基于温度、辐照与电气特征融合的光伏组件故障诊断方法及终端设备与流程

本发明涉及光伏新能源中的光伏组件故障诊断与运维监测方向，特别是涉及一种基于温度、辐照与电气特征融合的光伏组件故障诊断方法及终端设备。

背景技术：

1、光伏组件作为光伏电站的核心发电单元，其运行状态直接影响电站的发电效率与运行安全性。在长期户外运行过程中，光伏组件易受环境因素（辐照波动、温度变化、粉尘污染）、安装工艺及老化损耗等影响，产生隐裂、热斑、pid效应、旁路二极管失效等多种故障，若未能及时精准诊断，会导致组件功率衰减、寿命缩短，甚至引发电站安全事故。

2、目前，光伏组件故障诊断技术已得到一定发展，现有技术主要分为单一特征诊断与多特征融合诊断两类。其中，单一特征诊断方法多依赖电气特征、温度特征或辐照特征中的某一种，如仅通过iv曲线参数判断电气故障，或仅通过红外热图像识别温度异常故障，该类方法受环境扰动影响大，故障判别精度低，无法适配多种类型故障的综合诊断需求。

3、多特征融合诊断方法虽尝试结合两种或多种特征，但大多停留在简单特征拼接层面，未构建针对性的特征关联体系，导致不同模态特征之间孤立存在，融合深度不足，无法充分发挥多特征协同作用。同时，部分方法引入图注意力网络（gat）用于特征融合，但该类应用多采用通用型网络结构，未结合光伏组件故障的空间分布特性（如隐裂、热斑的局部空间特征），无法精准挖掘故障敏感特征，存在故障特征挖掘不精准、模型泛化性差的问题。

4、此外，现有故障诊断方案多针对单一类型故障设计，兼容性较差，若需诊断多种故障，需搭建多个独立诊断模型，导致工程应用成本高、操作复杂，难以满足光伏电站规模化、一体化故障诊断的实际需求。因此，如何实现多模态特征的深度融合，提升故障诊断的精准度、泛化性与多故障兼容性，降低工程应用成本，成为当前光伏组件故障诊断领域亟待解决的技术问题。

技术实现思路

1、为解决上述技术问题，本发明提供一种基于温度、辐照与电气特征融合的光伏组件故障诊断方法，包括：

2、数据采集：采集光伏组件的温度数据、辐照数据、电气数据；

3、构建图结构：根据温度数据，构建承载温度特征的空间节点；根据电气数据和辐照数据，构建承载电气特征和辐照特征的全局节点；建立所有节点间的连接关系，形成“全局节点-空间节点”互联互通的图结构；

4、特征融合与故障诊断：采用图注意力层和故障分类器，基于图结构对辐照特征、温度特征、电气特征进行自适应融合，再通过故障分类器挖掘故障敏感特征并输出故障类型。

5、进一步地，根据温度数据，构建承载温度特征的空间节点的步骤，包括：

6、将温度数据按组件边框分割为若干网格，每个网格作为一个空间节点；

7、根据各网格的温度数据，提取各网格的平均温度、网格与组件整体的温差、网格周边邻域的温度梯度，构建各空间节点的特征向量。

8、进一步地，根据电气数据和辐照数据，构建承载电气特征和辐照特征的全局节点的步骤，包括：

9、根据电气数据，提取ff填充因子、功率衰减率、电气参数融合项，构建三维电气特征向量；其中，电气参数融合项由开路电压voc、短路电流isc、最大功率点pmp三者归一化后融合形成，三者合并为1维；

10、根据辐照数据，提取实时辐照度、辐照波动系数、辐照工况适配系数，构建三维辐照特征向量；其中，辐照工况适配系数由辐照稳定性、辐照与温度耦合系数融合形成，二者合并为1维；

11、融合三维电气特征向量与三维辐照特征向量，构建1个全局节点的特征向量。

12、进一步地，建立所有节点间的连接关系，形成“全局节点-空间节点”互联互通的图结构的步骤，包括：

13、构建节点特征矩阵：整合所有空间节点与全局节点的特征向量，按空间节点在前、全局节点在后的顺序排列，形成节点特征矩阵；

14、建立所有节点间的边连接：空间节点之间按网格邻接关系建立边，全局节点与所有空间节点建立双向边；

15、构建邻接矩阵量化连接关系：以所有节点为行列构建方阵，空间节点间相邻位置赋值为1、非相邻赋值为0，全局节点与所有空间节点对应位置均赋值为1，节点自身对应位置赋值为0，通过邻接矩阵量化节点间的连接关系；

16、结合节点特征矩阵与邻接矩阵，节点特征矩阵提供节点自身特征信息，邻接矩阵提供节点间连接关系信息，二者协同作用，最终形成“全局节点-空间节点”互联互通的图结构。

17、进一步地，图注意力层，采用两层堆叠结构，包括依次连接的空间-温度注意力层和跨模态注意力层；

18、将构建好的图结构输入两层图注意力层，先通过空间-温度注意力层强化故障区域空间节点权重，再通过跨模态注意力层深度融合温度、电气、辐照三类特征，得到节点融合特征输入故障分类器；由故障分类器挖掘故障敏感特征并输出故障类型；故障类型，包括隐裂、热斑、pid效应、旁路二极管失效、接线盒故障、组件老化衰减、表面污染或遮挡中的任意一种或多种。

