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

来源：电子技术应用, 2020, 46(04): 66-70.

DOI：10.16157/j.issn.0258-7998.191066

• 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

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。

• 单位
  太原理工大学