摘要
本发明涉及一种基于双通道CNN与时频特征的光伏发电系统故障诊断方法,包括以下步骤:S1:采集光伏发电系统的历史时序数据并预处理;S2:对预处理后的数据集复制处理,获取一维的时序数据集与二维时频图数据集;S3:输入双通道CNN进行特征提取,一维的时序数据集进入1DCNN通道,二维时频图数据集进入2DCNN通道;S4:将双通道CNN提取的特征通过SE注意力模块进行动态融合;S5:基于SVM构建分类器,并采用自适应惯性权重粒子群算法优化分类器的核函数的两个关键参数,得到最终的SVM分类器;S6:将融合后的特征输入最终的SVM分类器,进行故障诊断分类。本发明有效提高光伏发电系统复杂故障诊断效率和可靠性。
技术关键词
粒子群算法优化
光伏发电系统
故障特征
故障诊断分类
数据
构建分类器
池化方法
二维卷积神经网络
时序
通道
故障诊断效率
短时傅里叶变换
训练分类模型
故障诊断系统
全局平均池化
注意力
非线性
系统为您推荐了相关专利信息
空间实体知识
大语言模型
空间信息检索方法
语义知识库
社区检测算法
智能网联汽车
数据传输方法
多模态信息
差分隐私技术
规划
软件代码生成方法
问答对数据
仿真软件
计算机存储介质
脚本