Transformer Model-Based Fault Classification and Prediction Method for Photovoltaic Systems

LIN Jiang; CAI Xiaolong; ZHOU Jianqiao

doi:10.20204/j.sp.2025.04012

English Version Reader LoginJournal Login

您当前的位置：

首页 >

文章列表页 >

Transformer Model-Based Fault Classification and Prediction Method for Photovoltaic Systems

更新时间：2025-10-22

- Transformer Model-Based Fault Classification and Prediction Method for Photovoltaic Systems
- Vol. 53, Issue 4, Pages: 96-102(2025)
- 作者机构：
  
  上海交通大学电气工程学院,上海,200240
- 作者简介：
- 基金信息：
- DOI：10.20204/j.sp.2025.04012
  CLC：
- Published：2025
- 稿件说明：
移动端阅览
林江,蔡晓龙,周剑桥.基于Transformer模型的光伏系统故障分类与预测方法[J].智慧电力,2025,53(4):96-102.

doi:10.20204/j.sp.2025.04012
林江,蔡晓龙,周剑桥.基于Transformer模型的光伏系统故障分类与预测方法[J].智慧电力,2025,53(4):96-102. DOI： 10.20204/j.sp.2025.04012.

doi:10.20204/j.sp.2025.04012 DOI：

摘要

光伏系统故障分类对保障电力系统稳定运行至关重要。针对传统算法在相似场景下易混淆故障类型的问题，提出一种基于Transformer模型的光伏系统故障分类与预测方法。通过光伏仿真系统构建包含无故障、轻微遮蔽、中等遮蔽及重度遮蔽下短路故障的多故障类型数据集，基于Transformer混合架构模型利用自注意力机制捕捉故障特征全局关联性，结合U-Net解码器优化时序特征提取，利用ReLU激活函数与Adam优化器动态调整参数，并采用SoftMax函数实现多级故障分类。仿真分析表明，所提方法可有效捕捉故障特征的时空交互规律，在复杂故障场景下展现出更高分类精度与鲁棒性，为光伏系统故障诊断提供可靠方案。

Abstract

Fault classification in photovoltaic （PV） systems is crucial for ensuring the stable operation of power systems. To address the limitations of traditional algorithms， which are prone to misclassifying fault types under similar scenarios， this paper proposes a Transformer model-based method for PV system fault classification and prediction. A multi-fault dataset is constructed through PV system simulations， encompassing no-fault conditions， partial shading （mild， moderate， and severe）， and short-circuit faults. The proposed Transformer hybrid architecture leverages self-attention mechanisms to capture global dependencies among fault features， integrates a U-Net decoder to optimize temporal feature extraction， dynamically adjusts parameters via ReLU activation functions and the Adam optimizer， and employs SoftMax functions for multi-level fault classification. Simulation results demonstrate that the proposed method effectively captures the spatiotemporal interaction patterns of fault characteristics， exhibiting superior classification accuracy and robustness in complex fault scenarios. This approach provides a reliable solution for PV system fault diagnosis.

关键词

Keywords

references

HAEGEL N M，KURTZ S R.Global progress toward renewable electricity：tracking the role of solar[J].IEEE Journal of Photo-voltaics，2021，11（6）：1335-1342.

王小宇，刘波，孙凯，等.光伏阵列故障诊断技术综述[J].电工技术学报，2024，39 （20）：6526-6543.

李楠，刘佳佳，赖心怡，等.基于时间序列神经分层插值模型的光伏功率超短期多步预测[J].智慧电力，2024，52 （4）：69-77.

邱书琦，蹇照民，方立雄，等.基于变分模态分解和集成学习的光伏发电预测[J].智慧电力，2024，52 （3）：32-38.

高剑，郭倩，卫东，等.基于等效电路模型参数计算的光伏组件隐裂故障诊断方法[J].太阳能学报，2024，45 （5）：481-489.

李智华，张宇浩，吴春华，等.基于动态指标的光伏组件健康程度诊断[J].电网技术，2024，48 （2）：597-606.

马铭遥，王海松，马文婷，等.基于S-V特性分析的晶硅光伏组件阴影遮挡故障诊断[J].太阳能学报，2022，43 （9）：64-72.

马铭遥，张志祥，刘恒，等.基于Ⅰ-Ⅴ特性分析的晶硅光伏组件故障诊断[J].太阳能学报，2021，42 （6）：130-137.

魏缪宇，卫东，郭倩，等.局部异物遮挡状态下光伏单元输出特性与故障诊断方法[J].太阳能学报，2021，42 （5）：260-266.

张健，赵咪，黄毅，等.基于CLD-COA-ELM的光伏阵列故障诊断方法研究[J].太阳能学报，2025，46 （1）：632-640.

杨淇，孟羽，陈思磊，等.基于注意力机制的光伏系统故障电弧检测与定位研究[J].中国电机工程学报，2024，44 （19）：7840-7852.

吕游，郑茜，齐欣宇，等.基于改进EfficientNet的红外图像光伏组件故障识别研究[J].仪器仪表学报，2024，45 （4）：175-184.

