基于改进残差网络的光伏逆变器数据异常检测方法

作     者：姚森山 庞成鑫 Yao Senshan;Pang Chengxin

作者机构：上海电力大学电子与信息工程学院上海201306 

出 版 物：《太阳能学报》 (Acta Energiae Solaris Sinica)

年 卷 期：2025年第46卷第4期

页      面：322-330页

核心收录：

学科分类：08[工学] 0807[工学-动力工程及工程热物理] 

基　　金：国家电网有限公司科学技术项目(SGSCJY00GHJS2000014) 

主　　题：异常检测 光伏逆变器 故障分析 机器学习 残差网络 马尔可夫过程 

摘      要：为解决光伏组件异常导致光伏逆变器数据异常的问题,提出一种基于改进残差网络(SCCB-ResNet50)的光伏逆变器数据异常检测方法。该方法引入马尔可夫转移场将光伏功率时序数据化转为二维图像,以增加数据特征点从而提高检测精度,同时使用改进残差网络提取数据异常特征,进行数据异常检测。改进残差网络在残差网络中引入通道注意力和空间注意力融合机制(CBAM),并使用改进的随机梯度下降(SGD)优化器和余弦退火学习率下降策略,以提高数据异常检测精度。结果表明:该方法在AUC、召回率和准确率上分别达到95.8%、81.5%、96.0%,与LSTM等其他数据异常检测方法相比,3个评价指标均得到有效提高,具有优异的数据异常检测能力。