Comprehensive Fault Analysis in PV Arrays: From Pre-Diagnosis to Severity Evaluation via Current–Voltage Conversion
Rattachement africain : cn. Niveau de preuve : code pays fourni par la source.
Le résumé fourni par la source
The novel methodology is developed to achieve accurate and robust fault detection and diagnosis under diverse environmental conditions. The proposed approach utilizes current-voltage (I-V) conversion techniques to eliminating the impacts of environmental variations. First, fault pre-diagnosis is conducted by analyzing the degradation rates of maximum power derived from theoretical I-V curves. Second, the distinct attributes of common fault types are extracted to enable accurate fault classification. Third, feature extraction is performed using a combination of Deep Belief Networks and t-distributed Stochastic Neighbor Embedding (DBN-tSNE), which enhances the separability and compactness of fault features. These features, paired with fault labels, are used to train a Variable Predictive Model (VPM) for fault severity evaluation. Experimental validation demonstrates the effectiveness of the proposed approach through both simulated and measured I-V curves. The fault classification accuracy exceeds 99%, enabling precise differentiation among various fault types. The DBN-tSNE method significantly outperforms other feature extraction techniques, e.g., T-SNE. In addition, VPM exhibits the best performance among fault diagnosis models, achieving over 99% accuracy in severity evaluation while maintaining the shortest computational time. These results highlight that the proposed fault diagnosis methodology represents the optimal combination within the experimental scenarios considered in this study.
Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- Comprehensive Fault Analysis in PV Arrays: From Pre-Diagnosis to Severity Evaluation via Current–Voltage Conversion
- Date Crossref
- 01/10/2025
- Éditeur
- Institute of Electrical and Electronics Engineers (IEEE)
- Type
- journal-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Où se fait cette recherche
-
China Three Gorges Corporation (China) pays non établi dans la noticeEntreprise
-
Hohai University pays non établi dans la noticeUniversité ou école supérieure
-
Xinjiang New Energy Research Institute (China) pays non établi dans la noticeEntreprise
-
Three Gorges Group Science and Technology Research Institute pays non établi dans la noticeStructure de recherche
-
College of Mechanical and Electrical Engineering pays non établi dans la noticeUniversité ou école supérieure
-
Changjiang New Energy Company Ltd. Changjiang New Energy Co. pays non établi dans la noticeEntreprise
China Three Gorges Corporation (China), Hohai University et Xinjiang New Energy Research Institute (China), avec 3 autres affiliations.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.