阅读说明：本技术 一种空调电弧故障的检测方法 (A kind of detection method of air-conditioning arc fault ) 是由 王匪 林晖 于 2019-08-13 设计创作，主要内容包括：一种电器的电弧故障检测方法,优选用于空调的的电弧故障检测,包括如下步骤：S01：获取第一预设时间段内空调电流随时间变化的电流信号X(t)；S02：将电流信号进行Hilbert变换,得到瞬时频率；S03：根据瞬时频率得到瞬时频率发生尖峰的信息；S04：根据瞬时频率发生尖峰的信息,判断是否发生电弧故障,如果为是,则确定电弧故障发生,发出电弧故障保护动作信号,如果为否,则确定电弧故障未发生,返回到S01的起始步骤。通过上述设置可以准确检测到是否发生电弧故障,减少误动作,有效避免火灾的发生。(A kind of method for detecting arc of electric appliance, is preferred for the arc fault detection of air-conditioning, includes the following steps: S01: obtaining the current signal X (t) that air-conditioning electric current changes over time in the first preset time period；S02: current signal is subjected to Hilbert transformation, obtains instantaneous frequency；S03: the information that spike occurs for instantaneous frequency is obtained according to instantaneous frequency；S04: the information of spike occurring according to instantaneous frequency, judges whether that arc fault occurs, if YES, it is determined that arc fault occurs, and issues electric arc fault protection action signal, if NO, it is determined that arc fault does not occur, back to the initial step of S01.It can accurately detect arc fault whether occurs by above-mentioned setting, reduce malfunction, effectively avoid the generation of fire.)

一种空调电弧故障的检测方法

技术领域

本发明涉及一种电器电弧故障检测方法，具体而言，涉及一种空调电弧故障检测方法。

背景技术

随着工业用电的不断发展和家庭用电设备的不断普及，火灾事故频发，其中，近年来电气火灾陡升，特别是由电气火灾导致的较大火灾占约1/2。我们应该高度重视因为电线短路、过负荷、以及电气设备故障等引起的电气火灾，电气火灾若未能消灭在隐患期或初期而爆发起来，可能会引起巨大的人员伤亡及财产损失，而电弧故障检测可以提前检测故障信号，为及时切断电源保护电路发挥巨大作用，因此我们应该深谙电弧故障检测的意义。

而目前电弧故障检测大多是采用快速傅里叶变换(FFT)和小波变换(WT)进行分析的。傅里叶变换是将原始信号分解成不同频率的正弦信号进行累加，这些正弦信号分别表示原始信号在该频率下的幅值和相位，建立了信号时域和频域之间的联系。但是傅里叶变换只能分析平稳信号的频域特征，对时域无能为力，存在很大的局限性。小波变换可以很好的捕捉电弧的电流信号的每一个突变点的信息，而且时间上也是一一对应。小波变换虽然在理论上能处理非线性非平稳信号，但在实际算法实现中却只能处理线性非平稳信号，同时小波基较难选取，不同的小波基可能有不同的处理结果。

H i bert变换即希尔伯特变换可以处理非线性非平稳信号，既适合平稳信号分析，也适合非稳信号的分析，对信号有自适应性。中国专利文献CN103048137A公开了利用Hi l bert-Huang，即希尔伯特-黄变换变换提取信号的特征向量，对信号EMD分解得到若干IMF，选取有用的I MF分别进行H i l bert变换，得到解析信号H i(t)，并对其取各自包络组成特征向量w，然后利用奇异值分解法对w进行奇异值分解，将奇异值矩阵作为最终故障特征向量。中国专利文献CN104849628A的专利公开采用H i l bert，即希尔伯特变换进行转换分析；根据分析结果，提取局部放电故障特征信号，建立局部放电故障特征数据库；识别局部放电故障特征数据库的数据信息，建立故障特征与故障类型和程度之间的对应关系；获取故障识别结果。虽然H i l bert变换之前在地震检测、零部件测损上有应用，但是在空调等电器的电弧故障检测上还不成熟。

发明内容

鉴于此，本发明提出一种电器电弧故障检测方法，尤其适用于检测空调故障。通过本发明的检测方法，可以准确检测到是否发生电弧故障，减少误动作，有效避免火灾的发生。本发明对原始电流信号进行希尔伯特变换(H i l bert变换)，再对其进行瞬时频率分析；或者先对原始电流信号先进行经验模态分解(EMD)得到各个I MF分量，再对I MF分量进行希尔伯特变换(H i l bert变换)，再对其进行瞬时频率分析；通过对瞬时频率的峰值信息进行分析，进而判断是否发生电弧故障。

