基于多层全连接神经网络的漏电流容性分量补偿方法研究_周星雨.pdf

电器与能效管理技术(2023No 3)检测与试验周星雨(1998)，女，硕士研究生，研究方向为电气火灾监控、分析及预测。吴桂初(1957)，男，教授，研究方向为为智能化电器、智能制造。吴自然(1984)，男，副研究员，研究方向为电器智能化。*基金项目:温州市重大科技项目(ZG2020049);温州市瓯海区会领军人才专项 低压电器智能制造车间的研发与产业化基于多层全连接神经网络的漏电流容性分量补偿方法研究*周星雨1，吴桂初2，吴自然2，李泉坊3(1 温州大学 电气与电子工程学院，浙江 温州325000;(2 温州大学 乐清工业研究院，浙江 乐清325699;(3 浙江聚创智能科技有限公司，浙江 温州325000)摘要:漏电流容性分量普遍存在于配电系统中，对漏电监控产生显著干扰，从而影响了电气火灾监控报警的准确性。搭建漏电流试验平台，模拟实际线路情况，设计数据采集系统实时显示，采集 4 种电压模式、4 种负载模式在阻性漏电和容性漏电情况下的数据。提出利用多层全连接 BP 神经网络对漏电流阻性分量进行预测，消除漏电流容性分量。经测试，所提模型对漏电流阻性分量预测误差仅 1 08%，能有效识别漏电流阻性分量，提高电气火灾预警的准确性。关键词:漏电流容性分量;电气火灾监控;多层全连接神经网络;漏电流容性分量补偿中图分类号:TM714 3文献标志码:A文章编号:2095-8188(2023)03-0054-08DOI:10 16628/j cnki 2095-8188 2023 03 009Capacitive Component Leakage Current Compensation MethodBased on Multilayer Fully Connected Neural NetworkZHOU Xingyu1，WU Guichu2，WU Ziran2，LI Quanfang3(1 School of Electrical and Electronic Engineering，Wenzhou University，Wenzhou 325000，China;2 Yueqing Industrial esearch Institute，Wenzhou University，Wenzhou 325699，China;3 Zhejiang Juchuang Intelligent Technology Co，Ltd，Wenzhou 325000，China)Abstract:The capacitive component leakage current(CCLC)commonly exists in power distribution systemsHowever，it significantly interferes the leakage current measurement and reduces the accuracy of electrical firemonitoring The leakage current test platform is built to simulate the actual circuit condition，and a data acquisitionsystem is designed to display and acquire the data of four voltage modes and four load modes under the resistiveleakage and capacitive leakage conditions A multilayer fully connected BP neural network is used to eliminate theCCLC by predicting the resistive component leakage current(CLC)The test results show that the prediction errorof the CLC reaches only 1 08%，which can prove that the methd can effectively identify the CLC and improvethe accuracy of electrical fire alarmingKey words:capacitive component leakage current(CCLC);electrical fire monitoring;multilayer fullyconnected neural network;capacitive component leakage current compensation45检测与试验电器与能效管理技术(2023No 3)0引言据我国火灾数据统计，电气火灾占火灾总数30%以上且危害程度高1。为了有效遏制电气火灾高发，确保人民群众生命财产安全，我国出台了 GB 500162014建筑设计防火规范2，提倡安装“电气火灾监控设备”以及 GB 14287 12015电气火灾监控系统3 提出“电气火灾监控系统”相关要求，研发“电气火灾监控系统”成为当下热点。结合电气火灾成因，接地故障是最危险多发的电气火灾隐患，其隐蔽性极强，在低压配电系统(TN 系统)多采用剩余电流保护作为接地故障保护4。电气火灾监控系统通过检测线路剩余电流等参量来表征线路的漏电故障状态，由于电器中电力电子等非线性器件的增加，导致电力系统中高次谐波分量增加5。因为线路对地存在分布电容，通过电容的泄漏增加，反映在检测的剩余电流中，但不是引起电气火灾的原因，所以在分析和报警值判断中要将其消除。通常将通过电容泄漏的剩余电流称为“漏电流容性分量”6。文献 7-8 基于正交分量法检测剩余电流，同时检测电压 U，利用漏电流阻性分量、漏电流容性分量、电压三者相位关系，得到漏电流阻性分量。