基于SSA-ELM的直流串联故障电弧检测方法研究

doi:10.16628/j.cnki.2095-8188.2022.10.011

电器与能效管理技术 ›› 2022, Vol. 0 ›› Issue (10): 65-73.doi: 10.16628/j.cnki.2095-8188.2022.10.011

基于SSA-ELM的直流串联故障电弧检测方法研究

刘树鑫, 刘学识, 李静, 曹云东, 刘洋

教育部特种电机与高压电器重点实验室(沈阳工业大学), 辽宁沈阳 110870

收稿日期:2022-04-10 出版日期:2022-10-30 发布日期:2023-01-04
作者简介:刘树鑫(1984—),男,副教授,博士生导师,研究方向为电器智能化。|刘学识(1997—),男,硕士研究生,研究方向为电器电弧理论。|李静(1977—),女,副教授,博士研究生导师,研究方向为电器电弧理论。
基金资助:
辽宁省科技重大专项(2020JH1/10100012);辽宁省厅自然科学项目(LJGD2020001)

DC Series Fault Arc Detection Method Based on SSA-ELM

LIU Shuxin, LIU Xueshi, LI Jing, CAO Yundong, LIU Yang

Key Lab of Special Electric Machine and High Voltage Apparatus in the Ministry of Education,Shenyang University of Technology, Shenyang 110870, China

Received:2022-04-10 Online:2022-10-30 Published:2023-01-04

摘要/Abstract

摘要：

针对故障电弧信号随机性和不稳定性等问题,提出了一种基于SSA优化ELM(SSA-ELM)的直流串联电弧故障检测方法。首先根据UL 1699B标准搭建实验平台,进行数据采集;其次将采集到的直流故障电弧信号,通过添加自适应噪声的完全集合经验模态分解(CEEMDAN),得到固有模态分量(IMF),依据各IMF相关系数与能量分布,提取样本熵作为特征量;最后使用SSA-ELM学习特征量,并将该模型用于直流串联电弧故障检测。实验结果表明CEEMDAN分解方法对于信号干扰不敏感,SSA-ELM学习速度较快,对于直流串联电弧故障的检测识别更为准确灵敏。

关键词: 直流串联电弧, 经验模态分解, 电弧故障, SSA, ELM

Abstract:

To solve the problem of the randomness and instability of fault arc signal,a DC series arc fault detection method based on sparrow search algorithm extreme learning machine (SSA-ELM) is proposed.Firstly,the experimental platform is built according to UL 1699B standard for data collection.Secondly,the DC arc fault signal is decomposed into the intrinsic mode components (IMF) by the complete ensemble empirical mode decomposition with adaptive noise(CEEMDAN).On the basis of the correlation coefficient and energy distribution of each IMF,the sample entropy as the feature quantity is extracted.Finally,SSA-ELM is used to learn the feature quantity,and the model is used for DC series arc fault detection.The experimental results show that CEEMDAN method is not sensitive to signal interference,SSA-ELM has a fast learning speed and is more accurate and sensitive for DC series arc fault detection and recognition.

Key words: DC series arc, empirical mode decomposition, arc fault, sparrow search algorithm(SSA), extreme learning machine(ELM)

中图分类号:

TM501+2

刘树鑫, 刘学识, 李静, 曹云东, 刘洋. 基于SSA-ELM的直流串联故障电弧检测方法研究[J]. 电器与能效管理技术, 2022, 0(10): 65-73.

LIU Shuxin, LIU Xueshi, LI Jing, CAO Yundong, LIU Yang. DC Series Fault Arc Detection Method Based on SSA-ELM[J]. LOW VOLTAGE APPARATUS, 2022, 0(10): 65-73.

