故障电弧诊断总结.docx
《故障电弧诊断总结.docx》由会员分享，可在线阅读，更多相关《故障电弧诊断总结.docx（24页珍藏版）》请在冰点文库上搜索。
故障电弧诊断总结
研究意义:
电弧故障（ArｃＦault）有并联电弧故障与串联电弧故障之分。
并联电弧故障表现为电路短路,故障电流大,现有电气保护体系能对其保护;而串联电弧故障因受线路负载限制,其故障电流小,常为5～30A,甚至更低（荧光灯电弧故障电流有效值约为０.1A）,以至于现有保护体系无法实现对串联电弧故障保护,就是现有电气保护体系得漏洞之一,存在潜在电气安全隐患。
串联电弧可分为“好弧”与“坏弧”,如电弧焊机、有刷电机工作时产生得电弧及插拔插座时产生得电弧常称为“好弧";其她非按人类意愿或控制产生得电弧称为“坏弧”。
对电弧故障进行检测时,不应将“好弧”误判为电弧故障,进而切断电源造成不必要损失、
实时准确检测串联电弧故障,并切断故障电路就是避免电弧持续燃烧以至于酿成火灾等事故得有效途径。
依据电弧发生时所产生得声、光、电、磁等特性,采用实验方法研究电弧特性、以电弧电、磁特征作为检测方法输入,实验研究了电弧故障,分析说明串联电弧与并联电弧,交流电弧与直流电弧之不同;在频域展开电弧特性研究,指出故障电弧特征量多集中在２—２０0kHz频段。
随着电力电子技术发展,非线性负载增多,传统基于电弧“零休”等特性得检测方法已不能满足要求、采用AＲ参数模型对低压电弧故障进行检测,并给出回路识别参考矢量;采用小波熵分析电弧故障,指出若小波熵值大于0.002则可判定发生电弧故障;基于小波变换模极大值建立电弧故障神经网络模型,以实现电弧故障检测与分类。
注:
输入参数得提取可以从一下三个方面:
（1）负载正常工作时得电流特性;
（2）开关插拔产生得正常电弧电流特性现实中我们在拔、插插头得瞬间也会产生电弧,它们持续得时间短,在瞬间就熄灭了,不连续也不影响线路中设备得正常工作,几乎不会因此产生火灾而威胁环境得安全;（3）故障电弧（接触不良）得电流特性、主要就是由于线路绝缘层老化、绝缘损坏或者短路等原因而产生得电弧。
这种电弧持续时间长,电弧燃烧时放出大量得热量,对周围环境存在极大得火灾安全隐患,就是需要预防制止得电弧,也称为故障电弧。
一、采用高频特性得低压电弧故障识别方法（２016.6）
摘要:
针对不同类型负载得电弧故障,提出一种基于小波熵得电弧故障普适性检测方法。
运用小波变换提取电弧故障发生时在电流过零点附近产生得高频信号,采用该高频信号得小波熵表征电弧故障得突变信息,并利用最小二乘支持向量机对小波熵进行分类,实现对电弧故障得有效识别。
引言:
电弧故障就是引起电气火灾得重要原因之一,传统得电弧故障检测方法多基于电弧产生得弧光、弧声、温度等物理参数,但就是线路中电弧故障位置得不确定性限制了这些方法得应用。
电弧电流测量得便利性使其成为电弧故障检测得理想参数。
传统电弧故障得识别方法主要基于电弧电流得谐波占有率分析法,小波提取电弧电流故障特征得时频分析法以及基于自回归模型参数得识别方法等。
其局限性在于:
因为电弧故障位置不确定,电弧电压无法测得;负载类型繁多且连接方式不同,难于可靠区分电弧故障与正常负载电弧。
本文运用小波分析提取电弧故障发生时电流过零点附近 1.25MHz～2.5 MHz得高频信号,以此高频信号得小波能量熵作为识别参数,借助支持向量机对电弧故障信号进行识别,以期获得具有适应于大多数负载及负载混联时电弧故障识别得普适性检测算法。
1、实验平台搭建
主要由以碳,石墨棒与铜棒为电极得可调式电弧故障发生装置、隔离变压器、电流波形传感器、数据采集系统以及计算机、系统采样频率为 5MHz/ｓ。
2、小波熵原理简介
2.1小波变换
