低压栓接电连接器串联故障电弧特性及其识别方法研究

摘要

低压栓接电连接器是工矿企业供配电系统的常用设备，用于实现电缆与母线之间、电缆终端与电气设备之间的电气连接。栓接电连接器松动故障以及由此引发的串联故障电弧，是导致电气火灾的主要原因，目前尚无有效的预防方法。研究低压栓接电连接器串联故障电弧的故障特征及其识别方法，对于研发新型的故障电弧断路器、预防电气火灾具有重要意义。
　　以低压栓接电连接器中的串联故障电弧为研究对象，成功研制了栓接电连接器松动故障实验系统和串联故障电弧实验系统。开展了低压栓接电连接器松动故障实验，分析了电连接器松动故障的热电特性，提出了一种基于回路电流能量熵和概率神经网络（PNN）的栓接电连接器松动故障识别方法;首次开展了三相电机、三相电机+变频器、工控机等工业典型负载回路中的串联故障电弧实验，考虑了三相电机空载、带载、起动/制动、负载波动等不同运行工况，以及故障电弧与稳态电弧的差异;利用小波分析法提取串联故障电弧的故障特征，建立了故障电弧特征数据库;分别采用PNN、支持向量机(SVM)和BP神经网络建立故障电弧识别模型，采用循环寻优法、粒子群优化算法(PSO)和遗传算法(GA)对模型参数进行优化计算;提出了基于22种故障电弧特征和上述故障电弧识别模型的串联故障电弧识别方法，并对其有效性进行了实验验证。
　　论文获得以下主要结论:
　　(1)导线温度仅仅能够表征处于拧紧状态下栓接电连接器的过热状态;松动故障会导致接触温度、螺母温度和导线温度均迅速升高，并且使接触温度与导线温度之间的温差不断增大。螺母温度比导线温度更能准确表征松动故障状态下栓接电连接器的过热状态。
　　(2)机械振动会加剧接触温度的升高。非常轻微的松动故障就会使强电流、机械振动状态下的栓接电连接器产生火灾隐患，甚至引发火灾。因此，应该重点关注处于机械振动状态下的栓接电连接器松动故障。
　　(3)当栓接电连接器发生松动故障时，接触电压波形会发生不同程度的畸变，可以利用该特征识别电连接器松动故障。
　　(4)将回路电流的能量熵作为松动故障特征，利用优化后的概率神经网络可以有效识别栓接电连接器松动故障。
　　(5)故障相电流的平均值、标准差、极差、方差、绝对值积分平均值、均方根、相关系数，以及故障相电流2层db4小波分解系数a2、d1和d2的平均值、模最大值、标准差、小波熵和小波能量，可以作为串联故障电弧的故障特征。
　　(6)利用基于PNN的故障电弧识别模型、PSO优化的SVM故障电弧识别模型以及GA优化的BP神经网络，可以有效识别三相电机负载、三相电机+变频器负载、工控机负载以及阻感负载回路中的串联故障电弧。

目录

声明

致谢

摘要

1 绪论

1．1 研究背景与意义

1．2 国内外研究现状

1．2．1 电缆接头温度监测方法研究现状

1．2．2 电连接松动故障研究现状

1．2．3 串联故障电弧检测技术研究现状

1．2．4 故障电弧断路器研究现状

1．2．5 存在的问题

1．3 论文研究内容

1．4 研究方法和技术路线

2．栓接电连接器及其电接触性能

2．1 电连接器的类型

2．2 栓接电连接器的电接触性能

2．2．1 接触电阻

2．2．2 接触温度

2．3 栓接电连接器中的放电现象

2．4 本章小结

3．1 实验系统设计

3．1．1 主电路设计

3．1．2 信号采集电路设计

3．1．3 数据处理系统设计

3．2 实验方案设计

3．3 栓接电连接器松动故障的温度特性

3．3．1 不同测温点的温度特性

3．3．2 不同松动状态时的接触温度特性

3．4．1 接触电压特性

3．4．2 接触电流特性

3．5 本章小结

4．栓接电连接器松动故障识别方法研究

4．1 小波变换

4．2 概率神经网络

4．3 栓接电连接器松动故障识别计算

4．3．1 松动故障特征参数的计算

4．3．2 松动故障识别模型的建立与优化

4．3．3 松动故障识别方法的有效性分析

4．4 本章小结

5．栓接电连接器串联故障电弧的实验研究

5．1 实验系统设计

5．1．1 故障电弧发生器

5．1．2 故障电弧实验系统

5．2 实验方案设计

5．2．1 实验负载的设计

5．2．2 运行工况的设置

5．3 故障电弧的实验结果

5．4 本章小结

6．栓接电连接器串联故障电弧识别方法研究

6．1 串联故障电弧特征参数的计算

6．1．1 小波去噪

6．1．2 故障电弧特征参数的筛选

6．1．3 故障电弧特征数据库的建立

6．2 串联故障电弧识别模型的建立与优化

6．2．1 基于PNN的串联故障电弧识别模型

6．2．2 基于SVM+PSO的串联故障电弧识别模型

6．2．3 基于BP+GA的串联故障电弧识别模型

6．3 串联故障电弧识别方法的有效性分析

6．4 本章小结

7 结论与展望

7．1 研究结论

7．2 论文创新点

7．3 研究展望

参考文献

作者简历

学位论文数据集