典型神经网络串联型电弧故障检测及选线方法研究OACSTPCD
Research on series arc fault detection and line selection methods based on typical neural networks
为解决传统特征分析加机器学习的电弧故障检测方法的准确率和实时性受到特征参数选取的主观性及特征分析过程的影响问题,搭建了三相多负载并联的串联型电弧故障实验系统,对不同支路、不同相发生电弧故障时的干路电流信号时间序列进行分析.将电流信号进行分类、分段、标准化处理并作为检测模型样本;对深度卷积神经网络模型、长短期记忆网络模型、普通神经网络模型进行架构及训练;通过差分处理对网络模型在线分类结果进行优化分析;以准确度和损失函数值、在线测试速度、优化后多分类…查看全部>>
The accuracy and real-time of arc fault detection method based on traditional feature analysis and machine learning may be affected by the subjectivity of feature parameter selection and the process of feature analysis.A three-phase and multi-load parallel series arc fault experimental system was built.The time series of the current signal of the trunk circuit when the arc fault occurred in different branches and phases were analyzed.After classification,seg…查看全部>>
刘艳丽;张帆;吕正阳;王浩;刘洋
辽宁工程技术大学 电气与控制工程学院,辽宁 葫芦岛 125105辽宁工程技术大学 电气与控制工程学院,辽宁 葫芦岛 125105辽宁工程技术大学 电气与控制工程学院,辽宁 葫芦岛 125105辽宁工程技术大学 电气与控制工程学院,辽宁 葫芦岛 125105国网葫芦岛供电公司 兴城市供电分公司,辽宁 葫芦岛 125100
动力与电气工程
串联型电弧故障深度卷积神经网络故障检测故障选线优化分析
series arc faultdeep convolutional neural networkfault detectionfault line selectionoptimization analysis
《辽宁工程技术大学学报（自然科学版）》 2024 (1)
矿井供电系统串联型故障电弧数学模型及智能诊断方法研究
77-84,8
国家自然科学基金项目(52104160,52077158)辽宁工程技术大学学科创新团队资助项目(LNTU20TD-29)
评论