一、报告人简介：

        何佳宁，电气学院电器与电子可靠性研究所2021级硕士研究生，导师为周学副教授，研究方向为基于智能电器的交流电弧故障检测。

        赵子川，电气学院电器与电子可靠性研究所2021级硕士研究生，导师为翟国富教授，研究方向为电源单机可靠性预计。

      

二、报告内容简介：

       1.参加人员：李卓燃、程浩、代文鑫、郭子剑等同学。

       2.会议的主要内容为：介绍了低压串联交流电弧故障检测的技术研究，包括电弧故障发生装置的搭建，电弧故障波形数据集的建立，基于电弧电流波形时域、频域以及时频域的分析，提取故障电弧频率特征区间；选取电弧故障特征量作为神经网络的输入，进行神经网络模型训练，分析误判、漏判率，探索降低误判漏判的方法。

三、讨论内容：

        会议讨论了对交流电弧故障的不同检测方法，即对故障电弧电流数据的采集和分析方法，采集包括单片机引脚采集或示波器采集，以及对采样传感器的研究，包括电流互感器和锰铜电阻，以及电弧故障发生装置，包括电弧发生器和碳化导线，分析不同情况下电弧电流波形的异同。分析包括不同类型的神经网络或者小波变换等分析方法，存在的不足包括数据采集的精度和速度不能同时兼顾，以及数据分析的不同方法各有优劣等问题。

四、需要完善、改进的地方：

1.对故障电流采集的方法还需进一步研究，想办法尽量兼顾速度和精度。

2.应尝试使用不同类型的神经网络进行训练，对比不同模型之间的优劣，另外，数据集的规模不够庞大，需要扩充数据集。

五、会议现场：

                                          

六、国内外相关技术前沿：

[1]   文哲. 多负载交流串联电弧故障在线检测技术研究[D].南京航空航天大学,2020.

[2]   汪洋堃. 低压交流电弧的动态特性与故障检测方法研究[D].上海交通大学,2020.

[3]   Chu R , Schweitzer P , Zhang R . Series AC Arc Fault Detection Method Based on High-Frequency Coupling Sensor and Convolution Neural Network[J]. Sensors, 2020, 20(17):4910.

[4]   马传智. 低压串联故障电弧诊断技术研究[D].中国矿业大学,2020.

[5]   张婷,王海淇,张认成,涂然,杨凯.基于自归一化神经网络的电弧故障检测方法[J].仪器仪表学报,2021,42(03):141-149.

[6]   胡恩瑞. 基于卷积神经网络的故障电弧检测算法研究[D].浙江大学,2020.

[7]   朱晨,王尧,谢振华,班云升,傅炳,田明.基于改进AlexNet模型的串联型电弧故障检测方法[J/OL].济南大学学报(自然科学版),2021(06):1-8[2021-08-31].

[8]   Chu R , Schweitzer P , Zhang R . Series AC Arc Fault Detection Method Based on High-Frequency Coupling Sensor and Convolution Neural Network[J]. Sensors, 2020, 20(17):4910.