基于CNN-LSTM的太阳能光伏组件故障诊断研究方法

基于CNN-LSTM的太阳能光伏组件故障诊断研究 本研究提出了一种基于卷积神经网络-长短期记忆模型（CNN-LSTM）的深度学习诊断模型，用于诊断太阳能光伏组件故障。该模型可以利用电站原有设备完成检测任务，提高运维人员的工作效率。 知识点1：太阳能光伏产业的发展 * 近年来，太阳能光伏产业发展迅速，准确诊断光伏组件故障位置及类型可以提升运维人员的工作效率。 知识点2：卷积神经网络-长短期记忆模型（CNN-LSTM） * CNN-LSTM模型是深度学习诊断模型，利用卷积神经网络（CNN）和长短期记忆模型（LSTM）来诊断光伏组件故障。 知识点3：光伏阵列布局特点 * 光伏阵列布局特点是指光伏阵列的设计和布局特点，包括电流值的组件故障分类方式、特征提取算法等。 知识点4：特征提取算法 * 特征提取算法是指从光伏阵列电流数据中提取有用的特征，包括横向特征和纵向特征，以获取空间与时间上的特性。 知识点5：CNN网络 * CNN网络是指使用卷积神经网络来对横向特征做进一步的提取与纵向特征的压缩，以解决特征种类单一及训练缓慢的问题。 知识点6：LSTM神经网络 * LSTM神经网络是指使用长短期记忆模型来完成对光伏组件的故障诊断。 知识点7：光伏组件故障诊断方法 * 光伏组件故障诊断方法包括图像方法、物理方法、数学方法和智能方法等，基于CNN-LSTM的深度学习诊断模型是其中的一种。 知识点8：能源公司下的光伏电站 * 能源公司下的光伏电站具有不同的建设时期和设备规格种类，数据精准度不够，数学方法很难适用于大型电站。 知识点9：最大功率跟踪（MPPT） * 最大功率跟踪（MPPT）是指一种集成了最大功率跟踪的组串式光伏逆变器，使用广泛。 知识点10：集中式光伏逆变器 * 集中式光伏逆变器是指一种不能监控到组件的运行情况的光伏逆变器，用于大型和超大型电站。 知识点11：基于CNN-LSTM的深度学习诊断模型的优点 * 基于CNN-LSTM的深度学习诊断模型可以仅使用电站采集到的海量历史支路电流数据及其故障维修记录来训练模型，在电站运行时使用训练好的模型就可以诊断出故障支路，在电站原有设备基础上完成诊断。