基于IV特性和深度残差网络的光伏阵列故障诊断方法

摘要

本发明涉及一种基于IV特性和深度残差网络的光伏阵列故障诊断方法。首先，利用Simulink搭建模型阵列，采集各种工况条件下的电气数据和环境数据；其次，剔除原始模拟的数据中的异常数据，采集到原始I‑V曲线进行下采样，并将一维特征拼接为二维特征，作为故障的总体特征；而后，将样本数据分成训练集、验证集和测试集，并设计维度变换的残差卷积神经网络的网络结构及其训练算法Adam的训练参数，进行样本训练得到DT‑ResNet故障诊断训练模型；最后，利用DT‑ResNet故障诊断训练模型，对待测工况测试集下的光伏发电阵列进行检测和分类，诊断故障类型。本发明方法具有精确度高，收敛快，鲁棒性强，泛化能力好等优点，能够有效提高光伏发电阵列故障检测和分类的准确性。