Yu Zeng · Ezequiel Rodriguez · Qingxiang Liu · Gaowen Liang 等6人 · IEEE Transactions on Industrial Electronics · 2024年10月

在这篇论文中，提出了一种基于简易知识迁移学习、结合数据与模型的混合故障检测方法。该方法应用于多个电池变流器，在离线阶段，利用现有系统获取的知识对并入微电网的新系统进行训练。新的目标分类器能够在数据集减少 60% 的情况下检测开路故障和电流传感器故障。该方法的有效性在一个包含两个三相两电平变流器（一个源变流器和一个目标变流器）的微电网中通过实验得到了验证。利用硬件在环测试了不同电压、容量和额定功率的电池。检测准确率达到了 99.1%。

解读: 从阳光电源储能系统业务视角来看，这项基于迁移学习的模型-数据混合驱动故障检测技术具有显著的工程应用价值。该技术针对电池变流器的开路故障和电流传感器故障检测，实现了99.1%的检测精度，同时将数据集需求降低60%，这对于我们大规模部署的储能电站运维具有重要意义。 该技术的核心优势在于知识迁移能力。在...