基于聚類分析和電磁輻射信號的電弧故障識別

李奎 陳照 張洋子 王堯 牛峰 戴逸華

摘 要：當(dāng)前非線性負(fù)載日益增多，基于故障電弧電流特征的故障檢測存在信息源單一的不足，容易出現(xiàn)故障誤判別。針對該問題，提出了一種基于聚類分析和電弧電磁輻射信號的故障電弧識別方法。該方法在分析電弧電磁輻射理論的基礎(chǔ)上，分析不同負(fù)載條件下的電弧電磁輻射信號，首先對信號進(jìn)行低通濾波降噪，提取降噪后故障電弧時域信號的模極大值作為特征值，最后利用模糊c-均值聚類方法進(jìn)行電弧故障識別。試驗結(jié)果表明該方法能夠有效提高故障電弧的識別準(zhǔn)確率。

關(guān)鍵詞：故障電?。?電磁輻射信號； 聚類分析； 非線性負(fù)載

中圖分類號：TM 501

文獻(xiàn)標(biāo)志碼：A

文章編號：1007-449X（2018）05-0094-08

Abstract：Nowadays the current nonlinear loads in the power system increase，and the main drawback of fault arc detection method based on arc current characteristics is that there is only one information source，which leads to misjudgment.A method of series arc fault diagnosis was presented based on the method of cluster analysis and the electromagnetic signals. On the basis of analying the theory of electromagnetic signal of arc，the signal was filtered to reduce noise，then combined with the research on electromagnetic behaviors of arcing fault，the feature vector of the electromagnetic signals of arc fault was extracted.The fault is diagnosed by the fuzzy cmeans clustering method.The result of test shows that the accuracy of the method for the identification of series arc fault meets the requirements.

Keywords：arc fault； electromagnetic signals； cluster analysis； nonlinear loads

0 引 言

電弧是穿過絕緣介質(zhì)的電氣輝光放電現(xiàn)象，通常伴隨著電極的局部揮發(fā)，其兩電極之間為擁有5 000～15 000 ℃溫度的等離子體[1-2]，研究表明2～10 A的電弧電流就可以產(chǎn)生2 000～4 000 ℃的局部高溫，0.5 A的電弧電流就足以引起火災(zāi)[3-6]。

盡管人們在低壓配電網(wǎng)中采用了斷路器、熔斷器和剩余電流保護(hù)器等一系列保護(hù)裝置，對于維護(hù)系統(tǒng)的可靠性、穩(wěn)定性和減少電氣火災(zāi)起到很大作用，但是這些保護(hù)裝置無法對故障電弧進(jìn)行有效保護(hù)[7]。并且隨著智能電網(wǎng)的發(fā)展，低壓配電網(wǎng)中采用電力電子技術(shù)的非線性負(fù)荷的種類不斷增多，如電子節(jié)能燈、變頻空調(diào)、微波爐等。實驗表明，大量非線性負(fù)荷可能導(dǎo)致線路電流波形與故障電弧電流波形十分相近，而且在非線性負(fù)荷回路中正常電弧的電流波形與故障電弧的電流波形也難以區(qū)分[8]，因此僅僅依靠故障電弧的電壓、電流波形特征無法實現(xiàn)非線性負(fù)荷條件下故障電弧的準(zhǔn)確檢測，容易造成保護(hù)裝置誤動作或拒動作。

近年來，隨著非電量檢測技術(shù)和信號處理技術(shù)的發(fā)展，人們注意到配電柜中出現(xiàn)故障電弧時除了電流、電壓的變化外還伴生一系列聲、光、化學(xué)和熱效應(yīng)，根據(jù)這些物理現(xiàn)象發(fā)展出多種新故障電弧檢測方法，如紫外線檢測法、弧聲檢測法、熱電離法和超高頻信號檢測法等[9-13]。上述新方法擺脫了傳統(tǒng)檢測方法以故障電弧電壓、電流為研究對象的局限性，提高了配電柜故障電弧的檢測精度，并實現(xiàn)了故障電弧的預(yù)報警[12-13]。其中，電弧電磁輻射信號特征及其在故障識別中的應(yīng)用正成為新的研究熱點。Charles J.Kim利用環(huán)形天線和棒狀天線測量并研究了120 V、2 A故障電弧的電磁輻射時域特性，研究結(jié)果表明，在不需信號放大的情況下示波器可以直接測得天線感應(yīng)的電磁輻射信號，其頻率范圍為幾千赫茲到幾十兆赫茲，驗證了利用電弧電磁輻射進(jìn)行低電壓、小電流故障檢測的可行性[14]。

