一种基于深度学习的光伏组件故障预测方法及系统

本发明公开了一种基于深度学习的光伏组件故障预测方法及系统，涉及光伏发电技术领域，包括：该方法通过光伏系统仿真模型建立电池参数数据集，分析不同故障类型下的光伏特性曲线变化；基于光伏特性曲线变化，构建基于Transformer的故障预测模型，结合注意力机制对提取的变化参数进行关联分析；基于变化参数的关联分析，采用U‑Net解码器、ReLU激活函数和Adam优化器进行参数优化和学习率控制；引入SoftMax函数对故障严重程度进行分类；该系统包括多源异构数据采集模块、动态特征提取模块、时空双流Transformer预测模型、边缘计算部署模块、在线增量学习模块。本发明在面对实际光伏组件的多样化故障情况时，具有更好的适应性和泛化能力，能够更准确地识别和预测故障。