多尺度特征融合的光伏电站故障诊断

作     者：那峙雄 孙涛 来广志 王栋 张长志 NA Zhixiong;SUN Tao;LAI Guangzhi;WANG Dong;ZHANG Changzhi

作者机构：国网电子商务有限公司北京100053 国网天津市电力公司电力科学研究院天津300220 

基　　金：国家重点研发计划(2018YFB1500800) 国家电网有限公司科技项目(SGTJDK00DYJS2000148) 

出 版 物：《计算机工程与应用》 (Computer Engineering and Applications)

年 卷 期：2022年第58卷第10期

页      码：300-308页

摘      要：为了高效率、低成本地发现光伏电站设备故障,提出了一种多尺度时序特征融合的故障诊断深度学习模型。组合多种尺度的卷积操作,实现了多尺度时序特征提取,能够使网络过滤输入数据的噪点,同时又不丢失数据的关键信息;针对光伏电站监测数据长序列、多维度的特点,采用带有注意力机制的长短时记忆循环网络提取数据中的序列特征;使用了度量学习的损失函数辅助训练,进一步提升模型辨别能力。另外,设计了一种数据规范化算法,能够通过不同设备之间的横向比较和不同日期之间的纵向比较,将监测数据转化为相对度量值,从而矫正设备、天气等因素对监测数据的干扰。实验表明,配合数据规范化算法,该模型在真实的电站监测数据上能够达到95%以上的诊断准确率,明显优于已有的诊断算法,能够满足实际应用场景的故障诊断需求。

主 题 词：故障检测 深度学习 时序数据分析 光伏电站 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.3778/j.issn.1002-8331.2111-0095

馆 藏 号：203111702...