余琼芳, 胡亚倩, 杨 艺

(1.河南理工大学 电气工程与自动化学院, 河南 焦作 454003;2.大连理工大学 北京研究院博士后科研工作站, 北京 100000)

0 引 言

据应急管理部消防救援局火灾统计数据显示,2012—2018年,全国平均每年有约8.9万起电气火灾事故发生,在所有类型火灾中排名第一,占全国火灾总数的33.43%,重特大火灾中更是占到75%[1]。电气火灾的发生造成了极大的人员伤亡和经济损失。大量研究数据表明,低压配电线路的故障电弧是引起电气火灾的最主要原因[2]。

线路或设备发生故障产生电弧,温度会急剧增加,2～10 A的电弧电流可产生2 000～4 000 ℃的局部高温[3-4],220 V交流电下电流超过0.5 A就可以拉弧。高温会引燃故障点附近可燃材料,熔化一些金属或非金属材料,产生CO等大量有毒有害烟气,严重威胁附近人员的人身安全。社会的日益发展、科技水平的不断提升和生活水平的提高都与电力的发展密不可分,故障电弧的存在或发生会严重影响电力系统的安全稳定运行。如果没有及时发现并消除线路中的故障电弧,故障点温度会逐渐升高,当温度达到一定程度时可以引燃周围可燃物,并可能涉及其他线路,导致电气火灾,严重时可能发生配电系统大面积停电、爆炸等恶性事件,造成不可预估的损失。因此,及时发现和有效预防故障电弧对于维护国家电网安全、国民经济生产和保障人民生命财产安全具有极为重要的现实意义。

故障电弧的随机性、隐蔽性、复杂性等特点使得其难以被预知和检查,给低压配电线路带来了严重的电气火灾隐患。特别是因线路绝缘老化或接触不良产生的串联故障电弧,在配电系统中最常发生,电流幅值较小,传统保护装置无法对其进行有效保护,相比并联故障电弧更加难以检测,是现有电气保护体系的漏洞之一[5-6]。基于此,本文从串联故障电弧着手,主要讨论了近几年国内外几类串联故障电弧检测技术的研究现状,并结合实际应用中存在的问题,展望了今后低压串联故障电弧检测方法的发展方向。

1 低压交流串联故障电弧及其特征

1.1 故障电弧类型

电弧是种气体放电现象,是由强电场作用击穿电极间绝缘介质而引起的[7]。在低压配电线路中,电弧可分为“好弧”和“故障电弧”[8]。“好弧”是一种瞬时性电弧,也被称为“正常操作弧”,常见的有插头拔插、电器开关合闸、电机启动及交流同步电机电刷换向时可能出现的火花闪烁。相对地,在人类意愿或控制之外,由于电气线路或设备短路、过电流、接触不良、漏电等原因引发的电弧,被称为“故障电弧”[9-10]。故障电弧的持续时间和发生地点不受控制,受故障电弧热效应影响,包裹导线的绝缘层可能会出现破损,形成碳化导电通道,最终严重损伤线路或设备,甚至引起火灾。因此,正确区分“好弧”和“故障电弧”是故障电弧保护的重中之重,要避免出现误判或错判,以免造成切断电源等大的事故。

根据电弧发生位置的不同,故障电弧一般可分为串联故障电弧、并联故障电弧和接地故障电弧,接地故障电弧又可归类于并联故障电弧[11]。故障电弧分类如图1所示。

1.2 串联故障电弧特征分析

并联故障电弧主要由过载、短路等原因引起,电流有效值相对较大,一般为75～500 A。低压配电线路中配置的断路器、熔断器及剩余电流动作保护器等传统保护装置能对并联故障电弧和接地故障电弧提供有效保护[12]。串联故障电弧相当于一个动态变化的电阻,与线路上正常负载串联,使得回路电流变小,范围在5～30 A,甚至可能更低[13]。故障电弧电流与正常电流对比如图2所示。通常情况下,串联故障电弧电流达不到传统保护装置的动作电流值,无法被准确识别和有效保护。此外,串联故障电弧电流受负载特性影响比较大,一些干扰性负载正常运行时的波形与故障电弧发生时的波形非常相似,大大增加了准确区分正常电流和故障电弧电流的难度,对检测方式和检测算法提出了更高的要求。