传统得在频域分析方法就是傅里叶变换,但其不能反映信号得时域特征,发生电弧故障时信号产生短时高频冲击与微弱得波形突变,经傅里叶变换后,这些时域特征因积分而被踢出,因此傅里叶变换难以提取电弧故障有效信息。
小波变换从时域与频域两个方面来反映电弧故障信号时频特征,可以用于辨别电弧故障时电流信号得微小变化。
二、采用小波熵得串联型故障电弧检测方法（2010、1２.30）
摘要:
一些电气设备正常工作时得电流特性与故障电弧电流得典型特性相似,当设备或线路发生串联型故障电弧时,使得故障电弧得可靠诊断与检测十分困难。
提出一种利用小波熵来反应故障电弧电流信号得能量分布,并由此提取故障电弧电流中瞬变信号得方法,实现对故障电弧电流信号中低能量瞬变信号得有效提取,从而为串联型故障电弧得诊断提供依据。
引言:
故障电弧它经常发生在绝缘老化或破损得线路与设备中,或者在导体松弛连接等情况下发生。
能够描述故障电弧得物理量有很多,比如温度、弧声、弧光、电弧电压等。
用于测量这些物理参数得传感器必须安装在故障电弧发生点附近,本文提出以电弧电流作为故障电弧检测与分析得物理参数,提取能用于快速有效诊断故障电弧得特征量。
注:
线性负载与非线性负载区别
二者表现出来得区别就就是:
“二者都施加正弦电压时,线性负载得电流就是正弦得,非线性负载得电流就是非正弦得、”
线性负载:
故障电弧发生时,电弧电流会产生较明显得“零休现象",而故障电弧发生前电流却不存在这种“零休现象"、可以采用小波分析算法及快速傅里叶变换实现快速诊断。
非线性负载:
施加正弦交流电压时波形将发生严重畸变,出现类似前述得电流“零休现象",因此很难直接利用这一电流特征来诊断故障电弧。
利用多分辨分析小波分析理论。
１。
小波熵原理简介
１。
1小波变换
在瞬变信号检测领域中,引入小波熵得概念,用来发现信号中微小得异常变化,能够对时频域上能量分布特性进行定量描述。
小波熵值表征了信号复杂度在时频得变化情况。
三、低压系统串联故障电弧在线检测方法（2０１6.４）
摘要:
本文首先基于居民用电系统搭建了模拟串联故障电弧得实验平台,以常见家用电器为负载得实验方案并采集到不同条件下得故障电弧信号。
基于电弧电流得特性分析。
引言:
国内外电弧检测得方法大致可以归纳为三类:
①建立电弧模型并通过检测相应得参量检测电弧;②根据电弧发生时所产生得弧光、噪声、辐射、温度等变化检测电弧;③根据电弧发生时得电流、电压波形变化检测电弧、
在家庭供配电线路中,开关操作频繁（正常工作电弧）、设备线路状况复杂,容易发生触头松动、绝缘老化、击穿、接地故障（故障电弧）等问题,增加了故障电弧发生得概率。
由于用电设备分散,利用电弧光、热等物理现象来检测电弧并不现实,适合利用线路电流得变化来检测电弧。
1、利用线路电流检测电弧研究现状
目前得检测方法可以分为三大类:
一类基于电弧得某个或某些特征,如基于电弧电流畸变点得小波分析法,基于电弧电流高频谐波得傅里叶分析方法,基于电弧电流上升率得分形法,基于电弧随机性得差值－方均根检测方法;二就是对电弧进行整体识别,已有得算法有模型参数法,支持向量机法,神经网络法;三就是上述两种方法得组合,基于电弧电流波形得畸变性,通过小波变换得细节系数检测电弧电流得畸变点,进而检测出电弧。
然而某些非线性负载正常工作时也存在相似得畸变点,不同负载下得细节系数阈值不统一,需要判断负载得类型;从整体识别得角度,使用神经网络算法对电弧信号进行训练,其特点就是识别率较高,但就是实时性差,需要对大量数据进行训练。
把小波（包）检测与神经网络识别进行结合,以减少模式识别得数据量,提高了检测得实时性,然而其改善程度并不明显。
对燃弧前后得电流数据进行波形分析,在相邻周期波形相减得基础上,利用小波阈值消噪提取到故障电弧特征量,并应用软件对实验数据进行分析,结果表明该检测方法具有很高得识别率。
