连续小波变换和具有注意力机制的深度残差收缩网络在低压串联电弧故障检测中的应用

摘要：

当室内配电系统发生串联电弧故障时,电弧燃烧温度可高达数千摄氏度,从而导致电气火灾的发生.而低压配电网中负载类型复杂,利用一般的电流信号时频分析,很难对串联电弧故障进行有效识别.针对这一问题,文章利用深度学习强大的计算机视觉能力,提出了一种基于注意力机制和深度残差收缩网络(attention mechanism and deep residual shrinkage network,Attention-DRSN)的故障检测方法.首先,使用连续小波变换提取电流信号特征信息,并转化为图像特征.其次,对提取到的图像特征进行数据增强和灰度化处理,并利用主成分分析方法(principal component analysis,PCA)对特征图像进行了重构.最后,构建了 Attention-DRSN电弧故障检测模型,并采用K-折交叉验证方法对数据集进行划分,验证了所提方法的有效性.实验结果表明,该检测方法对串联电弧故障具有较高的检测精度,平均检测准确率为98.52％,对未来电弧故障检测装置设计具有重要的借鉴意义.

关键词：注意力机制、深度残差收缩网络、连续小波变换、PCA特征提取重构、串联电弧故障

所属期刊栏目：47

分类号：TM721(输配电工程、电力网及电力系统)

资助基金：国家自然科学基金61901283

在线出版日期：2023-06-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1897-1904