选用200 W白炽灯作为阻性负载,0.1 H电感线圈作为感性负载,串联的200 W白炽灯和0.1 H电感线圈作为阻感性负载,120 W电视机作为非线性负载,分析了这4种负载正常电流和故障电流变化,波形对比如图3所示。阻性负载正常工作时表现为正弦波,电流有效值为0.45 A,峰值约为0.69 A,故障发生时电流波形过零点附近平肩现象明显,且存在高频干扰信号,过零点后波形上升坡度陡峭。感性负载由于电感的作用,正常工作时电流波形为正弦波,但相比阻性负载波形更加光滑,电流有效值为6.86 A,峰值约为10 A。故障电弧发生时因电感可以释放储存的能量维持电弧的继续燃烧,故障波形保持为正弦波,平肩现象几乎没有,电流有效值为6.65 A,电流幅值变小。阻感性负载下,正常工作和故障电弧发生时的波形与阻性负载相似,故障电弧的平肩现象表现得较为明显。非线性负载的电流波形明显区别于线性负载,正常电流波形与故障电弧电流波形非常相似,都是尖峰形,可以明显看出故障电弧发生后电流幅值变小。若发生故障时电弧燃烧剧烈,正常工作电流与故障电弧电流间的差异将更加明显,否则变化较小,区分难度增加。

2 故障电弧检测技术研究现状

受串联故障电弧特性的影响,如何准确识别并切断串联故障电弧一直是电气火灾预防中尚未完全解决的难题。目前,国内外研究学者检测串联故障电弧的方法可大致归为3类,分别以故障电弧的数学模型、物理特征、电流/电压波形变化为依据。

2.1 基于电弧数学模型的检测方法

电弧数学模型是通过数学方程式来描述电弧动态变化的一种故障电弧检测手段,在开关电器电弧特性研究方面已有不少成果,有描述电弧宏观外特性的Cassie模型、Mayr模型、Stokes模型、Ayrton模型,及描述电弧内部物理特性的磁流体动力学模型等[14]。1939年提出的Cassie模型,得出电弧的横截面积与电流成比例且电弧电压恒定不变结论,适用于高电流电弧[15]。1943年发表的Mayr模型,假设功率损耗由热传导引起,更适用于电流近似为零的情况[16]。

Cassie的动态电弧方程式为

(1)

式中:τ——电弧时间常数;

g——电弧电导;

u——电弧电压;

Uc——电弧稳定燃弧电压。

Mayr的动态电弧方程式为

(2)

式中:i——电弧电流;

P——电弧散热功率。

这两种模型都具有片面性,无法完整表达电弧特性。很多电弧模型在它们的基础上做出了改进[17-18]。文献[17]结合一个Cassie模型和两个Mayr模型形成新的电弧模型来评估塑壳断路器的直流分断能力。文献[18]通过过渡函数构建了一种Cassie-Mayr组合模型,并仿真验证了改进后的电弧模型,能够较为准确地描述电弧的动态特性。

由于电弧的随机性与复杂性,建立电弧模型需要考虑的参量较多,所以不同的研究者会根据应用地点预先设置一些边界条件,而边界条件的差异使得生成的电弧模型不同。目前,利用电弧数学模型进行故障电弧检测的研究进展非常缓慢,更多停留在理论研究和实验仿真阶段[19]。然而,电弧数学模型在理论上有效地描述了电弧参数之间的本质关系,为故障电弧的进一步深入研究奠定了坚实基础。

2.2 基于电弧物理特征的检测方法

电弧燃烧时伴有的弧声、弧光、温度、压力等物理现象通常被用作故障诊断的依据[20]。国内外相关学者已经研制出一些利用电弧的光学、电磁辐射等特性来检测故障电弧的方法[21-24]。文献[21-22]设计了一种故障电弧检测装置,若压力分区话筒、红外接收器、回路电线均检测到电弧,则确定发生了故障电弧。文献[23]使用电磁波和声波的双峰性进行故障电弧检测与定位,可以检测被监视区域内的故障电弧。文献[24]提取故障电弧电磁辐射信号的模极大值以获得特征值,并根据该特征值设置合理的阈值来判断是否发生故障电弧,基于电磁辐射的故障电弧实验电路原理如图4所示。

