基于頻域能量和小波系數(shù)方差的光伏系統(tǒng)故障電弧判斷方法

韓 明, 李劍波, 邵春莉, 梁利平

(合肥工業(yè)大學 電氣與自動化工程學院,安徽 合肥 230009)

基于頻域能量和小波系數(shù)方差的光伏系統(tǒng)故障電弧判斷方法

韓 明, 李劍波, 邵春莉, 梁利平

(合肥工業(yè)大學 電氣與自動化工程學院,安徽 合肥 230009)

文章通過實驗采集故障電弧數(shù)據(jù),根據(jù)故障電弧時域波形的特點進行頻譜分析,確定故障電弧所在的頻段和能量集中的頻段;采用小波變換的方法,計算這些頻段的小波系數(shù)和方差;根據(jù)能量值和方差值,判斷有無故障電弧發(fā)生,以提高檢測的準確性和可靠性。

故障電弧;光伏系統(tǒng);電弧檢測;傅里葉變換;小波變換

在光伏系統(tǒng)中,太陽能電池板組成的光伏陣列通過串聯(lián)的方式,把產(chǎn)生的直流電通過逆變器轉(zhuǎn)換成交流電,輸送給電網(wǎng)。直流端輸出的電壓隨著光伏陣列的增大而增大,一般從幾十伏到上百伏,大型的光伏發(fā)電站甚至可以達到上千伏的直流高壓。由于絕緣老化或者線路破損等原因,在直流側(cè)很容易產(chǎn)生故障電弧,而且在光伏組件的限流特性和光照電流獨立特性的共同作用下,使得故障電弧有穩(wěn)定燃燒的條件。因此,一旦產(chǎn)生故障電弧,如果不能及時察覺并切斷線路,就會引起火災事故的發(fā)生,燒毀光伏組件和輸電線路,造成巨大的經(jīng)濟損失[1-2]。目前的熔斷器、斷路器等保護裝置只能對過流、短路等情況進行檢測和保護,不能對故障電弧起到檢測和保護的作用。因此,對故障電弧特性進行分析與研究,研制出快速、及時的故障電弧檢測裝置,以便切斷故障線路,保護光伏系統(tǒng),具有很強的工程實用價值。

影響故障電弧的因素很多,包括溫度、濕度、光照強度、電流大小、線纜長度、電極間的距離以及來自逆變器及周圍環(huán)境的干擾[3-5]。這些因素會降低檢測的準確性和可靠性,使得故障電弧的檢測變得更加困難。

目前,國外學者主要從時域和頻域2個方面提出了檢測方法,并設計了相應的檢測裝置。文獻[6]根據(jù)產(chǎn)生故障電弧時電流幅值會發(fā)生變化的時域特性,利用同軸分流器測量逆變器輸入端電流波形變化情況,實現(xiàn)故障電弧檢測[6]。但是,由于光伏系統(tǒng)受光照和溫度變化的影響,輸出電流和電壓幅值不穩(wěn)定,使得該檢測裝置容易造成誤判。文獻[7]提出的電弧檢測裝置包含一個諧振電路,將諧振電路的頻率設定為一個特定值,這個頻率在光伏系統(tǒng)正常工作時不會出現(xiàn),通過檢測這個特定的頻率來判斷是否有電弧產(chǎn)生。該方法的缺點是,容易受到來自逆變器或者其他裝置的噪聲干擾而誤觸發(fā)。文獻[8]提出了一種基于頻率檢測的智能裝置,如圖1所示。該裝置包括一個德州儀器(TI)的C2000系列的數(shù)字信號微處理器(DSC)和一個半導體開關器件。利用分壓器采集光伏組件的電壓信號,將其傳入DSC中,根據(jù)頻率變化分析是否有故障電弧產(chǎn)生,控制半導體開關器件將光伏組件短路達到滅弧的效果。該方法的缺點是,需要在每個光伏組件上安裝檢測裝置,這無疑會增加成本,并且當光伏組件短路時檢測裝置的供電問題也沒有解決。此外,該檢測裝置還沒有在現(xiàn)場進行實驗,來自逆變器的噪聲干擾對檢測的準確性還不得而知。

