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 》上撰文指出（论文标题为“基于改进脉冲耦合神经 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 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。

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。

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。

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 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。

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

结论

主要结论如下：