典型文献
一种基于卷积神经网络和长短期记忆网络的光伏系统故障辨识方法
文献摘要：
随着光伏发电装机容量的不断上升,如何及时检测并解决光伏组件故障和异常,减少组件能量损失,提高光伏系统的发电效率成为一项重要任务.本文通过研究光伏阵列处于不同故障状态下的I-V曲线之间的特征差异性,直接以I-V曲线作为故障诊断的输入量,提出一种融合卷积神经网络(CNN)与长短期记忆(LSTM)网络的光伏系统故障辨识方法.实验结果表明,该方法不仅能识别出单一故障,如短路、遮阴、老化等,而且能有效识别出双重故障同时存在的情况.
文献关键词：
光伏系统;故障诊断;I-V曲线;卷积神经网络(CNN);长短期记忆(LSTM)网络
中图分类号：
作者姓名：
涂彦昭;高伟;杨耿杰
作者机构：
福州大学电气工程与自动化学院,福州 350108
文献出处：
引用格式：
[1]涂彦昭;高伟;杨耿杰-.一种基于卷积神经网络和长短期记忆网络的光伏系统故障辨识方法)[J].电气技术,2022(02):48-54
A类：
B类：
长短期记忆网络,光伏系统,系统故障,故障辨识,辨识方法,光伏发电,装机容量,光伏组件,能量损失,发电效率,光伏阵列,故障状态,特征差异性,输入量,融合卷积神经网络,单一故障,短路,遮阴
AB值：
0.289966
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