文献 9 基于离线傅里叶变换，利用离线实验技术将检测的总漏电流分解为容性分量、漏电流阻性分量。传统电气火灾监控系统通过传感器采集数据送至总线监控节点，利用总线接口转 USB 将数据传送至上位机。系统由硬件电路构成，结构复杂，值班人员通过上位机了解火灾监控情况，依靠值班人员发出预警信号，耗费人力且效果欠佳 10-11。现有智能电气火灾监控系统将传感器采集多种参量数据，通过物联网上传至云平台进行数据存储，结合相关标准及实际情况设置阈值，一旦超过设定值，监控系统将发出预警信号。云平台存储的数据量大，方便调取历史数据，借助机器学习等智能算法对引发电气火灾的参量进行数据分析。本文以智能电气火灾监控系统为下位机、设计软件为上位机构成数据采集系统，结合实际低压配电线路运行特点搭建实验平台，获取不同电源输出电压、负载、漏电类型情形下智能电气火灾监控系统采集的数据。搭建神经网络模型进行训练，对漏电流阻性分量进行预测，从而实现漏电流容性分量补偿，提高电气火灾预警的准确性。1数据采集系统1 1实验平台搭建实际低压配电线路电压为 50 Hz 220 V 且含有一定谐波分量。假设在检测漏电流的时段内，线路中的分布电容保持恒定，当线路中谐波分量增加时，漏电流容性分量会增加，漏电流阻性分量不变。因此，搭建实验平台，输入的谐波电压满足GB/T 1454993电能质量 公用电网谐波12 的限制要求，谐波会引起漏电流的变化13，通过控制开关，更改漏电回路电阻、电容的数值，负载选取几种家用电器进行试验。阻性、容性漏电流试验电路如图 1 所示。图 1阻性、容性漏电流试验电路本文采用由 Chrome 61511 可编程交流电源输出单相电压 220 V 50 Hz 并叠加谐波分量，依据国家标准 GB/T 1454993电能质量 公用电网谐波 “0 38 kV 线路中奇次谐波含有率4%”以及实际线路中三次及其整数倍谐波可通过变压器三角形接线绕组抵消，七次谐波在线路中含量较少，通过设置电源输出模式，在工频电压及叠加4%五次谐波，3%五次谐波+1%七次谐波，3%五次谐波+1%九次谐波作为 4 种输入电压模式。负载选取几款常见家用电器:2W LED 灯、微波炉、电磁炉、电熨斗，代表线性负载和非线性负载。当负载不同时，负荷功率发生变化，线路电流、功率因数等均发生相应变化。Ioc为漏电流容性分量，即使电网无接地故障，线路和设备对地分布电容也会产生漏电流;Ior为漏电流阻性分量，因绝缘破坏、诱发接地故障产生漏电流。线路中存在 Ioc会干扰电气火灾预警系统对线路剩余电流的监测，而 Ior才是引起各种故障诱发电气火灾的真正原因。实验选取不同数值的电阻和电容，实现多种情形下对“漏电流阻性55电器与能效管理技术(2023No 3)检测与试验分量”的预测，以便更好地消除“漏电流容性分量”。1 2数据采集系统1 2 1数据采集系统组成及功能介绍本文设计的数据采集系统由电气火灾监控传感器及上位机软件构成。实际场合中，电气火灾监控传感器可实现对电气线路的电流、电压、剩余电流等参数进行监测，利用物联网技术将数据上传至云平台。其主要由以下几个部分组成。(1)电流互感器:用于采集线路的电流值;(2)电压互感器:用于采集线路的电压值;(3)剩余电流互感器:用于采集线路的剩余电流值;(4)监控模块:用于控制检测装置对电流、电压、剩余电流等参数数据的采集，功率、功率因数等参数计算，进行通信及控制数据上行、下行等功能。本文借助电气火灾监控传感器通过 S 485通信方式转 USB 串口，与计算机相连，省去上传云平台环节，直接利用计算机上位机软件进行实时数据显示与数据存储。上位机软件采用 pyqt5 进行设计，逻辑上分为 3 层，分别是最上层的 UI 层、最底层的串口通信层、中间层的逻辑处理层。利用 pyqt5 设计上位机 UI 界面，其主要负责获取用户输入，更新信息;串口通信层负责与下位机的通信，包括连接、中断、数据读取，本文采用 Modbus 通信协议进行下位机数据读取;逻辑处理层负责联系串口通信层和 UI 界面，进行逻辑处理。上位机软件显示界面如图 2 所示。图 2上位机软件显示界面该数据采集系统能对线路参数进行实时监控;根据下位机设置信息，便捷、灵活地进行串口信息配置;打开串口开始采集数据，各窗口滚动显示数据，关闭串口即停止采集数据，确保数据采集进程与实验过程同步;一键保存数据，便于数据处理。1 2 2数据采集系统校验本文通过对上位机和 Chrome 交流电压源LED 屏显示的电流、电压、功率因数，以及 FLUKE368 FC 交流漏电流钳形表检测的漏电流有效值、漏电流理论值进行比较，辨别数据采集系统的准确性。(1)电压无谐波分量时，电压源输出基波瞬时电压 u1(t)表达式为u1(t)=U1sint(1)式中:U1 电压基频分量幅值;角频率，=2f;f 系统基波频率，取为 50 Hz。漏电流容性分量瞬时值 ic1(t)表达式为ic1(t)=Cdu1(t)dt=CU1cost(2)式中:C 漏电电容值。输出电压一个周期内有效值 U1MS表达式为U1MS=T0u1(t)2dtT=U12(3)式中:T 系统基波周期。漏电流容性分量一个周期内有效值 Ic1MS表达式为Ic1MS=T0ic1(t)2dtT=CU12(4)漏电流阻性分量一个周期内有效值 Ir1MS表达式为Ir1MS=U1MS=U12(5)式中:漏电电阻值。剩余电流一个周期内有效值 I1表达式为I1=I2r1MS+I2c1MS(6)(2)电压含有 n 倍基频谐波分量，电压源输出瞬时电压 u2(t)表达式为u2(t)=U1sint+U2sinnt(7)65检测与试验电器与能效管理技术(2023No 3)式中:U2 电压谐波分量幅值。漏电流容性分量瞬时值 ic2(t)表达式为ic2(t)=Cdu2(t)dt=C(U1cost+nU2cosnt)(8)输出电压一个周期内有效值 U2MS表达式为U2MS=T0u2(t)2dt