第19卷第1期2021年1月
Vol.19No.1
Jan.2021电源学报
Journal of Powe r Supply
DOI：10.13234/j.issn.2095-2805.2021.1.90中图分类号:TM615文献标志码:A
张国军1，杨东建1，季淑洁2，李浩文1
(1.辽宁工程技术大学电气与控制工程学院，葫芦岛125105；
locaer2.国网冀北电力有限公司怀来县供电分公司，张家口075400)
摘要：搭建了光伏系统电弧故障实验平台，采集系统运行时的电流作为电弧检测的依据，利用时频域分析相结合的方法对电弧故障进行检测。分析发现系统正常运行和发生电弧故障时的电流信号在时域上的平均值变化特征明显，而在频域上利用小波对电弧电流及正常电流做5层分解，利用d5频段能量 可有效对正常、阴影遮挡及故障运行状态进行区分。最后，采用将时频域特征结合利用阈值对电弧故障进行二次判断的方法对电弧故障进行检测，检测结果证明了该方法的有效性与可行性。
关键词：光伏系统；串联电弧故障；时频域特征；故障检测
Research on Photovoltaic System Series DC Arc Fault Detection
ZHANG Guojun1,YANG Dongjian1,JI Shujie2,LI Haowen1
(1.Faculty of Electrical and Control Engineering,Liaoning Technical University,Huludao125105,China;
2.Huailai County Power Supply Branch,State Grid Jibei Electric Power Company Limited,Zhangjiakou075400,China)
Abstract：An experimental platform of photovoltaic(PV)system arc fault detection was built,and the current when the system was in operation was collected as the basis for arc detection.Afterwards,a method of combining the time-and frequency-domain features was used to detect the arc fault.Analysis results show that the changes in average time-domain current signals were significant in cases with and without arc fault.Moreover,in the frequency-domain,by decomposing the arc current and normal current into5layers using wavelet decomposition,the必frequency-band energy ca
n be used to effectively distinguish among the normal,shadowed and fault running states.Finally,the arc fault was detected by combining the time-and frequency-domain features with the secondary arc fault detection method by means of threshold.Detection results show that the proposed method is effective and feasible.
Keywords:photovoltaic(PV)system;series arc fault;time-and frequency-domain features;fault detection
随着光伏发电系统规模的不断扩大，特别是屋顶光伏系统的日益增多，光伏系统故障电弧的危害受到业界的高度关注叫2011年美国电工法规NEC (National Electrical Code)提出，在光伏发电系统中要配备相应的电弧保护装置。随后，美国保险商实验室UL(Underwriters Laboratories)也推出了用于光伏系统直流电弧保护装置进行测试的1699B草案3)。由于在光伏电池组串中存在大量连接点，当连接点位置松动或出现断裂时，会形成一对断开的电极，在断口产生的初期两电极间的距离较小，根
收稿日期：2018-01-09；录用日期:2018-03-05据电压与电场的关系，即使两端电压较小，电场强度也能够大到击穿空气从而产生串联电弧故障，而当串联电弧故障发生时很难被目前的低压断路器及过流保护装置检测到［5-7］。因此本文主要对光伏系统串联电弧故障检测进行研究。
目前，国内外针对光伏系统电弧故障的研究主要集中在电弧信号的时域和频域两个方面。文献［5-7］
通过小波变换分析电弧信号的频域特征进行电弧故障识别，其中文献⑹对傅里叶和小波分析在电弧故障信号频域分析方面做了对比，发现小波变换更适合于对光伏故障电弧信号做频域分析；文献［8］提出一种基于时域信号的扩展时域反射法的光伏电
第1期张国军，等：光伏系统直流串联电弧故障检测研究91
弧故障检测技术，但算法较为复杂；文献［9-10］采用傅里叶分析与神经网络相结合的方法对电弧故障进行人工智能识别，得到了较好的识别结果，但是算法较为复杂，有待优化。
本文通过搭建光伏系统电弧故障实验平台研究系统电流信号变化特征，将电流信号平均值的变化值以及利用小波变换方法得到的d5小波重构信号能量值作为光伏系统串联电弧故障检测时的判据，通过设定相应阈值对系统电弧故障进行检测。
1实验平台及电流信号特性分析
1.1光伏系统电弧故障实验平台
由于故障电弧产生的随机性及物理过程的复杂性，并且环境及负载启动等因素会对光伏系统运行电流造成影响，产生类似于电弧特征的波动。因此尚无精确的电弧模型可对光伏系统电弧故障进行仿真卩1］。本文搭建的光伏系统电弧故障实验平台如图1所示，实验平台主要由光伏电源、负载、电弧发生
器以及数据采集设备等构成。其中光伏电源由2块太阳能电池板并联组成，电池板参数如表1所示。
图1实验平台
Fig.1Experimental platform
表1光伏电池板参数
Tab.1Parameters of PV battery panel
