[01351895]基于多信息融合的低压交流故障电弧早期征兆及高精度诊断算法研究

随着现代社会电气化、智能化程度的不断提高,用电量的急剧攀升,电气火灾对人民的生命财产安全带来严重威胁。故障电弧是引起电气火灾的首要、主要和重要原因。目前对故障电弧的检测存在不能准确提取其特征信息及对其的保护采用被动的燃弧后的报警机制等问题。本项目以低压配电系统终端故障电弧（特别是串联交流故障电弧）为研究对象,以寻找易于与正常工作电弧混淆的故障电弧早期燃烧征兆、高精度辨识算法为主线,以综合提高故障电弧辨识的快速性、准确性及高精度为目标,在前期搭建故障电弧模拟试验平台的经验基础上,进一步搭建了符合国际UL1699（第三版）最新标准并结合我国电网特征的单/三相故障电弧模拟试验平台,试验研究多种典型负载、特殊性负载、组合负载以及干扰负载情况下的故障电弧早期燃弧征兆,深入研究探索更为合理的故障电弧特征信息最佳组合方案及信号消噪方法,引入最新的深度学习方法,提出一种基于AlexNet网络的深度神经网络故障电弧融合新算法,为实现故障电弧早期预警、提高故障电弧报警准确率提供理论和使能技术支撑,从而为解决或减少电气火灾发生率提供技术保障。