陈 浩，阎 俏,2，张桂青,2，曹建荣，张汉元,2，庄 园，任 飞，田 丰

(1.山东建筑大学 信息与电气工程学院，济南 2501012.山东省智能建筑技术重点实验室，济南 250101)

0 引言

国家消防救援局发布的2020年火灾出警数据显示，电气火灾数量多年来依旧持续庞大，占各种火灾数量的1/3以上，大型火灾中有一半以上系电气原因引发。常见的电气火灾主要由过载、过流、电弧、漏电等原因引起[1]，相比其他火灾诱因，串联故障电弧隐蔽性强，不会引起断路器或熔断器动作，因此，高效可靠的实现对串联故障电弧进行识别和监测至关重要。

近些年，学者们采用多种方法致力于串联电弧故障的识别。文献[2]以正交二次样条小波为工具，通过检测电流周期性奇异点间接检测串联电弧故障；文献[3]基于小波变换和支持向量机，提取特征进行分类；文献[4]利用SWT算法提取波形动态特征，输入SVM进行决策判断；文献[5]利用马尔拉特算法，将时频信号分解为高低频两部分，将高频系数均值及其方差作为判据。以上论文在一定程度上都实现了对串联故障电弧的识别，但漏报误报率较高，识别精确度有待提高。

互补集合经验模态分解(CEEMD)方法可以使复杂信号自适应的分解为多个本征模态函数( IMF，intrinsic mode function)与余差的组合，其IMF分量包含了原信号的不同时间尺度的局部特征，基函数是由数据本身所分解得到，对非平稳、非线性数据的处理优势明显，同时又解决了经验模态分解方法(EMD，empirical mode decomposition)的端点效应和模态混叠问题，因此近年来在不同工程领域得到了众多应用。……