仪器仪表学报

作者：何明月，范思远，曹生现，张艳辉

单位：何明月,东北电力大学自动化工程学院吉林132012,,范思远,东北电力大学自动化工程学院吉林132012,,曹生现,东北电力大学自动化工程学院吉林132012,csxlb_jl@163.com,张艳辉,中国科学院深圳先进技术研究院深圳518055,

关键词：光伏板;故障诊断;跨尺度;特征融合;卷积神经网络;Transformer

基金：国家自然科学基金（62303105）、吉林省科技发展计划（20240304193SF）项目资助

光伏发电是我国能源转型与“双碳”目标实现的核心支撑，其系统的高效安全运行至关重要。然而，光伏板故障会直接导致发电量骤降、安全风险攀升及运维成本增加，已成为制约光伏产业高质量发展的关键瓶颈。为此，提出了基于跨尺度特征融合的光伏板故障诊断方法，该方法借助光伏场站已有的安防设备，在不额外增加硬件成本的前提下，可实现光伏板正常、积灰附着、鸟粪附着、电气损失、物理损伤、积雪覆盖这6类运行状态的精准检测。具体而言，所提方法首先构建了Transformer与卷积神经网络(CNN)的跨尺度特征融合框架，其中Transformer利用自注意力机制捕获光伏板图像的全局上下文特征，为CNN提取局部细节特征提供全局引导；其次，在卷积分支中设计密集连接机制，通过特征图的跨层连接，提升不同层级特征的传播与复用能力；同时，针对性开发了涵盖不同光照条件、天气状况及故障类型的光伏板6类运行状态可见光数据集。与其他模型相比，所提方法综合性能更优，Top-1准确率达93.33%，Top-3准确率达100%，且模型参数规模相对轻量，对硬件算力要求较低。此外，为全面评估方法的工程应用价值，构建了“模型精度-使用效率-应用规模”三维综合评价指标，进一步验证了所提方法在光伏现场实际部署的可行性。

来源：2025年第12期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2025年第12期