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：
Source ：
电工电气
Year： 2023
Issue： 01
Volume： 6
Page： 43-47,66
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 0
Affiliated Colleges：
