检索结果-维普期刊中文期刊服务平台

基于相关理论及零休特征融合的串联故障电弧检测方法被引量：25: 1; 作者赵怀军秦海燕 +1 位作者刘凯朱凌建《仪器仪表学报》 EI CAS CSCD 北大核心 2020年第4期218-228,共11页; 针对串联故障电弧发生时隐蔽性和随机性强、电流幅值相对较小易被负载电流湮没、与负载性质关联性大而导致的难以准确检测问题,提出一种基于相关理论及零休特征融合的串联故障电弧检测方法。以参照UL1699标准搭建的低压单相交流串联故... 展开更多; 关键词串联故障电弧检测零休时间比例系数相关理论特征融合; 在线阅读下载PDF 职称材料

基于改进CEEMDAN分解与时空特征的低压供电线路串联故障电弧检测被引量：21: 2; 作者杨帆宿磊 +4 位作者杨志淳徐丙垠薛永端王玮邹国锋《电力系统保护与控制》 EI CSCD 北大核心 2022年第12期72-81,共10页; 针对低压线路中的串联故障电弧检测难题,提出基于改进CEEMDAN分解与时空特征的串联故障电弧检测方法。首先,采用CEEMDAN算法实现电流信号的完备分解,并以各IMF分量的峭度指标、裕度指标、能量特征和能量熵特征为判定依据,实现高频段信... 展开更多; 关键词串联故障电弧检测 CEEMDAN分解频段粗选时空特征支持向量机; 在线阅读下载PDF 职称材料

基于自归一化神经网络的电弧故障检测方法被引量：30: 3; 作者张婷王海淇 +2 位作者张认成涂然杨凯《仪器仪表学报》 EI CAS CSCD 北大核心 2021年第3期141-149,共9页; 电弧故障是电气火灾的重要原因。低压线路发生串联电弧故障时,回路电流波形的时域特征与正常工作状态类似,采用传统的特征提取方法无法完整表达时域信号的全部数据特征,限制了电弧故障的特征表达能力,导致检测结果的误报率和漏报率较高... 展开更多; 关键词串联电弧故障检测灰度数据转换自归一化卷积神经网络; 在线阅读下载PDF 职称材料

基于非对称卷积神经网络的电弧故障检测系统被引量：6: 4; 作者张婷张认成杨凯《电子测量与仪器学报》 CSCD 北大核心 2022年第11期116-125,共10页; 串联电弧故障是引发电气火灾的重要原因,对其有效检测能确保线路的正常运行和电气设备的可靠工作。根据低压串联电弧故障的检测难点,提出了基于非对称卷积神经网络的识别模型,用于适应性地提取串联电弧故障信息。针对串联电弧故障种类... 展开更多; 关键词串联电弧故障检测格拉姆角差场残差神经网络适应性非对称卷积多通道注意力机制在线检测系统; 在线阅读下载PDF 职称材料

基于邻波电流差与随机性的交流串联电弧故障识别被引量：8: 5; 作者丁锐陈羽 +2 位作者孙伶雁程钎刘志栋《电力系统保护与控制》 EI CSCD 北大核心 2023年第8期169-178,共10页; 低压电力线路的交流串联电弧故障易引发电气火灾,造成人身财产损失。根据故障的电流突变量幅值与电流变化量的电弧随机性特征,提出了基于电流邻波绝对差与随机性的电弧识别方法。该方法基于故障前后的电流突变量变化规律,以突变幅度作... 展开更多; 关键词串联电弧故障检测电流差值随机性波形特征卷积网络; 在线阅读下载PDF 职称材料

