-
關(guān)于研旭
-
-
-
-
祝賀【揚州大學】電氣與能源動力工程學院研究人員發(fā)表高水平論文
發(fā)布時間：
2025-04-01 16:46
來源：
學術(shù)報告摘要
揚州大學電氣與能源動力工程學院的研究人員提出了一種基于時頻復(fù)合遞歸圖的光伏系統(tǒng)直流串聯(lián)電弧故障檢測方法。首先，采用變分模態(tài)分解將電流分解為不同的模態(tài)分量。隨后，所提出的時頻復(fù)合遞歸圖將這些模態(tài)分量轉(zhuǎn)換為二維矩陣，從而能夠從時頻域分析不同相位狀態(tài)之間的復(fù)合相似度。最后，利用極限樹融合從矩陣中提取的分數(shù)階遞歸熵和奇異值，從而實現(xiàn)電弧故障檢測。實驗結(jié)果表明，所提出的方法實現(xiàn)了98.75%的檢測準確率，并且能夠在各種運行條件下準確檢測電弧故障，表明了所提出方法的有效性。此外，所提出方法的檢測時間滿足標準 UL1699B 的要求。
特別致謝
揚州大學
電氣與能源動力工程學院研究人員
論文題目：A Time–Frequency Composite Recurrence Plots-Based Series Arc Fault Detection Method for Photovoltaic Systems with Different Operating Conditions
作者：Zhendong Yin(尹振東), Hongxia Ouyang(歐陽虹霞), Junchi Lu(陸俊池), Li Wang(王莉), Shanshui Yang(楊善水)
期刊名稱：Fractal and Fractional
影響因子：3.6 (JCR Q1)
引用格式：Yin Z, Ouyang H, Lu J, Wang L, Yang S. A Time–Frequency Composite Recurrence Plots-Based Series Arc Fault Detection Method for Photovoltaic Systems with Different Operating Conditions[J]. Fractal and Fractional, 2025, 9(1): 33.
論文鏈接：https://doi.org/10.3390/fractalfract9010033
尹振東
工學博士，講師，工作于揚州大學電氣與能源動力工程學院，研究方向為直流電弧故障檢測、電纜絕緣缺陷定位。
背景
溫室效應(yīng)和資源枯竭問題日益嚴重，迫切需要找到化石燃料的可行替代品，以滿足人類社會不斷增長的電力需求。因此，各國都在優(yōu)先發(fā)展可再生能源，并努力向低碳能源結(jié)構(gòu)轉(zhuǎn)型。光伏發(fā)電因其儲量豐富、發(fā)展?jié)摿薮螅溟_發(fā)和利用越來越受到關(guān)注。
光伏系統(tǒng)由眾多電纜和端子組成。隨著時間的推移，高溫、高濕和磨損等外部因素可能導(dǎo)致電纜絕緣損壞或端子連接松動，從而引發(fā)電弧故障。電弧故障現(xiàn)場溫度可高達 3000°C，極易引燃附近的可燃物并引發(fā)火災(zāi)。
電弧故障可能會造成嚴重的財產(chǎn)損失，火災(zāi)排放的大量污染物還會污染空氣。此外，由于電弧故障導(dǎo)致光伏發(fā)電系統(tǒng)停機，會減少可再生能源的供應(yīng)。因此，電弧故障會對環(huán)境和經(jīng)濟產(chǎn)生嚴重的負面影響。
串聯(lián)電弧故障是一種不穩(wěn)定的等離子體狀態(tài)，會導(dǎo)致線路電流下降，這使得使用傳統(tǒng)保護裝置難以檢測，串聯(lián)電弧故障對光伏系統(tǒng)的安全性和穩(wěn)定性構(gòu)成重大威脅。準確、快速地實現(xiàn)串聯(lián)電弧故障檢測仍然是一個極具挑戰(zhàn)性的問題。
待解決問題