具体地：一种电器电弧故障的检测方法，包括如下步骤：

S01：获取第一预设时间段内空调电流随时间变化的电流信号X(t)；

S02：将电流信号进行H i l bert变换，得到瞬时频率；

S03：根据瞬时频率得到瞬时频率发生尖峰的信息；

S04：根据瞬时频率发生尖峰的信息，判断是否发生电弧故障，如果为是，则确定电弧故障发生，发出电弧故障保护动作信号，如果为否，则确定电弧故障未发生，返回到S01的起始步骤。

优选地，步骤S02中：将电流信号进行H i l bert变换，得到瞬时频率的具体方式为：先将电流信号进行EMD分解产生I MF分量，对I MF分量进行H i l bert变换，得到瞬时频率。

优选地，步骤S03中：根据瞬时频率得到瞬时频率发生尖峰的信息的方式为：利用至少一个矩形脉冲信号对瞬时频率进行检测，得到瞬时频率发生尖峰的信息。

优选地，至少一个矩形脉冲信号为两个矩形脉冲信号。

优选地，步骤S04中：根据瞬时频率发生尖峰的信息，判断是否发生电弧故障的方式为：根据瞬时频率发生尖峰的信息，得到发生电弧故障的半波数W；判断在预设电流周期内，W是否大于第一预设值，如果为是，则确定电弧故障发生，如果为否，则确定电弧故障未发生。

优选地，步骤S04中：根据瞬时频率发生尖峰的信息，得到发生电弧故障的半波数W的具体方式为：据瞬时频率发生非正常尖峰的信息，得到发生电弧故障的半波数W。

优选地，预设电流周期为50个电流周期，第一预设值为9。

优选地，所述第一预设时间段大于或等于10个电流周期。

另外本发明还提供一种电器，所述电器采用本发明所述的检测方法。

优选地，所述电器为空调。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本公开。

附图说明

通过参照附图详细描述其示例实施例，本公开的上述和其它目标、特征及优点将变得更加显而易见。下面描述的附图仅仅是本公开的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1：本发明的空调电弧故障检测流程图。

图2：EMD分解过程示意图。

图3：空调正常状态下的电流、电压信号幅值-时间示意图。

图4：空调正常状态下的电流信号的瞬时频率示意图。

图5：空调正常状态下的电流信号的EMD分解示意图a。

图6：空调正常状态下的电流信号的EMD分解示意图b。

图7：空调正常状态下的电流信号的I MF12的瞬时频率示意图。

图8：空调正常状态下的电流信号的I MF13的瞬时频率示意图。

图9：空调正常状态下的电流信号的I MF14的瞬时频率示意图。

图10：空调正常状态下的电流信号的I MF15的瞬时频率示意图。

图11：空调正常状态下的电流信号的I MF16的瞬时频率示意图。

图12：10个周期内的电弧故障的电流、电压信号幅值-时间示意图。

图13：电弧故障状态下电流信号的瞬时频率示意图。

图14：电弧故障状态下电流信号的EMD分解示意图a。

图15：电弧故障状态下电流信号的EMD分解示意图b。

图16：电弧故障状态下电流信号的I MF12的瞬时频率示意图。

图17：电弧故障状态下电流信号的I MF13的瞬时频率示意图。

图18：电弧故障状态下电流信号的I MF14的瞬时频率示意图。

图19：电弧故障状态下电流信号的I MF15的瞬时频率示意图。

图20：电弧故障状态下电流信号的I MF16的瞬时频率示意图。

图21：电弧故障状态下电流信号的瞬时频率放大示意图。

图22：本发明另一实施方式的空调电弧故障检测流程图。

具体实施方式

现在将参考附图更全面地描述示例实施例。然而，示例实施例能够以多种形式实施，且不应被理解为限于在此阐述的实施例；相反，提供这些实施例使得本公开将全面和完整，并将示例实施例的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。

此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本公开的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而没有特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知方法、装置、实现或者操作以避免模糊本公开的各方面。

附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。

附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。

应理解，虽然本文中可能使用术语第一、第二、第三等来描述各种结构，但这些结构不应受这些术语限制。这些术语乃用以区分一结构与另一结构。因此，下文论述的第一结构可称为第二结构而不偏离本公开概念的教示。如本文中所使用，术语“及/或”包括相关联的列出项目中的任一个及一或多者的所有组合。

