[发明专利]基于深度神经网络的光伏电站缓变故障监测方法在审
| 申请号： | 201910370080.2 | 申请日： | 2019-05-06 |
| 公开（公告）号： | CN109977624A | 公开（公告）日： | 2019-07-05 |
| 发明（设计）人： | 孔璐;饶若楠 | 申请（专利权）人： | 上海交通大学 |
| 主分类号： | G06F17/50 | 分类号： | G06F17/50;G06N3/04;G06Q10/04;G06Q50/06 |
| 代理公司： | 上海交达专利事务所 31201 | 代理人： | 王毓理;王锡麟 |
| 地址： | 200240 *** | 国省代码： | 上海;31 |
| 权利要求书： | 暂无信息 | 说明书： | 暂无信息 |
| 摘要： | 一种基于深度神经网络的光伏电站缓变故障监测方法及系统，通过离线构建故障预测模型，并使用预处理后的历史数据，根据已知故障类型对应的样本数据建模并对模型进行训练和测试，然后通过该故障预测模型实时对整个光伏电站受监控的所有设备进行实时故障监测，提交结果的同时对故障预测模型进行持续线上更新。本发明能够充分利用光伏电站系统中采集的历史数据，解决当前光伏电站系统组件定期维护成本高，故障难预防难排查的问题。 | ||
| 搜索关键词： | 故障预测模型 光伏电站 光伏电站系统 故障监测 历史数据 神经网络 缓变 预处理 定期维护 故障类型 实时故障 样本数据 构建 建模 离线 排查 采集 测试 监测 监控 更新 预防 | ||
【主权项】：
1.一种基于深度神经网络的光伏电站缓变故障监测方法，其特征在于，通过离线构建故障预测模型，并使用预处理后的历史数据，根据已知故障类型对应的样本数据建模并对模型进行训练和测试，然后通过该故障预测模型实时对整个光伏电站受监控的所有设备进行实时故障监测，提交结果的同时对故障预测模型进行持续线上更新；所述的离线构建是指：通过训练分离出不同故障类型的早期故障特征量，确定正常运行情况的控制限和异常情况下的统计量，结合主元分析的方法，简化主要的早期特征量集合，并作相应的故障分类，形成不同故障类型的故障演变标尺，进而得到故障预测模型；所述的早期故障特征量是指：在设备未进入实际故障且运行状况异于健康状态时所呈现的特征量；所述的故障预测模型具体为含有若干隐层的深度神经网络模型。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于上海交通大学，未经上海交通大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910370080.2/，转载请声明来源钻瓜专利网。
