2022年11月6日，金辉同学的论文“Series arc fault diagnosis method of photovoltaic arrays based on GASF and improved DCGAN”被《Advanced Engineering Informatics》录用，指导老师：高伟副教授。

主要内容：近年来，机器学习方法被广泛用于光伏阵列串弧故障诊断(SAF)领域。但在实际应用中，由于信号特性弱、算法执行时间长、样本不均衡等因素，导致这些方法在检测SAF时存在一定的困难。针对上述问题，作者提出了一种基于格拉姆角和场(GASF)与挤压激励-深度卷积生成对抗网络(SE-DCGAN)相结合的方法。首先，通过计算电流信号的裕度因子(ADMF)的绝对差分值，准确提取出SAF发生时的暂态电流数据;然后，利用GASF将瞬态电流数据转换为二维图像，以放大SAF的共性特性。接着，采用SE-DCGAN对SAF的GASF图像进行增扩，以解决SAF样本少的问题。最后，训练一个卷积神经网络(CNN)来识别SAF。同时，本研究提出了一种融合样本训练方法，即将不同光伏系统的正常样本加入训练集，以增强CNN的泛化能力。图1为SAF与正常状态下的GASF特征图像，图2为本研究所提融合训练算法的示意图，图3为SE-DCGAN结构。

图1  SAF与正常状态下的GASF特征图像

图2  融合样本训练法示意图

图3  SE-DCGAN结构

图4  检测结果

图5  光伏阵列在各种工况下检测算法的精度

《Advanced Engineering Informatics》是SCI二区期刊，影响因子为7.862，JCR分区为Q1。

配电网及其自动化研究中心

组图：何文秀

文字：何文秀