聚類分析（cluster analysis）又稱集群分析，它是研究“物以類聚” 的一種數(shù)理統(tǒng)計方法，聚類分析可將一些觀察對象依據(jù)某些特征加以歸類[16]。可用于衡量不同數(shù)據(jù)源間的相似性，以及把數(shù)據(jù)源分類到不同的簇中，其中，模糊c均值聚類算法應(yīng)用最為廣泛。它按照某種判別準(zhǔn)則，將數(shù)據(jù)的聚類轉(zhuǎn)化為一個非線性優(yōu)化問題，并通過迭代來進(jìn)行求解，目前已成為非監(jiān)督模式識別的一個重要分支。因此本文提出一種基于聚類分析和電弧電磁輻射信號的故障電弧識別方法。在分析電弧電磁輻射理論的基礎(chǔ)上，充分考慮距離衰減、屏蔽、非線性負(fù)荷干擾以及傳感器測量方位等的影響因素，以電弧故障模擬實驗采得的電磁輻射信號為故障分析和研究的物理參數(shù)，結(jié)合模糊c-均值聚類的方法，實現(xiàn)串聯(lián)電弧故障的識別。

1 電弧輻射的電磁信號分析

1.1 電弧產(chǎn)生的機理分析

空氣電弧因電極兩端電壓擊穿形成，陰極斑點處包含場致發(fā)射及熱發(fā)射，并向觸頭間隙提供電子，維持電弧產(chǎn)生。

一般情況下，電弧可被劃分為3個區(qū)域：陰極位降區(qū)、弧柱區(qū)和陽極位降區(qū)。如圖1所示，沿弧柱長度方向的電場強度一般情況下可近似為常數(shù)，所以圖1上電位曲線在弧柱區(qū)為一直線，而在陰極區(qū)和陽極區(qū)（它們的空間尺度很小，在大氣壓的條件下僅為10-4 cm左右），電場強度變化劇烈，而且其數(shù)量級可高達(dá)105～106 V/cm，比弧柱中的電場強度高幾個數(shù)量級，其原因就在于陰極區(qū)和陽極區(qū)中存在空間電弧。由于電弧上的陽極基本上只是接受從弧柱中來的電子，除極少的特例外，陽極沒有發(fā)射正離子的顯著能力，故陽極本質(zhì)上未參加電弧放電的基本過程。電弧陰極區(qū)域的變化過程對電弧的發(fā)生和物理過程有重要的意義[17-18]。

1.2 電弧產(chǎn)生電磁輻射的機理分析

按照電弧的近陰極區(qū)域過程，電弧可以分為3類 [18]。點接觸試驗中的銅陰極電弧屬于有迅速無規(guī)則移動的陰極斑點的一類。在這類陰極上，在任何時刻往往包含有許多小面積的發(fā)射點。發(fā)射點的數(shù)量一般與電流成比例而增加，因此可認(rèn)為每一發(fā)射點的電流是常數(shù)。對于固體陰極，發(fā)射點存在的時間大約為2×10-6～3×10-6 s。且在銅陰極上，陰極斑點能以很高速度運動，根據(jù)測量，這類斑點的電流密度就可超過106 A/cm2（甚至達(dá)到108 A/cm2）[18]。事實上，銅陰極電弧已用作為微波發(fā)生器。陰極斑點作用于銅電極表面， 電場磁場變化程度較大，電子在電場的作用下由陰極斑點發(fā)射，并向陽極高速移動，產(chǎn)生高頻電磁波，從實驗可證實，電弧能夠產(chǎn)生109 Hz頻率的信號。

