基于ST-TCN的太阳能光伏组件故障诊断方法AET-电子技术应用-最丰富的电子设计资源平台

基于ST-TCN的太阳能光伏组件故障诊断方法
所属分类：技术论文
上传者：aetmagazine
文档大小：685 K
标签：光伏组件时序卷积神经网络软阈值化
所需积分：0分积分不够怎么办？
文档介绍：实地调研并收集电站光伏组件常见的故障类型，并对光伏组件在不同工作状况下的电流特征曲线进行分析，发现光伏组件的电流数据叠加了复杂的表现特征和高噪声。为能精准诊断光伏组件的故障类型，提出一种软阈值化的时序卷积神经网络(Soft Thresholding Temporal Convolutional Network，ST-TCN)光伏组件故障诊断模型。ST-TCN网络使用多个残差模块的膨胀卷积层、ReLU层、Dropout层提取电流数值特征和时序特征，再使用残差模块的软阈值化对所提取的特征降噪，最终使用全连接层对残差模块提取的特征进行故障诊断分类。实验结果表明，ST-TCN网络不仅结构简单，收敛速度快，而且故障诊断准确率高，达到92.99%。
现在下载
VIP会员，AET专家下载不扣分；重复下载不扣分，本人上传资源不扣分。

活动