基于ST-TCN的太阳能光伏组件故障诊断方法

摘要：

实地调研并收集电站光伏组件常见的故障类型,并对光伏组件在不同工作状况下的电流特征曲线进行分析,发现光伏组件的电流数据叠加了复杂的表现特征和高噪声.为能精准诊断光伏组件的故障类型,提出一种软阈值化的时序卷积神经网络(Soft Thresholding Temporal Convolutional Network,ST-TCN)光伏组件故障诊断模型.ST-TCN网络使用多个残差模块的膨胀卷积层、ReLU层、Dropout层提取电流数值特征和时序特征,再使用残差模块的软阈值化对所提取的特征降噪,最终使用全连接层对残差模块提取的特征进行故障诊断分类.实验结果表明,ST-TCN网络不仅结构简单,收敛速度快,而且故障诊断准确率高,达到92.99％.

关键词：光伏组件、时序卷积神经网络、软阈值化、故障诊断

所属期刊栏目：48

分类号：TP207;TM914(自动化技术及设备)

资助基金：国家重点研发计划2018YFB1404503

在线出版日期：2023-01-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：79-83,88