基于多维度IV曲线重构与迁移学习的光伏组件故障诊断方法

本发明公开了一种基于多维度IV曲线重构与迁移学习的光伏组件故障诊断方法。该方法通过实时采集不同辐照度、温度和阴影遮挡比例下的IV曲线数据，采用三次样条插值重构为连续曲面，并提取曲率与极值等高维特征；利用ResNet‑18网络在源域标准数据上预训练通用故障特征提取器，结合最大均值差异损失与梯度反转层实现跨域自适应迁移，仅需目标域10%标注数据即可达到90%以上诊断精度；进一步引入环境参数自适应阈值调整机制，动态优化分类决策，并通过知识蒸馏压缩模型，部署于嵌入式设备实现实时诊断。本发明有效克服了传统方法环境适应性差、标注成本高、特征提取局限及泛化能力弱等问题，诊断准确率提升，显著提升光伏系统运维效率与可靠性。