← 返回

基于集成机器学习的串联直流电弧故障检测

Series DC Arc Fault Detection Based on Ensemble Machine Learning

作者 Vu Le · Xiu Yao · Chad Miller · Bang-Hung Tsao
期刊 IEEE Transactions on Power Electronics
出版日期 2020年8月
技术分类 可靠性与测试
技术标签 光伏逆变器 故障诊断 机器学习 组串式逆变器
相关度评分 ★★★★★ 5.0 / 5.0
关键词 串联直流电弧故障 集成机器学习 故障检测 电力电子 电弧放电 直流配电母线
语言:

中文摘要

串联直流电弧故障若无法及时检测与隔离,将引发火灾隐患并影响配电母线。由于故障电流小、无过零点以及现代电力电子负载下电弧行为的不确定性,检测难度极大。本文提出了一种实用的集成机器学习方法,旨在提升直流电弧故障的检测精度与鲁棒性。

English Abstract

Series dc arc fault creates a fire hazard and negative impacts on the distribution bus if not detected and isolated quickly. However, the detection of a series arc fault is challenging due to the low fault current, lack of zero-crossing, and the erratic behavior of arc discharge based on different power electronic loads and controllers in modern power applications. This article presents a practica...
S

SunView 深度解读

该技术对阳光电源的核心业务至关重要。直流电弧检测是光伏逆变器(尤其是组串式逆变器)和储能系统(如PowerTitan/PowerStack)实现安全防护的关键功能(AFCI)。随着光伏系统电压等级提升,电弧风险增加,集成机器学习算法能有效解决传统阈值法在复杂负载下的误报与漏报问题。建议将该算法集成至iSolarCloud智能运维平台,通过云端大数据训练优化本地逆变器端的检测模型,提升产品在复杂工况下的安全可靠性,从而增强阳光电源在全球市场中的安全竞争优势。