基于改进CNN的串联型故障电弧识别方法研究

• 作者: 任志玲 南忠明
• 来源期刊: 控制工程
• 学科: 工学
• 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
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 基于大数据的故障诊断与预测理论及技术(专题)
• 页码范围: 263-270
• 页数: 8页
• 分类号: TP930
• 语种: 中文
• DOI: 10.14107/j.cnki.kzgc.20210430

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.