计算机工程与科学

作者：谢祥颖, 刘虎, 王栋, 冷彪

单位：1.北京航空航天大学计算机学院，北京 100191；2.国网电子商务有限公司战略发展部，北京 100053；3.国家电网有限公司互联网部，北京 100031；4.国网电子商务有限公司数字科技部，北京 100053

关键词：故障诊断, 残差网络, 深度学习, 人工智能,

基金：国家重点研发计划（2018YFB1500800）；国家电网有限公司科技项目（SGTJDK00DYJS2000148）；2020年电商公司自建科技项目（1700/2020-72001B）

分布式光伏电站的部署环境较为复杂，在实际运行中难免会产生多种故障。针对上述问题，提出了一种基于深度残差网络结构的分布式光伏电站故障诊断模型，对光伏电站的设备运行时序数据进行分析处理，实现对故障类别的快速准确判断。该模型使用一维卷积核感知时序数据特征，通过多级卷积结构提升模型的诊断能力，并采用残差结构解决模型深度增加造成的梯度消失问题，加速了深度模型的训练。光伏电站的测试数据实验结果表明，提出的模型相较于多种常见的智能模型具有较高的故障诊断准确度。该模型的推广使用不仅可以大幅减少光伏电站故障巡检投入，而且还能够提高光伏电站故障诊断效率。

来源：2021年第12期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2021年第12期