低压直流电弧精准检测与快速分断技术是保障低压直流配用电系统安全、稳定、可靠运行的关键。首先综述轨道交通新场景下发展的直流故障电弧检测技术,分析多类基于时频域特征构建算法和基于机器学习的智能模型设计方式,介绍采用电磁、电流信号等特征的多种直流故障电弧定位技术。其次综述面向低压直流系统的快速分断技术,概述传统机械断路器开断方法,介绍基于电力电子器件发展的混合式断路器和固态断路器研究进展。最终提出低压电器设计领域发展方向,以期为相关研究人员提供参考。
直流串联故障电弧发生时隐蔽性较高、检测难度大,是低压直流系统发生火灾的重要原因。主要从低压直流串联故障电弧模型、电弧特征及其检测方法、检测标准及装置等3个方面进行综述。基于电弧仿真模型了解电弧演化过程,分析常用故障电弧模型的原理、适用范围和局限性;基于故障电弧的物理、电气信号特征构建及检测方法,阐述不同特征检测方法的优缺点;最后对直流串联故障电弧相关标准进行解读,并讨论试验平台及产品的研究现状和不足,展望未来低压直流故障电弧相关领域的研究方向。
低压断路器中电弧电压直接关系到断路器的灭弧性能,而栅片的近极压降直接影响电弧电压,因此研究其可以为优化断路器性能提供帮助。搭建简化的实验装置,测量直流电流等级为250 A时稳定燃弧过程的电弧电压,并绘制电弧电压与栅片间距的关系曲线,通过拟合曲线求得近极压降;同时从栅片材料、厚度和电流等级等方面探究影响近极压降的因素。实验结果表明,不同材料的近极压降会有差异,而栅片厚度和电流等级的大小不会对其产生影响。
为了探究直流接触器产品开断过程中电弧重击穿的物理机理,在考虑非均匀磁场分布的情况下建立磁流体动力学(MHD)模型,发现不同铜蒸气浓度下的2种电弧重击穿现象,即栅片间电弧重击穿和触头间电弧重击穿。触头间电弧重击穿会显著增加电弧燃弧时间,在实际应用中应尽量避免。电弧重击穿现象的发生与灭弧室内的气流漩涡和动静触头间的气体流速差有关。研究结果可为直流接触器灭弧室的设计提供理论指导和定量数据参考。
电弧重燃是延长高压直流继电器开断时间的重要原因。为了研究灭弧室内电弧重燃特性,利用Comso1 Multiphysics软件仿真获得永磁体磁场,作为电弧仿真的基础条件,仿真分析磁场强度、开断速度、触头形状和气氛压力作用下电弧动态特性及电弧重燃的原因;设计4因素3水平正交试验,并结合仿真研究各因素对电弧重燃的影响程度。结果表明,电弧间隙的散热条件和电弧电压反施加于弧隙的电场强度是电弧重燃的重要原因;散热条件越差或电弧电压反施加的电场强度越高,越容易发生电弧重燃;4个因素对电弧重燃的影响程度依次为开断速度、气氛压力、触头形状和磁场强度。
由于低压断路器中电场分布不均匀,在实际运行中易出现局部放电等问题,甚至引发火灾事故,因此对低压断路器中的电场进行分析和优化设计已成为重要的研究课题。以某光伏电站逆变器直流侧的低压断路器为研究对象,使用有限元软件分析不同电压水平和不同触头间距下的电场分布情况,并对断路器的绝缘薄弱点进行结构优化设计。最后,通过比较优化前后的最大电场强度,证明所提优化结构降低了断路器发生击穿放电的风险。
光伏系统中,因绝缘老化或接线松动而出现的直流串联电弧故障极易引发电气火灾。因此,光伏系统必须安装电弧故障检测装置,而其易因阴影遮挡和逆变器启动引发的直流侧高频噪声而误跳闸。将注意力机制和一维卷积神经网络相结合,提出一种基于注意力权重优化电弧特征的电弧故障检测方法。通过可视化电弧特征贡献权重,提取8~18 kHz和28~38 kHz电弧关键特征频段,并剔除8~23 kHz频段中的干扰特征频段。经验证,使用关键电弧特征训练的电弧故障检测模型可以成功避免阴影遮挡和逆变器启动过程带来的误动,最终使电弧检测准确率提高到99.33%。