19、进一步地，空间-温度注意力层，以空间节点的特征向量为输入，自适应学习空间节点间的关联权重，强化故障区域空间节点权重、抑制正常区域空间节点权重，输出温度空间关联特征；

20、跨模态注意力层，以温度空间关联特征和全局节点的特征向量为输入，自适应学习全局节点与每个空间节点的关联权重，得到耦合温度、电气、辐照三类特征的节点融合特征。

21、进一步地，空间-温度注意力层，包括：特征输入单元、注意力系数计算单元、权重归一化单元及特征输出单元；

22、特征输入单元，用于接收空间节点的特征向量；

23、注意力系数计算单元，用于基于空间节点的特征向量的相似度，计算各空间节点之间的关联系数；关联系数的大小与空间节点间温度分布的关联度正相关；

24、权重归一化单元，采用softmax函数对关联系数进行归一化处理，将关联系数映射至0-1的范围内，得到各空间节点的注意力权重，实现故障对应空间节点权重的强化及正常区域节点权重的抑制；

25、特征输出单元，用于输出经权重优化后的温度空间关联特征，作为跨模态注意力层的输入。

26、进一步地，跨模态注意力层，包括双特征输入单元、跨模态注意力权重学习单元、特征耦合单元；

27、双特征输入单元，分别接收温度空间关联特征、全局节点的特征向量；

28、跨模态注意力权重学习单元，用于学习全局节点与每个空间节点之间的关联权重，针对不同光伏组件故障自适应调整权重分配，包括：隐裂故障时，强化全局节点中ff填充因子下降、功率衰减率升高特征对应的空间节点权重；热斑故障时，强化全局节点中辐照稳定但功率异常特征对应的局部高温空间节点权重；pid效应时，强化全局节点中功率衰减＞30%、辐照-温度耦合异常特征对应的空间节点权重；旁路二极管失效故障时，强化全局节点中功率衰减、局部温度异常升高特征对应的空间节点权重；接线盒故障时，强化全局节点中功率下降、辐照波动时功率波动异常特征对应的局部空间节点权重；组件老化衰减时，强化全局节点中功率缓慢衰减、辐照适配性下降特征对应的所有空间节点权重；表面污染/遮挡故障时，强化全局节点中辐照与功率不匹配特征对应的低温空间节点权重；

29、特征耦合单元，用于将温度空间关联特征与全局节点特征基于注意力权重进行深度耦合，实现温度、电气、辐照三类特征的有机融合，输出耦合后的节点融合特征。

30、进一步地，故障分类器包括依次连接的全局特征池化层、dropout正则化层、至少两层全连接层以及激活函数层；

31、全局特征池化层，采用全局平均池化与全局最大池化相融合的方式，将所有空间节点与全局节点的分布式节点融合特征聚合为固定维度的全局故障聚合特征，所述节点融合特征为耦合温度、电气、辐照三类特征的特征向量；

32、dropout正则化层，连接于全局特征池化层之后，用于随机失活部分神经元，抑制模型过拟合，提升故障分类器在光伏电站复杂工况下的泛化能力；

33、至少两层全连接层，包括依次连接的特征映射全连接层和故障分类输出层，其中特征映射全连接层采用relu激活函数，对全局故障聚合特征进行非线性变换，深度挖掘与光伏组件故障类型强相关的故障敏感特征；故障分类输出层的神经元数量与预设故障类型数量一致，包括隐裂、热斑、pid效应、旁路二极管失效、接线盒故障、组件老化衰减、表面污染或遮挡及正常工况，共8类；

34、激活函数层，连接于故障分类输出层之后，采用softmax激活函数，用于将故障分类输出层的输出转换为各预设故障类型的概率分布，将概率值最大的故障类型作为最终诊断结果。

35、另一方面，本发明还提供一种终端设备，包括存储器和处理器；所述存储器存储有可被处理器执行的程序代码；所述程序代码用于执行上述任意的光伏组件故障诊断方法。

36、本发明的有益效果至少包括：

37、1.多模态特征与“空间-全局”双节点体系的创新结合：现有技术多采用单一特征（如仅电气特征、仅温度特征）或简单特征拼接，未构建针对性的图结构节点体系；本方案将温度、辐照、电气三类特征与“空间-全局”双节点深度绑定，空间节点承载温度空间特征、全局节点承载电气+辐照特征，通过节点关联实现跨模态特征的有机融合，解决了现有技术“特征孤立、融合不深入”的技术痛点。

38、2.图注意力层与故障诊断场景的适配性创新：现有技术中，图注意力网络（gat）在光伏故障诊断中的应用多为通用型结构，未结合光伏故障的空间分布特性（如隐裂、热斑的局部空间特征）；本方案将图注意力层与双节点体系精准适配，通过注意力机制自适应挖掘故障敏感特征，无需人工干预特征权重分配，解决了现有技术“故障特征挖掘不精准、泛化性差”的问题。

39、3.多故障兼容的一体化诊断逻辑创新：现有技术多针对单一故障（如仅诊断热斑、仅诊断隐裂）设计方案，兼容性差；本方案通过三类特征的深度耦合，可同时适配隐裂、热斑、pid效应等典型故障，且无需调整核心架构，兼顾精度与工程可落地性，解决了现有技术“多故障诊断兼容性差、工程应用成本高”的技术问题。