针对低压交流配电系统中复杂支路串联电弧故障检测困难、易引发电气火灾的挑战,提出了基于马尔可夫变迁场与可变形自引导Transformer(Markov transition field and deformable convolutional self-guided transformer,MTF-DSGT)的检测...针对低压交流配电系统中复杂支路串联电弧故障检测困难、易引发电气火灾的挑战,提出了基于马尔可夫变迁场与可变形自引导Transformer(Markov transition field and deformable convolutional self-guided transformer,MTF-DSGT)的检测方案。利用马尔可夫变迁场将一维电流信号转换为图像,融合可变形卷积网络(deformable convolutional network,DCN)提取局部特征及自引导Transformer捕捉全局信息,以提高故障识别精度。实验结果显示,该方案在复杂支路电路中检测准确率达99.88%,在Jetson Orin Nano平台测试耗时仅7.78 ms。该方案能高效辨识串联电弧故障,具备实时处理能力,适合边缘设备部署。展开更多
文摘针对低压交流配电系统中复杂支路串联电弧故障检测困难、易引发电气火灾的挑战,提出了基于马尔可夫变迁场与可变形自引导Transformer(Markov transition field and deformable convolutional self-guided transformer,MTF-DSGT)的检测方案。利用马尔可夫变迁场将一维电流信号转换为图像,融合可变形卷积网络(deformable convolutional network,DCN)提取局部特征及自引导Transformer捕捉全局信息,以提高故障识别精度。实验结果显示,该方案在复杂支路电路中检测准确率达99.88%,在Jetson Orin Nano平台测试耗时仅7.78 ms。该方案能高效辨识串联电弧故障,具备实时处理能力,适合边缘设备部署。
