基于全相位谱和深度学习的串联故障电弧识别方法
【摘要】 为准确识别低压配电网中的串联故障电弧，提出了一种基于全相位谱和深度学习的串联故障电弧识别方法。首先，从理论上推导负载畸变信号的全相位频谱特征产生机理，利用全相位离散傅里叶变换提取线性、非线性负载的全相位频谱特征量。其次，构建了基于Logistic回归的深度学习神经网络模型，并对不同负载、不同运行状态下的全相位频谱特征量进行深度学习训练。最后，对搭建的故障电弧试验平台上采样数据进行分析，结果能准确识别低压配电网是否发生串联故障电弧和甄别出故障负载的类型。试验结果验证了所提方法的有效性，并随着深度学习理论在电力系统智能化中的应用，该方法可做进一步的深入研究和推广。
