考虑灰尘影响的基于特征曲线变换图特征与带 CBAM 模块卷积神经网络的光伏阵列故障诊断
信号处理
2023-04-14 v1 机器学习
摘要
光伏阵列在运行期间会发生各类故障，且受灰尘影响的运行条件与多种二极管配置使故障更为复杂。然而，当前基于 I-V 特征曲线的故障诊断方法仅利用部分特征信息，且常依赖将现场特征曲线标定至标准测试条件（STC）。这难以在实际中应用，也难以在灰尘影响下准确识别光伏阵列不同阻断二极管配置中具有相似性的多种复杂故障。为此，提出一种考虑灰尘影响的新型光伏阵列故障诊断方法。在预处理阶段，给出 Isc-Voc 归一化 Gramian 角差场（GADF）方法，对现场重采样的含 I-V 与 P-V 的光伏阵列特征曲线进行归一化与变换，以获得变换后的图特征矩阵。随后，在故障诊断阶段，设计带卷积块注意力模块（CBAM）的卷积神经网络（CNN）模型，从含全特征信息的变换图矩阵中提取故障区分信息并分类故障。通过仿真案例比较不同图特征变换方法，并分析不同基于 CNN 的分类方法。结果表明，所开发方法对多种运行条件下不同阻断二极管配置的光伏阵列具有较高故障诊断精度与可靠性。
引用
@article{arxiv.2304.06493,
title = {Fault diagnosis for PV arrays considering dust impact based on transformed graphical feature of characteristic curves and convolutional neural network with CBAM modules},
author = {Jiaqi Qu and Lu Wei and Qiang Sun and Hamidreza Zareipour and Zheng Qian},
journal= {arXiv preprint arXiv:2304.06493},
year = {2023}
}