基于改进MobileNet的串联电弧故障检测方法

doi:10.16628/j.cnki.2095-8188.2024.02.003

摘要/Abstract

摘要：

针对非线性负载和复杂组合负载发生串联电弧故障时检测效果不理想,提出一种基于改进轻量型网络MobileNet的串联电弧故障检测方法。根据磁通不对称分布将中性线和相线同时穿过电流互感器获取高频电流耦合信号,通过在实验室模拟大量电弧故障实验,获得国标规定7种负载与常见家用电器5种负载的各类电弧故障样本,运用数据增强生成数据集进行训练并测试,最后将串联电弧故障检测网络模型搭载于电弧故障保护样机上,进行在线检测测试。实验结果表明,所提方法能有效识别串联电弧故障,且有利于实现电弧故障保护器的产品化。

关键词: 串联电弧故障, 不对称分布, 轻量型网络, 故障检测

Abstract:

A series arc fault detection method based on an improved lightweight network MobileNet is proposed to adress the unsatisfactory detection performance of series arc faclts with noulinear loads and complex combination loads. According to the asymmetric distribution of magnetic flux, the neutral and phase lines are simultaneously passed through the current transformer to obtain the high-frequency current coupling signals. By simulating a large number of arc fault experiments in the laboratory, various arc fault samples are obtained for 7 types of loads specified in the national standard and 5 types of loads commonly used in household appliances. Data augmentation is used to generate datasets for training and testing. Finally, the arc fault detection network model is mounted on the arc fault protection prototype for online detection testing.The experimental results show that the proposed method can effectively identify series arc faults and is conducive to the productization of arc fault protectors.

Key words: series arc fault, asymmetrical distribution, lightweight network, fault detection

中图分类号:

TM501.2

郑力, 鲍光海. 基于改进MobileNet的串联电弧故障检测方法[J]. 电器与能效管理技术, 2024, 0(2): 13-20.

ZHENG Li, BAO Guanghai. Series Arc Fault Detection Method Based on Improved MobileNet[J]. LOW VOLTAGE APPARATUS, 2024, 0(2): 13-20.

图/表 17

表1

图1

图2

图3

图4

表2

图5

图6

表3

图7

表4

表5

图8

图9

表6

表7

表8

参考文献 19

[1]	吴志强, 王德坤, 伍林, 等. 电气火灾成因及防范技术分析[J]. 消防界(电版), 2020, 6(12):14-17.
[2]	江润, 方艳东, 鲍光海, 等. 适用于低压串联故障电弧的Mayr改进模型[J]. 电器与能效管理技术, 2019(21):14-18.
[3]	刘艳丽, 郭凤仪, 李磊, 等. 一种串联型故障电弧数学模型[J]. 电工技术学报, 2019, 34(14):2901-2912.
[4]	高小庆, 陈晓军, 鲍光海. 考虑故障电弧电流高频特征的阻抗电弧模型[J]. 电器与能效管理技术, 2021(3):6-12.
[5]	PARIKH P, ALLCOCK D, LUNA R, et al. A novel approach for arc-flash detection and mitigation: At the speed of light and sound[J]. IEEE Transactions on Industry Applications, 2014, 50(2):1496-1502. doi: 10.1109/TIA.2013.2288239
[6]	陈照, 李奎, 张洋子, 等. 基于电弧电磁辐射的故障电弧识别[J]. 电工电能新技术, 2017, 36(3):70-74.
[7]	刘晓明, 赵洋, 曹云东, 等. 基于小波变换的交流系统串联电弧故障诊断[J]. 电工技术学报, 2014, 29(1):10-17.
[8]	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.
[9]	GUO F, GAO H, WANG Z, et al. Detection and line selection of series arc fault in multi-load circuit[J]. IEEE Transactions on Plasma Science, 2019, 47(11): 5089-5098. doi: 10.1109/TPS.27
[10]	王尧, 田明, 谢振华, 等. 基于电流相似度与高频能量的串联故障电弧检测方法[J]. 电测与仪表, 2022, 59(6):158-165.
[11]	BAO G H, JIANG R, GAO X Q. Novel series arc fault detector using high-frequency coupling analysis and multi-indicator algorithm[J]. IEEE Access, 2019, 7: 92161-92170. doi: 10.1109/Access.6287639
[12]	任志玲, 南忠明. 基于改进CNN的串联型故障电弧识别方法研究[J]. 控制工程, 2022, 29(2):263-270.
[13]	葛蕴慧, 李静, 曹云东. 基于图像处理的低压直流电弧特性检测研究[J]. 电器与能效管理技术, 2019(22):17-22.
[14]	鲍光海, 江润. 基于磁通不对称分布的串联电弧故障检测研究[J]. 仪器仪表学报, 2019, 40(3):54-61.
[15]	陈浩, 阎俏, 张桂青, 等. 基于模态分解与特征匹配的串联故障电弧识别方法研究[J]. 计算机测量与控制, 2021, 29(11):53-60.
[16]	张冠英, 张晓亮, 刘华, 等. 低压系统串联故障电弧在线检测方法[J]. 电工技术学报, 2016, 31(8):109-115.
[17]	BAO G H, JIANG R, LIU D J. Research on series arc fault detection based on higher-order cumulants[J]. IEEE Access, 2019, 7:4586-4597. doi: 10.1109/ACCESS.2018.2888591
[18]	余琼芳, 徐静, 杨艺. 基于CNN_LSTM模型的复杂支路故障电弧检测[J]. 中国安全生产科学技术, 2022, 18(4):204-210.
[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.