電弧故障的檢測可以通過對聲音信號、光信號、熱信號以及電磁輻射信號的分析來實現(xiàn)。然而，這些檢測方法依賴于電弧故障的外部物理特征，并且要求檢測裝置安裝在故障位置附近。然而，在實際系統(tǒng)中電弧故障的位置具有高度不確定性。因此，基于電弧故障外部物理特征的檢測方法僅適用于空間有限的系統(tǒng)。
基于電流信號的電弧故障檢測方法越來越受到關(guān)注。一些學者基于電弧故障特征的閾值實現(xiàn)了電弧故障檢測。然而，實際系統(tǒng)通常具有多種工作狀態(tài)，導(dǎo)致在不同運行條件下提取的單一特征存在顯著差異。因此，在實際系統(tǒng)中為單一特征確定一個能適應(yīng)不同工作狀態(tài)的適當閾值變得具有挑戰(zhàn)性。目前，越來越多的學者正在探索基于機器學習的電弧故障檢測方法，旨在提高檢測方法對系統(tǒng)工作狀態(tài)變化的適應(yīng)性。
基于機器學習的電弧故障檢測方法相較于基于單一特征閾值的方法能夠更有效地增強適應(yīng)性。然而，以往的研究主要集中在直接從一維電流信號中提取特征。而將這些一維信號轉(zhuǎn)換為二維矩陣能夠增強信號的結(jié)構(gòu)信息，更易于提取細微的故障特征。將電弧電流轉(zhuǎn)換為二維矩陣能夠提升電弧故障檢測的性能，但仍需探索更有效的矩陣轉(zhuǎn)換方法以克服系統(tǒng)復(fù)雜瞬態(tài)工作狀態(tài)的干擾。
遞歸圖是一種有效的矩陣轉(zhuǎn)換方法，基于遞歸圖獲得的矩陣包含許多其他方法難以提取的電弧電流特征。但遞歸圖采用歐幾里得距離作為單一的相似性評估指標，缺乏全面揭示相空間中不同狀態(tài)之間相似性的能力。而且遞歸圖只能從時域分析時間序列的動態(tài)特性，無法充分利用隱藏在頻域中的關(guān)鍵電弧故障信息。
研究方法
1、利用變分模態(tài)分解將電弧電流分解為不同的模態(tài)分量，有效地減輕了后續(xù)特征提取過程中各頻率成分之間潛在的相互干擾。
2、采用時頻復(fù)合遞歸圖對模態(tài)分量進行處理，將電弧電流轉(zhuǎn)換為二維矩陣。這種轉(zhuǎn)換有助于提取關(guān)鍵的時間-頻率復(fù)合相關(guān)故障信息。
3、從矩陣中提取的分數(shù)階遞歸熵和奇異值被輸入到極限樹分類器中，以獲得準確的檢測結(jié)果。
內(nèi)容
結(jié)果與展望
本文介紹了一種基于時頻復(fù)合遞歸圖的光伏系統(tǒng)電弧故障檢測方法，該方法能夠適應(yīng)光伏系統(tǒng)的復(fù)雜運行條件。本文的核心貢獻在于引入了一種新型時頻復(fù)合遞歸圖技術(shù)。時頻復(fù)合遞歸圖在復(fù)合相似性指標中融合了歐幾里得距離和余弦距離，克服了傳統(tǒng)遞歸圖在分析不同相空間狀態(tài)之間方向相似性方面的局限性。此外，通過處理基于變分模態(tài)分解得到的模態(tài)分量，時頻復(fù)合遞歸圖有效地捕獲了不同時間下頻率能量狀態(tài)之間的復(fù)合相似性信息，而傳統(tǒng)的遞歸圖無法提取頻域內(nèi)的故障信息?；诎煌\行條件的實驗數(shù)據(jù)，驗證了所提方法的性能。其檢測準確率為 98.75%，能夠有效地識別電弧故障的發(fā)生，同時在瞬態(tài)條件下有效地減少了誤報。實驗結(jié)果表明所提方法具有工程應(yīng)用價值。
未來將研究采用新型的時頻分析方法，進一步提升檢測算法的執(zhí)行速度。
相關(guān)新聞
祝賀【華南理工大學】新能源研究中心團隊發(fā)表高水平論文——一種塑造LCL型并網(wǎng)變換器魯棒無源輸出阻抗的增強方法
華南理工大學新能源研究中心團隊提出了一種LCL型并網(wǎng)變換器魯棒無源阻抗的增強方法，本文分析了參數(shù)波動對輸出阻抗無源性的影響，發(fā)現(xiàn)其可能會在中高頻段造成一些非無源區(qū)域，在此基礎(chǔ)上提出一種無源性增強的控制策略來提高無源性裕度，從而提升變換器的穩(wěn)定性。
微信公眾號