受传感器检测范围的限制,将弧光、噪声、辐射和温度变化等物理特征用于故障电弧检测更常见于开关柜中,例如德国Moeller公司的ARCON系统、瑞士ABB公司的ARC Guard系统、芬兰Vaasa公司的VAMP系统等[25]。这类方法应用在低压配电线路主要存在以下问题:①利用物理特征进行检测要求传感器位置固定,而故障电弧的随机性导致位置不确定,如果传感器安装位置距离故障发生地点较远,检测效果将大大降低,这是无法大规模应用于电力线路的主要原因;②与配电柜、隔离配电柜、开关柜等设备相比,配电线路中的电弧物理特征相对较弱,隐蔽性较强,不容易被发现,要提高检测的灵敏度则势必会导致检测装置成本的增加。

2.3 基于电弧电流/电压波形的检测方法

故障电弧检测的主要研究方向是根据电压、电流信号的波形特征来区分正常状态和故障状态。这类检测方法通常是利用故障电流信号特征确定合适的检测指标,或者构建特征向量与故障电弧之间的映射关系,即建立故障电弧识别模型来检测故障电弧。

可以选择的电弧电流时域特征有电流比[26]、周期均值变化率[27]、积分值[28]、差值均方根[29]等,或使用谐波分析[30]、傅里叶变换[31]、小波变换[32]等工具分析故障电弧电流信号在频域和时频域中的特征,与预设的阈值进行比较,确定故障是否发生。文献[30]基于CZT(Chirp Zeta Transform,CZT)对电流信号进行高分辨率、低频率光谱分析。文献[31]利用傅里叶变换提取出负载正常运行和故障发生时电流的谐波分量,通过对比两者谐波分量差找出故障电弧发生时的特征量。文献[32]用dB4小波作为小波基函数,对降噪后电流波形数据进行2层小波分解和重构,通过提取的小波高频分量的周期方差值来区分正常电流和故障电弧。

为了建立故障电弧识别模型,先通过信号分析工具提取电流特征信号得到特征向量,再将特征向量输入支持向量机[33]、模糊控制[34]、神经网络[35-38]等分类器进行分类,得出分类结果。文献[33]通过经验模态分解(Empirical Mode Decomposition,EMD)分解经小波包去噪后的信号,得到特征向量并由支持向量机进行分类。文献[34]利用卡尔曼滤波器提取Res和|diff3(X2)|为故障特征,用作模糊逻辑处理模块的输入。文献[35]将傅里叶系数、梅尔频率倒谱系数和小波特征作为特征量输入3个全连接层进行训练,完成故障电弧的自动识别。文献[36]使用稀疏编码来捕获电流信号特征,并使用完全连接神经网络学习特征和分类故障电弧。文献[37]率先采用深度神经网络对串联故障电弧进行辨识,通过改进的AlexNet模型自动学习训练集中的深层特征并对其进行测试,获得较好的故障电弧识别精度,验证了深度神经网络在故障电弧高精度检测方面的可行性。在此基础上,文献[38]提出了一种与AlexNet并行的新网络模型,用于对故障电流信号进行特征提取、学习和状态分类,检测精度和稳定性都要高于文献[37]。其神经网络模型构架如图5所示。

分析故障电弧电流的时域、频域、时频域特征来提取特征值具有一定的效果,但一般适用于某些特定的负载,难以保证预先提取的串联故障电弧特征具有代表性;构建故障电弧模型提高了检测性能,但计算更加复杂,算法的实现对硬件提出了更高的要求。目前,最先进的算法是使用深度神经网络来识别串联故障电弧。该算法具有出色的自适应特性和无与伦比的数据处理能力。

