A Deep Transfer Convolutional Neural Network Framework for Microgrid Fault Detection

Su, Zhaoqiang

doi:10.1002/tee.70287

A Deep Transfer Convolutional Neural Network Framework for Microgrid Fault Detection

2026-04-01

0

PRE

AI

DOI：10.1002/tee.70287

原文链接

原文求助

摘要

En 中文

微电网故障检测面临多种运行模式、非线性系统动态以及标记故障数据有限等挑战。基于阈值和模型的传统方法在噪声和多参数故障条件下通常表现出较低的鲁棒性，而基于数据驱动的机器学习方法通常需要大量训练数据。本文提出了一种深度迁移卷积神经网络（DTCNN）框架用于微电网故障检测，利用预训练的VGG-16模型在有限数据条件下增强特征提取。电压、电流和频率信号通过短时傅里叶变换（STFT）转换为时频谱图，以有效表征暂态和稳态故障特征。基于工业园区微电网的仿真结果表明，所提出的DTCNN在准确率、召回率和F1分数方面始终优于包括支持向量机和随机森林在内的传统机器学习方法。此外，所提出的框架在不同运行模式和负载条件下保持稳定的检测性能，表明其具有强鲁棒性和泛化能力。这些结果表明，深度迁移学习为可靠的微电网故障检测提供了有效且实用的解决方案。

Keyword:

microgrid

fault detection

deep transfer learning

convolutional neural network

short-time Fourier transform

A Deep Transfer Convolutional Neural Network Framework for Microgrid Fault Detection

摘要

期刊

机构

引用论文