一种基于人工智能的光伏阵列故障诊断方法及装置制造方法及图纸

本发明专利技术公开了一种基于人工智能的光伏阵列故障诊断方法及装置，方法包括如下步骤：S1、获取光伏阵列在正常运行状态下与故障运行状态下的电气参数、辐照度及温度;S2、对获取的数据进行KPCA降维和归一化处理，将处理后的数据作为训练集；S3、构建CNN光伏阵列故障诊断模型，利用冠豪猪优化算法CPO优化CNN超参数，并将训练集作为输入，训练优化后的CNN故障诊断模型，将正常状态或故障运行状态作为输出，得到CPO‑CNN故障诊断模型；S4、获取光伏阵列故障待诊断数据，利用KPCA降维并归一化后输入至训练后的CPO‑CNN故障诊断模型中，输出光伏阵列故障类型。本发明专利技术能够提高故障诊断的分类精度，解决传统方法收敛速度慢、搜寻效率低、训练时间长及无法诊断多重复合故障的问题。

【技术实现步骤摘要】

本专利技术公开了一种基于人工智能的光伏阵列故障诊断方法及装置，属于光伏发电故障诊断领域。

技术介绍

1、光伏发电技术旨在将太阳能转化为清洁再生能源，具备地域无限制、规模灵活和环保等优势。然而，由于光伏组件工作在复杂的室外环境中，容易出现各类故障，如短路、开路、异常老化、以及受到树木或建筑物遮挡而引发的遮阴问题，甚至还会出现复合故障的情况。这些故障不仅导致发电功率降低，还可能引起光伏组件损坏，从而影响整个系统性能，增加了维护成本和安全风险。因此，及时发现光伏阵列的故障、准确识别故障类型，并采取相应措施以恢复其正常运行，对于提升光伏发电系统的可靠性和稳定性至关重要。

2、目前,国内外学者对光伏阵列的故障诊断研究分为物理检测法、功率损失法、i-v曲线法、时序电压电流法。物理检测法即通过热成像、通电、照射、超声波等物理手段，研究和分析故障组件的物理特性，无需接触，能快速侦测存在故障，但难以有效实现故障分类，检测设备昂贵，维护成本高，且受环境影响，因此难以大规模应用；功率损失法是通过计算输出电压、电流和功率理论值和实际值之间的差值，作为诊断算法的输入数据本文档来自技高网...

【技术保护点】

1.一种基于人工智能的光伏阵列故障诊断方法，其特征在于包括如下步骤：

2.根据权利要求1所述的一种基于人工智能的光伏阵列故障诊断方法，其特征在于，所述步骤S1中电气参数包括：最大功率点电压、最大功率点电流、最大功率、开路电压、短路电流、填充因子。

3.根据权利要求1所述的一种基于人工智能的光伏阵列故障诊断方法，其特征在于，所述步骤S2包括如下步骤：

4.根据权利要求1所述的一种基于人工智能的光伏阵列故障诊断方法，其特征在于，所述步骤S3中，采用一维卷积神经网络(1D-CNN)，主要由输入层、卷积层、池化层、全连接层和输出层组成，卷积层用于提取数据特征，...

【技术特征摘要】

1.一种基于人工智能的光伏阵列故障诊断方法，其特征在于包括如下步骤：

2.根据权利要求1所述的一种基于人工智能的光伏阵列故障诊断方法，其特征在于，所述步骤s1中电气参数包括：最大功率点电压、最大功率点电流、最大功率、开路电压、短路电流、填充因子。

3.根据权利要求1所述的一种基于人工智能的光伏阵列故障诊断方法，其特征在于，所述步骤s2包括如下步骤：

4.根据权利要求1所述的一种基于人工智能的光伏阵列故障诊断方法，其特征在于，所述步骤s3中，采用一维卷积神经网络(1d-cnn)，主要由输入层、卷积层、池化层、全连接层和输出层组成，卷积层用于提取数据特征，池化层减少参数数量并减少计算量，通过激活函数softmax进行分类，输出层输出分类结果；

5.根据权利要求4所述的一种基于人工智能的光伏阵列故障诊断方法，其...

【专利技术属性】
技术研发人员：汤霜霜，白建波，聂海缘，项立鹏，
申请(专利权)人：河海大学，
类型：发明
国别省市：