基于一维空洞卷积神经网络的故障电弧检测方法

作者：蒋慧灵; 白嘎力; 周郑; 邓青^*; 腾杰; 张越; 周亮; 周正青

来源：清华大学学报, 2023, 1-10.

DOI：10.16511/j.cnki.qhdxxb.2023.26.057

• 一维空洞卷积
• 串联故障电弧
• 支路故障电弧
• 故障电弧检测
• 负载分类

串联故障电弧因多样性、相似性和隐蔽性而难以被检测,容易引发故障电弧保护装置误报和漏报。采用一维空洞卷积神经网络(one-dimensional dilated convolutional neural network, 1D-DCNN)提取以高采样率采集的故障电弧电流特征,引入扩展型指数线性单元(scaled exponential linear unit, Se LU)激活函数和残差连接解决梯度消失和网络退化问题,并结合平均集成学习和Softmax多分类器建立故障电弧检测模型。实验结果表明:所提方法对单负载和混合负载故障电弧的检测准确率达99.67%,相应负载识别准确率达99.95%,总体预测结果准确率达99.62%,优于传统卷积神经网络(convolutional neural network, CNN),满足故障电弧检测要求,有助于串联故障电弧检测和负载识别。

• 单位
  北京科技大学