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.
