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
为研究爆炸性环境电感分断放电建弧过程,基于IEC-SSTA(IEC safe spark test apparatus)电弧放电宏观特性,建立极间微观粒子输运模型,研究建弧过程极间粒子数密度和电势的演化规律;分析爆炸性环境对放电起主要贡献的带电粒子类型。仿真...为研究爆炸性环境电感分断放电建弧过程,基于IEC-SSTA(IEC safe spark test apparatus)电弧放电宏观特性,建立极间微观粒子输运模型,研究建弧过程极间粒子数密度和电势的演化规律;分析爆炸性环境对放电起主要贡献的带电粒子类型。仿真结果表明:鞘层和等离子体区的形成标志着电弧的产生;在两种气体环境中对放电起主要贡献的正离子不同,而负离子、消耗电子能量的自由基和激发态粒子相同;甲烷—空气环境下电感分断电弧放电作用更强。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。
文摘为研究爆炸性环境电感分断放电建弧过程,基于IEC-SSTA(IEC safe spark test apparatus)电弧放电宏观特性,建立极间微观粒子输运模型,研究建弧过程极间粒子数密度和电势的演化规律;分析爆炸性环境对放电起主要贡献的带电粒子类型。仿真结果表明:鞘层和等离子体区的形成标志着电弧的产生;在两种气体环境中对放电起主要贡献的正离子不同,而负离子、消耗电子能量的自由基和激发态粒子相同;甲烷—空气环境下电感分断电弧放电作用更强。