因此，在發(fā)生故障電弧時，會伴有高頻電磁輻射信號產(chǎn)生，故可以通過檢測電磁輻射信號實現(xiàn)故障電弧的檢測。

1.3 電弧電磁輻射的理論計算

在計算電弧輻射電場功率譜時，可以將電弧看作一個輻射電磁波的線電流[19]。電流元沿x軸產(chǎn)生的磁場如圖2所示，在距離為R處通過一個長度為σ的電流分量，沿x軸在特定時間內(nèi)輻射出來的電磁場Erad為

由于本文只研究家庭條件下的低壓故障電弧識別，電磁傳感器與故障點的距離屬于近區(qū)場范圍，電場信號與磁場信號不存在比例關(guān)系，因此本文需對兩種信號都檢測，以實現(xiàn)信號互補，提高故障識別的精度。

2 故障電弧實驗平臺的搭建與數(shù)據(jù)采集

2.1 串聯(lián)故障電弧實驗

圖3所示是集成串聯(lián)電弧發(fā)生裝置，是該實驗平臺的核心。串聯(lián)電弧實驗平臺包括集成電弧發(fā)生裝置、數(shù)據(jù)采集部分及系統(tǒng)控制部分，其中串聯(lián)電弧發(fā)生裝置的設(shè)計參照了美國UL1699標(biāo)準(zhǔn)，是試驗平臺的核心，該裝置包括一個固定電極和一個移動電極，固定電極采用直徑為6.4 mm的石墨棒，移動電極采用末端尖銳、直徑為10.0 mm的銅棒。移動電極在步進(jìn)電機和絲杠機構(gòu)的帶動下進(jìn)行水平運動，當(dāng)兩個電極拉開一定距離時，兩極之間的電場使空氣擊穿并維持高能量放電，從而產(chǎn)生電弧。該裝置可以模擬低壓配電系統(tǒng)中連接松動、接觸不良等情況下的串聯(lián)電弧故障，其供電電源為220 V、50 Hz的低壓單相交流電。本文利用該故障電弧模擬實驗裝置進(jìn)行數(shù)據(jù)采集。

負(fù)載的選擇應(yīng)該最大限度體現(xiàn)串聯(lián)電弧故障特性。常用低壓設(shè)備各異，根據(jù)家用和類似場合下用電系統(tǒng)中的實際情況，本文選用常用的線性以及非線性用電設(shè)備。線性負(fù)載選取50 Ω純阻性負(fù)載，非線性負(fù)載選取吸塵器、微波爐、電磁爐等典型負(fù)載為研究對象進(jìn)行數(shù)據(jù)采集。研究表明線性負(fù)荷下故障電弧電場輻射頻率在30 MHz以下，磁場輻射頻率在20 kHz以下[15]，經(jīng)分析后本文選取0～250 kHz頻率段的信號。采用電流傳感器、電場探頭和磁場探頭來采集故障電弧信號與正常工作時的信號，并用示波器顯示、存儲，如圖4所示，示波器帶寬為25 MHz，能有效保證捕捉到實時瞬態(tài)信號。

2.2 電弧故障數(shù)據(jù)分析

對每一負(fù)載進(jìn)行多次重復(fù)試驗，采集正常和故障情況下的電流、電場、磁場數(shù)據(jù)。示波器采樣頻率設(shè)為4 MHZ。

圖5是一組阻性負(fù)載的電流信號實測波形，圖6是一組非線性負(fù)載電流信號實測波形。對比可知，阻性負(fù)載故障時電流存在明顯的“零休”現(xiàn)象，而非線性負(fù)載在正常時由于畸變也會出現(xiàn)“零休”現(xiàn)象，這造成了單純利用電流信號進(jìn)行故障區(qū)分的困難。

