← 返回
基于知识蒸馏轻量化卷积神经网络与SSCB集成的光伏电弧故障断路器
PV Arc Fault Circuit Interrupter with Knowledge Distillation-Based Lightweight Convolutional Neural Network and SSCB Integration
| 作者 | Kamal Chandra Paul · Jiale Zhou · Shen-En Chen · Tiefu Zhao |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 2025年12月 |
| 技术分类 | 智能化与AI应用 |
| 技术标签 | 光伏逆变器 故障诊断 深度学习 机器学习 |
| 相关度评分 | ★★★★★ 5.0 / 5.0 |
| 关键词 | 直流电弧故障 光伏系统 知识蒸馏 轻量化CNN 电弧故障检测 PArcNet 固态断路器 (SSCB) |
语言:
中文摘要
光伏系统中的直流电弧故障易引发火灾及电力中断,精准检测至关重要。本文提出PArcNet,一种通过知识蒸馏优化的轻量化卷积神经网络,专为资源受限环境下的高效电弧故障检测而设计,显著提升了检测的实时性与准确性。
English Abstract
DC arc faults in photovoltaic systems pose serious safety risks, including fire hazards and power disruption, making accurate and timely detection essential. This article presents PArcNet, a lightweight convolutional neural network architecture optimized through knowledge distillation for efficient arc fault detection in resource-constrained environments. Trained using a high-capacity teacher mode...
S
SunView 深度解读
该技术对阳光电源的核心业务具有极高价值。电弧故障检测是组串式逆变器及户用逆变器安全合规的关键功能(如AFCI认证)。PArcNet的轻量化设计使其能直接嵌入逆变器现有的DSP或MCU中,无需额外昂贵的计算硬件,即可实现边缘侧的高精度故障诊断。建议研发团队将其集成至iSolarCloud智能运维平台及新一代逆变器固件中,通过AI算法提升电站全生命周期的安全性,降低误报率,从而增强阳光电源产品在复杂环境下的竞争优势。