基于全息希尔伯特频谱分析的交流串联电弧故障电流特征研究

针对交流串联电弧故障信号特征提取和分析的难题,提出采用循环掩码经验模态分解(itEMD)进行信号分解以获取多层内涵模态分量(IMF),结合全息希尔伯特变换(HHT)展现高维幅度调制频率调制(AM-FM)谱图的分析方法,从而获取高区分度的电弧故障信号特征谱图。采用基于GB/T 31143—2014的电弧故障实验平台,采集7种屏蔽负载模式下电弧故障电流信号,分析研究不同环境下电弧故障特征。所提方法对于电弧故障检测技术的开发具有一定的理论指导意义。

基于OS-EM-ELM的边缘侧串联电弧故障检测方法

电弧故障的高度随机性、复杂性使得其难以被准确识别。针对传统电弧识别算法对硬件算力要求高、实时性较低且一旦固定无法更改的问题,提出一种适用于边缘计算、多负载种类和多特征结合的误差最小化极限学习机(EM-ELM)电弧故障检测方法。通过快速傅里叶变换(FFT)、db4小波分解,提取周期均值差、脉宽百分比、间谐波因数及小波高频能量,作为边缘侧电弧故障检测算法的输入特征。在此基础上提出结合在线序列(OS)方法的OS-EM-ELM方法,运用现场运行数据对算法进行改进,提高适应性。实验结果表明,所提方法能有效地区分正常和电弧故障的波形,且适用于多种类型负载同时工作的复杂情况,计算量小,可实现在线训练,适应性强,应用成本低,更加符合电弧检测装置边缘计算的要求。

基于电弧随机性和卷积网络的交流串联电弧故障识别方法

随着接入低压配电系统负载种类的增加,低压交流串联电弧故障的识别难度大幅提升。针对此类问题,提出基于电弧随机性的卷积网络识别方法。首先,对采集到的电流数据进行陷波滤波,以放大电弧的高频随机特性;然后,基于皮尔逊相关系数计算电流周期间的相似度,并通过求解一阶导数获得电弧特征值作为检测标准。与基于小波变换和奇异值分解法、基于经验模态分解和概率神经网络法、电流周期间差异法相比,所提方法对电弧半周期的识别精度最高。最后,将电弧特征值生成特征向量,并采用AlexNet模型进行训练,进一步增加方法的普适性。试验结果验证了所提方法的有效性。

交流供电系统故障电弧隐患检测方法研究综述

交流故障电弧尤其是串联故障电弧是交流供电系统引发火灾的重要原因,其诱因复杂,产生过程隐蔽,特征现象不明显,如果不及时发现和处置,可能导致灾难性火灾,对人身安全和财产构成严重威胁。首先分析了交流故障电弧隐患发生的机理及其典型故障特征;其次系统阐述了交流供电系统中故障电弧检测和定位方法;最后,针对交流供电系统,从实际应用的角度出发指出了当前亟需解决的问题,并展望了未来交流故障电弧检测以及故障电弧定位的应用场景和研究方向。

基于罗氏线圈检测电弧高频分量的电弧故障检测方法

介绍了利用罗氏线圈di/dt传感器对低压交流电路中的串联电弧故障进行检测。通过模拟不同负载和电流等级下的串联电弧故障,了解电弧信号的模式和等级特征。罗氏线圈设计用于检测电弧信号的高频di/dt分量。实验结果清楚地表明,通过检测di/dt的高频分量,可以可靠地检测串联电弧故障情况。

超高压电网可控串联补偿与潜供电弧的抑制

对可控硅控制的串联补偿（ＴＣＳＣ）在超高压电网中抑制单相接地故障开断后潜供电弧的作用进行了研究，并以东北伊—冯线为例进行了分析计算。结果表明，采用适当的控制策略，可以显著地抑制潜供电弧的幅值，使接地电弧快速熄灭，为单相成功的自动重合闸奠定了基础。

基于CNN_LSTM模型的复杂支路故障电弧检测

在低压交流配电系统中,当多支路并联的复杂系统的某1支路中出现串联电弧故障时,识别难度大幅提升。为了预防此类情况引发的电气火灾,提出1种卷积神经网络(CNN)与长短时记忆网络(LSTM)结合的串联故障电弧检测方法。首先,搭建实验平台用以采集不同负载在不同支路下发生故障时和正常工作时的干路电流数据;然后,构建CNN_LSTM模型并做出相应改进,将电流数据直接输入到模型中,由模型自主提取波形特征并进行分类。研究结果表明:该方法可以快速、准确地识别出电弧故障,准确率达99.04%以上,且能够较为准确地检测出是哪类负载所在的支路发生电弧故障,准确率达97.90%,可为复杂支路下的电弧故障识别研究提供参考。

使用交流弧焊机焊接应注意的几个安全问题?

交流弧焊机是一台特殊的降压变压器,具有陡降的外特性。为了保护外特征陡降及交流电弧的稳定燃烧,在电源内部应该有较大的感抗。获得感抗的方法，一般是靠增加变压器本身的漏磁或在正常漏磁变压器的次级回路中串联电抗器来实现。交流弧焊机主要是通过调节焊机的感抗值来调节焊接电源，其基本变动铁芯或动绕组的位置或调节芯的饱和程度等。交流弧焊机主要有动铁芯式、同体式和动圈式三种。

80t电炉供电系统配置对电极消耗的影响

超高功率交流电弧炉供电系统的不同配置,对提高炉内有功功率的输入,减低电极电流,减少电极消耗有着很重要的意义。