摘要
串联故障电弧具有产生的随机性以及发生时电路电流减小等特点,传统保护装置难以识别.当前对串联故障电弧的检测大多对电流信号进行分析,但其容易受负载影响,识别时容易误判.因此,提出一种基于电压信号多特征识别电弧故障的方法,对实验采集的电压数据进行深入分析,利用余弦相似度、Pearson相关系数和Hausdorff距离对采集到的电源端电压和负载端电压波形相似度进行分析,并通过两电压差计算出线路电压,利用时域分析提取特征.对不同采集频率进行实验分析,选取最优采集频率.最后,通过学习向量化(Learning Vector Quantization,LVQ)神经网络对上述多特征融合进行检测.不同类型的负载试验表明,该方法对故障识别准确率可达96%以上.
基金项目
国家自然科学基金(51674136)
辽宁工程技术大学生产技术问题创新研究基金(20160019T)
NETL
NSTL
维普
万方数据