[发明专利]一种基于深度学习的太阳能光伏电池板故障检测方法有效
申请号: | 201910397926.1 | 申请日: | 2019-05-14 |
公开(公告)号: | CN110224673B | 公开(公告)日: | 2020-10-02 |
发明(设计)人: | 陈泽华;程起泽;刘晓峰;赵哲峰;蒋文杰;薛军;沈亮 | 申请(专利权)人: | 太原理工大学 |
主分类号: | H02S50/00 | 分类号: | H02S50/00;H02S50/10 |
代理公司: | 太原晋科知识产权代理事务所(特殊普通合伙) 14110 | 代理人: | 任林芳 |
地址: | 030024 *** | 国省代码: | 山西;14 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明公开了一种基于深度学习的太阳能光伏电池板故障检测方法。本方法先对采集到的光伏电池板时序电流数据进行数据清洗后,对处理后的电流数据分别进行横向、纵向特征提取,将提取到的特征与原电池板电流值生成检测数据集,之后将数据集先通过卷积神经网络得到电流数据深层次特征,再通过长短期记忆模型学习训练数据时间维度上的特征,最终以完成对光伏组件的故障检测。本发明通过对电站海量电流数据进行实验验证,证明了本方法在对光伏电池板进行故障检测时具有的90%以上的准确率,同时具有在电站部署投入使用的实用性和便利性。 | ||
搜索关键词: | 一种 基于 深度 学习 太阳能 电池板 故障 检测 方法 | ||
【主权项】:
1.一种基于深度学习的太阳能光伏电池板故障检测方法,其特征在于:步骤一:获取太阳能光伏电池板运行产生的电流数据集,对电流数据集进行降采样处理,根据太阳能光伏电池板每日的电流数据绘制成电流曲线图,根据电流曲线图制作出对应支路的标签数据集;步骤二:对电流数据集进行数据清洗,对电流数据集进行横向特征与纵向特征的提取,制作得到训练数据集与测试数据集;步骤三:使用CNN‑LSTM模型进行学习训练,根据模型训练完成时的损失函数值与正确率以及验证测试数据集得到的正确率,对模型的结构与参数进行调整与优化;步骤四:使用实际光伏电站运行产生的电流数据对模型进行反复的验证与优化。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于太原理工大学,未经太原理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201910397926.1/,转载请声明来源钻瓜专利网。