基于改进深度Q网络的光伏阵列复合故障诊断方法

doi:10.3969/j.issn.1000-1565.2026.05.005

河北大学学报(自然科学版) ›› 2026, Vol. 46 ›› Issue (5): 495-505.DOI: 10.3969/j.issn.1000-1565.2026.05.005

基于改进深度Q网络的光伏阵列复合故障诊断方法

陈家辉¹,范彬斌²,张广辉¹,王爽¹,张立梅¹

收稿日期:2026-02-07 出版日期:2026-09-25 发布日期:2026-09-15
通讯作者: 河北省自然科学基金项目(F2024204007);中国电力科学院有限公司项目(PDB51202400312)
作者简介:陈家辉(1999—),男,河北农业大学在读硕士研究生,主要从事分布式光伏故障检测方向研究. E-mail:fascinating99@126.com

Photovoltaic array multiple fault diagnosis method based on improved deep Q-network

CHEN Jiahui¹,FAN Binbin²,ZHANG Guanghui¹,WANG Shuang¹,ZHANG Limei¹

1. College of Information Science and Technology, Hebei Agricultural University, Baoding 071000, China; 2. International College, Hebei University, Baoding 071002, China

Received:2026-02-07 Online:2026-09-25 Published:2026-09-15

摘要/Abstract

摘要： 为了提高不平衡样本下光伏阵列复合故障诊断准确率,本文提出了改进深度Q网络(deep Q-network,DQN)的故障诊断方法.考虑到实际光伏故障数据稀缺的问题,通过搭建MATLAB/Simulink仿真模型生成包含正常、开路、短路、老化、阴影及其复合故障的16类样本数据,并提取电压、电流、功率等11维故障特征,构建高质量样本数据集.针对正常样本和故障样本不平衡问题,基于不平衡比例设计动态奖励机制,构建适合光伏故障诊断的不平衡分类马尔可夫决策过程,建立DQN故障诊断模拟环境.结合光伏故障数据的时序特性,通过引入双向长短期记忆网络(BiLSTM)与注意力机制改进DQN动作网络,提取光伏数据时序关联特征,并基于时间差分误差(TD-error)的优先经验回放,提高算法稳定性并加速收敛.仿真对比结果表明:所提算法在3种故障数据集中的准确率达97.30%、96.77%和96.52%,对比未改进DQN算法分别提升6.47、8.60和6.23个百分点,在不平衡数据集上对比传统监督学习算法表现出更好的诊断能力.

关键词: 光伏阵列, 故障诊断, 不平衡, 深度Q网络, 马尔可夫

中图分类号:

TK513.5

陈家辉, 范彬斌, 张广辉, 王爽, 张立梅. 基于改进深度Q网络的光伏阵列复合故障诊断方法[J]. 河北大学学报(自然科学版), 2026, 46(5): 495-505.

CHEN Jiahui, FAN Binbin, ZHANG Guanghui, WANG Shuang, ZHANG Limei. Photovoltaic array multiple fault diagnosis method based on improved deep Q-network[J]. Journal of Hebei University(Natural Science Edition), 2026, 46(5): 495-505.

