学术简报︱真空电弧燃烧过程的研究成果，为提升真空开关开断能力提供新思路
大连海事大学船舶电气工程学院、重庆大学电气工程学院、大连交通大学机械工程学院的研究人员向川、王惠、史鹏飞、董华军，在2019年第19期《电工技术学报》上撰文指出（论文标题为“基于改进脉冲耦合神经网络模型的真空电弧燃烧过程研究”），真空开关开断电流过程中电弧形态演变和特征量变化过程是决定真空开关开断能力的关键特性之一。
该文首先建立改进脉冲耦合神经网络（PCNN）模型，对真空电弧图像进行多值分割；然后利用形态学技术对分割电弧图像进行连通域选取和边缘噪声滤波，用于量化描述动触头位移、电弧面积等特征参数；最后结合特征参数曲线和电弧实验图像，对整个开断过程中真空电弧产生、发展和熄灭等燃烧过程展开定量和定性分析。
研究结果表明，改进PCNN模型适用于处理边缘区域灰度梯度变化大的真空电弧图像，呈现出细节特征丰富、边缘清晰、噪声低和分割精度高等特点；结合电弧特征参数和实验结果对电弧燃烧过程进行定量和定性分析，相比前期研究工作更加细化深入；不同峰值电弧电流对电弧面积、电弧最大面积出现时刻、电弧各燃烧阶段持续时间和转变过程均有很大影响。
本文将定量计算和定性分析相结合，较深入地研究了真空开关开断过程中电弧的燃烧过程，研究工作对真空电弧调控策略的提出具有一定的参考价值。
真空开关具有优异的熄弧性能和耐压性能，在中低压电力系统中应用广泛。其在开断短路电流时，将在真空灭弧室内的动、静触头间产生燃烧的金属蒸气——真空电弧。对真空电弧燃烧过程中形态演变规律和特征量变化情况的研究有助于揭示电弧从产生、发展到熄灭的物理过程和相关规律，是研究并提高真空开关开断性能的有效途径之一。
目前，学者们对真空电弧形态演变宏观过程进行了大量的实验研究。
如H.Schellekens等采用高速摄像技术研究了电弧电流、触头半径、触头间隙和外加纵向磁场等参数对真空电弧形态变化的影响。
H.Schulman等也采用高速摄像机对电弧燃烧图像进行采集，并结合电弧电压曲线，将电弧形态分为扩散态、收缩态及喷发态等。
董华军等采用CMOS高速摄像机对可拆卸灭弧室中不同触头结构下电弧形态演变进行了较深入的研究，还利用CCD相机结合数字图像处理技术对电子温度和电子密度进行诊断。
刘斌等通过实验研究了直流真空电弧强迫开断电弧形态，分析了触头结构对电弧直径的影响。
QinTaotao等通过电弧燃烧形态变化，分析了触头开断速度对直流真空电弧的影响。
武建文等对中频真空电弧演变特性展开研究，研究表明中频真空电弧主要呈现过渡态和扩散态两种形态，且过渡态电弧演变迅速，并在电流峰值时刻转变为扩散态电弧。
笔者也借助高速摄像机对真空开关实际开断短路故障过程中电弧形态演变过程进行了较深入的定性分析。
为进一步深入研究真空电弧的演变规律和电弧特性，学者们利用数字图像技术对电弧图像进行处理，通过提取特征量，实现电弧的量化处理和研究。
董华军等对真空电弧的数值图像处理技术进行了较深入的研究，运用中值滤波方法对电弧图像中的校验噪声干扰进行处理，运用直方图均衡化进行电弧图像增强，运用Canny算子对电弧图像边缘进行检测和提取，对真空电弧进行量化研究。
田小静等基于小波变换及形态学细化算法对真空电弧图像进行了形态细节特征提取研究，通过多尺度-细化算法实现了更完整、更清晰的细节电弧图像的形态特征检测。
为降低电弧噪声的影响，刘教民等提出了基于支持向量机高斯核的电弧图像边缘检测方法。
刘向军等对磁保持继电器分断过程的电弧图像进行形态学处理，定量研究了磁保持继电器电弧图像的面积参数变化。
翟国富等对直流电弧运动过程中电弧轮廓进行提取，分析了触头间隙、触头与电弧等离子体之间的重击穿过程。
上述研究主要采用边缘检测方法对电弧图像进行处理，适用于边缘灰度值变化比较大、噪声干扰比较小的图像。但真空电弧图像边缘复杂，存在极强的噪声，边缘检测法存在精度和抗噪性的双重矛盾，处理结果存在界限不明显、断接、多像素点等缺陷。
通常用于图像特征提取的方法有阈值分割法（如最大熵法、最大类间方差法Otsu）、区域生长法、聚类分析法和灰度-梯度共生矩阵法等。但这些传统图像分割算法存在一些缺陷，不适用于边缘复杂、噪声干扰强的真空电弧图像处理。
基于脉冲耦合神经网络（Pulse Coupled Neural Network, PCNN）的图像分割法不同于传统图像处理方法，其在分割时不用预先选择处理的空间范围，完全依赖于图像的自然性，是一种自适应图像分割方法，分割效果好，且分割时间短，能完整、清晰地呈现图像的细节特征，适用于真空电弧图像处理。
本文基于改进脉冲耦合神经网络（Pulse Coupled Neural Network, PCNN）模型对真空电弧进行图像分割，实现电弧与背景区域的分离；然后结合图像形态学技术对分割图像进行连通域选取和边缘噪声滤波，消除了电弧反光现象以及边缘噪声；最后结合真空开关实际开断电流过程中采集得到的电弧实验图像，将真空电弧演变过程的定性分析和特征量变化定量分析相结合，深入研究真空电弧的燃烧过程。
图2 PCNN分割真空电弧图像
图4 多种图像处理方法处理真空电弧图像结果
本文首先采用建立的改进型PCNN模型和形态学技术对真空电弧图像进行多值分割、连通域提取和边缘噪声滤波。然后结合电弧实验图像，对真空开关开断过程中真空电弧的产生、发展和熄灭等燃烧过程展开定量和定性的研究。
主要结论如下：
1）与边缘检测法、Otsu算法等相比，本文所建改进型PCNN模型所分割的电弧图像呈现的细节特征丰富、边缘清晰、噪声低，且分割精度高，对实验电弧图像的还原度高，适用于量化描述边缘区域灰度梯度变化大的真空电弧图像。
2）根据19kA电弧特征参数和实验结果，动触头初始阶段、中间阶段和最后阶段的平均速度分别约为2.3m/s、2.0m/s和1.3m/s。真空电弧燃烧过程可分为集聚阶段（2.5~6.18ms）、稳定阶段（6.18~7.89ms）、扩散阶段（7.89~9.04ms）和熄灭阶段（9.04~10ms）。电弧最大面积约1338.13mm2，出现在6.97ms时刻，相比电流峰值时刻（5.63ms）存在1.34ms的时延。相比前期研究更加细化、深入。
3）电弧电流对真空电弧燃烧特性有很大影响，随峰值电弧电流增大，电弧面积由4kA时的456.74mm2增大到28kA时的1685.8mm2；电弧最大面积出现时刻滞后1.86ms；电弧集聚阶段持续时间由4kA时的2.27ms延长到28kA时的4.28ms，不利于电流的成功开断。
本文对真空电弧燃烧过程的研究还不够全面，需结合电弧图像光强变化及电弧数值仿真技术进一步研究，对大电流电弧动触头位移特性计算也还有待改进。