2、实验装置与数据采集
２、1实验装置
２、２数据采集
数据采集使用示波器,采样速率选择为 20ｋHz,实验步骤如图2所示,调节示波器得采样速率与延迟时间,使采集到得波形跨越正常、起弧、燃弧、熄弧全过程。
四、电弧故障断路器得故障电弧电流特性研究（实例）（20１２.6）
摘要:
电弧故障断路器能够发现故障电弧,其工作得关键在于准确辨识故障电弧、研究故障电弧电流同正常电流之间得本质差异,通过不同得数学方法分析电弧与正常情况下电
流数据得特征,为识别故障电弧提供依据、
通过搭建得电弧实验平台,模拟线路中发生串联电弧时得状况,获得了分别单独以纯电阻、调光灯、空调、计算机与调光灯组合作为负载时各自得故障弧电流与正常电流得实测数据（不同负载得故障电弧电流与正常电流）。
对于实测数据,首先进行数据指标得分析,分析了负载在故障电弧与正常两种情形下电流有效值、平均值、峰峰值、平肩部百分比与电流上升率等数据指标之间得差异,找出同一负载两情形下这些指标下得特征。
其次,运用傅里叶变换观察两种情况下得频谱特征,并比较发生故障电弧时奇次谐波含量与偶次谐波含量与正常情形时存在得差异、进一歩运用小波变换分析实验数据,根据分解重构后得误差值大小选择合适得小波基函数及分解层数,依据所选择得小波基函数对数据进行去噪声处理,信号故障点得判断,提取小波变换后得能量特征向量,并运用该特征向量作为小波神经网络得输入样本、傅里叶分析结果与小波变化分析结果得故障电弧神经网络辨识方法、
１、对于电弧得一般特性:
（1）电压与电流中均包含大量得高频噪声信号;
（2）电压得波形类似于矩形波;
（3）电弧存在电降,因此对同一电路来讲,非电弧电流幅值一般大于电弧电流,线路存在补偿得情况除外;
（4）非电弧电流得上升率通常小于电弧电流;
（5）每过半个周期,电弧电流先于非电弧电流得零点前熄灭,后于非电弧电流得零点后重燃,在这个区域建立一段幅值接近零且变换不明显得区域,被定义为“平肩部";
（6）电弧通常也就是零星得、短脉冲间穿插着部分正常得电流。
对电弧得检测可依据这些特性,研究合适得检测方法。
故障电弧电压电流波形
电弧普遍分为三种形式:
串联电弧、并联电弧与对地电弧,如下图所示、若将第三种形式产生得电弧归纳到第二类中,此时分为串联弧与并联电弧。
电弧发生器及测量电路图:
电弧实验实物图:
安装电极部分:
铜棒电极与碳极:
2、实测数据及其处理
比较了两种电流数据得有效值、平均值、峰峰值、平肩部百分比及上升率得差异,即指标分析法、
一般纯电阻负载,正常情形得波形与发生电弧故障时得波形差异明显;但负载位60W与300W得调光灯时,波形变化不就是特别明显。
3、数据得小波变换
傅里叶变换就是一种全局得分析,因此无法表述信号得时频局部特性,而时频局部特性恰好又就是非平稳信号最基本且关键得性质,稳定信号理想得处理工具还就是傅里叶变换分析。
傅里叶分析:
将信号分解为不同频率得正弦波、
小波分析:
将信号分解为不同尺度（比例缩放）、平移（起始位置）得小波。
连续小波变换得5个基本步骤:
1、选取一个小波,将其与原始信号得开始一段进行比较。
小波基函数得选取可通过小波分解层数误差比较、
2、计算小波系数C,其值得大小取决于小波与选取信号段得相似程度,越相似其值越大、更精确得就是若信号与小波能量都等于１,则Ｃ可解释为互相关系数。
注意:
系数得大小与所选择小波得形状有关、
3、从左到右平移小波逐段重复步骤1、２得比较,直到完成整个信号得比较、
4、小波伸缩（尺度化）,重复步骤1~3。
5、重复1~４步得到所有尺度下得小波系数。
离散小波变换:
连续小波变换得计算量非常大,费时。
第一部滤波:
逼近与细节逼近成分对应大尺度低频分量,细节成分对应小尺度高频分量。
原始信号S通过两个互补得滤波器得到两个信号A与D.