2.4 故障电弧检测应用

以上所阐述的各种故障电弧检测方法,大多还处于实验室研究阶段,若要大规模应用到现场,应用到消防系统中,还需要反复多次的试点和改良。

在消防产品市场应用中,技术保护一般都以专利形式进行。目前,国内外的消防产品在故障电弧检测方面,主要通过比较电流波形特征与代表典型电弧电流的设定阈值来检测故障电弧。刘有光等[39]先根据电流数据计算出的故障电弧特征值,预设特征值阈值,然后再以此为依据进行判断:若运行时故障电弧特征值低于阈值T1,判断未产生故障电弧;若运行时故障电弧特征值高于阈值T2,判断产生故障电弧,立即进行脱扣处理;若运行时故障电弧特征值介于阈值T1和T2之间,判断状态不定,进行报警处理。Privitera等[40]将采集到的数据转换成低频段、高光谱分辨率的频率数据,通过识别频率数据在至少两个后续观察窗之间的差异及超过阈值的特性来辨别电弧状态。Shea[41]对电流传感器提供的高频电流信号进行滤波,与设定阈值进行比较,通过电压过零信号、阈值比较和预定周期数的不对称高频信号三种检测结果来判断是否跳闸切断电弧。

然而,以预先提取的故障电弧特征作为判别依据,其动作阈值范围有限,无法自适应地随负载和环境的变化而变化,容易造成误动作。当负载为线性负载或负载变化不大时,这类方法基本满足条件;而在电弧燃烧周期内,非线性负载的故障电弧电流的时域、频域特征可能会随时间发生变化。因此,难以保证预先提取的串联故障电弧特征的代表性是故障电弧向前发展的主要障碍。

可以看出,故障电弧检测技术研究应用到现场,是需要一个过程的,市场上相对成熟的应用技术普遍滞后于先进理论技术的研究。但任何技术研究的目标都是为了走向市场,解决问题,造福人类。因而,现场的技术虽然与研究领域的技术相比有所滞后,但其逐步发展,为先进技术的投入应用奠定了良好的基础,提供了一定的经验。

3 故障电弧检测技术的发展趋势

多年来,国内外研究学者一直致力于故障电弧精确检测的研究。针对目前国内外在这一领域的研究现状和低压串联故障电弧精确检测的难点,可以从以下几个方面进一步深入研究,以期获得更好的检测效果,并尽快应用于现场,从而为火灾减少做出一定的贡献。

(1) 综合弧光、噪声、辐射、温度、电流、电压变化的信息,将多参量信息进行融合,建立多参量信息融合模型是故障电弧检测的一个主要方向。它有利于提高检测精度,弥补单一参量的不足,但还需进一步研究多特征信息下故障电弧高精度辨识的智能算法。

(2) 针对电器种类和联结方式的复杂性,采用深度学习等新技术自动学习故障电弧深层特征,通过囊括大规模电流数据,及时分析用电线路变化情况和准确辨识故障电弧是否发生,做到自适应保护,以适应低压电网的多样化发展。

(3) 目前对故障电弧检测的研究基本停留在电弧发生后再检测,在电弧燃起来之前实现故障电弧检测是一个比较新的课题。已有研究表明,可根据电弧燃弧前的特征,如燃弧前空气击穿产生的超声波,来实现故障电弧预警。

(4) 目前的算法在如何正确识别串联故障电弧方面做出了深入研究,判断精度比较高。而在高准确率情况下,系统判断结果也可能出现有故障电弧检测不到、没有故障电弧却判断有故障电弧的情况。因此,要尽可能防止误诊,可以等待一定数量的连续假阴性事件或一个时间段内出现的事件数量来判断是否断开电路。

(5) 判断方法是否能够达到判断故障电弧的效果,要进行具体实验数据的分析,对尽量多负载正常、故障时的电流、电压波形进行采集。这就需要建立完整的低压串联故障电弧数据库。

4 结 语

随着电气化程度的不断加深,人们越来越意识到故障电弧的潜在威胁。本文从低压配电系统交流串联故障电弧的产生原因及故障特征入手,分析了串联故障电弧检测的难点,对现有几类故障电弧检测方法进行了综述,详细介绍了各种检测方法及它们应用于低压供配电线路时可能存在的一些问题,并指出了当前国内外故障电弧检测专利在实际应用中存在的不足。最后,借鉴已有的检测技术,提出了基于深度学习、多信息融合、自适应保护的故障电弧检测未来发展方向,以期推动故障电弧检测技术的继续深入研究。