摘要
在复杂且不断变化的条件下，准确的故障检测对于并网光伏系统的安全可靠运行至关重要。然而，现有的数据驱动方法往往受到标记故障数据稀缺以及处理复杂多变量时间依赖关系能力有限的制约。为应对这些挑战，本文首先构建了一个逼真的并网光伏系统仿真模型，生成了大量涵盖不同故障场景及运行条件下的标记多变量时间序列故障数据。这些仿真数据补充了有限的真实世界测量数据，提升了故障检测的覆盖范围和模型的泛化能力。在此基础上，本文提出了一种双通道增强型Mamba模型用于光伏故障检测。该模型将时间建模和变量建模分离到两个独立的通道中，从而能够分别提取全局时间依赖关系和变量内部动态特性。大量实验表明，所提出的方法在准确性、精确度、召回率及F1分数方面均优于多种主流时间序列分类方法，证明了其在并网光伏系统的数据驱动故障检测中具有高效且可扩展的适用性。
