基于数字孪生与深度学习的光伏阵列故障诊断与定位方法及系统

本发明公开了一种基于数字孪生与深度学习的光伏阵列故障诊断与定位方法及系统。该方法包括：构建光伏阵列数字孪生体，同步采集多源监测数据并转换为时频谱；构建孪生网络模型，通过三元组损失函数进行特征学习，提取高判别性深度特征；引入对抗迁移学习机制，通过特征生成单元与域判别器的对抗训练，实现跨工况域不变特征提取，提升诊断鲁棒性；采用多源域泛化策略，通过双分支网络提取域不变特征与域私有特征，施加差异性约束并自适应融合，构建面向未知工况的泛化诊断模型；将模型集成至数字孪生体，实现故障组件的精确定位与可视化。本发明解决了光伏阵列在数据稀缺、工况多变及未知环境下故障诊断精度低、泛化能力差的问题。