典型文献
基于电弧随机性和卷积网络的交流串联电弧故障识别方法
文献摘要：
随着接入低压配电系统负载种类的增加,低压交流串联电弧故障的识别难度大幅提升.针对此类问题,提出基于电弧随机性的卷积网络识别方法.首先,对采集到的电流数据进行陷波滤波,以放大电弧的高频随机特性;然后,基于皮尔逊相关系数计算电流周期间的相似度,并通过求解一阶导数获得电弧特征值作为检测标准.与基于小波变换和奇异值分解法、基于经验模态分解和概率神经网络法、电流周期间差异法相比,所提方法对电弧半周期的识别精度最高.最后,将电弧特征值生成特征向量,并采用AlexNet模型进行训练,进一步增加方法的普适性.试验结果验证了所提方法的有效性.
文献关键词：
低压交流串联电弧;电流相似度;一阶导数;神经网络;故障识别
中图分类号：
作者姓名：
巩泉役;彭克;陈羽;王玮;刘发英
作者机构：
山东理工大学电气与电子工程学院,山东省淄博市255000
文献出处：
引用格式：
[1]巩泉役;彭克;陈羽;王玮;刘发英-.基于电弧随机性和卷积网络的交流串联电弧故障识别方法)[J].电力系统自动化,2022(24):162-169
A类：
低压交流串联电弧
B类：
随机性,卷积网络,串联电弧故障,故障识别方法,低压配电系统,流数据,陷波,随机特性,皮尔逊相关系数,一阶导数,检测标准,于小波,小波变换,奇异值分解法,基于经验,经验模态分解,概率神经网络,神经网络法,半周,识别精度,特征向量,AlexNet,电流相似度
AB值：
0.289709
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