圖7是實測阻性負(fù)載磁場信號波形，圖8是實測非線性負(fù)載磁場信號波形。對比可知，磁場信號在線性負(fù)載或非線性負(fù)載條件下故障前后波形幅值變化明顯，可用于故障區(qū)分。

3 串聯(lián)電弧故障的特征提取

3.1 抗干擾實驗

為充分考慮距離衰減、屏蔽、干擾以及傳感器的方位對故障電弧信號檢測的影響。實驗中，考慮通過對比實驗研究背景噪聲對信號測量的影響，通過分析頻譜選取了工作頻率范圍在0～250 kHz范圍的電磁爐為典型影響源；考慮到距離衰減對信號測量的影響，因此加入不同距離范圍和墻壁遮擋因素的實驗組；考慮到屏蔽因素，加入鐵壺和配電柜組的實驗；考慮到傳感器方位對測量的影響，實驗中加入不同方位測量的對照實驗。實驗編號如表1所示（不作說明時，默認(rèn)傳感器與電弧距離為1 m）。

3.2 利用低通濾波對信號降噪

為了提高利用電磁信號進(jìn)行電弧故障識別的抗干擾能力，可對信號進(jìn)行濾波優(yōu)化。具體操作如下：在SIMULINK中搭建模型，用2階巴特沃斯低通濾波器對信號進(jìn)行濾波處理，其中濾波器截止頻率設(shè)為5 kHz，如圖9，通過濾波去除高頻干擾信號，實現(xiàn)信噪分離和，使得信號更易處理。

降噪后的波形信號和實測波形對比圖10、圖11所示。

3.3 提取信號的時域特征值

將濾波后每組數(shù)據(jù)按周期求取模極大值，再求平均值，運算結(jié)果如表2所示。

對非線性負(fù)載也采用相同的處理方法，處理結(jié)果如表3。

從表2、表3中的數(shù)據(jù)來看，電場信號、磁場信號的特征值Z在阻性負(fù)載與非線性負(fù)載情況下均有明顯的故障區(qū)分效果。因此，考慮選取一種分類方法利用該特征值實現(xiàn)對上述所有實驗數(shù)據(jù)的分類，從而實現(xiàn)故障識別。

4 基于聚類分析的串聯(lián)電弧故障識別

4.1 基于模糊C-均值聚類的診斷決策

聚類的基本思想是：開始將n個樣本各自作為一類，并規(guī)定樣本之間的距離和類與類之間的距離，然后將距離最近的兩類合并成一個新類，計算新類與其他類的距離；重復(fù)進(jìn)行兩個最近類合并，每次減少一個類，直至所有樣本合并為一類。

本文目的是將試驗數(shù)據(jù)分為故障和正常兩類，設(shè)定FCM類隸屬度閾值為δ，對故障集的隸屬度大于閾值δ的作為故障類，給出故障診斷決策。

對表3表4中預(yù)處理過的數(shù)據(jù)進(jìn)行聚類分析，圖12是阻性負(fù)載下聚類結(jié)果樹狀圖，圖13是非線性負(fù)載的聚類結(jié)果樹狀圖。

圖12中最左側(cè)一列數(shù)據(jù)從下到上依次共23組數(shù)據(jù)，縱坐標(biāo)表示實驗編號（編號見表1），橫坐標(biāo)（圖上方）表示個案與個案之間的距離值。通過設(shè)定各組數(shù)據(jù)距離聚類中心的距離進(jìn)行第1次迭代，將17、22、6、11、7、18、21、15、3、23、12合為一類，5、9、20、4、13、1、2為一類，14、16、19為一類，8為一類，每一類中數(shù)據(jù)之間最相似，距離最近。