题名基于相关理论及零休特征融合的串联故障电弧检测方法被引量：25: 1; 作者赵怀军秦海燕刘凯朱凌建; 机构西安理工大学机械与精密仪器工程学院应急管理部沈阳消防研究所; 出处《仪器仪表学报》 EI CAS CSCD 北大核心 2020年第4期218-228,共11页; 基金国家重点研发计划重大科学仪器设备开发重点专项(2017YFF0104403)资助。; 文摘针对串联故障电弧发生时隐蔽性和随机性强、电流幅值相对较小易被负载电流湮没、与负载性质关联性大而导致的难以准确检测问题,提出一种基于相关理论及零休特征融合的串联故障电弧检测方法。以参照UL1699标准搭建的低压单相交流串联故障电弧实验平台为基础,通过采集用电回路的两个周期电流并计算其零休时间比例系数、滤除低频成份后的归一化绝对值最大互相关系数,然后用模糊逻辑器将两系数进行融合处理得到串联故障电弧综合特征识别系数,进一步结合零休时间比例系数并分别与经验阈值比较,从而判别是否有串联故障电弧发生。结果表明,该法对低压单相交流用电回路中使用GB14287.4推荐负载时产生的串联故障电弧辨识率高达100%,无误判漏判现象发生。; 关键词串联故障电弧检测零休时间比例系数相关理论特征融合; Keywords series fault arc detection proportion coefficient of zero current time correlation theory feature fusion; 分类号 TM501 [电气工程—电器] TH89 [机械工程—精密仪器及机械]; 在线阅读下载PDF 职称材料

题名基于改进CEEMDAN分解与时空特征的低压供电线路串联故障电弧检测被引量：21: 2; 作者杨帆宿磊杨志淳徐丙垠薛永端王玮邹国锋; 机构国网湖北省电力有限公司电力科学研究院山东理工大学电气与电子工程学院山东科汇电力自动化股份有限公司中国石油大学(华东)新能源学院; 出处《电力系统保护与控制》 EI CSCD 北大核心 2022年第12期72-81,共10页; 基金国家自然科学基金项目资助(52077221) 国网湖北省电力有限公司科技项目资助(52153220001V)。; 文摘针对低压线路中的串联故障电弧检测难题,提出基于改进CEEMDAN分解与时空特征的串联故障电弧检测方法。首先,采用CEEMDAN算法实现电流信号的完备分解,并以各IMF分量的峭度指标、裕度指标、能量特征和能量熵特征为判定依据,实现高频段信号粗选。然后,提出空间尺度和时间尺度相融合的特征构建方法,捕获各粗选高频IMF分量的局部特征,增强电流特征对比度和判别力。最后,采用子空间变换算法实现电流时空特征集合的二次降维,并基于SVM实现串联故障电弧检测。实际试验证明,所提算法的平均故障电弧检测准确率达88.33%,能够实现高效的串联故障电弧检测。; 关键词串联故障电弧检测 CEEMDAN分解频段粗选时空特征支持向量机; Keywords series fault arc detection CEEMDAN decomposition rough selection of frequency band spatial-temporal features SVM; 分类号 TM501.2 [电气工程—电器]; 在线阅读下载PDF 职称材料

题名基于自归一化神经网络的电弧故障检测方法被引量：30: 3; 作者张婷王海淇张认成涂然杨凯; 机构华侨大学机电及自动化学院; 出处《仪器仪表学报》 EI CAS CSCD 北大核心 2021年第3期141-149,共9页; 基金国家自然科学基金面上项目(52076084)资助; 文摘电弧故障是电气火灾的重要原因。低压线路发生串联电弧故障时,回路电流波形的时域特征与正常工作状态类似,采用传统的特征提取方法无法完整表达时域信号的全部数据特征,限制了电弧故障的特征表达能力,导致检测结果的误报率和漏报率较高。针对此问题,提出基于自归一化卷积神经网络的电弧故障检测方法。该方法将采集到的不同种类负载的电流时间序列按照半周期截取,然后进行归一化处理,将灰度矩阵变换生成电弧故障及正常工作的二维图像;利用卷积神经网络提取电弧故障的灰度变换特征;通过全连接层拟合计算下采样信息实现电弧故障卷积特征的识别。验证表明,所提方法对电弧故障的识别率达到99.67%,优于传统卷积神经网络,具有良好的泛化性能。; 关键词串联电弧故障检测灰度数据转换自归一化卷积神经网络; Keywords series arc fault detection grayscale data conversion self-normalized convolutional neural network; 分类号 TM501.2 [电气工程—电器] TH89 [机械工程—精密仪器及机械]; 在线阅读下载PDF 职称材料