刘卫亮，姜锴越，许之胜，等.基于数字孪生与融合神经网络的光伏阵列故障诊断[J].太阳能学报，2024，45（11）：303-312.

林珊，赵涛，农兴中，等.相间短路故障条件下级联H桥光伏逆变器的有功功率回流抑制策略[J].太阳能学报，2024，45 （3）：470-479.

赵洪山，胡浈，魏伟，等.考虑相关性的配电网分布式光伏承载能力提升方法[J].电力系统保护与控制，2025，53（1）：37-46.

陈泽，刘文泽，王康德，等.光伏阵列故障诊断的可解释性智能集成方法[J].电力自动化设备，2024，44 （6）：18-25.

JASINSKI M，HOMAEE O，OPAŁAWSKI D，et al.On the forecastability of solar energy generation by rooftop panels pointed in different directions[J].IEEE Transactions on Sustainable Energy，2024，15（1）：699-702.

KHARAZI S，AMJADY N，NEJATI M，et al.A new closed-loop solar power forecasting method with sample selection[J].IEEE Transactions on Sustainable Energy，2024，15（1）：687-698..

张彼德，邱杰，娄广鑫，等.基于CNN和Transformer的轻量化电能质量扰动识别模型[J].电力工程技术，2025，44 （1）：69-78.

高发骏，王怀远，党然.基于Transformer的暂态稳定评估模型的可解释性分析与模型更新研究[J].电力系统保护与控制，2023，51 （17）：15-25.

周海成，石恒初，曾令森，等.基于关系超图增强Transformer的智能站二次设备故障诊断研究[J].电力系统保护与控制，2024，52 （12）：123-132.

孟衡，张涛，王金，等.基于多尺度时空图卷积网络与Transformer融合的多节点短期电力负荷预测方法[J].电网技术，2024，48 （10）：4297-4311.

韩晓，王涛，韦晓广，等.考虑阵列间时空相关性的超短期光伏出力预测[J].电力系统保护与控制，2024，52（14）：82-94.

李刚，李超臣，王雅文，等.局部阴影下光伏电池最大功率点跟踪方法[J].电测与仪表，2023，60 （2）：45-52.

杨峻，彭乔，蔡永翔，等.考虑最大功率点估计模型校准的光伏功率备用控制[J].电力工程技术，2024，43 （6）：12-20，52.

刘沁怡，钟启迪，王诗雯，等.不对称故障下低电压穿越的多目标解耦控制策略[J].电力工程技术，2024，43 （1）：108-116.

晏璐，陈浈斐，刘喜泉，等.考虑旁路二极管故障的光伏组件数学建模及功率特性分析研究[J].智慧电力，2023，51 （2）：84-90.

周海成，石恒初，曾令森，等.基于关系超图增强Transformer的智能站二次设备故障诊断研究[J].电力系统保护与控制，2024，52 （12）：123-132.

陈伟，孙存育，裴婷婷，等.计及劣化状态和随机故障的光伏发电系统视情维修模型以及最优检修策略[J].电力系统保护与控制，2024，52（12）：154-166.

陈春，曹伯仲，曹一家，等.高比例分布式电源接入下基于变分模态分解的励磁涌流辨识[J].电力系统保护与控制，2024，52（20）：94-104.

王瑞，靳鑫鑫，逯静.SVMD-PE-BP-Transformer短期光伏功率预测[J].电网与清洁能源，2024，40（8）：141-150.

童潇宁，王月强，仇张权，等.基于数据驱动多面体集合的交直流混合配电网鲁棒调度方法[J].电力系统保护与控制，2024，52（3）：38-50.

何云霄，卫东，郭倩，等.基于时间序列特征提取的光伏组件老化故障诊断方法[J].太阳能学报，2024，45（11）：204-211.

GHADEER B，MAHMOUD D.Short term performance and degradation trends in bifacial versus monofacial PV systems: a U.K. case study[J]. IEEE Journal of Photovoltaics，2024，14（5）：861-864.

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Fault Classification in Distribution Network Based on CNN-SVM

Mid-long-term Power Load Forecasting Based on Wavelet Neural Network

Probe into Application of Ada-BP Neural Network Improved Algorithm in Electric Power Load Forecasting

Early Warning of Insulator Pollution Flashover Based on BP Network and Meteorological Statistics

Probe into Thermal Resistance Characteristic Approximating Based on Improved BP Algorithm and Design of VI for Measuring Temperature

Related Author

XU Bo4

GONG Zheng3

LIU Qi2

ZHANG Yumin1

CHEN Jinshuo1

JI Xingquan1

贺晓

刘爱国

Related Institution

State Grid Energy Research Institute Co.， Ltd.

State Grid Weifang Power Supply Company

Key Laboratory of Smart Grid of Ministry of Education， Tianjin University

1. College of Electrical Engineering and Automation， Shandong University of Science and Technology

Laboratory of System Integrated and Faults Diagnostics, Wuhan University

AI问答

⁰