本领域技术人员可以理解，附图只是示例实施例的示意图，附图中的模块或流程并不一定是实施本公开所必须的，因此不能用于限制本公开的保护范围。

下面结合附图1-22对本发明中的具体实施方式的内容进行详细描述：

本发明中的：FT－短时傅立叶变换，EMD-经验模态分解，I MF－固有模态函数，HT或H i l bert变换－希尔伯特变换，H i l bert-Huang－希尔伯特-黄变换：HHT－EMD分解+H i l bert变换。

具体地：一种电器电弧故障的检测方法，包括如下步骤：

S01：获取第一预设时间段内空调电流随时间变化的电流信号X(t)；

S02：将电流信号进行H i l bert变换，得到瞬时频率；

S03：根据瞬时频率得到瞬时频率发生尖峰的信息；

S04：根据瞬时频率发生尖峰的信息，判断是否发生电弧故障，如果为是，则确定电弧故障发生，发出电弧故障保护动作信号，如果为否，则确定电弧故障未发生，返回到S01的起始步骤。

优选地，步骤S02中：将电流信号进行H i l bert变换，得到瞬时频率的具体方式为：先将电流信号进行EMD分解产生I MF分量，对I MF分量进行H i l bert变换，得到瞬时频率。

可选地，对I MF分量得到的瞬时频率进行分析，得到产生故障的I MF分量对应的瞬时频率；检测所述对应的瞬时频率的尖峰信息。

优选地，步骤S03中：根据瞬时频率得到瞬时频率发生尖峰的信息的方式为：利用至少一个矩形脉冲信号对瞬时频率进行检测，得到瞬时频率发生尖峰的信息。

优选地，至少一个矩形脉冲信号为两个矩形脉冲信号。

优选地，步骤S04中：根据瞬时频率发生尖峰的信息，判断是否发生电弧故障的方式为：根据瞬时频率发生尖峰的信息，得到发生电弧故障的半波数W；计算在预设电流周期内，判断W是否大于第一预设值，如果为是，则确定电弧故障发生，如果为否，则确定电弧故障未发生。

优选地，步骤S04中：根据瞬时频率发生尖峰的信息，得到发生电弧故障的半波数W的具体方式为：据瞬时频率发生非正常尖峰的信息，得到发生电弧故障的半波数W。

优选地，预设电流周期为50个电流周期，第一预设值为9。

优选地，所述第一预设时间段大于或等于10个电流周期。

另外本发明还提供一种电器，所述电器采用本发明所述的检测方法。

优选地，所述电器为空调。

下面参考图1-22对本发明的原理和过程作一描述：

本发明主要将电流信号通过希尔伯特变换即H i l bert变换，对瞬时频率分析判断空调电弧故障。优选采用双矩形脉冲计数，计算出瞬时频率非正常尖峰数，保证计数的准确性，可以减少误动作。

如图1，本发明通过采集电器的电路回路信号，优选为10周期采集一次，对电器电流信号进行H i l bert变换,得到瞬时频率，可以通过对变换后的瞬时相位求微分得到瞬时频率，比较正常电流与发生电弧故障时的瞬时信号,发生电弧故障时瞬时频率上会多出很多的尖峰，通过矩形波脉冲统计连续预设电流周期，优选为50个周期内尖峰的个数M,进而得出电弧故障半波数W，当50个周期内W>9次就认为发生电弧故障，诊断电弧的发生,发出保护动作信号。

本发明中的H i l bert变换的定义如下：

x(t)为任意的连续时间信号(即电流信号)；x(τ)：第τ个IMF分量(τ

＝1,2,3…，n)，y(t)表示Hi l bert变换结果,t表示时间；τ表示积分量式中，字母P表示取广义积分的Cauchy主值，其卷积的形式为：

以实信号x(t)为实部、其H i l bert变换y(t)为虚部，可以构造对应于实信号x(t)的复信号z(t)：

z(t)＝x(t)+j×y(t)＝x(t)+j×H[x(t)]

极坐标的形式为：z(t)＝x(t)+j×y(t)＝x(t)+j×H[x(t)]＝a(t)e^jθ(t)

式中

幅值：

相角：

分别为基于H i l bert变换的瞬时幅值与瞬时相位，H i l bert变换的瞬时频率，可以表示为解析信号相位的导数：

优选地，在将电流信号进行H i l bert变换前先进行经验模态分解即EMD分解：将信号中存在的不同尺度下的波动或变化趋势逐级分解开来，产生一系列具有不同特征尺度的数据序列。每个序列称为一个固有模态函数(I ntr i ns i c Mode Funct i on)，简称IMF。

