基于ST-TCN的太陽能光伏組件故障診斷方法
所屬分類：技術(shù)論文
上傳者：aetmagazine
文檔大?。?span>685 K
標(biāo)簽： 光伏組件 時(shí)序卷積神經(jīng)網(wǎng)絡(luò) 軟閾值化
所需積分：0分積分不夠怎么辦？
文檔介紹：實(shí)地調(diào)研并收集電站光伏組件常見的故障類型，并對光伏組件在不同工作狀況下的電流特征曲線進(jìn)行分析，發(fā)現(xiàn)光伏組件的電流數(shù)據(jù)疊加了復(fù)雜的表現(xiàn)特征和高噪聲。為能精準(zhǔn)診斷光伏組件的故障類型，提出一種軟閾值化的時(shí)序卷積神經(jīng)網(wǎng)絡(luò)(Soft Thresholding Temporal Convolutional Network，ST-TCN)光伏組件故障診斷模型。ST-TCN網(wǎng)絡(luò)使用多個(gè)殘差模塊的膨脹卷積層、ReLU層、Dropout層提取電流數(shù)值特征和時(shí)序特征，再使用殘差模塊的軟閾值化對所提取的特征降噪，最終使用全連接層對殘差模塊提取的特征進(jìn)行故障診斷分類。實(shí)驗(yàn)結(jié)果表明，ST-TCN網(wǎng)絡(luò)不僅結(jié)構(gòu)簡單，收斂速度快，而且故障診斷準(zhǔn)確率高，達(dá)到92.99%。
現(xiàn)在下載
VIP會(huì)員，AET專家下載不扣分；重復(fù)下載不扣分，本人上傳資源不扣分。