领域对抗训练和监督对比学习的跨光伏阵列故障诊断

摘要

为解决现有光伏阵列故障诊断方法面对新光伏阵列时需重新收集数据并训练模型、限制实际应用的问题，提出一种基于领域对抗训练和监督对比学习（DASC）的跨光伏阵列故障诊断方法，用于诊断未见过的光伏阵列中的故障.通过域对抗训练引入对抗扰动来帮助特征提取器提取域不变特征，并采用监督对比学习策略拉近类内距离、拉开类间距离以提高模型区分特征的能力.使用3个不同规模的光伏阵列故障数据集设计3组跨光伏阵列故障诊断实验，以验证DASC方法的有效性，并将该方法与4种基线方法进行比较.实验结果表明，DASC方法在实验中的平均准确率A、平均精度P、平均召回率R和平均F₁分数分别达到93.70%、 95.64%、 93.71%和93.15%,具有更好的综合跨域故障诊断性能.

关键词

光伏阵列 / 故障诊断 / 域泛化 / 领域对抗训练 / 监督对比学习