基于CNN-LSTM的太阳能光伏组件故障诊断研究

作     者：程起泽 陈泽华 张雲钦 蒋文杰 刘晓峰 沈亮 Cheng Qize;Chen Zehua;Zhang Yunqin;Jiang Wenjie;Liu Xiaofeng;Shen Liang

作者机构：太原理工大学大数据学院山西太原030001 晋能清洁能源有限公司山西太原030001 

基　　金：国家重点研发计划资助项目(2018YFB1404500) 

出 版 物：《电子技术应用》 (Application of Electronic Technique)

年 卷 期：2020年第46卷第4期

页      码：66-70页

摘      要：太阳能光伏产业近年发展迅速,准确诊断光伏组件故障位置及类型可以提升运维人员的工作效率。提出一种基于卷积神经网络-长短期记忆模型(Convolutional Neural Networks-Long Short Term Memory,CNN-LSTM)的深度学习诊断模型,利用电站原有设备就可完成检测任务。首先提出了一种依据电流值的组件故障分类方式;然后,检测模型根据光伏阵列布局特点设计了一种特征提取算法,分别提取光伏阵列电流横向与纵向特征,来获取空间与时间上的特性;再通过CNN网络来对横向特征做进一步的提取与纵向特征的压缩,以解决特征种类单一及训练缓慢的问题;最终进入LSTM神经网络来完成对光伏组件的故障诊断。

主 题 词：光伏组件 特征提取 卷积神经网络 长短期记忆模型 故障诊断 

学科分类：080903[080903] 0809[工学-计算机类] 08[工学] 080502[080502] 0805[工学-能源动力学] 

D　O　I：10.16157/j.issn.0258-7998.191066

馆 藏 号：203907414...