| 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 | |
| 文檔大小：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(diào)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(jié)果表明，ST-TCN網(wǎng)絡不僅結(jié)構(gòu)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。 | |
Copyright ? 2005-2024 華北計算機系統(tǒng)工程研究所版權(quán)所有 京ICP備10017138號-2