基于可微分物理模型的光伏阵列故障诊断与量化
机器学习
2025-12-22 v1 信号处理
摘要
准确的故障诊断与量化对于光伏（PV）阵列的可靠运行和智能维护至关重要。然而，现有的故障量化方法往往受限于效率和可解释性。为应对这些挑战，本文提出了一种基于可微分快速故障仿真模型（DFFSM）的PV串新型故障量化方法。所提出的DFFSM能够精确建模多种故障下的I-V特性，并提供关于故障参数的解析梯度。利用这一特性，开发了一种使用Adahessian优化器的基于梯度的故障参数辨识（GFPI）方法，以高效量化部分遮挡、短路和串联电阻退化。在仿真和实测I-V曲线上的实验结果表明，所提出的GFPI在不同故障下均实现了高量化精度，I-V重构误差低于3%，证实了可微分物理仿真器在PV系统故障诊断中应用的可行性和有效性。
引用
@article{arxiv.2512.17107,
title = {Fault Diagnosis and Quantification for Photovoltaic Arrays based on Differentiable Physical Models},
author = {Zenan Yang and Yuanliang Li and Jingwei Zhang and Yongjie Liu and Kun Ding},
journal= {arXiv preprint arXiv:2512.17107},
year = {2025}
}