题名基于非对称卷积神经网络的电弧故障检测系统被引量：6: 4; 作者张婷张认成杨凯; 机构华侨大学机电及自动化学院; 出处《电子测量与仪器学报》 CSCD 北大核心 2022年第11期116-125,共10页; 基金国家自然科学基金(52175508) 中央高校基本科研业务费专项资金(ZQN-1001)项目资助。; 文摘串联电弧故障是引发电气火灾的重要原因,对其有效检测能确保线路的正常运行和电气设备的可靠工作。根据低压串联电弧故障的检测难点,提出了基于非对称卷积神经网络的识别模型,用于适应性地提取串联电弧故障信息。针对串联电弧故障种类多、信息隐蔽等问题,首先利用格拉姆角差场时域数据处理方法,将负载模拟的时域信号经过极坐标变换、三角变换后映射到二维矩阵中,以增加故障数据点的空间占有率和数据关联信息。之后,为了不增加时间开销,同时改善模型的识别效能,使用自适应非对称卷积、多通道离散注意力机制改进残差神经网络,作为低压线路中的串联电弧故障模型。最后,利用容器封装已训练好的故障识别模型,实现故障信息的快速分析。验证表明,所提方法对串联电弧故障的识别率达到99.95%,具有良好的识别效果。; 关键词串联电弧故障检测格拉姆角差场残差神经网络适应性非对称卷积多通道注意力机制在线检测系统; Keywords series arc fault detection Gramian difference angular field residual neural network adaptive asymmetric convolution multichannel attention mechanism on-line detection system; 分类号 TN98 [电子电信—信息与通信工程] TH89 [机械工程—精密仪器及机械]; 在线阅读下载PDF 职称材料

题名基于邻波电流差与随机性的交流串联电弧故障识别被引量：8: 5; 作者丁锐陈羽孙伶雁程钎刘志栋; 机构山东理工大学电气与电子工程学院; 出处《电力系统保护与控制》 EI CSCD 北大核心 2023年第8期169-178,共10页; 基金国家自然科学基金项目资助(52077221) 国网湖北省电力有限公司科技项目资助(52153220001V)。; 文摘低压电力线路的交流串联电弧故障易引发电气火灾,造成人身财产损失。根据故障的电流突变量幅值与电流变化量的电弧随机性特征,提出了基于电流邻波绝对差与随机性的电弧识别方法。该方法基于故障前后的电流突变量变化规律,以突变幅度作为故障启动判据。然后根据故障周期间电流变化量在不同负载种类、气隙间距下的电弧随机特征时域分布,构建了电弧故障存在性判据。最后通过一维卷积神经网络综合识别电弧故障。当故障支路负载功率占比20%时,所提方法使用未训练干路数据的平均检测准确率为90.97%,可有效检测串联电弧故障,具有较好的适应性。; 关键词串联电弧故障检测电流差值随机性波形特征卷积网络; Keywords series arc fault detection difference current randomness waveform features convolutional neural network; 分类号 TM501.2 [电气工程—电器] TM75 [电气工程—电力系统及自动化]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于相关理论及零休特征融合的串联故障电弧检测方法	赵怀军秦海燕刘凯朱凌建	《仪器仪表学报》 EI CAS CSCD 北大核心	2020	25	在线阅读下载PDF 职称材料
2	基于改进CEEMDAN分解与时空特征的低压供电线路串联故障电弧检测	杨帆宿磊杨志淳徐丙垠薛永端王玮邹国锋	《电力系统保护与控制》 EI CSCD 北大核心	2022	21	在线阅读下载PDF 职称材料
3	基于自归一化神经网络的电弧故障检测方法	张婷王海淇张认成涂然杨凯	《仪器仪表学报》 EI CAS CSCD 北大核心	2021	30	在线阅读下载PDF 职称材料
4	基于非对称卷积神经网络的电弧故障检测系统	张婷张认成杨凯	《电子测量与仪器学报》 CSCD 北大核心	2022	6	在线阅读下载PDF 职称材料
5	基于邻波电流差与随机性的交流串联电弧故障识别	丁锐陈羽孙伶雁程钎刘志栋	《电力系统保护与控制》 EI CSCD 北大核心	2023	8	在线阅读下载PDF 职称材料