基于电弧声磁光多物理场耦合与深度特征融合的直流配电柜故障定位系统设计.docxVIP

PAGE2

基于电弧声磁光多物理场耦合与深度特征融合的直流配电柜故障定位系统设计

摘要

随着直流配电系统在数据中心、电动汽车充电站及光伏发电领域的广泛应用，其安全性问题日益凸显。直流电弧故障因具有无过零点、持续燃烧特性，极易引发电气火灾，严重威胁电力设备与人员安全。针对传统单一检测方法误报率高、无法精准定位故障点的问题，本课题设计并实现了一套基于声、光、磁多物理场耦合与深度特征融合的直流配电柜故障定位系统。

系统总体设计遵循“多维感知—特征融合—智能决策—联动灭火”的工程思路。首先，构建包含高灵敏度麦克风、紫外光电管及霍尔传感器阵列的多维感知前端，同步采集故障电弧产生的声学信号、光辐射信号及磁场畸变信号。其次，利用短时傅里叶变换与小波包分解提取多场特征，设计基于卷积神经网络（CNN）与注意力机制的深度融合网络，实现故障特征的时空融合与模式识别。再次，提出一种基于到达时间差（TDOA）与磁场强度梯度的空间定位算法，精确计算电弧发生位置。最后，联动灭火装置实现快速处置。

本文主要工作内容包括：需求分析与总体架构设计，明确系统功能与性能指标；硬件采集电路与信号处理算法的详细设计；深度融合网络模型的构建与训练；系统软件平台的开发与调试；以及系统集成测试与性能评估。测试结果表明，该系统故障识别准确率达到96.5%，定位误差控制在5cm以内，灭火响应时间小于200ms，有效提升了直流配电