返回
Fault Arc Detection Method Based on Improved ShuffleNet V2 Network
DOI:10.3390/pr13010135.png)
摘要
En 中文
故障电弧表现出随机性,其电流波形与标准非线性负载运行时的波形高度相似,给传统的串联故障电弧检测方法带来了挑战。本研究提出了一种基于轻量级卷积神经网络模型ShuffleNet V2的改进检测方法。收集并预处理了家庭负载的电流数据,以建立全面的数据库,利用一维卷积和通道注意力机制进行精确分析。实验结果表明,故障电弧检测精度达到97.8%,支持在Jetson Nano嵌入式平台上实现实时检测,且检测周期时间高效,每样本仅需15.65 ms。所提出的方法在准确性和速度上均优于现有方法,为开发先进的故障电弧断路器提供了坚实基础。
Keyword:
convolutional neural network
embedded platform
fault arc detection
current waveform analysis
real-time detection
ShuffleNet V2
期刊
IF:
2.8
论文数:
7.3K
被引数:
3.7W
机构
暂无机构信息
引用论文
An arc fault diagnostic method for low voltage lines using the difference of wavelet coefficients一种基于小波系数差异的低电压线路电弧故障诊断方法
Multiagent deep reinforcement learning-based cooperative optimal operation with strong scalability for residential microgrid clusters基于多智能体深度强化学习的具有强可扩展性的住宅微电网集群协同最优运行
ENERGY
IF9.4

