[發明專利]一種基于分層Softmax的光伏背板故障診斷方法

有效

• 申請號: 201911148679.8
• 申請日: 2019-11-21
• 公開（公告）號: CN111091141B
• 公開（公告）日: 2022-05-17
• 發明（設計）人: 顏文俊;朱鋒;方曉倫;鄒紹琨;馮夢丹
• 申請（專利權）人: 浙江大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 劉靜

1.一種基于分層Softmax的光伏背板故障診斷方法，其特征在于，主要包括以下步驟：

1)獲取光伏背板在正常工況及各類故障下的電氣特征、工作狀態及持續時間；其中，需采集的電氣特征包括光伏背板的開路電壓U_o、短路電流I_s、最大功率電壓U_max、最大功率電流I_max；典型的工作狀態包括正常工況、光伏背板開路、光伏背板短路、光伏背板老化及陰影遮擋；

2)對數據進行預處理；對步驟1)中采集的電氣特征數據，采用最大最小歸一化處理，并對五種典型的工作狀態進行編號，分別用1、2、…、5來表示；

3)搭建BP神經網絡模型；BP神經網絡由輸入層、隱藏層及輸出層組成；每層都有相應的激活函數；

所述BP神經網絡包括三層，第一層為輸入層，包含四個神經元，對應了光伏背板的開路電壓U_o、短路電流I_s、最大功率電壓U_max、最大功率電流I_max四維輸入特征；第二、三層為隱藏層和輸出層，各包含五個神經元；采用的激活函數為Relu函數，描述如下：

4)根據光伏背板在各工況下的總持續時間，搭建哈弗曼樹；將步驟3)中神經網絡的輸出層與哈夫曼樹的根節點相連，構建分層Softmax；哈夫曼樹的每個中間節點，包括根節點都是一個Logistic分類器，基于第j個節點的輸入x_j，將其分到左側子節點的概率為h_j(x_j)，分到右側子節點的概率為1-h_j(x_j)；其中h_j(x_j)可以用下式表示，w_j為待訓練的參數，其維度與輸入x_j一致：

5)將預處理后的電氣特征作為訓練樣本，將交叉熵作為損失函數，利用梯度下降法訓練BP神經網絡及分層Softmax，得到故障診斷模型；其中交叉熵的公式如下，y_i代表第i個樣本的真實標簽，p_yi(x_i)代表當前模型將第i個樣本分到標簽y_i的概率；

訓練完成后，實時檢測光伏背板的四個電氣特征值，將其作為模型輸入，判斷光伏背板是否出現故障及故障的種類。

2.根據權利要求1所述的一種基于分層Softmax的光伏背板故障診斷方法，其特征在于，步驟2)中，最大最小歸一化處理公式如下：

其中x為數據的原特征值，x_norm為歸一化后的特征值，x_min為要進行歸一化的特征的最小值，x_max為要進行歸一化的特征的最大值。

3.根據權利要求1所述的一種基于分層Softmax的光伏背板故障診斷方法，其特征在于，所述步驟3)中BP神經網絡的前向傳播可用下式描述：

其中，為第l層第i個神經元的輸入，為該神經元的輸出，f為該層的激活函數，為第l-1層第j個神經元與第l層第i個神經元之間的權值，為第l層第i個神經元的偏置；

相應的反向傳播公式可用下式描述：

其中E代表模型的總體誤差，E(i)代表第i個樣本所帶來的誤差，代表總體誤差對的梯度；代表總體誤差對的梯度。

4.根據權利要求1所述的一種基于分層Softmax的光伏背板故障診斷方法，其特征在于，所述步驟4)中哈弗曼樹的搭建方式如下：

a)將光伏背板在五種典型工作狀態下的持續時間作為權值{λ(x₁)…λ(x₅)}，構造二叉樹集合F＝{T₁…T₅}，其中每棵二叉樹T_i都是一個權值為λ(x_i)的根節點，其左右子樹為空，代表了第i種工作狀態；

b)初始時刻，在F中選取兩顆權值最小的樹作為左右子樹構造一顆新的二叉樹，將兩顆子樹的權值相加作為新樹的權值， 將新樹加入F，在F中刪除新樹的左右子樹；

c)重復上一步，直到F中只剩一棵樹，F中的樹即為所求哈夫曼樹；樹中的每個葉節點都代表了光伏背板的一種工作狀態。