인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
The risk of series arc faults presents a growing safety concern, as they are inherently undetectable by conventional overcurrent circuit breakers. This paper proposes a real-time series-arc detection technique based on principal component analysis(PCA). From current signals sampled at 100[kHz], we extract nine time-domain features once per 60[Hz] cycle (mean, variance, skewness, kurtosis, maximum, minimum, interquartile range, RMS, and peak-to-peak). These features are z-score standardized using parameters derived from a baseline of normal operational data and then projected onto the top three principal components. We define the Q-statistic (PCA residual variance) as the anomaly score and declare a series arc when it exceeds a predefined threshold for three consecutive cycles. Experiments show that incorporating RMS current variation enables reliable discrimination between series arcs and inrush currents demonstrating robust performance suitable for practical deployment.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-26-02-096080209
