长春工程学院学报（自然科学版）2026，Vol.27Issue(1)：69-74,6.DOI:10.3969/j.issn.1009-8984.2026.01.011
基于熵特征融合的光伏直流故障电弧识别研究
Research on photovoltaic DC fault arc identification based on entropy feature fusion
吴小龙 1郭瑞 2陈祥和 3邹凯放 1刘虎鹏1
作者信息
- 1. 长春工程学院 能源与动力工程学院,吉林 长春 130012
- 2. 长春工程学院 大学生创新创业教育学院,吉林 长春 130012
- 3. 长春工程学院 能源与动力工程学院,吉林 长春 130012||长春工程学院 大学生创新创业教育学院,吉林 长春 130012
- 折叠
摘要
Abstract
Addressing the issues of difficulty and low accuracy in identifying DC arc faults in photovoltaic systems,this paper proposes a detection method based on deep learning.The current signal undergoes wavelet denoising and an improved adaptive noise complete empirical mode decomposition process.Time-domain features and entropy features are combined to construct feature vectors,followed by the introduc-tion of the CNN-BiGRU-Attention model to achieve the identification of arc faults.Experimental results show that the model achieves an accuracy rate of 98.57%in identifying arc faults,effectively enhancing the protection capability of photovoltaic systems against DC arcs.关键词
光伏系统/故障电弧/熵特征/注意力机制/神经网络Key words
photovoltaic system/fault arc/entropy feature/attention mechanism/neural network分类
信息技术与安全科学引用本文复制引用
吴小龙,郭瑞,陈祥和,邹凯放,刘虎鹏..基于熵特征融合的光伏直流故障电弧识别研究[J].长春工程学院学报（自然科学版）,2026,27(1):69-74,6.