由EMD方法得到的较低频率I MF分量通常情况下代表原始信号的趋势或均值。从这个意义上讲，EMD方法可以有效地提取一个信号的趋势或去掉该信号的均值。实际上，大量的实验表明，目前EMD方法是提取信号趋势或均值的最好方法。进行EMD的主要目的是为了对每一个I MF进行H i l bert变换(HT)，近而得到各自的瞬时频率。

本发明的H i l bert变换和EMD方法均是示例性的，本文中具体的计算方法(变换方法)并不构成对本发明的限制。

经过EMD得到的各I MF分量都是平稳的，由于EMD是从信号本身的特征时间尺度出发对信号进行分解，没有固定的先验基底，是自适应的，因此得到的I MF分量一般具有明显的物理意义，表现了信号内含有的真实物理过程。对这些I MF分量作HT计算出的瞬时频率具有清晰的物理意义，能够表征信号的局部特征。与FT相比，HHT可以处理非平稳和瞬态问题。HHT得到的每阶I MF的振幅和频率是随时间变化的，消除了为反映信号的非平稳性而引入的多余且无物理意义的简谐波，使信号分析更加灵活方便。

与小波变换相比，HHT吸取了小波变换多分辨的优势，同时无基函数的选择问题。根据由于EMD方法比小波方法以及现有其它所有信号处理方法有更强的局部特性，因此在处理强间歇性信号时，EMD方法是目前最好的一种。

短数据处理在实际应用中往往是不可回避的问题，能够准确地处理非常短的数据序列是EMD分解以及与之相关的H i l bert变换的另外一个优点。虽然其它信号处理方法也能够处理短数据序列，但效果均不理想。EMD以及与之相关的HT的优点还在于它能够客观地处理非线性问题。

经验模态分解：EMD方法与以前的其他方法不同，该方法是将信号本身作为尺度函数对信号进行筛分，因此该方法具有一定的自适应能力。不仅如此，该方法更关注局部极值点，因此有利于细节信号的分析。EMD分解可以将任何信号分解为多个固有模态函数和一个残余量的和的形式，即

即X(t)＝IMF_i(t)+r_n(t)(14)

式中a_i(t)cos[∫ω_i(t)dt]为原始信号分解后得到的固有模态分量，r_n(t)为原始信号经过多次EMD提取后得到的残余量，表征信号在时间轴上的趋势，具体步骤和信号分解图如图2所示。

本发明图3，12的横坐标为采用数据的点数，其与时间的关系为10^(-6)即(时间t＝2*10^5*10^-6)，实际中可以转换为0.2s时间这种坐标，即如通常的电流为50Hz，其一个电流周期为0.02s,0.2s即为10个电流周期，图3，12的纵坐标由于是电流信号和电压信号叠加，因此，其纵坐标的数值不具有特定含义，主要是用来观察其中的信号形状。类似地，图4-11，13-20横坐标为表征为时间，其表征10个电流周期，图4-11，13-20纵坐标的数值为瞬时频率，主要是用来观察其中的信号形状。图21的横坐标为表征为时间，纵坐标的数值为瞬时频率，其示例出部分电流周期内的瞬时频率。其中本发明的附图中的数值、单位等是为了说明的需要，并不构成对本发明的限制。

本发明工作原理：在正常的情况下检测空调的电流、电压波形如图3所示，电流信号毛刺较少，电压信号较平滑，对其进行H i l bert变换并分析得到瞬时频率如图4所示，观察发现在非电流峰值时，对应的瞬时频率的尖峰幅值小于0.5×10⁶。

当发生电弧故障时，检测到空调的电流、电压波形如图12所示，此处的横坐标为采用数据的点数，其与时间的关系为10^(-6)即(时间t＝2*10^5*10^-6),但是实际中可以已默认转换为0.2s时间这种。电流信号毛刺较多，电压信号在电弧时波动明显，对其进行Hi lbert变换并分析得到瞬时频率如图13所示，观察发现在非电流峰值时，对应的瞬时频率的尖峰幅值大于0.5×10⁶，因此可以作为判断电弧故障发生的依据。

