公开(公告)号：CN109660206A

公开(公告)日：2019-04-19

申请号：CN201811562127.7

申请日：2018-12-20

Applicant: 福州大学

Inventor： 林培杰 ,  程树英 ,  卢箫扬 ,  陈志聪 ,  吴丽君 ,  郑茜颖 ,  章杰

IPC: H02S50/10

Abstract: 本发明涉及一种基于Wasserstein GAN的光伏阵列故障诊断方法，首先对光伏阵列电流、电压时序数据进行采集；接着将获取的光伏阵列时序电流与时序电压数据绘制为曲线图形并保存为样本；然后设计Wasserstein GAN网络中的鉴别器D与生成器G；然后训练Wasserstein GAN中的鉴别器D生成器G；接着将训练得到的鉴别器D作为光伏阵列时序电流电压曲线图片的特征提取网络，采用全连接神经网络训练特征分类器，对特征提取网络得到的特征进行分类，得到光伏阵列时序电流电压数据的诊断模型。本发明所提出的基于Wasserstein GAN的光伏阵列时序电流电压数据的故障诊断方法，在无监督训练的基础上能够准确地对光伏阵列进行故障检测和分类。

公开(公告)号：CN109086699A

公开(公告)日：2018-12-25

申请号：CN201810804429.4

申请日：2018-07-20

Applicant: 福州大学

Inventor： 程树英 ,  林培杰 ,  卢箫扬 ,  陈志聪 ,  吴丽君 ,  郑茜颖 ,  章杰

IPC: G06K9/00 ,  G06K9/62

Abstract: 本发明涉及一种基于XGboost的静态手语识别系统，包括以下步骤：步骤S1:通过数据手套采集手部姿态角信息数据，包括三轴姿态角信息数据和手指弯曲度数据；步骤S2:通过wifi连接将收集到的三轴姿态角信息数据传输至计算机；步骤S3:通过计算机将采集到的三轴姿态角信息数据按照预定格式存储为数据集；步骤S4:采用XGboost对数据集进行训练，得到最优模型；步骤S5:将最优模型移植至Android端，并对姿态信息进行分类，得到分类结果后结合手指弯曲度数据后得到手语识别结果，并根据识别的词汇进行发声。本发明使用低维度的数据，模型结构简单，可以满足实时识别手语的要求，并且在准确度高，性能好。

公开(公告)号：CN109359702A

公开(公告)日：2019-02-19

申请号：CN201811529061.1

申请日：2018-12-14

Applicant: 福州大学

Inventor： 程树英 ,  林培杰 ,  卢箫扬 ,  陈志聪 ,  吴丽君 ,  章杰 ,  郑茜颖

IPC: G06K9/62 ,  G06N3/04 ,  H02S50/10

Abstract: 本发明涉及一种基于卷积神经网络的光伏阵列故障诊断方法，包括以下步骤：步骤S1:采集预设工况下的光伏发电阵列数据；步骤S2:根据得到的光伏发电阵列数据，进行图形绘制，得到时序曲线图，并将时序曲线图保存为图片作为样本数据；步骤S3:将所述样本数据分成训练集和验证集,并利用18层卷积神经网络、1层dropout层与1层全连接神经网络对训练集中的样本数据进行训练，得到故障诊断训练模型；步骤S4:根据得到的验证集和故障诊断训练模型，对所述实际待测工况下的光伏发电阵列数据进行诊断，判断光伏发电阵列是否处于故障状态以及故障类型。本发明可以准确识别出光伏组件正常与多个故障状态。

公开(公告)号：CN117411435A

公开(公告)日：2024-01-16

申请号：CN202311462767.1

申请日：2023-11-06

Applicant: 福州大学

Inventor： 林培杰 ,  郭烽 ,  卢箫扬 ,  程树英 ,  陈志聪 ,  吴丽君

IPC: H02S50/10 ,  G06F18/214 ,  G06F18/24 ,  G06N3/0464

Abstract: 本发明涉及一种基于1D VoVNet‑SVDD的光伏阵列开集复合故障诊断方法。由于光伏阵列常年暴露在室外，因此很容易出现各种故障。遮光条件、退化或灰尘覆盖会使故障信号更加复杂，形成复合故障。由于复杂的工作环境，在实际工作条件下可能会出现从未见过的未知故障类型。因此，准确诊断各种已知类型的单一故障和复合故障（闭集故障），以及识别未知故障（即开集故障诊断），对于提高运行和维护效率至关重要。本方法提出了一种基于一维VoVNet‑SVDD的光伏阵列开集故障诊断模型。故障特征由1D VoVNet网络自动提取，然后用于SVDD分类算法以构建模型。所提出的故障诊断方法不仅可以准确诊断出已知的单一故障和复合故障类型，而且还能识别未知类型的故障。

公开(公告)号：CN109660206B

公开(公告)日：2020-05-19

申请号：CN201811562127.7

申请日：2018-12-20

Applicant: 福州大学

Inventor： 林培杰 ,  程树英 ,  卢箫扬 ,  陈志聪 ,  吴丽君 ,  郑茜颖 ,  章杰

IPC: H02S50/10

Abstract: 本发明涉及一种基于Wasserstein GAN的光伏阵列故障诊断方法，首先对光伏阵列电流、电压时序数据进行采集；接着将获取的光伏阵列时序电流与时序电压数据绘制为曲线图形并保存为样本；然后设计Wasserstein GAN网络中的鉴别器D与生成器G；然后训练Wasserstein GAN中的鉴别器D生成器G；接着将训练得到的鉴别器D作为光伏阵列时序电流电压曲线图片的特征提取网络，采用全连接神经网络训练特征分类器，对特征提取网络得到的特征进行分类，得到光伏阵列时序电流电压数据的诊断模型。本发明所提出的基于Wasserstein GAN的光伏阵列时序电流电压数据的故障诊断方法，在无监督训练的基础上能够准确地对光伏阵列进行故障检测和分类。