的频率成分，但却只能对信号整体进行表达，易造成细节信息的丢失。目前在故障信号的分析处理中，小波分析越来越受到人们的重视。多分辨率分析的小波变换可以利用正交小波基将信号分解为不同尺度下的各个分量，相当于利用一组高通滤波器和低通滤波器对信号进行分解，分解得到的2个分量各占被分解信号频带宽度的1/2，随后再次使用滤波器对低频分量进行重复分解，分解方式如图8所示。

图8 小波分解示意Fig.8 Schematic of wavelet decomposition

其中小波多分辨率分解公式[12-13]为

式中：h（n）=〈Ψj0（i）,Φj,l,n（i）〉等效为一组低通滤波器，得到对应低频系数 aj（i）；g（n）=〈Ψj0（i）,Φj,l,n（i）〉等效为一组高通滤波器，得到对应的高频系数dj（i）；Ψ和Φ分别为小波函数和尺度函数。

经过分解后的信号可通过单支重构得到小波近似信号aj与细节信号dj，数据长度与原始信号长度相等，每层信号包含的频带范围为

式中：fs为采样频率；j为分解层次。

由于实验过程中采用200 kHz采样频率，其能反映的真实信号频段为0～100 kHz，考虑到故障电弧特征主要集中在15 kHz以下，且频率越低特征越明显，但在1 kHz以下频率易受光伏变异度及无线电频率的影响[14-15]，因此本文选用具有紧支撑、正交性好的db5小波对实验电流信号做5层小波包分解，提取第5层分解细节信号d5，其能反映的频段范围为3.125～6.250 kHz。针对图3所示电弧信号及图6阴影下电流信号对其进行小波分解，图9为2种信号的d5频段重构对比。从图中可以看出，在电弧故障发生时，d5频段上的信号波动剧烈，信号幅值明显增大，而虽然阴影的遮挡能够使电流在时域上产生变化，但并没有对d5频段所代表的频率成分产生影响，与电弧故障发生前的d5重构信号并无明显差别。

图9 d5重构波形对比Fig.9 Comparison of d5 reconstruction waveform

3.2 电弧信号能量特征分析

由于电弧故障发生时，d5重构频段上波动幅值明显大于正常信号，基于这一特点本文分析了电弧故障发生前后d5频段电流信号的能量变化，研究电弧故障的频域特征。在能量计算时依然采用0.5 ms（采样点N=100）的时间窗对重构后的d5频段进行数据分析，每0.5 ms计算一次，分析过程中使用的能量计算公式为

通过时间窗的移动对图9中所示d5小波重构信号进行能量计算，得到的正常、电弧故障及阴影下的电流能量变化如图10所示。通过同尺度下能量对比发现当电池板受到阴影遮挡时，并没有对d5频段上的能量产生明显影响，数值比较稳定。而电弧故障发生时，由于信号幅值增加使谐波能量明显增大，与正常工作电流之间具有明显界限。使用图10（b）中所示的能量值为0.5作为阈值能够较好地对电弧故障及正常工作状态进行区分，因此光伏系统回路电流的小波分解d5频段的能量特征可以作为电弧检测的判据。

图10 d5频段能量值对比Fig.10 Comparison of d5 frequency-band energy value

4 时频域结合的电弧故障检测

基于上述电弧发生时的时频域特征，本文所使用的电弧故障检测流程如图11所示，其中考虑到光伏发电系统所处环境的复杂性及开关切换、负载突变等因素会使电池板产生类似电弧故障的特征而引起误检测，采用二次检测判断电弧故障的方法可有效避免电弧故障的错误判断[7,9]。当连续检测出2次及以上的Δ和E超过阈值时，则判定为电弧故障，使输出信号f=1；否则，输出信号f=0。

图11 电弧故障检测流程Fig.11 Flow chart of arc fault detection

由于考虑到一天之中光照强度及温度不断变化，电池板的输出电流也会随时间的变化发生改变，因此对于初始时间窗内的基准电流设定系统每隔1 min重新计算一次，以此进一步排除一天中光照强度变化对电弧故障检测的影响。

利用上述光伏系统电弧故障检测程序对实验平台进行电弧故障检测实验，部分检测结果如图12所示。其中：图12（a）为对电弧故障的检测结果，从检测结果可以看到，虽然在电弧发生后的末端出现了个别点误判的情况，但是在电弧发生至熄灭总体上都检测出了电弧故障的存在，效果较为准确；图12（b）为电弧发生的一种特殊情况，即由于断点连接的不稳定性使电弧间断发生，从检测结果看，这种情况依然具有电弧特征，因此本文的电弧检测算法依然可以对其进行较为准确的检测；图12（c）为当阴影遮挡对电流造成波动时的检测结果，可以看出，虽然电流波动明显，但是并未发生误判，由此进一步说明了本文所提检测方法的可行性与准确性。