以增量式学习构建基于表征约束的光伏组件生产线故障与应急方案关系的方法技术

本发明专利技术公开了一种以增量式学习构建基于表征约束的光伏组件生产线故障与应急方案关系的方法，利用样本在故障与应急方案映射模型内部的表征显著性差异，将历史样本参与训练的规模固定化，采取多步骤、渐进式的增量式学习，将知识蒸馏和样本重构技术相结合，设计光伏组件生产线的故障与应急方案之间的映射关系，针对故障映射模型本身节约计算资源和增量升级成本，适应于解决光伏组件生产线数据规模大、故障类型多样、安全性要求高等问题。

【技术实现步骤摘要】

本专利技术涉及光伏组件生产系统安全，特别是一种以增量式学习构建基于表征约束的光伏组件生产线故障与应急方案关系的方法。

技术介绍

1、光伏组件生产线的故障与应急方案之间的映射问题本质上是分类问题，即将故障归类于某种预设的应急处理方案。然而，系统本身的核心地位决定了其庞大的数据量和多样化的故障类型。依靠人工标注一次性获得所有生产线故障类型的可靠数据非常困难，因此，单步骤、突发式的传统学习模式无法适应光伏组件生产线的应急方案映射判别任务。

2、当前，增量式学习(incremental learning)方案主要包括样本重放、知识蒸馏和扩张模型。其中，样本重放的训练效果最好，然而，它需要将所有的历史样本存储在本地，每次训练均需完整学习已有样本和新增样本，无法适应数据规模大、安全性要求高的场景需求。

技术实现思路

1、专利技术目的：本专利技术的目的是在面向光伏组件生产线数据规模大、故障类型多样、安全性要求高等问题的情况下，提供一种采取多步骤、渐进式的增量式学习，将知识蒸馏和样本重构技术相结合，解决光伏组件生本文档来自技高网...

【技术保护点】

1.一种以增量式学习构建基于表征约束的光伏组件生产线故障与应急方案关系的方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的以增量式学习构建基于表征约束的光伏组件生产线故障与应急方案关系的方法，其特征在于：步骤S1中：

3.根据权利要求1所述的以增量式学习构建基于表征约束的光伏组件生产线故障与应急方案关系的方法，其特征在于：步骤S2中，以ResNet模型作为映射模型的结构主体。

4.根据权利要求2所述的以增量式学习构建基于表征约束的光伏组件生产线故障与应急方案关系的方法，其特征在于：步骤S2中，由于编码维度问题，在数据集DHI输入到分类模型之前，...

【技术特征摘要】

1.一种以增量式学习构建基于表征约束的光伏组件生产线故障与应急方案关系的方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的以增量式学习构建基于表征约束的光伏组件生产线故障与应急方案关系的方法，其特征在于：步骤s1中：

3.根据权利要求1所述的以增量式学习构建基于表征约束的光伏组件生产线故障与应急方案关系的方法，其特征在于：步骤s2中，以resnet模型作为映射模型的结构主体。

4.根据权利要求2所述的以增量式学习构建基于表征约束的光伏组件生产线故障与应急方案关系的方法，其特征在于：步骤s2中，由于编码维度问题，在数据集dhi输入到分类模型之前，使用词嵌入模块对步骤s13的已编码数据进行预处理，分类模型最后一个全连接层的神经元数量需根据数据集dhi中的故障类型的数量修改。

5.根据权利要求1所述的以增量式学习构建基于表征约束的光伏组件生产线故障与应...

【专利技术属性】
技术研发人员：郑立文，
申请(专利权)人：中节能太阳能科技镇江有限公司，
类型：发明
国别省市：