光伏系统直流故障电弧实验研究

光伏系统中的直流故障电弧严重威胁光伏系统的安全运行,由于其随机性和不稳定性且不具有交流电弧的零休现象,使得光伏系统中的直流故障电弧难以检测。研究光伏系统直流故障电弧的特性及其有效的检测方法对保障光伏系统运行的安全性和可靠性具有重要意义。设计了一套光伏直流故障电弧实验系统并有针对性地研究了光伏系统中直流故障电弧的特性和检测方法,提出了经验模态分解(EMD)算法和概率神经网络(PNN)算法相结合的光伏系统直流故障电弧检测方法,综合实验数据分析表明该方法能有效检测光伏系统中直流故障电弧。

一种基于SVM的直流电弧故障检测方法

直流电弧故障检测方法能够在低压直流电源系统中实时准确地检测出电弧故障的发生。针对电动自行车电池系统,提出一种基于支持向量机SVM的直流电弧故障检测方法,该方法包括电流电压时域和频域特征量提取、特征量数据预处理和直流电弧故障SVM分类器三部分,可根据特征量通过SVM分类器来判别电弧故障。在SVM分类器设计中还采用粒子群优化算法结合K折交叉验证寻找最优SVM参数,以优化分类器的分类性能。实验结果表明,该方法能够准确有效地检测出发生的直流故障电弧。

基于BP神经网络的直流电弧故障检测方法

结合大功率电子设备直流供电系统在直流电弧故障发生时电流在时频域的特征变化,利用小波变换对电流原始采样数据降噪后,在时频域内提取电流变化的特征值,作为BP神经网络的输入,将BP神经网络应用于直流电弧故障的检测。实验结果表明,该方法的检测准确率和误判率令人满意。

一种基于多特征量的直流电弧故障检测方法

文中提出了一种基于支持向量机SVM分类器的直流电弧故障检测方法与若干可用于直流电弧故障检测的时域、频域特征量,特别是基于希尔伯特-黄变换的时频域特征。将特征值导入SVM分类器进行训练后,SVM分类器可检测出直流电弧故障。在SVM分类器的设计和训练过程中,采用遗传算法参数寻优结合K折交叉验证选取最优参数。实验结果表明,SVM分类器的分类准确率高达98%以上。

光伏系统直流电弧故障检测的抗干扰技术综述

光伏发电系统直流侧电气环境复杂,尤其在早期投运的分布式光伏电站,受工业屋面干扰源多、设备和电缆老化以及设备技术相对落后等因素影响,直流电弧故障的安全威胁日益严重,这也为故障检测带来严峻挑战。阐述了光伏发电系统直流电弧的成因及电弧故障检测的复杂性,对目前国内外直流电弧故障的检测方法及其抗干扰技术进行综述,结合分布式光伏现场实际情况从应用角度提出了当前亟需解决的问题,最后对电弧故障检测技术的未来发展进行展望。

基于BP神经网络的光伏故障电弧检测方法研究

采用光伏系统电弧检测平台采集并分析电弧的数据,从实验和数学模型所得数据研究故障电弧时域和频域特征。根据特征提出基于快速傅里叶变换(FFT)和BP神经网络相结合的电弧检测方法:采集电弧数据进行快速傅里叶变换,取特定频率范围幅值输入神经网络进行判断。

直流电器 讲座 第一讲 低压直流空气电弧研究进展综述

随着直流配电系统的发展,低压直流空气电弧开断和故障电弧检测成为低压电器领域的研究热点之一。综述了国内外近期在直流电弧磁流体动力学仿真、直流电弧对电极的烧蚀作用、直流故障电弧检测、基于栅片电压测量的电弧开断特性试验等方面的研究进展,为相关产品的研发提供一定的参考。