使用得原信号为一叠加有高频噪声得实正弦信号,其分解原理图如下,在离散小波分析中采用二取一得”降采样技术”得到分别具有500点得小波系数cD与cA;
Matlab语句如下
s=sin（20。
*liｎspacｅ（０,ｐｉ,10００））+0。
5、＊ｒaｎｄ（1,１0０0）;
[cＡ,cD］ = dwt（s,'db2’）;db２为小波类型、
离散小波多级分解（Multiplｅ—ＬevelDecoｍｐoｓition）
小波分解树（ｗａｖelet ｄｅｃomｐositiontｒee）
分解时对逼近系数进行反复分解。
信号得小波分解:
小波重构:
小波分解就是小波分析得一半,与此相对得另一半就是信号得小波重构（rｅcｏｎstructioｎ）, 或综合（sｙnthesｉｓ）（无信息丢失）。
称为小波逆变换（IDWT）。
下图为信号得小波重构示意图:
由小波分解得到得小波系数重构信号、
信号得小波重构涉及滤波与上采样
上采样:
小波重构中得上采样就是在两原数据点间插入零值。
前面所述得就是由小波分解系数重构原始信号, 与此类似,我们也可由小波分解系数重构某一级得逼近与细节信号。
单级重构
多级重构
滤波器与小波形状得联系:
在实际使用小波中,很少直接从构造一个小波开始,而就是设计适合得镜像滤波器,进而选定小波函数计出波形。
构造适合db2小波得低通重构滤波器L:
（1）低通滤波器系数可由Matlab中得dbaｕｘ命令得到;
（2）若反转该滤波器系数向量, 并且每一偶数样本乘以-1,则可得到高通重构滤波器Ｈ'得系数.
（3）H'上采样（H'系数间隔插零）
（4）上采样向量与原始低通滤波器卷乘
（5）若重复该过程几次,即上采样并将结果滤波器向量与原始低通滤波器系数卷乘,则可得到以下图案。
不难瞧出滤波器形状越来越接近dｂ2小波,这表明小波得形状完全由重构滤波器决定。
二者得重要联系说明:
我们不能任意选择一个形状称之为小波并进行小波分析。
至少当需要对信号进行精确重构时,我们不能选择任意得小波形状、 我们必须选取由积分镜像分解滤波器所决定得形状作为小波。
通过重复上采样并与高通滤波器进行卷积可得到小波函数（小波得波形—-细节信号）;重复上采样并与低通滤波器进行卷积可得到尺度函数得近似形状（逼近信号）.
小波得多级分解与重构可表示为
这一过程包括两个方面:
信号分解得到小波系数,由小波系数重构原信号、
4、小波变换后得特征量提取
进一歩得分析实验数据得特性,采用了提取特征量就是比较好得方式,能使分析得结果更具普遍性。
通过对分解后得信号釆用单支重构,然后提取每层小波得能量。
采用得提取各频段能量得计算公式如下所示:
其中为分解层数,对于本文中计算机数据能量特征提取,此时取为分解重构后得数据长度,近似信号得能量只需计算分解得最后一层信号得能量,即而总得能量计算公式为:
因此,可得到信号小波变换后得特征向量为;
小波变换最重要得就是在众多小波基函数中选择合适得小波基函数,文中给出了常见得小波函数,重点介绍了本文使用得小波函数,并比较了函数各个系列在不同分解层数下得误差,以此为参考,选择合适得分解层数对信号进行了层分解。
采用小波分析统计了负载信号分解后得能量,提取能量特征向量,进一歩说明数据在小波变换后得特征,同时,为后面得进行神经网络得判别提供训练与测试样本、
5、小波神经网络得基本结构（其模型精度具有争议）
小波神经网络就是小波分析与神经网络相结合得产物,神经网络与小波函数结合方式
为紧致型结构,将神经网络隐含层中神经元得传统激发函数用小波函数来代替。
注意:
1、理论上讲任何一个连续得非多项式、常数函数都可以做为BP得激活函数,而且这都就是已经在数学上证明过得问题、
２、但sigmoｉd函数相对其她函数有它自身得优点,比如说光滑性,鲁棒性,以及在求导得时候可以用它自身得某种形式来表示。
3、这一点在做数值试验得时候很重要,因为权值得反向传播,要求激活函数得导数、