圖1 基于頻率檢測故障電弧的智能裝置

目前,國內(nèi)對故障電弧的研究還處在初級階段,也沒有設計出相應的檢測裝置。

雖然國外學者針對故障電弧設計了檢測裝置,但是,這些裝置都存在著誤判率高、成本高、判據(jù)單一等缺點,這是因為電弧燃燒是一個復雜的過程,且影響電弧的因素很多。因此,深入研究故障電弧的本質(zhì),找出其特征,對提高檢測的準確性和可靠性具有重要意義。

本文在實驗裝置上模擬故障電弧的發(fā)生情況,采集故障電弧信號的實驗數(shù)據(jù)。針對故障電弧信號在時域上非常雜亂的特點,采用頻譜分析方法,找出故障電弧信號所在的頻段,計算其能量在該頻段的分布情況,確定故障電弧能量集中的頻段。再利用小波變換時頻分析的特點,對故障電弧進行小波分解,得到與能量在同一頻段內(nèi)的小波系數(shù),并計算小波系數(shù)的方差。最后,綜合能量和方差的分布情況,來判斷故障電弧的發(fā)生。

1 故障電弧數(shù)據(jù)采集

因為故障電弧發(fā)生的隨機性和不確定性,在光伏發(fā)電現(xiàn)場很難及時捕捉到,這給分析故障電弧帶來了困難，所以需要在實驗室條件下模擬故障電弧的發(fā)生。為此,本文在陽光電源股份有限公司搭建的電弧發(fā)生裝置上進行了實驗。

電弧發(fā)生裝置由線性電源、負載電阻、開關K、電極、逆變器、電流互感器、放大電路和示波器組成。線性電源模擬太陽能電池板。開關K用于產(chǎn)生和熄滅電弧。當開光K打開時,兩電極之間的高電壓產(chǎn)生強電場,使空氣電離,產(chǎn)生電弧。當開光K閉合后,電流流過開關,電弧熄滅。在兩電極之間放上鐵棉,可以幫助引燃電弧。負載電阻用于限制線路中電流的大小。線路中的電流經(jīng)電流互感器后,再由放大電路進入示波器進行數(shù)據(jù)采集。實驗前先設置示波器的采樣頻率為1 MHz。實驗時先閉合開關K,在電極間放上少許鐵棉,然后啟動逆變器,打開線性電源。接著打開開關K,使電極之間產(chǎn)生電弧。待電弧燃燒了一段時間后,閉合開關K,熄滅電弧。實驗時用示波器采集電弧從無到有,再到熄滅的整個過程,持續(xù)時間為10 s。實驗裝置示意圖如圖2所示,實驗現(xiàn)場如圖3所示。

圖2 實驗裝置示意圖

圖3 實驗現(xiàn)場

2 故障電弧數(shù)據(jù)分析

光伏現(xiàn)場的溫度、濕度、光照強度,線纜的長度,產(chǎn)生電弧時電極間的距離,來自逆變器以及電網(wǎng)側(cè)的干擾,都會對故障電弧產(chǎn)生影響。這些因素都會影響故障電弧檢測的準確性和可靠性。因此,需要從多個角度對故障電弧的特性進行分析,以排除這些因素的干擾。下面將從頻域、能量以及小波變換多個角度對故障電弧進行分析,找出故障電弧的特征。

(1) 頻域分析。將示波器采集到的數(shù)據(jù)導入Matlab中,畫出電流的時域圖,如圖4所示。電流波形經(jīng)歷過無電弧段、過渡段、電弧穩(wěn)定燃燒段和無電弧段4個階段。從圖4中可以看出,在不同階段,電流幅值是有變化的。在無電弧段,電流的幅值比較平穩(wěn)。在過渡段和電弧穩(wěn)定燃燒段,電流幅值出現(xiàn)了較大的波動,尤其是在電弧剛剛啟燃的時刻,電流幅值波動更加劇烈。

