基于CNN与特征周期变化率的故障电弧检测嵌入式系统实现研究

针对现有电弧故障检测装置精准度低、实时性不足以及高负载持续运行等问题，提出基于卷积神经网络(convolutional neural networks, CNN)与特征周期变化率的故障电弧检测算法，该算法分为上电和过程两种检测模式。上电模式采用多特征量导入CNN进行检测，过程模式提出电流的不同状态特征值周期变化率的概念，并把特征值变化率进行分区，联合神经网络进行递进检测，在保证准确率的同时降低算法复杂度。该算法以STM32H743为处理器，搭配调理、数据采集等电路形成实时电弧故障诊断系统。经过实验测试，本装置对交流故障电弧检测平均正确率达到97.43%,最快检测时间低至0.045 s,可为电弧故障检测装置的研制提供理论支撑和可靠参考。