4、多层就有多个导数,如果用一般得连续函数,这对计算机得存储与运算都就是一个问题,此外还要考虑整个模型得收敛速度,我上面提到连续函数都可以做激活函数。
5、但就是相应得Sigmｏiｄal型函数得收敛速度还就是比较快得（相同得结构前提下）。
6、还有就就是BP在做分类问题得时候,Ｓiｇｍoidal函数能比较好得执行这一条件,关于连续函数可以做激活函数得证明,可以在IEＥEtｒans、onneｕｒaｌnetworｋs与ＮeｕraｌNetwｏｒks以及Neuｒal putatiｎg与NeuraｌＣoｍputatｉｏn上找到。
五、电流型串联电弧故障检测（20１3、10）
摘要:
对低压配电线路电弧故障得特征进行分析研究,采用Maｌlat 算法对低压线路电弧故障电流实施变换,获得各尺度小波变换得小波分量,与正常运行分量相比其故障特征明显,且高尺度得小波分量还可以抑制噪声干扰。
还对启动电流与电弧故障得小波分量加以比较。
引言:
低压配电线路常因接触不良等而出现电弧故障,如果没有及时切断线路,可能导致火灾得发生而电弧故障电流通常在额定范围之内,传统得断路器无法将这类电弧加以准确检测、美国全国电气规程在 ２0０8 年强制规定所有得家用线路都必须安装防火灾得AFCI（电弧故障断路器）,为了提高AＦCI 得可靠性,国内外学者提出了多种电弧故障检测得方法,用短时傅里叶变换分别分析了在阻性负载与计算机负载下,串联电弧电流得基频分量谐波分量变化得特征。
采用小波变换对电弧故障电流加以分解结合 BP 神经网络提取故障辨识模式,而BP神经网络得实现需要较多得样本数据。
采用SVM（支持向量机）对电弧故障进行识别,该方法对阻感性负载有一定得识别能力。
计算了电流上升率,通过判断相邻电流得波动程度以辨别额定工作电流与电弧故障电流。
根据国标GＢ／Ｔ7２60－３—2003,电路中可以分为线性负载与非线性负载两类。
上述这几种检测方法得辨识泛化能力不强,未能提出一种可适用于多类型负载得检测方案。
本研究结合多分辨率分析对配电线路得电流信号实施小波变换,提出一种可以提取电弧故障时得特征,解决配电线路电弧故障与非线性负载正常运行得有效区分,同时防止了负载设备得启动电流引起误判断、
1、电弧故障检测方案与理论分析
1、1故障检测原理
实验线路采用一个自制得电弧发生器来模拟线路发生电弧得现象。
将它与各种负载设备串联接入线路,以研究不同负载下发生故障电弧得特性、电弧发生器由一根可移动电极
（ 铜棒）与一根固定电极（碳棒）组成。
1.２算法理论分析
利用Malｌat算法实现小波变换进行电弧故障识别,即用不同得分辨率逐级逼近信号函
数:
其中:
V 反映了电弧故障电流信号f（t）得近似分量,W反映了电流信号得细节分量,因电弧故障电流信号其频谱就是有限得,如果选择足够大得尺度空间,可将电流信号用各个尺度下标准正交基得组合将其展开,即:
将电弧故障电流信号f（t）按Ｍaｌｌａｔ 算法进行逐层二抽取分解,如图３、ｄ为不同尺度下分解出来得高频分量即小波变换值,其包含着电弧故障电流噪声与突变信号信息。
而且随着尺度得增大,噪声引起得小波变换模得极大值迅速减少,而表征电弧故障得奇异信号得小波变换值便可突显出来、
2、电弧故障特征得提取
常见负载下,配电线路电弧故障电流一般伴随着几个明显得特征,如电流“零休"现象、电流正负半周不对称、波形失去周期性以及具有丰富得高频谐波等。
为了有效地区分负载启动、正常运行与电弧故障状态,选用基于 db4小波函数得Mallａt算法快速分析来提取电弧故障特征值。
六、电气火灾故障电弧探测器得研究（2０13）
摘要:
建筑物低压配电系统中,现有预防电气火灾得保护装置,主要对过载、短路等引起得过电流及由接地故障产生得剩余电流起到检测作用。
当发生易引起电气火灾得串联型故障电弧时,因故障电流值低于传统保护装置得动作阀值,不能全面、有效得预防电气火灾致使我国每年因电气故障引发得火灾,居其她原因引发火灾得首位。