圖4 電流時域圖

分別取無電弧數(shù)據(jù)和電弧穩(wěn)定燃燒數(shù)據(jù)各10組,每組2 048個數(shù)據(jù)。分別求出每組數(shù)據(jù)的平均值,然后再用各組數(shù)據(jù)減去本組的平均值,得到的結果做2 048點的FFT。接著分別對無電弧和有電弧的10組FFT結果分別求和,再分別除以10求其均值。最后畫出頻譜圖,頻譜圖的放大圖如圖5所示。

從圖5可以看出,電弧信號主要集中在0～40 kHz的頻段范圍內(nèi),并且有電弧時的幅值比無電弧時的大。圖5中的黑點處X為47.85 kHz，Y為2.738 mV,47.85 kHz為逆變器的開關頻率。

(2) 能量分析。故障電弧信號的幅值呈遞減分布,如圖5所示。在30～40 kHz之間,幅值比較小,而在0～20 KHz之間,幅值比較大。因此,將0～40 kHz分成4個頻段,即0～10 kHz、10～20 kHz、20～30 kHz、30～40 kHz,計算每個頻段的能量。

分別取無電弧段和電弧穩(wěn)定燃燒段的數(shù)據(jù)各40組,每組2 048個數(shù)據(jù),計算每組的功率譜,然后計算每組在各個頻段內(nèi)的能量,最后每4組計算1次能量在各個頻段內(nèi)的均值。第1～4組的能量均值計算結果見表1所列。從表1可以看出,無電弧和電弧穩(wěn)定燃燒時的能量主要集中在0～10 kHz,與其他頻段的能量值區(qū)分度很大,并且有電弧時的能量值比無電弧時的大得多。

圖5 頻譜圖

電弧狀態(tài) 頻率范圍/kHz能量/V2無電弧0～1022.1010～200.9620～301.0630～400.50電弧穩(wěn)定燃燒0～10103.0010～2064.8020～3010.6030～402.38

統(tǒng)計無電弧時和電弧穩(wěn)定燃燒時0～10 kHz的能量值,如圖6所示。

圖6 無電弧和電弧穩(wěn)定燃燒時0～10 kHz能量分布情況

從圖6中可以看出,無電弧時的能量值比電弧穩(wěn)定燃燒時的能量值小得多。因此可以通過設定能量閥值,判斷有無電弧發(fā)生。

(3) 小波分析。當發(fā)生故障電弧時,電流幅值有突變的特性。小波變換的局部特性恰好能很好地捕捉到電流每一個突變點的信息。因此,小波變換適用于故障電弧分析。

根據(jù)國外學者基于小波變換對故障電弧的研究可知,當采樣頻率為1 MHz時,采用db9小波對故障電弧信號進行7尺度分解,得到的第7尺度的高頻系數(shù)不僅可以清晰地看到有無電弧,而且可以看到電弧是什么時候開始燃燒的,持續(xù)的時間有多久[9]。

方差反映了一個隨機變量與其均值的偏離程度,因此對小波系數(shù)做方差可以反映電弧的強烈程度。電弧越強烈,信號突變越明顯,對應小波系數(shù)的脈沖越大,其方差值越大。

對采集到的電弧數(shù)據(jù)用db9小波進行7尺度分解,得到第7尺度的高頻系數(shù)。該高頻系數(shù)所在的頻率范圍為3.9～7.8 kHz,與能量所在的頻段0～10 kHz基本吻合。將第7尺度的高頻系數(shù)每400個數(shù)據(jù)為一組,計算其方差值,結果如圖7所示。從圖7中可以看出,在無電弧段,方差值比較??；在過渡段,方差值出現(xiàn)跳變；在電弧穩(wěn)定燃燒段,方差值又回落到一個穩(wěn)定水平,且比無電弧時大。因此,可以根據(jù)第7尺度高頻系數(shù)的方差值變化情況,通過設定閥值,判斷有無故障電弧發(fā)生。

