Qi Liu · Bo Yang · Mingxuan Cai · Yuxiang Liu 等6人 · IEEE Transactions on Industrial Informatics · 2025年6月

小样本场景下光伏（PV）阵列的智能故障诊断由于模型精度和泛化能力较差，仍然具有挑战性。现有方法无法同时解决运行工况多变和样本不足的问题，导致少样本学习构建的模型适用性有限。此外，数据传输和计算成本等因素也需要考虑。因此，本文提出了一种用于小样本光伏故障诊断的云边协同自校正引导广义对比学习框架。首先，提出了一种端到端自校正模型，以消除可变环境的影响。然后，将自校正方案与对比学习相结合以实现模型泛化，并设计了一种类型筛选方法来提高模型精度。此外，提出了一种快速故障过滤机制，通过云边协同提高算法效率。...

解读: 从阳光电源的业务视角来看，这项基于云边协同的小样本光伏故障诊断技术具有重要的应用价值和战略意义。 在产品层面，该技术直接契合阳光电源光伏逆变器和电站运维的核心需求。传统故障诊断方法依赖大量标注数据，而实际运维中故障样本稀缺且环境条件多变，导致诊断模型泛化能力不足。该论文提出的自校正引导对比学习框架...