摘 要：电力在对人们生活的影响日益加深的同时，也带来了更大的火灾隐患。相关数据统计显示，电气火灾的第一大成因就是故障电弧。为提高串联型故障电弧检测的准确度，针对串联故障电弧的隐蔽性、随机性与不稳定性，文章提出基于谐波与SVM 的串联故障电弧检测方法。通过自主搭建串联故障电弧实验平台以采集正常运行电路与产生串联故障电弧时的谐波数据，并以此为参数作为 SVM 的输入变量建立模型。研究结果表明，基于 SVM 的串联故障电弧检测方法，识别串联故障电弧的准确率较高，具有一定的可行性与有效性。
关键词：串联故障电弧；谐波；SVM
DOI:10.19850/j.cnki.2096-4706.2021.15.013
中图分类号：TP181；TM501 文献标识码：A 文章编号：2096-4706（2021）15-0051-04
Series Fault Electric Arc Recognition Method Based on Support Vector Machine
WU Shanshan, ZHANG Cong, ZHAO Huanhuan, YANG Caiwei
(School of Energy and Power Engineering, Changchun Institute of Technology, Changchun 130012, China)
Abstract: While the influence of electric power on people’s life is deepening, it also brings greater fire hazards. Relevant statistics show that the first major cause of electrical fire is fault arc. In order to improve the accuracy of series fault arc detection, aiming at the concealment, randomness and instability of series fault electric arc, a series fault electric arc detection method based on harmonic and SVM is proposed in this paper. The series fault electric arc experimental platform is built independently to collect the harmonic data of normal operation circuit and series fault electric arc, and take this as the parameter and take this parameter as the input variable of SVM to establish the model. The results show that the series fault electric arc detection method based on SVM has high accuracy of identifying series fault electric arc, which has a certain feasibility and effectiveness.
Keywords: series fault electric arc; harmonics; SVM
参考文献：
[1] 高小庆，陈晓军，鲍光海 . 考虑故障电弧电流高频特征的阻抗电弧模型 [J]. 电器与能效管理技术，2021（3）：6-12.
[2] 潘刚毅 . 基于弧声信号特征的弓网电弧检测方法 [J]. 机车车辆工艺，2017（6）：34-36.
[3] 王毅，陈进，李松浓，等 . 基于时频域分析和随机森林的故障电弧检测 [J]. 电子测量与仪器学报，2021，35（5）：62-68.
[4] 乔维德 . 基于反向传播神经网络的故障电弧识别 [J]. 南通大学学报（自然科学版），2020，19 （3）：42-48.
[5] 张婷，王海淇，张认成，等 . 基于自归一化神经网络的电弧故障检测方法 [J]. 仪器仪表学报，2021，42（3）：141-149.
[6] 武雪伟，程晋培 . 基于负载分类的神经网络故障电弧检测[J]. 科学技术创新，2020（30）：118-119.
[7] 全国消防标准化技术委员会火灾探测与报警分技术委员会．电气火灾监控系统第 4 部分：故障电弧探测器：GB14287.4- 2014 [S]. 北京：中国标准出版社，2014．
[8] 全国低压电器标准化技术委员会．电弧故障保护电器（AFDD）的一般要求：GB/T 31143-2014 [S]. 北京：中国标准 出版社，2014．
[9] 邓勇 . 基于灰度图像的串联故障电弧特征研究 [D]. 阜新：辽宁工程技术大学，2018.
[10] 张冠英，张晓亮，刘华，等 . 低压系统串联故障电弧在线检测方法 [J]. 电工技术学报，2016，31（8）：109-115.
[11] 余琼芳，路文浩，杨艺 . 基于深度长短时记忆网络的多支路串联故障电弧检测方法 [J]. 计算机应用，2021，41（S1）：321-326.
[12] 陈烜，冷继伟，李海峰 . 基于全相位谱和深度学习的串联故障电弧识别方法 [J]. 电力系统保护与控制，2020，48（17）：1-8.
作者简介：吴珊珊（1997—），女，满族，河北承德人，研究生在读，研究方向：建筑电气与智能化工程。