图/表 15

图1

图2

图3

图4

图5

图6

图7

图8

图9

图10

图11

图12

图13

图14

表1

参考文献 23

[1]	姜庆. 基于GaN HEMT的双向谐振直流变换器同步PWM调制策略研究[D]. 武汉: 华中科技大学, 2018.
[2]	柴熠, 尹天文, 高孝天. 中国低压直流设备与系统发展研究[J]. 电器与能效管理技术, 2018(22):1-5,69.
[3]	孙莹. 直流系统中串联电弧故障的研究[D]. 天津: 河北工业大学, 2015.
[4]	吴艺红, 侯国斌, 邓晓峰, 等. 空气电弧对电极的烧蚀研究综述[J]. 电器与能效管理技术, 2017(7):1-7.
[5]	王利栋, 王颖. 直流故障电弧特性及检测方法[J]. 中国科技信息, 2021(6):86-90.
[6]	宋江颂. 低压直流供配电技术[J]. 电器与能效管理技术, 2020(2):78-83.
[7]	单潇洁, 郑昕. 基于小波分析的低压电弧特性识别模型的研究[J]. 电器与能效管理技术, 2021(6):7-14.
[8]	CHEN S L, LI X W, MENG Y, et al. Wavelet-based protection strategy for series arc faults interfered by multicomponent noise signals in grid-connected photovoltaic systems[J]. Solar Energy, 2019, 183:327-336. doi: 10.1016/j.solener.2019.03.008
[9]	卢其威, 王涛, 李宗睿, 等. 基于小波变换和奇异值分解的串联电弧故障检测方法[J]. 电工技术学报, 2017, 32(17):208-217.
[10]	LE V, YAO X, MILLER C, et al. Series DC arc fault detection based on ensemble machine learning[J]. IEEE Transactions on Power Electronics, 2020, 35(8):7826-7839. doi: 10.1109/TPEL.2020.2969561
[11]	王尧, 张彦风, 牛峰, 等. 光伏直流电弧电磁辐射特性分析与测量方法[J]. 电工技术学报, 2019, 34(14):2913-2921.
[12]	李奎, 陈照, 张洋子, 等. 基于聚类分析和电磁辐射信号的电弧故障识别[J]. 电机与控制学报, 2018, 22(5):94-101.
[13]	崔芮华, 李泽, 佟德栓. 基于相空间重构和PCA的航空电弧故障检测[J]. 中国电机工程学报, 2021, 41(14):5054-5065.
[14]	张冠英, 张艳娇, 赵远, 等. 基于高斯过程分类的串联直流电弧故障检测[J]. 高压电器, 2020, 56(4):1-7.
[15]	QU N, ZUO J, CHEN J, et al. Series arc fault detection of indoor power distribution system based on LVQ-NN and PSO-SVM[J]. IEEE Access, 2019(7):184020 -184028.
[16]	焦治杰, 李腾, 王莉娜, 等. 基于卷积神经网络的光伏系统直流串联电弧故障检测[J]. 电工电能新技术, 2019, 38(7):29-34.
[17]	吴春华, 徐文新, 李智华, 等. 光伏系统直流电弧故障检测方法及其抗干扰研究[J]. 中国电机工程学报, 2018, 38(12):3546-3555.
[18]	唐圣学, 刁旭东, 陈丽, 等. 光伏发电系统直流串联微弱故障电弧检测方法研究[J]. 仪器仪表学报, 2021, 42(3):150-160.
[19]	张婷, 王海淇, 张认成, 等. 基于自归一化神经网络的电弧故障检测方法[J]. 仪器仪表学报, 2021, 42(3):141-149.
[20]	姚秀, 汲胜昌, HERRERA L, 等. 串联直流电弧特性及其在故障诊断中的应用[J]. 高压电器, 2012, 48(5):6-10.
[21]	XUE J K, SHEN B. A novel swarm intelligence optimization approach:sparrow search algorithm[J]. IEEE Access, 2020(8):1-8.
[22]	李敏, 戴安彩, 张培夫, 等. 直流小型断路器的应用及结构设计[J]. 电器与能效管理技术, 2021(5):25-29.
[23]	彭海波, 李凌霄. 阻隔式直流快速开断过程中的电弧行为研究[J]. 电器与能效管理技术, 2020(9):1-6.

训练方法	训练时间/s	测试时间/s	测试正确率/%
BP神经网络	57.1	5.2	80.3
FWA-SVM	19.1	1.7	96.9
SVM	5.5	2.7	90.0
ELM	4.1	1.5	87.0
SSA-ELM	8.7	0.3	97.1

基于SSA-ELM的直流串联故障电弧检测方法研究

DC Series Fault Arc Detection Method Based on SSA-ELM

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 15

参考文献 23

相关文章 8

编辑推荐

Metrics

本文评价

[1]	刘树鑫, 卓裕, 李津, 田二胜, 刘洋, 冯毅. 基于随机森林算法的配电线路短路故障分类^*[J]. 电器与能效管理技术, 2020, 0(8): 52-57.
[2]	郑熙东, 江修波. 基于集合经验模态分解的混合储能系统功率分配[J]. 电器与能效管理技术, 2020, 0(5): 21-27.
[3]	王尧, 田明, 牛峰, 包志舟, 李奎. 低压交流电弧故障检测方法研究综述[J]. 电器与能效管理技术, 2018, 0(10): 8-13.
[4]	徐宵伟, 陈永亮. 电弧故障检测技术分析与发展趋势[J]. 电器与能效管理技术, 2018, 0(10): 14-19.
[5]	朱立春, 张跃火, 张显立. 基于光伏直流电弧故障的研究与保护技术[J]. 电器与能效管理技术, 2018, 0(10): 35-39.
[6]	吴艾伦. 电弧故障保护电器(AFDD)串联、并联电弧故障试验及抑制性负载屏蔽试验方法[J]. 电器与能效管理技术, 2018, 0(10): 60-67.
[7]	杜量, 苏晶晶, 沈嘉, 傅炳. 一种新型电弧故障模拟发生装置的研制[J]. 电器与能效管理技术, 2018, 0(10): 68-74.
[8]	何东升, 刘光祺, 许呈盛. 一种高压断路器电弧故障检测保护方法及其装置的设计与开发[J]. 电器与能效管理技术, 2018, 0(10): 75-79.