期刊信息
主管单位:中华人民共和国教育部
主办单位:重庆大学
主 编:王时龙
地 址:重庆市沙坪坝正街174号
邮政编码:400030
电 话:
电子邮件:xbsg@cqu.edu.cn
国际标准刊号:ISSN 1000-582X
国内统一刊号:CN 50-1044/N
邮发代号:国内78-16 国外 M355
|
基于LSTM和多项式回归的光伏组件衰减检测方法 |
投稿时间:2023-03-23 修订日期:2023-10-11 |
关键词:SCADA 电池板 性能衰减 长短期记忆网络(Long Short-Term Memory) 多项式回归 神经网络 |
基金项目:国家自然科学基金项目(面上项目,重点项目,重大项目) |
|
摘要点击次数: 104 |
全文下载次数: 0 |
摘要: |
太阳能作为清洁能源在我国可持续发展战略中占据非常重要的地位。光伏电池板的老化衰减是影响光电能量转换的主要因素。光伏电站运营维护的重点之一就是检测光伏电池板的老化衰减情况,及时维修老化故障电池板,提高能量利用率和电能质量。传统的组件衰减检测通常耗时长且仅适用小规模抽检覆盖面小,难以全方位定位所有组件,容易产生遗漏。本文借鉴神经网络算法在锂电池衰减方面的研究,提出一种基于LSTM和多项式回归混合算法的光伏组件衰减检测方法,搭建基于运行数据的衰减率分析模型。并且通过某光伏电站真实数据进行测试验证,结果表明,检测方法测算出的衰减率较高的组件,与现场核实结果一致,验证了这种方法的可行性和有效性。 |
|
查看/发表评论 下载PDF阅读器 |
|
|
|
|
|
Copyright@ 2008 All Rights Reserved.