摘要：针对光伏阵列复杂运行状态下故障特征提取不充分的问题，提出一种基于双通道特征融合并行优化的光伏阵列故障诊断方法。首先，利用Matlab/Simulink搭建不同运行状态下的光伏阵列仿真模型；其次，通过分析特性曲线选出6个关键特征，并在此基础上衍生出6个新的特征，共同作为光伏阵列故障诊断的输入特征；然后，利用格拉姆角场将采集到的一维时序数据转化为二维图像；接着，将一维时序数据和二维图像同时输入到CNN-BiLSTM双通道模型中，利用CNN提取二维图像的空间信息，利用BiLSTM挖掘一维时序数据内部的长期依赖关系；最后，将两个通道提取的特征信息进行融合并输入到Softmax层进行故障分类。基于仿真和公开数据集实验可得，本文所提故障诊断方法准确率高达100%；使用公开数据集进行验证，本文模型诊断准确率提高了2.33%，具有较好的准确性和泛化性。
文章目录
引言
1 光伏阵列特征变量选取
2 基础理论
2.1 格拉姆角场
2.2 二维卷积神经网络
2.3 一维双向长短期记忆网络
3 模型结构与诊断流程
3.1 双通道故障诊断模型
3.2 故障诊断流程
4 算例分析
4.1 仿真数据采集
4.2 GASF变换
4.3 评价指标
4.4 实验仿真与结果分析
4.5 T-SNE可视化分析
4.6 模型泛化性能验证
5 结论