负载名称	负载类型	负载功率/W
热水壶	阻性负载	1 800
可调电阻箱	阻性负载	4 400
手电钻	感性负载	240
电冰箱	感性负载	250
空气压缩机	感性负载	950
真空吸尘器	感性负载	1 200
微波炉	感性负载	1 500
电脑主机	非线性负载	90
台式机显示屏	非线性负载	200
荧光灯	非线性负载	100
卤素灯	非线性负载	300
调光白炽灯	非线性负载	600

负载名称	样本数量/组
负载名称	训练集A	训练集B	训练集C
热水壶	250	200	4 000
手电钻	250	200	4 000
电冰箱	250	200	4 000
空气压缩机	250	200	4 000
真空吸尘器	250	200	4 000
微波炉	250	200	4 000
电脑主机	250	200	4 000
调光白炽灯	250	200	4 000
荧光灯	250	200	4 000
卤素灯	250	200	4 000
总计	2 500	2 000	40 000

编号	采样频率/ kHz	输入长度/点	每个批量大小	学习率	验证集准确率/%
1	10	1 000	16	0.01	67.42
2	10	2 000	16	0.01	64.33
3	50	2 000	32	0.001	61.62
4	50	4 000	64	0.001	88.96
5	100	4 000	128	0.01	91.62
6	100	8 000	128	0.001	98.10
7	200	8 000	256	0.01	97.79
8	200	16 000	256	0.001	98.42

数据集	负载类型	样本数量/点
典型组合负载	5 A阻性负载+手电钻	8 000
	5 A阻性负载+调光白炽灯	8 000
	手电钻+调光白炽灯	8 000
	5 A阻性负载+手电钻+调光白炽灯	10 000
	荧光灯+卤素灯+电脑+电冰箱	12 000
	手电钻+电脑+5A阻性负载+荧光灯	12 000
未训练负载类型	空载	100
	热水壶+真空吸尘器	400
	热水壶+微波炉	400
	热水壶+空气压缩机+台式显示屏	500
	电脑+台式显示屏+调光白炽灯	500
	微波炉+电脑+热水壶+真空吸尘器	600
	微波炉+手电钻+热水壶+荧光灯	600

实验电流/A	最大检测时间/s	实验电流/A	最大检测时间/s
3	1	20	0.15
6	0.5	40	0.12
13	0.25	63	0.12