基于CNN-LSTM的太阳能光伏组件故障诊断研究
太阳能光伏产业近年发展迅速，准确诊断光伏组件故障位置及类型可以提升运维人员的工作效率。提出一种基于卷积神经网络-长短期记忆模型(Convolutional Neural Networks-Long Short Term Memory，CNN-LSTM)的深度学习诊断模型，利用电站原有设备就可完成检测任务。首先提出了一种依据电流值的组件故障分类方式；然后，检测模型根据光伏阵列布局特点设计了一种特征提取算法，分别提取光伏阵列电流横向与纵向特征，来获取空间与时间上的特性；再通过CNN网络来对横向特征做进一步的提取与纵向特征的压缩，以解决特征种类单一及训练缓慢的问题；最终进入LSTM神经网络来完成对光伏组件的故障诊断。
文件下载
评论信息
其他资源
- TXT实现批量将ANSI转成为UTF-8编码的小软件
- Cesium加载OSGB倾斜摄影数据Demo
- camera 3A 算法
- 图书管理系统 java
- baby_forensic.zip
- 深度强化学习在通信和网络中的应用：一项调查
- spring security方法鉴权使用示范项目
- 杭州电子科技大学《数据结构》期末复习卷（含答案）.pdf
- 学生信息管理系统.zip
- 短信验证码平台收费价格对比：亿佰云、秒嘀科技、极光短信、华信云通信.xlsx
- PDF转换软件.rar
- 安霸CV28M产品介绍
- Cloudera_HiveJDBC_2.5.4.1006-hive.zip.7z
- javaweb 考核系统
- mybatis-generator-config_1_0.dtd
- 尚硅谷_Spring_代码及PPT
- CC2541中文手册
- java源码 http2发布订阅iot消息sdk示例源码(服务端) 2018127
- 人脸识别离线SDK配合博客使用
- vb.net2008学生信息管理系统
- STM32F412工程模板
- 西农Linux实习（含详细实习报告）
- 超市管理系统后台模板
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明