Multi-Scale Residual Attention Network based on Multi-Level Discrete Wavelet Transform for Arc Fault Classification

본 논문에서는 다양한 전력 부하에서 발생하는 아크 결함을 정확하게 분류하기 위해, 다중 수준 이산 웨이블릿 변환(DWT, Multi-level Discrete Wavelet Transform)과 다중 스케일 잔차 주의 네트워크(MSRAN, Multi-Scale Residual Attention Network)를 결합한 딥러닝 모델을 제안한다. 제안한 모델은 전력 신호의 복잡한 패턴을 효과적으로 학습하기 위해, 다양한 주파수 대역에서 특징을 추출하는 다중 스케일 특징 추출기와 깊은 네트워크에서 정보 손실을 방지하는 잔여 블록을 포함한다. 또한, 자가 주의 집중 메커니즘을 통해 신호 내 중요한 패턴을 강조하여 결함 감지의 정확성을 높인다. 실험 결과, 제안된 모델은 전통적인 접근 방식 및 기존 신경망 모델보다 99.38%의 높은 정확도로 전력 신호의 패턴을 학습하고 결함을 감지할 수 있음을 확인하였다.