基于时频色谱图的串联故障电弧识别

作者：王毅; 罗章权^*; 李松浓; 陈涛; 侯兴哲; 付秀元

来源：电子技术应用, 2022, 48(08): 70-75.

DOI：10.16157/j.issn.0258-7998.212349

• 串联故障电弧
• 时频图
• 深度卷积神经网络

由于电力线老化损坏以及连接处松动会产生故障电弧，可能会意外引起严重的电气火灾。不同类型的负载所引起的故障电弧存在差异，导致住宅区故障电弧识别变得困难。提出了一种基于时频图和深度卷积神经网络的串联故障电弧识别的方法。通过故障电弧实验采集了负载正常工作和故障电弧的电流数据。单个负载半周期电流数据将通过连续小波变换转换为三维特征图像，然后将这些图像输入到改进的深度卷积神经网络中进行训练、测试。实验结果表明，单个负载正常和电弧状态识别的精度在99.31%，对多个负载工作状态的识别准确率平均可以达到99.2%。

• 单位
  国网重庆市电力公司电力科学研究院; 通信与信息工程学院; 重庆邮电大学