一种基于VMD分解与卷积神经网络的光伏系统直流故障电弧检测方法

本发明提供了一种基于VMD分解与卷积神经网络的光伏系统直流故障电弧检测方法。针对光伏发电系统并网过程中直流故障电弧的检测难题，提出了一种结合信号处理与深度学习的高效检测方法。首先，通过电流互感器采集光伏系统下的直流串联电弧信号，并对信号进行VMD分解。利用散布熵值选取最优模态分量，有效减少环境噪声和逆变器功率调节(MPPT)带来的干扰。然后，根据最优模态分量进行信号重构以增强信号有效性，并通过短时傅里叶变换(STFT)生成时频图，为卷积神经网络提供输入数据。最后，卷积神经网络自动提取信号的时频特征，例如频率突变、瞬态波动等，完成直流故障电弧的高精度检测与分类。该方法显著提高了光伏系统中直流故障电弧的检测准确率，同时有效降低了环境噪声和逆变器功率调节的干扰，具有较强的鲁棒性和高灵敏度。实验结果表明，该方法的故障电弧识别准确率可达到99％，大幅提升了光伏系统的安全性和稳定性。