《Protection and Control of Modern Power Systems》：Arc Faults in Microgrids: Classification, Detection Approaches, and Protection Strategies
编辑推荐：
摘要：微电网（μG）系统因其能够整合多个分布式发电机（DGs）和可再生能源（RESs）的固有能力，已成为现代电力系统中快速发展的概念。然而，这些源（其输出严重依赖天气条件）的间歇性和动态特性给μG系统带来了若干运行挑战，其中电弧故障（AFs）代表了一个关键安全
摘要：微电网（μG）系统因其能够整合多个分布式发电机（DGs）和可再生能源（RESs）的固有能力，已成为现代电力系统中快速发展的概念。然而，这些源（其输出严重依赖天气条件）的间歇性和动态特性给μG系统带来了若干运行挑战，其中电弧故障（AFs）代表了一个关键安全问题。尽管对μG保护的研究兴趣日益增长，但专注于混合交直流微电网（HAC/DCμGs）尤其是涉及AF分类、检测和保护策略的综述研究仍然有限。在HAC/DCμG系统中，交流和直流子系统的同时运行引入了额外的复杂性，因为任一侧发生的AFs都会显著危及系统可靠性和运行安全。据此，本文对AF现象、故障类型和报道的案例研究以及现有的缓解策略及其技术局限性进行了系统综述。此外，基于元启发式优化的AF检测方法受到批判性审视，特别强调它们在提高检测精度和减少误分类方面的有效性。该综述揭示，没有任何单一检测技术能在多样运行条件和不确定性下可靠地应对AFs，从而凸显了对自适应、多域和优化辅助保护框架的需求，以确保可靠的HAC/DCμG运行。
论文解读文章
**研究背景与现实问题**
随着全球能源需求增长和可再生能源（RES）如太阳能光伏（PV）、风力涡轮机和电池储能系统（BSS）的快速扩张，分布式发电机（DG）的集成引入了电压调节和系统保护等新挑战，推动了微电网（μG）概念的发展。μG最初分为交流或直流系统，后期结合两者优势发展为混合交直流微电网（HAC/DCμG）。尽管HAC/DCμG提供可靠供电、提高功率密度并降低传输损耗，但其对电力电子变换器和非线性负载的广泛依赖增加了保护脆弱性，其中电弧故障（AF）构成重大安全隐患。AF分为由断开、连接松动或导体老化引起的串联故障，以及发生在导体间或导体与地之间的并联故障。电弧核心温度可达5000-15000°C，其间歇性和对噪声的敏感性使得可靠检测困难并可能导致误报。例如，韩国23起储能系统（ESS）火灾和澳大利亚2021年维多利亚大型电池火灾均与AF保护缺失有关，凸显了早期可靠AF检测的紧迫性。尽管已有研究涉足μG保护，但针对HAC/DCμG尤其是AF分类、检测和保护策略的综合综述仍然有限。
**研究内容与意义**
本文发表在《Protection and Control of Modern Power Systems》上，研究人员系统综述了HAC/DCμG中AF现象、建模方法、保护挑战以及检测技术，特别分析了元启发式优化辅助方法在提高检测精度和减少误分类方面的有效性。综述揭示，没有任何单一检测技术能在多样运行条件下可靠应对AF，因而需要自适应、多域和优化辅助保护框架。该研究为HAC/DCμG可靠运行提供了关键理论基础和未来研究方向。
**主要关键技术方法概述**
研究人员采用了系统综述方法，涵盖以下关键技术：通过实证V-I模型（如Paukert模型）、物理基模型（如Cassie-Mayr模型）以及先进自适应多物理场模型（如磁流体动力学MHD模型）进行AF建模；利用信号处理技术包括快速傅里叶变换（FFT）、短时傅里叶变换（STFT）、离散小波变换（DWT）和小波包分解（WPD）提取特征；部署人工智能方法如人工神经网络（ANN）、支持向量机（SVM）、卷积神经网络（CNN）、长短期记忆网络（LSTM）等进行分类；并采用粒子群优化（PSO）、遗传算法（GA）等元启发式优化优化检测参数。硬件传感器方面涉及差分高频电流互感器（D-HFCT）、高频耦合（HFC）传感器、罗氏线圈和光传感器等，实验验证基于Universiti Teknologi PETRONAS实验室的AF发生器试验台。
