Abstract：
由于串联电弧故障特征表现不足以及样本不平衡的问题,导致传统的诊断算法检测效果不佳.提出了一种基于图像识别的光伏阵列串联电弧故障诊断方法:利用格拉姆角和场(GASF)将发生串联电弧故障时的暂态电流数据编码为二维图像,从而放大电弧故障的本质特征;深度卷积生成对抗网络(DCGAN)被用来增扩电弧故障GASF特征图像,以均衡正常与故障样本数量;训练一个LeNet-5诊断模型完成电弧故障的识别.经过实验验证,所提方法有效提升了光伏阵列串联电弧故障的辨识度,且具备优秀的抗干扰能力,对实测数据的整体识别准确率高达99.5％.
Keyword：
Reprint 's Address：
Email：
Version：
Source ：
电工电气
ISSN： 1007-3175
CN： 32-1800/TM
Year： 2023
Issue： 1
Page： 43-47,66
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： -1
Chinese Cited Count：
30 Days PV： 3
Affiliated Colleges：