計算新類與其他類的距離后進(jìn)行第2次迭代，將8并入14、16、19的類。

再次計算新類與其他類的距離進(jìn)行第3次迭代，將8、14、16、19并入5、9、20、4、13、1、2所在類。此時就剩兩類了，即最終經(jīng)3次迭代將數(shù)據(jù)分為了兩類：17、22、6、11、7、18、21、15、3、23、12組為正常類數(shù)據(jù)；8、14、16、19、5、9、20、4、13、1、2組為故障類數(shù)據(jù)，與表2中數(shù)據(jù)對比可知，該分類完全正確。因此，該方法能實現(xiàn)阻性負(fù)載下的故障識別。

同理，對非線性負(fù)載的分類如下，第1次迭代將2、6、4、8合為一類，1、5合為一類，3一類，7一類；第2次迭代將3、7合為一類；第3次實現(xiàn)了將1、5、3、7合為一類，2、6、4、8一類。即最終經(jīng)3次迭代將數(shù)據(jù)分為了兩類，2、6、4、8為正常組，1、5、3、7為故障組，對比表3與圖14可知，聚類分析結(jié)果正確。因此，該方法能實現(xiàn)非線性負(fù)載下的故障識別。

加入非線性負(fù)載后的聚類結(jié)果如圖14，同理，圖中在3次迭代后，將數(shù)據(jù)分成了3類，其中正常組分類完全正確，而故障組把試驗編號24、28的試驗數(shù)據(jù)給排除在外了，即吸塵器負(fù)載組的試驗，此時聚類分析結(jié)果并不完全正確，因此，此處需要人為修正，并用更多實驗數(shù)據(jù)訓(xùn)練調(diào)整閾值，以防止此誤判。

4.2 對未知負(fù)載的電弧故障檢測

經(jīng)多次試驗修正后確定閾值，重新選取未知負(fù)載的樣本300個，負(fù)載分別為電阻、電磁爐、微波爐、熒光燈、吸塵器等，利用上述方法進(jìn)行電弧故障識別。識別結(jié)果如表4所示，其中，故障識別率為聚類識別方法成功識別電弧故障次數(shù)與實驗樣本次數(shù)的比值。

從識別結(jié)果來看，該方法對未知負(fù)載的識別依然非常有效，識別準(zhǔn)確率相比利用電流進(jìn)行同類故障檢測大大提高，因此可初步判定，該方法不依賴于負(fù)載類型，可實現(xiàn)非線性負(fù)載情況下串聯(lián)電弧故障的識別分類問題。

5 結(jié) 論

通過對串聯(lián)電弧故障進(jìn)行模擬實驗，提出一種基于聚類分析和電弧電磁輻射信號的低壓電弧故障識別方法，分析得到如下結(jié)論：

1）在串聯(lián)電弧故障識別中，在分析電弧電磁輻射理論的基礎(chǔ)上，提出利用電弧輻射的電場、磁場信號作為檢測參量的方法，避免了由于大量非線性負(fù)荷可能導(dǎo)致線路電流波形與故障電弧電流波形難以區(qū)分的問題。

2）提出利用模糊c-均值聚類的方法進(jìn)行故障識別。首先對實驗所采集信號進(jìn)行濾波以實現(xiàn)信噪分離，之后提取降噪后時域信號的模極大值作為特征值，最后，利用糊c-均值聚類的方法進(jìn)行故障識別。實驗結(jié)果表明，在計及距離衰減、屏蔽、非線性負(fù)荷干擾以及傳感器測量方位等影響因素的條件下，識別準(zhǔn)確率均在98%以上，滿足故障識別要求。

3）本方法簡單易行，識別準(zhǔn)確率高，且不需要判斷接入的負(fù)載類型，具有一定的創(chuàng)新意義。在此研究的基礎(chǔ)上，下一步繼續(xù)研究電弧電極材料等因素對電磁輻射的影響。

參 考 文 獻(xiàn)：

[1] ZHANG Ruixiang，SONG Zhengxiang.Arc Fault Detection Method Based on Signal Energy Distribution in Frequency Band[C].2012 AsiaPacific Power and Energy Engineering Conference.27-29 March 2012，Shanghai China： 1-4.

[2] IEC 62606 ed1.0 General requirements for arc fault detection devices[S]，2013.

