节点文献

基于CNN-LSTM的太阳能光伏组件故障诊断研究

免费订阅

【作者】 程起泽陈泽华张雲钦蒋文杰刘晓峰沈亮

【Author】 Cheng Qize;Chen Zehua;Zhang Yunqin;Jiang Wenjie;Liu Xiaofeng;Shen Liang;College of Data Science,Taiyuan University of Technology;Jinneng Clean Energy Co.,Ltd.;

【通讯作者】 陈泽华;

【机构】 太原理工大学大数据学院晋能清洁能源有限公司

【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。

【基金】 国家重点研发计划资助项目(2018YFB1404500)
【所属期刊栏目】 计算机技术与应用 (2020年04期)
  • 【DOI】10.16157/j.issn.0258-7998.191066
  • 【分类号】TM615
  • 【下载频次】174
节点文献中: 

本文链接的文献网络图示:

浏览历史:
下载历史: