[发明专利]一种基于Wasserstein GAN的光伏阵列故障诊断方法

摘要

本发明涉及一种基于Wasserstein GAN的光伏阵列故障诊断方法，首先对光伏阵列电流、电压时序数据进行采集；接着将获取的光伏阵列时序电流与时序电压数据绘制为曲线图形并保存为样本；然后设计Wasserstein GAN网络中的鉴别器D与生成器G；然后训练Wasserstein GAN中的鉴别器D生成器G；接着将训练得到的鉴别器D作为光伏阵列时序电流电压曲线图片的特征提取网络，采用全连接神经网络训练特征分类器，对特征提取网络得到的特征进行分类，得到光伏阵列时序电流电压数据的诊断模型。本发明所提出的基于Wasserstein GAN的光伏阵列时序电流电压数据的故障诊断方法，在无监督训练的基础上能够准确地对光伏阵列进行故障检测和分类。

主权项

1.一种基于Wasserstein GAN的光伏阵列故障诊断方法，其特征在于：包括以下步骤：步骤S1：对各预设工况下的光伏发电阵列进行电流与电压数据采集；步骤S2：将步骤S1获取的光伏发电阵列的电流与电压数据绘制在同一张图片上并保存为样本；步骤S3：通过Wasserstein GAN设计一个鉴别器网络D与一个生成器网络G；步骤S4：将步骤S2中的样本数据分成训练集和验证集，并采用无监督的训练方式训练Wasserstein GAN中的鉴别器网络D与一个生成器网络G；步骤S5：将训练后的鉴别器网络D作为电流电压曲线图片的特征提取网络，采用神经网络训练特征分类器，对鉴别器网络D得到的特征进行分类，得到光伏组件的故障诊断模型；步骤S6：通过所述步骤S1以及所述步骤S2对实际待测工况进行处理，并利用步骤S4的Wasserstein GAN与步骤S5的故障诊断模型，对所述实际待测工况下的光伏发电阵列时序电流与时序电压数据进行诊断，判断光伏发电阵列系统是否处于故障状态以及故障种类。