Abstract：
提出一种基于图注意力网络(graph attention network,GAT)的光伏阵列故障诊断模型,以解决光伏阵列中因故障导致的发电效率降低、正常运行受阻等问题.通过离散小波变换和滑窗算法截取故障后稳态时序信号并将其分割成子区间,将子区间视为图节点.使用K邻近构图法将故障后稳态电压、电流数据转变成图结构,构建节点级GAT模型.通过多头注意力机制自动提取电压、电流图结构的故障特征.通过实验室光伏阵列获取实验数据集,对所提模型进行测试.结果表明,本模型能准确诊断光伏阵列的不同故障状态,平均准确率达到99.790％,效果优于所对比的其他网络模型.
Keyword：
Reprint 's Address：
Email：
Source ：
福州大学学报（自然科学版）
ISSN： 1000-2243
Year： 2024
Issue： 5
Volume： 52
Page： 505-512
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 5
Affiliated Colleges：