合理设置矩形波脉冲的占空比(或宽度)就可以对电弧故障的瞬时频率的尖峰进行计数统计，从图21和表1可以看出电流信号峰值时尖峰宽度最大值为0.008s，电流信号非峰值时尖峰宽度0.007s，因此可以根据实际情况选择合适的脉冲宽度进行扫描电弧信号瞬时频率的尖峰值。图13中上方和下方的脉冲都是用来检测电弧信号瞬时频率的尖峰值的，上方矩形波脉冲下降沿有效(即从下降沿脉冲开始检测电弧信号瞬时频率的尖峰值)，下方矩形波脉冲上升沿有效(即从上升沿脉冲开始检测电弧信号瞬时频率的尖峰值)，从而双重保障了检测电弧信号的准确性，避免单一信号检测漏掉的情况。

跟据检测到的脉冲个数M₁，计算电弧故障的半波数W＝M₁*K₁(K₁为脉冲个数转换为半波个数的转换率，跟据实际情况与灵敏度可调，本设计取1。

表1电弧故障信号瞬时频率尖峰宽度数据

本发明HHT变换的瞬时频率分析(即对原始电流信号+EMD分解+H i l bert变换+瞬时频率分析)，先对原始电流信号进行EMD分解，拆分成不同频率的I MF分量，再对每个IMF分量进行H i l bert变换后进行瞬时频率分析，从图5、6正常的电流信号分解的各个IMF分量可以看出I MF14与正常的电流信号的波形较为接近；从图14、15正常的电流信号分解的各个I MF分量可以看出I MF15与电弧故障的电流信号的波形较为接近。

通过对正常电流信号EMD分解的I MF14附近的各个I MF进行瞬时频率分析与电弧故障EMD分解的电流信号I MF15附近的各个I MF进行瞬时频率分析对比，如图7～11和图16～20，图18明显是电弧故障信号时比正常情况下EMD分解多出来的一个I MF分量，同时加入一定宽度的矩形波脉冲，记录瞬时频率与矩形波脉冲相交的脉冲个数M。

发生电弧故障的半波个数W＝M₂*K₂，(K₂为脉冲个数转换为半波个数的转换率，跟据实际情况与灵敏度可调，本设计取2/3)。

由于实际中分解中分解的I MF个数是不稳定的，为了锁定如图18所示的电弧故障信号分解的瞬时频率I MF_{故障特征频率},为了快速，默认I MF的搜索比较范围为I MF2～I MF16(具体范围可跟据实际情况调整)。

定位故障特征频率的方法为：先找到与电弧故障电流信号波形相似的I MF分量，其上一个I MF分量即为该I MF_{故障特征频率}；或先找到电流信号的瞬时频率出现一个小尖峰>第一特定值,一个大尖峰>第一特定值，其对应的I MF分量，其I MF分量的下2个为IMF_{故障特征频率}。

具体地，先找到图19电弧故障电流信号的I MF15的瞬时频率的位置(即与电弧故障电流信号波形相似的I MF分量)，其间隔为0.1s,其上一个I MF分量即为该I MF_{故障特征频率}。或找到图16电弧故障电流信号的I MF12的瞬时频率(特征：正常时会出现一个小尖峰>1*10^5,一个大尖峰)4*10^5；电弧故障时会出现一个小尖峰>3*10^5,一个大尖峰>12.5*10^5)，当检测到出现一个小尖峰>3*10^5,一个大尖峰>12.5*10^5时,其I MF分量的下2个为IMF_{故障特征频率}。当找到I MF_{故障特征频率}后，为了进一步确认，检测尖峰值>1*10^6,如果满足条件，再统计瞬时频率与矩形波脉冲相交的脉冲个数M₂；从而计算出发生电弧故障的半波个数W，连续记录50个周期的W个数，若第一个信号的10个周期中W₁>9，则认为发生电弧故障；若第一个信号的10个周期中W₁<9,则统计第二个信号的10个周期电弧故障的半波个数W₂，若W₁+W₂>9,则认为发生电弧故障；若W₁+W₂<9,则继续上面步骤。

有益效果：

本发明通过将电器的电流信号进行HT或HHT变换，得到瞬时频率，通过对瞬时频率出现的尖峰进行分析，进而判断出是否发生电弧故障，通过上述设置可以准确检测到是否发生电弧故障，减少误动作，有效避免火灾的发生。

以上具体地示出和描述了本公开的示例性实施例。应可理解的是，本公开不限于这里描述的详细结构、设置方式或实现方法；相反，本公开意图涵盖包含在所附权利要求的精神和范围内的各种修改和等效设置。