典型神经网络串联型电弧故障检测及选线方法研究

摘要

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、优化后多分类识别准确率为评价指标，对比分析了3种模型故障检测及选线效果。研究结果表明：基于深度卷积神经网络的串联型电弧故障检测及选线模型对电机类负载故障检测及选线准确率可达96.77%，对变频器类负载故障检测及选线准确率可到98%，准确率高于近几年其他三相回路电弧故障检测模型。

关键词

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

基金资助

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）