基于ST-TCN的太陽能光伏組件故障診斷方法
所屬分類：技術論文
上傳者：aetmagazine
文檔大?。?span>685 K
標簽： 光伏組件 時序卷積神經(jīng)網(wǎng)絡 軟閾值化
所需積分：0分積分不夠怎么辦？
文檔介紹：實地調研并收集電站光伏組件常見的故障類型,，并對光伏組件在不同工作狀況下的電流特征曲線進行分析,，發(fā)現(xiàn)光伏組件的電流數(shù)據(jù)疊加了復雜的表現(xiàn)特征和高噪聲。為能精準診斷光伏組件的故障類型,，提出一種軟閾值化的時序卷積神經(jīng)網(wǎng)絡(Soft Thresholding Temporal Convolutional Network,，ST-TCN)光伏組件故障診斷模型。ST-TCN網(wǎng)絡使用多個殘差模塊的膨脹卷積層,、ReLU層,、Dropout層提取電流數(shù)值特征和時序特征，再使用殘差模塊的軟閾值化對所提取的特征降噪,，最終使用全連接層對殘差模塊提取的特征進行故障診斷分類,。實驗結果表明，ST-TCN網(wǎng)絡不僅結構簡單,，收斂速度快,，而且故障診斷準確率高，達到92.99%,。
現(xiàn)在下載
VIP會員,，AET專家下載不扣分；重復下載不扣分,，本人上傳資源不扣分,。