-
题名直流故障电弧研究综述
被引量:19
- 1
-
-
作者
陈思磊
李兴文
屈建宇
-
机构
西安交通大学电力设备电气绝缘国家重点实验室
-
出处
《电器与能效管理技术》
2015年第15期1-6,45,共7页
-
基金
国家自然科学基金项目(51222704)
-
文摘
基于直流故障电弧较交流故障电弧所存在的独特特征,强调了直流故障电弧研究的差异性,阐述了目前工程实践工况下导致不同类别直流故障电弧的原因。以时域、频域、时频域的视角讨论了现有的直流故障电弧检测方法,指出了直流故障电弧建模、产生、定位等多个延拓研究层面,更进一步地强调了直流故障电弧检测多信息融合的趋势及其多类型甄别、精确定位等问题。
-
关键词
直流故障电弧
检测
建模
定位
-
Keywords
direct current arc fault
detection
modeling
location
-
分类号
TM501.2
[电气工程—电器]
-
-
题名基于机器学习方法的直流电弧故障检测
被引量:12
- 2
-
-
作者
丁鑫
竺红卫
殷浩楠
王一闻
-
机构
浙江大学电气工程学院
-
出处
《传感器与微系统》
CSCD
2017年第11期123-127,共5页
-
基金
浙江省科技技术应用研究计划资助项目(2015C3115)
-
文摘
为了解决传统分析方法在直流供电系统中电弧故障检测的精确度不足及过程繁琐的问题,将直流电弧故障检测归为二分类问题,引入机器学习方法,通过直流电弧实验得到正常状态和电弧状态的数据,从时域中提取电流均值等4个特征,从频域中提取高频分量标准差等3个特征。利用提取到的特征对支持向量机(SVM)进行训练,利用求解得到的模型对测试数据集进行分类,分类准确率为94.483%。结果证明:所提方法能有效检测直流电弧故障,提高故障检测精度,且步骤精简,易于推广。
-
关键词
直流电弧
故障检测
特征提取
机器学习
支持向量机
-
Keywords
direct current(DC) arc
fault detection
feature extraction
machine learning
support vector machine( SV M )
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
TM501.2
[电气工程—电器]
-