参考文献

[1] 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. DOI:10.19595/j.cnki.1000-6753.tces.231327.
[2] 赵智强,帕孜来·马合木提,刘行行,等.光伏逆变器IGBT器件接线故障诊断方法[J].河北大学学报(自然科学版), 2024, 44(1): 17-26. DOI:10.3969/j.issn.1000-1565.2024.01.003.
[3] 白牧可,钱志研,段祥骏,等.基于进化算法和长短期记忆网络的光伏阵列多类型复合故障诊断方法[J].太阳能学报, 2026, 47(3): 625-634. DOI:10.19912/j.0254-0096.tynxb.2024-1927.
[4] Phan B C, Lai Y C, Lin C E. A deep reinforcement learning-based MPPT control for PV systems under partial shading condition[J]. Sensors, 2020, 20(11): 3039. DOI:10.3390/s20113039.
[5] 彭自然,许怀顺,肖伸平,等.基于HPO-CatBoost的光伏阵列故障诊断模型[J].太阳能学报, 2025, 46(7): 663-673. DOI:10.19912/j.0254-0096.tynxb.2024-0409.
[6] 张思佳,魏业文,白广华,等.基于mRMR特征选择和PO-LightGBM的光伏阵列故障诊断[J/OL].电源学报, 2025-05-14. https://link.cnki.net/urlid/12.1420.tm.20250513.1839.006.
[7] 赵靖英,吴晶晶,张雪辉,等.基于萤火虫扰动麻雀搜索算法-极限学习机的光伏阵列故障诊断方法研究[J].电网技术, 2023, 47(4): 1612-1625. DOI:10.13335/j.1000-3673.pst.2022.1165.
[8] 顾崇寅,徐潇源,王梦圆,等.基于CatBoost算法的光伏阵列故障诊断方法[J].电力系统自动化, 2023, 47(2): 105-114.DOI: 10.7500/AEPS20211123004.
[9] Amiri A F, Oudira H, Chouder A, et al. Faults detection and diagnosis of PV systems based on machine learning approach using random forest classifier[J]. Energy Convers Manag, 2024, 301: 118076. DOI:10.1016/j.enconman.2024.118076.
[10] 昌千琳,罗永捷,王强钢,等.基于I-V曲线全局特征提取的光伏组串Swin-Transformer故障诊断方法[J].电工技术学报, 2025, 40(23): 7664-7676. DOI:10.19595/j.cnki.1000-6753.tces.242073.
[11] 张子洵,魏业文,张轲钦,等.基于ICOA-XGBoost的光伏阵列复合故障诊断研究[J].太阳能学报, 2025, 46(5): 251-259. DOI:10.19912/j.0254-0096.tynxb.2024-0019.
[12] 史洪岩,彭云喆.基于Transformer-BiLSTM并行网络的光伏阵列复合故障诊断[J/OL].电源学报, 2025-06-18. https://link.cnki.net/urlid/12.1420.tm.20250617.1557.011.
[13] Ding Y, Ma L, Ma J, et al. Intelligent fault diagnosis for rotating machinery using deep Q-network based health state classification: a deep reinforcement learning approach[J]. Adv Eng Inform, 2019, 42: 100977. DOI:10.1016/j.aei.2019.100977.
[14] AlMahamid F, Grolinger K. Reinforcement learning algorithms: an overview and classification[C] //2021 IEEE Canadian Conference on Electrical and Computer Engineering(CCECE). September 12-17, 2021. ON, Canada. IEEE, 2021: 1-7. DOI:10.1109/ccece53047.2021.9569056.
[15] Lin E L, Chen Q, Qi X M. Deep reinforcement learning for imbalanced classification[J]. Appl Intell, 2020, 50(8): 2488-2502. DOI:10.1007/s10489-020-01637-z.
[16] 王元章,李智华,吴春华.一种四参数的光伏组件在线故障诊断方法[J].中国电机工程学报, 2014, 34(13): 2078-2087. DOI:10.13334/j.0258-8013.pcsee.2014.13.009.
[17] Mnih V, Kavukcuoglu K, Silver D, et al. Human-level control through deep reinforcement learning[J]. Nature, 2015, 518(7540): 529-533. DOI:10.1038/nature14236.
[18] Barron E N, Ishii H. The Bellman equation for minimizing the maximum cost[J]. Nonlinear Anal Theory Meth Appl, 1989, 13(9): 1067-1090. DOI:10.1016/0362-546X(89)90096-5.
[19] 罗凯元,刘光宇,毛嘉铭.基于改进BiLSTM模型的光伏阵列故障诊断[J].电源学报, 2026, 24(5): 239-247. DOI:10.13234/j.issn.2095-2805.2026.5.239.
[20] 黄雄峰,段熙尧,黄明,等.基于数据驱动的换流阀用IGBT模块芯片焊料层状态评估[J].河北大学学报(自然科学版), 2025, 45(1): 10-19. DOI:10.3969/j.issn.1000-1565.2025.01.002.
[21] Schaul T, Quan J, Antonoglou I, et al. Prioritized experience replay[J]. Computer Science, 2015. DOI:10.48550/arXiv.1511.05952.
[22] Espíndola R P, Ebecken N F F. On extending F-measure and G-mean metrics to multi-class problems[C] //WIT Transactions on Information and Communication Technologies. May 4-6, 2005. Skiathos, Greece. WIT Press, 2005: 25-34. DOI:10.2495/data050031.

基于改进深度Q网络的光伏阵列复合故障诊断方法

Photovoltaic array multiple fault diagnosis method based on improved deep Q-network

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 12

编辑推荐

Metrics

本文评价

[1]	胡桂开,代祉含. 基于动态边界过采样与改进KNN的不平衡数据分类算法[J]. 河北大学学报(自然科学版), 2026, 46(4): 413-423.
[2]	李建宇,程姣姣,朱和明,郑文培. 基于卷积神经网络的涡流热成像检测技术[J]. 河北大学学报(自然科学版), 2025, 45(6): 653-660.
[3]	郝紫阳,张晓宣,冯贺平. 基于滑动窗多时频脊线提取的滚动轴承变转速故障诊断[J]. 河北大学学报(自然科学版), 2025, 45(5): 551-560.
[4]	赵智强,帕孜来·马合木提,刘行行,周昂. 光伏逆变器IGBT器件接线故障诊断方法[J]. 河北大学学报(自然科学版), 2024, 44(1): 17-26.
[5]	庞彬,周紫烨,齐晓帆,郑涵升. 双馈异步风力发电机转子匝间短路故障振动特性分析[J]. 河北大学学报(自然科学版), 2024, 44(1): 9-16.
[6]	刘玉鑫,武文博,张雄,万书亭. 基于HHO-CNN的轴承故障诊断方法研究[J]. 河北大学学报(自然科学版), 2023, 43(6): 571-583.
[7]	魏明军,张鑫楠,刘亚志,周太宇. 一种基于SSA-BRF的网络入侵检测方法[J]. 河北大学学报(自然科学版), 2022, 42(5): 552-560.
[8]	郝真鸣, 李承旺, 张超岩, 冉宁. 一种有界Petri网的可诊断性验证方法[J]. 河北大学学报(自然科学版), 2022, 42(1): 8-15.
[9]	顾志华,商秀印. 加权马尔可夫链在保定地区降雨量预测中的应用[J]. 河北大学学报(自然科学版), 2014, 34(4): 351-356.
[10]	石建国,商秀印,张瑞雪. 基于BP神经网络的沼气工程故障诊断专家系统[J]. 河北大学学报(自然科学版), 2013, 33(1): 102-106.
[11]	赵桂华,王黎明. 带泊松跳马尔可夫调制随机微分方程的渐近稳定性[J]. 河北大学学报(自然科学版), 2011, 31(6): 578-580.
[12]	王兰勋,王贵贵,尹超,田晓燕. 基于HMM信源估计和LDPC的联合信源信道译码[J]. 河北大学学报(自然科学版), 2008, 28(2): 209-213.