参数电池板型号V oc/V I sc/A V mp/V I mp/A
数值SY100-18M21.24 6.1118 5.56
电弧发生器为参考UL1699B方案中的设计要求进行制作，但考虑到UL1699B中提到的常规拉弧方法存在细钢丝棉随机熔化导致2个电极运动的不可预测性，甚至在熔化时阻挡电弧路径，并且套管作为钢丝绒的保持器也影响放电气体扩散等问题［2］，因此本文采用电机带动电极分离，从而产生类似于电池板间连接点松动断裂的状态，模拟电弧故障的发生。该方法比UL1699B中规定的利用钢丝绒及套管起弧的方法更加接近真实串联故障电弧的产生状态，产生的电弧现象如图2所示。该起弧方法数据采集设备包括电流传感器、示波器、数据采集卡等，其中数据采集卡为Smacq公司的USB-1000系列数据采集卡，其具有12位的模拟输入分辨率，最高采样率可达500kS/s。
图2电弧现象
Fig.2Arc phenomenon
1.2电流信号特性分析
通过数据采集系统对实验平台电流信号进行采集，由于在高频段电弧电流幅值极小，极易被噪声信号覆盖，因此频段选择上限不宜超过100kHz［2］o本文设定数据采集卡的采样频率为200kHz，根据奈奎斯特定理，其能反映的真实信号频率为100kHz，采集到的故障电弧发生前后电流波形如图3所示，其中灰部分为电弧发生过程中的波形，观察发现电弧电流较正常电流偏低且波动明显。
00.020.040.060.080.10
som
t/s
14
12
i n
-
—
—正常
一—
—故障
10
8
6
4
图3电弧发生前后电流波形
Fig.3Current waveform before and after the
occurrence of arc
在频域方面，通过对2种电流波形分别做FFT 分析，在同幅值尺度下的频谱对比如图4所示，观察频域特征发现在20kHz以上频段，2
种状态电流
92
电 源 学 报
总第93期
频谱并无较大区别，而在15 kHz 以下频段故障电窗内电流平均值得到，每1 min 更新一次;I n 为后续
时间窗内电流平均值。
dcs1800对图3所示的电流数据分析，电弧故障发生前
后的电流平均值变化如图5所示。通过对比可以看 出，在发生串联故障电弧时，电流平均值与正常状
态相比变化很多，且二者存在明显的差异，取△ I =
0.9 A 作为电流平均值变化的界限能够较为明确地 对系统正常运行及电弧故障进行区分，因此电流平 均值变化可作为判定故障电弧发生的典型特征。
图5电流平均值变化
Fig. 5 Changes in average current
频率/kHz
(b )正常
图4频谱对比
Fig. 4 Comparison of frequency spectrum
2故障电弧时域特征分析
由图3可得，光伏系统发生电弧故障时线路电
流会产生突变，电流幅值下降且具有明显界限。因
此本文在故障电弧时域特性分析过程中，主要分析 了故障电弧发生前后电流时域波形平均值的变化。
在数据处理过程中为实现对电弧故障的快速
处理与检测，选用0.5 ms (采样点N=100)的时间窗 对电流信号进行数据分析，分析过程中使用的电流 平均值计算公式为
弓移“
(1)
由于一天内光照强度随时间推移不断变化，电
池板的输出电流也会随之变化，因此将第1个时间
窗内计算到的电流平均值作为基准电流平均值，电
流平均值的变化值的计算公式为
△ I = I I n
- I s
l
(2)
式中:I s 为基准电流平均值，通过计算第1个时间
考虑到光伏系统在运行过程中易受阴影遮挡
等环境因素影响，使输出电流产生类似电弧故障的 特征，本文对太阳受到云层遮挡情况下的电池板输
出电流进行了采样，电流变化如图6所示。从图中 可以看出，阴影对光伏系统的输出电流具有较大影 响，电流会在较长时间内低于正常输出电流。
图6阴影下的输出电流变化
Fig. 6 Changes in shadowed output current
绿s减肥胶囊图7显示了阴影遮挡下的电流平均值变化，可 以发现电流的平均值也跟随系统电流呈现相应变
化，出现高于基准值的情况，这与电弧故障发生时 的特征很相似，因此若仅以时域上的电流及平均值
变化作为电弧故障的发生依据极易产生误判，寻
电弧发生时的其他特征进一步对电弧故障及阴影 遮挡2种情况进行区分是非常有必要的
。
第1期张国军，等：光伏系统直流串联电弧故障检测研究93
图7阴影下的电流平均值变化
Fig.7Changes in average shadowed current
3故障电弧频域特征分析
3.1小波分析
由于故障电弧信号是非周期的混沌信号，傅里叶分析虽然可以分析出信号中的频率成分，但却只能对信号整体进行表达，易造成细节信息的丢失O 目前在故障信号的分析处理中，小波分析越来越受到人们的重视O多分辨率分析的小波变换可以利用正交小波基将信号分解为不同尺度下的各个分量，相当于利用一组高通滤波器和低通滤波器对信号进行分解，分解得到的2个分量各占被分解信号频带宽度的1/2，随后再次使用滤波器对低频分量进
图8小波分解示意
Fig.8Schematic of wavelet decomposition
其中小波多分辨率分解公式［12也为
$(i)二
移h(m-2i)c〃,m
#(3)
d/(i)=移g(m-2i)c^m
式中:h(n)二〈％
。(i),①山(i)〉等效为一组低通滤波器，得到对应低频系数a(i)；g(n)二〈拓(i),①伽(i)〉等效为一组高通滤波器，得到对应的高频系数d(i)；0和①分别为小波函数和尺度函数。
经过分解后的信号可通过单支重构得到小波近似信号®与细节信号d7，数据长度与原始信号长度相等，每层信号包含的频带范围为
)：［0，2-(+1)f］/八
((4)
［如2-(%2-二］
式中：f为采样频率；j为分解层次。
由于实验过程中采用200kHz采样频率，其能反映的真实信号频段为0〜100kHz，考虑到故障电弧特征主要集中在15kHz以下，且频率越低特征越明显，但在1kHz以下频率易受光伏变异度及无线电频率的
影响［14-15］，因此本文选用具有紧支撑、正交性好的db5小波对实验电流信号做5层小波包分解，提取第5层分解细节信号d5，其能反映的频段范围为3.125〜6.250kHz o针对图3所示电弧信号及图6阴影下电流信号对其进行小波分解，图9为2种信号的d5频段重构对比。从图中可以看出，在电弧故障发生时,d5频段上的信号波动剧烈，信号幅值明显增大，而虽然阴影的遮挡能够使电流在时域上产生变化，但并没有对d5频段所代表的频率成分产生影响，与电弧故障发生前的d5重构信号并无明显差别。
弋0
0123
t/s
(a)阴影下电流
「1]......