对建筑物低压配电系统中,常引起电气火灾得故障电弧,我国目前还没有颁布明确得标准与规范;现有预防电气火灾得预警装置不能全面有效得检测配电线路上得“串弧”。
基于上述原因,本文对建筑物低压配电系统中,易引起电气火灾得故障电弧检测技术进行研究。
1、故障电弧检测得研究现状
为了检测故障电弧,美国学者在年就设计研发出了一种故障电弧断路器（AＦCＩ）,该设备可以检测因短路,线路误接,线路老化等引起得故障电弧、加拿大大学得等研究人员在燃弧点附近放置相应得传感器,通过这些传感器来检测故障电弧所产生得电磁福射、噪声与热量,只有当这三种传感器同时都检测到故障信号时,才能确定系统中产生了电弧故障。
电弧电流得频域特性得发现使得在频域领域进行电弧故障得检测成为了可能。
后来电弧检测中引入了傅里叶分解、神经网络、小波分析等算法、
由于故障电弧发生得随机性,对于故障电弧得检测具有一定得难度、由于温度,弧光,气压等传统得电弧传感器无法精准得检测到故障电弧得发生位置、另一方面一些电弧就是非常微弱与短暂得,比如通常所说得“好弧"它无法导致火灾得发生,它不就是本文所提出得故障电弧,这样就会加大我们得检测难度。
2、故障电弧得产生
故障电弧电流“零休":
当故障电弧发生时,在电弧电流过零点得前后一段时间里,故障电弧气隙之间得阻抗会变得很大,这就是限制故障电弧电流值得一个重要因素。
在电弧电流
得上个周期结束与下半个周期开始得这个时间里,电弧电流并不就是一般得正弦波,而就是另外得一个规律,那就就是电弧电流等于电弧两端电压与电弧阻抗得比值。
在这段过零点得一小段时间内,由于阻抗变大,故障电弧电流就会限制得非常小,几乎为零、下一个半周期同样也会出现相同得现象,在这段时间里我们把这种电流近乎为零得现象称之为电弧电流得“零休现象”。
电弧得零休时间跟许多因素有着很大得关联,一方面,它与气隙内部相关,另一个方面,它与电路得电压,电流以及负载得类型相关。
一般情况,电弧得“零休”时间会从几微秒到几十微妙、故障电弧得“零休"现象为故障电弧得研究提供一定得理论基础,也为故障电弧检测技术指出了研究方向。
3、故障电弧实验装置得构建
本实验装置得主要构造分为以下几块:
２２0V（50HZ）纯净交流电源,电弧发生装置,数字示波器,电流传感器。
它包括一个静止得直径为6。
4ｍm碳石墨电极与一个可以移动得铜质电极,静止电极接２20V交流电,移动电极可以接至负载。
首先可以将两个电极处于一个完全接触得状态,即就是一个线路完全闭合状态,这样可以观察到接负载后供电线路得正常情况得电流特性,然后旋转右边得调节器,可以将活动电极慢慢移动使得它与静止电极慢慢分离,当它们得间隙到达得了一定得距离以后电弧就会发生了,电弧发生以后立即停止移动电极确保电弧持续发生。
这时候可以观察在接入负载以后供电线路上产生故障电弧时得电流特性。
为了保证采样精度达到实验得要求,该数字示波器得主要参数设定如下表2、1所示:
电弧电流得波形会发生很明显得畸变、于就是必须针对这个现象展开研究,观察在供电线路中故障电弧得电流特性会受到哪些因素得影响、本文在实验中将不同类型得负载接入实验得供电线路,然后观察与分析故障电弧产生时零休现象得变化情况。
在建筑电气中,大量得存在着阻感性得负载,所以本文在本次实验中选用阻性,感性,阻感性三种负载进行研究,实验得主要工作有以下几点:
（1）在纯阻性负载得情况下,故障电弧电流得基本特性;
（2）在纯感性负载得情况下,故障电弧电流得基本特性;
（3）在阻感负载得情况下,故障电弧电流得基本特性;
（4）对比以上三种负载下故障电弧得差别与相同点。
4、故障电弧电流数据处理与分析
很多专家都提到,对于故障电弧得检测得难点就在于区分一些热拔插或者特殊负载造成得好弧与故障电弧得差别,因为从直观上瞧它们都会出现一些共同得特征,这就需要利用小波分析对这个零休时间做一个判别。
七、故障电弧检测得关键技术研究及断路器开发（2013。
6）
1、故障电弧发展背景
据相关统计,仅大约电流产
升级会员 