买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉浙江工业大学申请的专利一种基于数字孪生技术的光伏发电系统故障诊断方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119696505B 。

龙图腾网通过国家知识产权局官网在2025-10-03发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411753072.3，技术领域涉及：H02S50/00；该发明授权一种基于数字孪生技术的光伏发电系统故障诊断方法是由郭方洪;许伟;李生炜;吴旻诚;吴祥;董辉;倪洪杰;张文安设计研发完成，并于2024-12-02向国家知识产权局提交的专利申请。

本一种基于数字孪生技术的光伏发电系统故障诊断方法在说明书摘要公布了：本发明公开了一种基于数字孪生技术的光伏发电系统故障诊断方法，包括获取待诊断光伏发电系统预设时间段内的环境温度、太阳光辐照度、光伏阵列电压和光伏阵列电流，根据待诊断光伏发电系统对应时刻的光伏阵列电压和光伏阵列电流，计算相应时刻的光伏阵列功率。本基于数字孪生技术的光伏发电系统故障诊断方法通过将实际获取的环境温度、太阳光辐照度、光伏阵列电压和光伏阵列电流与仿真得到的环境温度、太阳光辐照度、光伏阵列电压和光伏阵列电流之间作差构建残差向量，再根据残差向量判断光伏发电系统是否存在故障，并通过故障诊断对故障的类别做进一步的诊断，可以在只有小规模数据训练的情况下，对实际故障类别进行有效判别。

本发明授权一种基于数字孪生技术的光伏发电系统故障诊断方法在权利要求书中公布了：1.一种基于数字孪生技术的光伏发电系统故障诊断方法，其特征在于：所述基于数字孪生技术的光伏发电系统故障诊断方法包括： 步骤1、获取待诊断光伏发电系统预设时间段内的环境温度、太阳光辐照度、光伏阵列电压和光伏阵列电流； 步骤2、根据待诊断光伏发电系统对应时刻的光伏阵列电压和光伏阵列电流，计算相应时刻的光伏阵列功率，并将待诊断光伏发电系统对应时刻的光伏阵列电压、光伏阵列电流和光伏阵列功率与预设的光伏阵列电压、光伏阵列电流和光伏阵列功率之间作差构建残差向量； 其中，所述预设的光伏阵列电压、光伏阵列电流和光伏阵列功率通过仿真光伏发电系统得到，通过仿真光伏发电系统仿真得到正常数据和异常数据，其中正常数据和异常数据均包括环境温度、太阳光辐照度、光伏阵列电压和光伏阵列电流； 步骤3、将各残差向量与预设的阈值向量进行比较，判断待诊断光伏发电系统对应时刻是否存在故障； 步骤4、当存在故障时，将待诊断光伏发电系统存在故障时对应时刻的环境温度、太阳光辐照度、光伏阵列电压和光伏阵列电流输入至训练好的故障诊断模型，其中故障诊断模型包括预设数量的决策树和softmax层，将每个决策树的输出进行加权求和得到故障诊断模型的输出； 其中，训练所述故障诊断模型过程中： 步骤4.1、将仿真光伏发电系统仿真得到的正常数据和异常数据组成训练数据集，将训练数据集中相应时刻对应的环境温度、太阳光辐照度、光伏阵列电压和光伏阵列电流四个类别特征作为一个样本，且训练数据集包含多个样本，并对每个样本设置类别标签； 步骤4.2、将每个样本的类别特征转化为数值型特征，且公式如下： ； 其中，； 其中，表示第个样本第个类别特征转化为数值型特征对应的数值，表示训练数据集的样本数，表示第个样本的类别标签，表示第个样本中第个类别特征，表示第个样本中第个类别特征，表示指示函数，表示正则化强度，表示先验项； 步骤4.3、构建故障诊断模型中的每个决策树时，将训练数据集作为根节点； 对于当前决策树的每个非叶子节点： 步骤4.4、对于每个类别特征，计算当前非叶子节点的所有样本中各类别特征对应数值的平均值，并将各类别特征的平均值作为候选分裂节点，分别将小于平均值和大于等于平均值的对应类别特征所属的样本作为左右两个候选子节点； 步骤4.5、分别计算左右两个候选子节点的损失函数的值，并将左右两个候选子节点的损失函数的值进行加权求和，作为对应候选分裂节点的总损失； 步骤4.6、将各候选分裂节点的总损失与其父节点进行比较，选择总损失减少最大的候选分裂节点作为分裂节点，并按照相应的左右两个候选子节点进行分裂； 重复步骤4.4‑步骤4.6，直到决策树达到预设深度或所有候选分裂节点的总损失相对其父节点保持不变，则不再进行分裂，得到当前决策树； 步骤4.7、根据当前决策树的输出，以及最小化损失函数，确定下一棵决策树的参数和权重，且公式如下： ； 其中，； ； ； ；其中，表示第棵决策树的输出，表示第棵决策树的输出，表示第棵决策树的权重，表示第棵决策树的权重，表示经过加权后第棵决策树的输出，表示经过加权后第棵决策树的输出，表示决策树的输入，即训练数据集，表示第棵决策树参数，表示第棵决策树参数，表示损失函数，且为交叉熵损失函数，表示训练数据集中第个样本，表示训练数据集中第个样本的损失函数的负梯度，表示表示第个样本的类别标签； 步骤4.8、将当前所有决策树的输出进行加权求和得到故障诊断模型的输出，再将故障诊断模型的输出经过softmax层，得到预测的故障类别，再利用损失函数计算损失； 步骤4.9、不断增加决策树的棵树，直到达到预设棵树，或损失函数值收敛，则得到训练好的故障诊断模型，且故障诊断模型的输出用公式表示如下： ； 其中，表示故障诊断模型的输出，表示故障诊断模型中决策树的数量； 步骤5、将故障诊断模型的输出经过softmax层，得到待诊断光伏发电系统存在故障时对应时刻的故障类别。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人浙江工业大学，其通讯地址为：310014 浙江省杭州市下城区潮王路18号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。