【技术实现步骤摘要】
本专利技术涉及光伏系统故障诊断领域，具体而言，涉及一种基于深度数字孪生的光伏故障诊断方法以及系统。
技术介绍
1、太阳能光伏技术作为一种清洁、可再生的能源形式，在全球范围内正受到广泛关注和迅速发展。然而，太阳能光伏系统的性能稳定性和可靠性仍然是一个持续挑战，限制了其广泛应用。在长期运行中，光伏系统可能会受到多种因素的影响，如天气变化、组件老化、短路等，这些因素都可能导致系统产能下降，影响其经济性和环保性。
2、为了确保光伏系统的高效运行和可持续利用，系统监测和故障诊断变得至关重要。当前的光伏故障诊断方法主要分为以下几种：(1)基于阈值判定的传统方法。传统的光伏系统故障诊断方法依赖于设定电压、电流等特定参数的阈值范围来判断系统是否发生故障。这种方法的优点在于其反应速度迅捷，能够快速识别故障状态。然而，这种方法容易受到光伏组件老化、环境变化等因素的干扰，使其在实际应用中的稳定性和准确性受到一定的限制。(2)基于电压电流时间序列特性曲线数据的深度学习算法。该类研究尝试利用深度学习技术，特别是卷积神经网络(cnn)和循环神经网络(r...
【技术保护点】
1.一种基于深度数字孪生的光伏故障诊断方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的光伏故障诊断方法，其特征在于，构建机理仿真模型后采集不平衡故障数据的方法包括：
3.根据权利要求2所述的光伏故障诊断方法，其特征在于，机理仿真模型产生的数据x′经过所述IGR特征自动选择筛选的方法，得到用于进入到深度数据模型的输入数据x，自动选择筛选的方法包括：
4.根据权利要求3所述的光伏故障诊断方法，其特征在于，输入数据x在深度数据模型进行学习的方法包括：
5.根据权利要求3所述的光伏故障诊断方法，其特征在于，还包括对深度...
【技术特征摘要】
1.一种基于深度数字孪生的光伏故障诊断方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的光伏故障诊断方法，其特征在于，构建机理仿真模型后采集不平衡故障数据的方法包括：
3.根据权利要求2所述的光伏故障诊断方法，其特征在于，机理仿真模型产生的数据x′经过所述igr特征自动选择筛选的方法，得到用于进入到深度数据模型的输入数据x，自动选择筛选的方法包括：
4.根据权利要求3所述的光伏故障诊断方法，其特征在于，输入数据x在深度数据模型进行学习的方法包括：
5.根据权利要求3所述的光伏故障诊断方法，其特征在于，还包括对深度数据模型训...
【专利技术属性】
技术研发人员：齐咏生，刘思哲，李东泽，刘利强，李永亭，马然，
申请(专利权)人：内蒙古工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。