**研究结果**
**一、电弧故障（Arc Faults）**
研究人员通过文献案例和实验波形分析，明确了串联AF（SAF）因高阻抗和低故障电流难以检测，而并联AF因低阻抗和高故障电流相对容易识别。对比AC与DC电弧特性，DC电弧因缺乏自然零交叉点更持续、更难熄灭，导致检测更困难。
**二、电弧特性与建模（Arc Fault Characteristics and Modeling）**
研究汇总了多种电弧模型：经验V-I模型基于测量曲线，不捕捉内部物理；物理基模型（如Cassie-Mayr）采用时变微分方程表征引弧、持续和熄弧；先进自适应多物理场模型（如MHD）集成热效应、气流等外部因素。分析表明，电弧电阻与电流成反比，V-I特性呈低电流恒功率区和高电流恒压区。
**三、微电网与电网电弧特性对比（Arc Fault Characteristics: Microgrids Vs. Traditional Networks）**
对比揭示DCμG低线路阻抗导致故障电流快速上升（微秒级），电容放电产生高达100倍额定值的尖峰；SAF因电阻小可被正常负载变化掩盖；噪声和随机性与变换器开关噪声重叠增加辨别难度。保护策略差异体现在：DCμG需要更快中断（约5 ms），采用固态断路器（SSCB）或混合断路器（HCB），而传统AC断路器速度不足。
**四、电弧故障检测方法（Arc Fault Detection Approaches）**
研究人员从传感需求出发，指出传统电流互感器频率限制和差分保护响应慢的局限性。信号处理方面，FFT识别宽带高频频谱，STFT提供时频分辨率但存在折衷，DWT和WPD实现多分辨率分解。人工智能方法中，ANN和SVM在有限数据下有效，CNN自动提取空间特征，KNN、决策树（DT）、模糊逻辑（FL）和随机森林（RF）各有优势；LSTM和门控循环单元（GRU）捕捉时序依赖。选择性鉴别上，高频频谱分析和混合传感（光+电流）可区分功率质量扰动。
**五、优化技术提升检测模型（Optimization Techniques for Enhancing AF Detection Models）**
研究人员评价了PSO、GA等元启发式算法优化SVM等分类器超参数，如PSO优化SVM参数c和g提升检测精度至98.21%，GA优化ANN减少输入复杂度，Aquila优化器优化变分模态分解（VMD）参数配合RF达99%准确率。这些方法增强了分类准确率，但受限于计算复杂度和参数敏感性。
**讨论与结论**
讨论部分指出当前AF检测在真实性、可扩展性和实际部署方面仍存在挑战，未来需聚焦物理信息动态建模、混合自适应信号分解、高保真多模态传感以及数据高效可部署的AI方法。论文结论翻译如下：本文对高渗透分布式可再生能源的HAC/DCμG中AF现象、建模和保护挑战进行了全面综述。通过系统分析AF特性、故障类型和报道事件，突出了常规配电网与HAC/DCμG环境下AF行为的根本差异。对从传统和传感器方法到先进信号处理和人工智能方法的AF检测技术的关键评估表明，检测性能高度依赖运行条件、系统拓扑和不确定性水平。特别是，元启发式优化辅助检测框架在增强分类精度和减少误检测方面显示出强大潜力，但效果常受计算复杂性、参数敏感性和跨故障场景的泛化限制。总体而言，该综述强调，HAC/DCμG中可靠的AF保护无法通过孤立检测策略实现，未来解决方案应转向集成先进电弧建模、鲁棒特征工程、智能分类器和优化机制的自适应、多域和统一检测框架，以确保现代微电网动态和不确定运行条件下的快速、准确和弹性AF检测。
