基于AlexNet深度学习网络的串联故障电弧检测方法

论文摘要

在家用交流供配电系统中,接触松动等原因可能会导致故障电弧的发生,威胁用电系统的安全。线路发生串联故障电弧时的电流基本与正常运行时的电流大小一致,具有很强的隐蔽性。对此,首次提出用深度学习检测电流信号的方法来检测串联故障电弧,该方法只需将电流信号输入深度学习网络,由网络自主挖掘隐含在电流信号数据背后的特征,实现对串联故障电弧的识别。搭建实验平台,并用开关模拟发生正常电弧,分别采集电阻性负载、电感性负载和阻感性负载正常运行和发生串联故障电弧时的电流数据共7 200组。构建AlexNet卷积神经网络并做相应改进,用采集到的数据训练网络并测试,结果显示辨识平均准确率在85%以上,表明该方法能够较好的实现对串联故障电弧的检测。

论文目录

• 0 引 言
• 1 AlexNet卷积神经网络原理及应用
•   1.1 AlexNet卷积神经网络基本原理
•   1.2 损失值计算
•   1.3 准确率计算
•   1.4 AlexNet网络的应用改进
• 2 串联故障电弧实验
•   2.1 串联故障电弧实验平台
•   2.2 串联故障电弧实验数据
•   2.3 串联故障电弧实验现象
•   2.4 AlexNet网络构建环境
• 3 结 论

文章来源

类型: 期刊论文

作者: 余琼芳,黄高路,杨艺,孙岩洲

关键词: 串联故障电弧,深度学习,卷积神经网络,检测平台

来源: 电子测量与仪器学报 2019年03期

年度: 2019

分类: 信息科技,工程科技Ⅱ辑

专业: 电力工业

单位: 河南理工大学电气工程与自动化学院,大连理工大学北京研究院博士后科研工作站

基金: 国家自然科学基金(61601172)资助项目

分类号: TM501.2

DOI: 10.13382/j.jemi.B1801800

页码: 145-152

总页数: 8

文件大小: 474K

下载量: 290