[3] Underwriter Laboratories Inc.UL standard forsafety for arcfault circuitinterrupters UL 1699[J].2008.

[4] 賈寧，李宏文，魏幼平，等.一種新型電弧故障斷路器的研究[J].低壓電器，2011，1：18.

JIA Ning，LI Hongwen，WEI Youping，et al.Research of a novel arc fault circuit interrupter[J].Low Voltage Apparatus，2011，1：18.

[5] 陳德桂.低壓電弧故障斷路器—一種新型低壓保護(hù)電器[J].低壓電器，2007，3：7.

CHEN Degui.The arc fault interrupter—a new low voltage protection apparatus[J].Low Voltage Apparatus，2007，3：7.

[6] CHAI Sim Por，KUAN Lee Choo，LIM You Jian.A study of arc fault current in low voltage switchboard[C].2012 IEEE Conference on Sustainable Utilization and Development in Engineering and Technology.6-9 Oct.，2012，Kuala Lumpur，Malaysia： 52-56.

[7] GREGORY G D，SCOTT G W.The arcfault circuit interrupter： an emerging product[J].IEEE Transactions on Industry Applications，1998，34（5）：928.

[8] 雍靜，桂小智，牛亮亮，等.基于自回歸參數(shù)模型的低壓系統(tǒng)串聯(lián)電弧故障識別[J].電工技術(shù)學(xué)報.2011，26（8）：213.

YONG Jing，GUIXiaozhi，NIU Liangliang，et al.Series arc fault identification in low voltage system based on autoregressive parameter model[J].Transactions of China Electrotechnical Society，2011，26（8）：213.

[9] 盧永芳.基于信息融合的配電柜故障電弧預(yù)報警系統(tǒng)算法研究[D].鄭州：河南理工大學(xué)，2010.

[10] 余瓊芳.基于小波分析及數(shù)據(jù)融合的電氣火災(zāi)預(yù)報系統(tǒng)及應(yīng)用研究[D].秦皇島：燕山大學(xué)，2013.

[11] 楊建紅，張認(rèn)成，杜建華.基于多信息融合的故障電弧保護(hù)系統(tǒng)的應(yīng)用研究[J].高壓電器，2007，3： 194.

YANG Jianhong，ZHANG Rencheng，DU Jianhua.Study on application of arcing protective system faults based on multiple information fusion[J].High Voltage Apparatus，2007，3： 194.

[12] 仲啟樹.基于弧聲的故障電弧預(yù)測預(yù)警保護(hù)技術(shù)研究[D].福建：華僑大學(xué)，2007.

[13] 張瑞祥，耿英三，宋政湘，等.開關(guān)柜故障電弧檢測與預(yù)警方法的新進(jìn)展[J].電氣制造，2012，7： 36.

[14] KIM C J.Electromagnetic Radiation Behavior of LowVoltage Arcing Fault[J].IEEE Transactions on Power Delivery，2009，24（1）： 416.

[15] Micha¨el Rabla，Patrick Schweitzer，Etienne Tisserand.Method to Design Arc Fault Detection Algorithm Using FPGA[C].The 57rd IEEE Holm Conference on Electrical Contacts，11-14 Sept.2011，Minneapolis，MN.

[16] 彭顯剛，賴家文，陳奕.基于聚類分析的客戶用電模式智能識別方法[J].電力系統(tǒng)保護(hù)與控制，2014，19：68.

PENG Xiangang，LAI Jiawen，CHEN Yi.Application of clustering analysis in typical power consumption profile analysis[J].Power System Protection and Control，2014，19：68.

[17] 徐學(xué)基.氣體放電物理[M].上海：復(fù)旦大學(xué)出版社，1996：45-47.

[18] 王其平.電器電弧理論[M].北京：機械工業(yè)出版社，1991：25-28.

[19] MichelMardiguian.輻射發(fā)射控制設(shè)計技術(shù)[M].北京：科學(xué)出版社，2008：45-47.

（編輯：張 楠）