网帼岬艸|啊删㈣阳卿Ml~
00.020.040.060.080.10
t/s
(b)电弧故障前后
图9d重构波形对比
Fig.9Comparison of d5reconstruction waveform 3.2电弧信号能量特征分析
由于电弧故障发生时,d5重构频段上波动幅值明显大于正常信号，基于这一特点本文分析了电弧故障发生前后d5频段电流信号的能量变化，研究电弧故障的频域特征。在能量计算时依然采用0.5ms (采样点N=100)的时间窗对重构后的d5频段进行数据分析，每0.5ms计算一次，分析过程中使用的能量
计算公式为
边缘人的爱与哀愁
94
电 源 学 报
总第93期
N
E =
Z [d 5(k )]2
(5)
k=1
通过时间窗的移动对图9中所示d 5小波重构 信号进行能量计算，得到的正常、电弧故障及阴影
下的电流能量变化如图10所示。通过同尺度下能
量对比发现当电池板受到阴影遮挡时，并没有对d 5 频段上的能量产生明显影响，数值比较稳定。而电 弧故障发生时，由于信号幅值增加使谐波能量明显 增大，与正常工作电流之间具有明显界限。使用图
10(b )中所示的能量值为0.5作为阈值能够较好地
对电弧故障及正常工作状态进行区分，因此光伏系 统回路电流的小波分解d 5频段的能量特征可以作
为电弧检测的判据。
0.2
0.10
t /s
T 忖r 二正常
3020
10
(a )阴影与电弧故障d 5频段能量对比
1.00.5
0.02
0.04
0.06
0.08
0.10
t /s
1分布式光学孔径系统
2 03
4
t /s
0.02 0.04
0.06
0.08 0.10
――正常
故障
『»rr
1「
.0.5
1 t /s
(b )同尺度下能量对比
图10 d 频段能量值对比
Fig. 10 Comparison of d 5 frequency -band energy value
4时频域结合的电弧故障检测
基于上述电弧发生时的时频域特征，本文所使
用的电弧故障检测流程如图11所示，其中考虑到 光伏发电系统所处环境的复杂性及开关切换、负载
突变等因素会使电池板产生类似电弧故障的特征
而引起误检测，采用二次检测判断电弧故障的方法
可有效避免电弧故障的错误判断凹。当连续检测出
2次及以上的△ /和E 超过阈值时，则判定为电弧 故障，使输出信号f =1；否则，输出信号f =0o
图11电弧故障检测流程
Fig. 11 Flow chart of arc fault detection
由于考虑到一天之中光照强度及温度不断变
化，电池板的输出电流也会随时间的变化发生改
变，因此对于初始时间窗内的基准电流设定系统每 隔1 min 重新计算一次，以此进一步排除一天中光 照强度变化对电弧故障检测的影响。
利用上述光伏系统电弧故障检测程序对实验
平台进行电弧故障检测实验，部分检测结果如图
12所示。其中：图12(a )为对电弧故障的检测结
果，从检测结果可以看到，虽然在电弧发生后的末 端出现了个别点误判的情况，但是在电弧发生至
熄灭总体上都检测出了电弧故障的存在，效果较
为准确；图12(b )为电弧发生的一种特殊情况，即 由于断点连接的不稳定性使电弧间断发生，从检 测结果看，这种情况依然具有电弧特征，因此本文 的电弧检测算法依然可以对其进行较为准确的检
测；图12 (c )为当阴影遮挡对电流造成波动时的检
测结果，可以看出，虽然电流波动明显，但是并未 发生误判，由此进一步说明了本文所提检测方法 的可行性与准确性
。
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议