基于改进CNN的串联型故障电弧识别方法研究

摘要：

针对串联型故障电弧影响供电系统安全且不易测量的问题,提出改进卷积神经网络对串联型故障电弧的识别方法.由于SVM学习的超平面是距离各个样本最远的平面,相比于Softmax,具有更强的泛化推广能力和更高的识别准确率,故采用SVM损失函数(hinge loss)替换原有的Softmax损失函数并在CNN模型中添加三层Inception结构得到改进的CNN模型.其次,研制串联型故障电弧实验平台,在不同的实验条件下采集电流信号,利用短时傅里叶变换,得到电流的时频谱图.采用同一数据集对两个模型进行训练和测试.结果 表明,改进的CNN电弧识别模型相较于CNN电弧识别模型在识别准确率和效率上都有了明显的提高.

关键词：串联型故障电弧;短时傅里叶变换;卷积神经网络;SVM分类器;Inception

所属期刊栏目：29

分类号：TP930

资助基金：辽宁省高等学校国境外培养项目2019GJWZD002

在线出版日期：2022-03-21（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：263-270