Abstract: J. Qu, Q. Sun, Z. Qian, L. Wei, H. Zareipour (2024)

Various faults can occur during the operation of photovoltaic (PV) arrays, and both dust-affected operating conditions and various diode configurations complicate the faults. However, current methods for fault diagnosis based on I-V characteristic curves usually do not effectively use all the distinguishable information contained in the I-V curves or often rely on calibrating the field characteristic curves to standard test conditions (STC). It is difficult to apply these methods in practice and accurately identify multiple complex faults with similarities in different blocking diode configurations of PV arrays under the influence of dust. Therefore, a novel fault-diagnosis method for PV arrays that considers the impact of dust is proposed. In the pre-processing stage, the Isc-Voc normalized Gramian angular difference field (GADF) method is presented, which normalizes and transforms the resampled PV array characteristic curves from the field, including I-V and P-V, to obtain transformed graphical feature matrices. Subsequently, in the fault diagnosis stage, the convolutional neural network (CNN) model with convolutional block attention modules (CBAM) is designed to classify faults, which identifies complex fault types from the transformed graphical matrices containing complete discriminative fault information. In addition, the performances of different graphical feature transformation and CNN-based classification methods are compared using case studies. The results indicate that the developed method for PV arrays with different blocking diode configurations under various operating conditions has high fault diagnosis accuracy and reliability.

Please note: The abstracts of the bibliography database may underly other copyrights.

Ihr Browser versucht gerade eine Seite aus dem sogenannten Internet auszudrucken. Das Internet ist ein weltweites Netzwerk von Computern, das den Menschen ganz neue Möglichkeiten der Kommunikation bietet.

Da Politiker im Regelfall von neuen Dingen nichts verstehen, halten wir es für notwendig, sie davor zu schützen. Dies ist im beidseitigen Interesse, da unnötige Angstzustände bei Ihnen verhindert werden, ebenso wie es uns vor profilierungs- und machtsüchtigen Politikern schützt.

Sollten Sie der Meinung sein, dass Sie diese Internetseite dennoch sehen sollten, so können Sie jederzeit durch normalen Gebrauch eines Internetbrowsers darauf zugreifen. Dazu sind aber minimale Computerkenntnisse erforderlich. Sollten Sie diese nicht haben, vergessen Sie einfach dieses Internet und lassen uns in Ruhe.

Die Umgehung dieser Ausdrucksperre ist nach §95a UrhG verboten.

Mehr Informationen unter www.politiker-stopp.de.

Fault diagnosis for PV arrays considering dust impact based on transformed graphical features of characteristic curves and convolutional neural network with CBAM modules