基于孪生网络的光伏阵列小样本故障诊断
作者机构:江南大学物联网工程学院
出 版 物:《控制工程》 (Control Engineering of China)
年 卷 期:2024年
学科分类:08[工学] 081104[工学-模式识别与智能系统] 0807[工学-动力工程及工程热物理] 0811[工学-控制科学与工程]
摘 要:针对光伏阵列故障样本稀少,且传统网络模型在小样本条件下容易产生过拟合现象,无法完成训练的问题,提出基于孪生网络(Siamese Network)的故障诊断方法。首先,构建光伏阵列仿真模型,采集时间序列作为实验样本;其次,将少量训练样本两两组合成样本对,实现样本数量的大幅增加;然后,为了提取数据的时空特征,将两个结构相同且权值共享的时域卷积自注意力网络(Temporal Convolutional Self-attention Network,TCSN)组合成孪生网络;最后,模型通过计算输入样本对的相似度完成故障诊断。将此模型与其它网络模型进行对比实验,结果表明,该孪生网络模型能够依靠少量样本完成训练,且测试准确率稳定在95%以上,相较传统网络具有明显优势。