铁素体-渗碳体微观结构对C75S钢拉伸性能和切削性能的影响 雅罗斯瓦夫·卡奇马尔奇克（Jaros?aw Kaczmarczyk）

《Materials》：Impact of Ferrite–Cementite Microstructure on Tensile and Cutting Behaviour of C75S Steel Jaros?aw Kaczmarczyk

　　

摘要

光伏（PV）能源的利用近年来显著增长，使其成为发展最快的可再生能源技术。这种部署的增长凸显了监测光伏系统的重要性，这已成为一个日益关键的研究领域。然而，对监测的重视也暴露出一个主要挑战：各种类型的故障往往未能被检测到，可能导致性能严重下降。本研究提出了一种基于机器学习的故障分类方法，该方法结合了主成分分析（PCA）进行特征提取，以及使用Kullback–Leibler（KL）散度进行基于分布的分类。该方法应用于一个公开可用的数据集，该数据集涉及一个5千瓦光伏电站的多个运行条件下的电压、电流、温度和辐照度测量数据：正常运行、短路、开路、部分遮挡和性能退化。采用专门的归一化策略和最优bin宽度选择来提高概率密度函数估计的稳定性和准确性。实验结果表明，与现有方法相比，所提出的PCA–KLD框架在相同数据集上的准确率更高。这些结果证实了该方法在光伏系统故障分类中的有效性和鲁棒性，并强调了其在处理复杂故障场景中的潜力。