基于半监督自学习的光伏系统故障检测方法

作     者：王江湖 张越超 高浩 付泽宇 段震清 陈子豪 赵一峰 WANG Jiang-hu;ZHANG Yue-chao;GAO Hao;FU Ze-yu;DUAN Zhen-qing;CHEN Zi-hao;ZHAO Yi-feng

作者机构：国电建投内蒙古能源有限公司内蒙古鄂尔多斯017200 国家能源集团新能源技术研究院有限公司北京102209 复旦大学计算机科学技术学院上海200433 

基　　金：光伏电站智能分析决策系统关键技术研究及应用(GJNY-21-102) 

出 版 物：《节能技术》 (Energy Conservation Technology)

年 卷 期：2024年第42卷第2期

页      码：174-179页

摘      要：对光伏系统的主要设备进行及时的故障检测能有效提高系统发电量、减少安全隐患。传统的基于机器学习和深度学习的方法通常需要大量标签数据来建立数据模型,然而在光伏系统的运行过程中可用的标签数据非常有限,造成无法建立一个可靠的数据模型,导致模型的泛化性不高。此外,人工标记数据既成本高昂又易出错。为了解决这个挑战,设计了基于自学习预训练和半监督模型调优的半监督自学习的故障检测方法。该方法通过最大程度地利用少量的有标签的数据(即有限的监督信息)和大量的无标签数据,实现高性能的故障检测。该方法已经部署到国内一个2.5 MW的光伏电站上,数月的运维结果表明,相对于传统的机器学习和深度学习的方法,本文所提出的方法针对光伏组串的故障检测的F1分数提升了4.49%或更多,从而有效地提升了现场运维的效率。

主 题 词：光伏系统 半监督自学习 故障检测 少标签 

学科分类：1305[艺术学-设计学类] 13[艺术学] 08[工学] 081104[081104] 0804[工学-材料学] 081101[081101] 0811[工学-水利类] 

D　O　I：10.3969/j.issn.1002-6339.2024.02.014

馆 藏 号：203127780...