近日，電信學院自動化系安愛民教授團隊的2022級博士生鞏彬在能源和燃料領域國際知名Top期刊《Applied Energy》（世界能源領域著名學術SCI期刊, IF="11.446，CiteScore20.4，ESI全球工程期刊第4，中科院一區）在線發表題為“Fast fault detection method for photovoltaic arrays with adaptive deep multiscale feature enhancement”(作者：鞏彬、安愛民、石耀科、張學民)的高水平論文。安愛民教授為論文的通訊作者，博士生鞏彬為第一作者，蘭州理工大學電氣工程與信息工程學院為第一通訊單位。
無污染、可再生能源光伏發電是國家的能源戰略領域。但光伏陣列故障嚴重制約其長時間高效運行，如何實現準確高效的光伏陣列故障診斷及定位方法對于維持光伏發電系統的穩定、高效和可靠運行有著重要的學術意義和價值。在大數據時代，深度學習技術應用于光伏陣列診斷短路、斷路、局部陰影、退化等故障。然而大多數研究工作忽略了基于深度學習模型的性能與超參數配置之間密切的相關性；同時，考慮到網絡模型內通道間多尺度特征存在相關性以及特征本質存在優劣性。
基于上述兩類角度，該論文在理論上考慮了網絡內通道間多尺度特征的相關性和特征信息的優劣性，設計了一種多尺度特征增強的光伏陣列檢測模型，能夠端到端完成光伏陣列的故障檢測；同時針對網絡超參數的最優值對網絡性能影響的問題，提出了基于麻雀優化算法的變體算法自適應非線性互助麻雀搜算法對多尺度特征增強網絡的超參數進行最優值確定。工程實驗驗證表明，本工作最新的網絡模型相比，基于自適應非線性互助麻雀搜算法優化的多尺度特征增強模型在準確性、泛化性能、抗噪性及穩定性等方面均具有最佳性能。
該論文的研究工作得到了國家自然科學基金項目、甘肅省自然科學基金優秀博士生項目和中小企業創新基金的資助。（撰稿：安愛民；終審：王玲）
甘公網安備 62010002000207號