Indexed by:
Abstract:
提出一种基于伪标签-1D DenseNet-KNN的光伏阵列故障诊断方法,实现在少标签样本下的光伏阵列复合故障开集识别.首先,分析各种常见单一故障和灰尘覆盖下复合故障的I-V特性曲线;然后,为克服常规半监督机器学习算法需手动提取数据特征的问题,采用一种伪标签与1D DenseNet相结合的半监督方法自动提取特征;最后,将从训练数据中提取的特征、训练数据预测的标签和测试样本提取的特征输入KNN算法并进行开集复合故障诊断.实验表明,该方法不仅能准确分类各种已知类别样本,还能识别出未知类别故障,且模型训练只需要少量的标签数据.
Keyword:
Reprint 's Address:
Email:
Version:
Source :
福州大学学报(自然科学版)
ISSN: 1000-2243
CN: 35-1337/N
Year: 2023
Issue: 4
Volume: 51
Page: 490-497
Cited Count:
WoS CC Cited Count: 0
SCOPUS Cited Count:
ESI Highly Cited Papers on the List: 0 Unfold All
WanFang Cited Count:
Chinese Cited Count:
30 Days PV: 6
Affiliated Colleges: