10.3969/j.issn.1007-130X.2021.12.016
基于深度残差网络的光伏故障诊断模型研究
分布式光伏电站的部署环境较为复杂,在实际运行中难免会产生多种故障.针对上述问题,提出了一种基于深度残差网络结构的分布式光伏电站故障诊断模型,对光伏电站的设备运行时序数据进行分析处理,实现对故障类别的快速准确判断.该模型使用一维卷积核感知时序数据特征,通过多级卷积结构提升模型的诊断能力,并采用残差结构解决模型深度增加造成的梯度消失问题,加速了深度模型的训练.光伏电站的测试数据实验结果表明,提出的模型相较于多种常见的智能模型具有较高的故障诊断准确度.该模型的推广使用不仅可以大幅减少光伏电站故障巡检投入,而且还能够提高光伏电站故障诊断效率.
故障诊断;残差网络;深度学习;人工智能
43
TP306.3(计算技术、计算机技术)
国家重点研发计划;国家电网有限公司科技项目;2020年电商公司自建科技项目
2021-12-28(万方平台首次上网日期,不代表论文的发表时间)
共8页
2223-2230