一种基于多源数据融合的光伏板故障诊断方法

本发明涉及光伏板故障诊断技术领域，且公开了一种基于多源数据融合的光伏板故障诊断方法，数据采集与标注，采集于光伏板的运行监控系统和现场检测仪器，之后进行数据扩充，依次对特征提取模型、特征降维模型和分类器模型进行训练，最后将采集的数据输入到模型中进行诊断。该方法通过采集并标注光伏板运行数据，进行数据扩充，解纠缠处理增强样本质量，采用基于自适应波动优化的神经网络进行特征提取，结合流形映射学习的自编码神经网络实现特征降维，并通过高阶神经网络加强分类精度。本发明不仅显著提高了故障诊断的精度和泛化能力，还优化了模型训练的稳定性和效率，有效应对了复杂数据模式，保证了光伏板在多变环境下的稳定运行。