针对故障电弧特征提取不足、检测精度不高等问题,提出一种多特征融合的改进蜣螂算法(IDBO)优化融合注意力(Attention)机制的卷积神经网络(CNN)和双向长短期记忆(BiLSTM)神经网络的串联电弧故障检测方法。通过实验平台提取电流的时域、频域、时频域以及信号自回归参数模型特征;利用核主成分分析(KPCA)对特征进行降维融合,并将求取的特征向量作为CNN-BiLSTM-Attention的输入向量;引入Cubic混沌映射、螺旋搜索策略、动态权重系数、高斯柯西变异策略对蜣螂算法进行改进,利用改进蜣螂算法对CNN-BiLSTM-Attention超参数优化实现串联电弧故障诊断。结果表明,所提方法故障电弧检测准确率达到97.92%,可高效识别串联电弧故障。
串联故障电弧是由电气线路或设备中电气连接松动或线路绝缘老化引起的空气击穿现象,会导致设备损坏、电路短路等问题,甚至引起电气火灾。为了准确识别三相交流电动机的振动故障电弧,提出一个基于一维卷积神经网络(1D CNN)并结合鹈鹕优化算法(POA)的故障诊断模型。所提模型可以直接利用上位机输出的一维时序电流数据进行训练;通过POA寻找1D CNN的最佳超参数,提升模型的识别能力;经过t-SNE算法分析模型的特征提取效果后,证实其有效性。测试结果显示,故障电弧识别准确率高达99.72%,所提方法比现有技术更加方便且性能更优。
为保证光伏发电系统的安全稳定运行,提出一种基于轻量型卷积神经网络(CNN)和特征阈值的光伏串联电弧故障检测算法。为了应对逆变器异常工况和光伏阵列时变性对信号特征的影响,以及不同弧长(0.05~10.00 mm)导致的信号特征差异,利用高频耦合信号为特征信号,并结合神经网络算法和特征阈值方法,检测光伏线路上的串联电弧故障。最后,制作光伏串联电弧故障检测装置样机。经实验测试,样机切断电弧故障的平均时间为177.1 ms,且在逆变器异常工况的干扰下不会发生误判。
针对现有的直流电弧故障检测方法容易受到环境影响,无法实现精准检测,且算法结构复杂,难以部署于实际应用,基于短时傅里叶变换设计一种直流电弧故障检测算法。通过分析电弧电流信号在频域上的幅值变化趋势,将频谱划分为不同的阶段,计算不同阶段频率积分的比值,根据大量实验结果得到判定的阈值从而实现电弧故障检测。最后,选择合适的单片机实现检测算法并进行测试,验证所提算法的有效性。结果表明,所提算法不仅能在多种类型负载并联的情况下及时检测出电弧故障,检测的准确率可达94.4%,而且在面对正常状态电流时的误判率为0,证明其具有较好的稳健性。
探讨储能系统中的电弧检测与保护方法,提出一种基于时域触发加频域保护的电弧检测算法。首先,设计了包括自检、增益及滤波电路在内的电弧检测硬件,通过隧穿磁阻效应(TMR)电流传感器放大储能系统拉弧后的电流峰峰值变化差异。其次,利用延时滑窗法提取时域特征作为电弧检测算法的触发条件,触发后计算其频域特征输入电弧检测模型,判定其为真实拉弧后,储能系统立刻进行关机动作。算法的测试结果表明,该方法能够准确识别出串联回路下的储能系统电弧故障,检测准确率100%,能够满足实际应用中的需求。
