基于脉冲神经网络光伏电站热斑故障预测

摘要：

针对光伏电池的热斑现象,利用红外热成像仪对光伏电池进行实时扫描得到红外热图,对红外热图进行图像增强等预处理.将图像分为四种状态,转换为信息量较强的状态矩阵.搭建基于脉冲时间依赖的突触可塑性(STDP)算法的带泄漏整合发放(LIF)模型脉冲神经网络,以发生典型热斑故障的电池片的状态变化作为时间序列训练脉冲神经网络,使模型习得热斑故障的状态时序,从而检测热斑故障,发出警报并实现定位的功能.脉冲神经网络的训练难度较大,因此,在Matlab上搭建了目前广泛使用的反向传播(BP)神经网络模型,通过对模型的改进,也能实现检测热斑故障的效果,继而证明了脉冲神经网络检测热斑故障的可行性.

关键词：脉冲神经网络、BP神经网络、图像识别、预测、热斑故障

所属期刊栏目：46

分类号：TM615(发电、发电厂)

资助基金：国家自然科学基金;江苏省高等学校大学生创新创业训练计划项目

在线出版日期：2022-07-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：680-683