基于EffNet轻量化模型的致火电弧故障识别方法

    公开(公告)号:CN117454166A

    公开(公告)日:2024-01-26

    申请号:CN202311316979.9

    申请日:2023-10-11

    摘要: 本发明涉及电弧故障识别技术领域,公开了一种基于EffNet轻量化模型的致火电弧故障识别方法,包括:S1、改进EffNet网络模块得到Arc_EffNet网络模块,使电流数据能够作为输入数据通过所述Arc_EffNet网络模块得到输出特征;S2、找到所述Arc_EffNet网络模块的最佳数量和最佳批次尺寸,基于所述最佳数量和最佳批次尺寸堆叠串联搭建所述Arc_EffNet网络模块的致火电弧故障轻量化识别模型;S3、设计学习率下降策略和自动停止策略,对所述致火电弧故障轻量化识别模型进行训练,找出最佳的超参数;S4、将电流数据作为输入数据输入至训练完成后的所述致火电弧故障轻量化识别模型,以识别电弧故障。本发明提高了训练效率,缩短了训练时间,使得电弧故障检测精度高,能够直接降低误动率和拒动率。

    基于EffNet轻量化模型的致火电弧故障识别方法

    公开(公告)号:CN117454166B

    公开(公告)日:2024-05-10

    申请号:CN202311316979.9

    申请日:2023-10-11

    摘要: 本发明涉及电弧故障识别技术领域,公开了一种基于EffNet轻量化模型的致火电弧故障识别方法,包括:S1、改进EffNet网络模块得到Arc_EffNet网络模块,使电流数据能够作为输入数据通过所述Arc_EffNet网络模块得到输出特征;S2、找到所述Arc_EffNet网络模块的最佳数量和最佳批次尺寸,基于所述最佳数量和最佳批次尺寸堆叠串联搭建所述Arc_EffNet网络模块的致火电弧故障轻量化识别模型;S3、设计学习率下降策略和自动停止策略,对所述致火电弧故障轻量化识别模型进行训练,找出最佳的超参数;S4、将电流数据作为输入数据输入至训练完成后的所述致火电弧故障轻量化识别模型,以识别电弧故障。本发明提高了训练效率,缩短了训练时间,使得电弧故障检测精度高,能够直接降低误动率和拒动率。