一种基于CNN-LSTM混合神经网络的光伏故障检测方法

本发明涉及一种基于CNN‑LSTM混合神经网络的光伏故障检测方法。首先，按照组串级采集同一时间段内的光伏的发电量以及气象数据；其次，对上述采集的数据进行预处理，而后，构建故障检测神经网络模型，故障检测模块将经过预处理后的数据通过卷积层进行特征提取，使用通道重排增强特征多样性，然后经LSTM处理时间序列数据，最后通过全连接层输出故障分类结果。训练过程中，利用焦点损失函数作为模型的损失函数处理类别不平衡问题，保存具有最佳性能的模型权重，用于后续故障检测。本发明方法具有精确度高、收敛快、鲁棒性强、泛化能力好等优点，能够有效提高光伏发电阵列故障检测和分类的准确性并实现故障组串的精确定位。