圖7 方差值分布圖

3 結 論

(1) 通過頻譜分析可知,故障電弧的頻譜主要集中在0～40 kHz,能量集中在0～10 kHz,并且電弧燃燒時的能量比無電弧時的大。

(2) 對故障電弧采用db9小波進行7尺度分解,得到第7尺度的高頻系數(shù)并計算其方差。從方差值大小的分布圖可以看出,在電弧燃燒的不同階段,方差值經(jīng)歷了從穩(wěn)定到跳變再到穩(wěn)定的過程,且電弧穩(wěn)定燃燒時的方差值比無電弧時的大。

(3) 因為能量值和方差值在有無電弧時的區(qū)分度很大,所以可以通過設定閾值,使用能量值和方差值這2個判據(jù),判斷有無故障電弧發(fā)生,以提高檢測的準確性和可靠性。

(4) 進一步的工作是在以DSP為核心的硬件系統(tǒng)上實現(xiàn)算法,以便實際應用。

[1] RUTSCHMANN I.20 Megawatt ausgetauscht-BP Solar beendet voraussichtlich bis Jahresende seine Rückrufaktionen[J].Photon,2008(12):112.

[2] SCHLUMBERGER A,KREUTMANN A.Brennends Problem-Schadhafte BP-Module knnen Feuer entfachen[J].Photon,2006(8):104-106.

[3] ERHARD F,SCHALLER B,BERGER F.Field test results of serial DC arc fault investigations on real photovoltaic systems[C]//Proceedings of the Universities Power Engineering Conference.[S.l.]:IEEE Computer Society,2014:1-6.

[4] JOHNSON J,ARMIJO K.Parametric study of PV arc-fault generation methods and analysis of conducted DC spectrum[C]//Photovoltaic Specialist Conference.[S.l.]:IEEE,2014:3543-3548.

[5] YAO X,JI S,HERRERA L,et al.DC arc fault:Characteristic study and fault recognition[C]//International Conference on Electric Power Equipment-Switching Technology.[S.l.]:IEEE,2011:387-390.

[6] STROBL C,MECKLER P.Arc faults in photovoltaic systems[C]//Proceedings of the 56th IEEE Holm Conference on Electrical Contacts.[S.l.:s.n.],2010:1-7.

[7] HAEBERLIN H,REAL M.Arc detector for remote detection of dangerous arcs on the DC side of PV plants arc detector for remote detection of dangerous arcs on the DC side of PV plants[J].Indret,2007,255(3):681-698.

[8] SCHIMPF F,NORUM L E.Recognition of electric arcing in the DC-wiring of photovoltaic systems[C]//Telecommunications Energy Conference,2009.Intelec 2009.International. [S.l.]:IEEE,2009:1-6.

[9] WANG Z,MCCONNELL S,BALOG R S,et al.Arc fault signal detection-Fourier transformation vs.wavelet decomposition techniques using synthesized data[C]//Photovoltaic Specialist Conference (PVSC),2014 IEEE 40th.[S.l.]:IEEE,2014:3239-3244.

(責任編輯 張 镅)

Judging method of fault arc in photovoltaic system based on power of frequency domain and variance of wavelet coefficients

HAN Ming, LI Jianbo, SHAO Chunli, LIANG Liping

(School of Electric Engineering and Automation, Hefei University of Technology, Hefei 230009, China)

The data of fault arc is collected through experiment and analyzed using Fourier transform based on its waveform feature in time domain. According to the result, the frequency distribution and power distribution of fault arc can be determined. Then the variance of wavelet coefficients is calculated using wavelet transform. Finally, the occurrence of fault arc can be judged according to the values of power and variance, thus improving the accurateness and reliability of fault arc detection.

fault arc; photovoltaic system; arc detection; Fourier transform; wavelet transform

2016-01-04；

2016-03-28

韓 明(1990-),男,江西廣豐人,合肥工業(yè)大學碩士生.

10.3969/j.issn.1003-5060.2017.08.012

TM501.2

A

1003-5060(2017)08-1070-04