利用TSFNet的复杂工况下光伏阵列故障诊断

摘要

针对基于实时电压和电流时序信号的光伏故障诊断方法在环境噪声、积灰、老化等复杂工况下诊断精度低的问题，提出一种新颖的时间序列频域网络(TSFNet).该模型引入了一个全新的频域模块，通过傅里叶变换和可学习的全局滤波器增强模型的特征捕获能力，减少噪声对模型的影响并降低模型的计算复杂度.通过在实际的光伏阵列及其Simulink仿真模型上进行实验，模拟了正常、积灰和老化3种工况下共计17种故障种类，以验证所提出的故障诊断方法的有效性，并与其他模型进行对比.实验结果表明，所提出的故障诊断方法能够准确地对不同工况下的故障进行分类，平均准确率为98.72%,优于其他故障诊断模型.

关键词

光伏阵列 / 故障诊断 / 时间序列 / 时间序列频域网络 / 傅里叶变换

基金资助

国家自然科学基金资助项目(62271151,W2421092); 福建省自然科学基金资助项目(2021J01580); 福建省科技厅引导性基金资助项目(2022H0008)