共查询到20条相似文献,搜索用时 15 毫秒
1.
光伏阵列是光伏系统中非常重要的组成部分。传统的BP神经网络诊断算法有着精度低、收敛速度慢等缺点,为了精确地诊断出光伏阵列内部的故障位置及其类型,通过分析阵列开路、短路、老化、阴影和电池板裂片5种故障,提出了一种改进型RBF神经网络的故障诊断识别算法。首先,建立RBF神经网络的光伏阵列故障诊断模型,确定基于遗传算法的故障模型隐层中心的确定方法,然后针对基于粒子群优化算法的网络模型进行自适应权重寻优的仿真实验。最后,将优化的算法与传统RBF神经网络算法进行对比。结果表明:该优化算法不仅可以有效地诊断光伏阵列的故障类型,还可以提高故障诊断的准确率。 相似文献
2.
针对传统BP神经网络在光伏阵列故障诊断时受初始权值阈值的影响,易导致全局搜索过程陷入局部最优这一问题,提出了一种基于改进麻雀搜索算法优化RBF神经网络(ISSA-RBF)的光伏故障诊断方法。首先,利用Matlab建立光伏阵列故障仿真模型,提取出故障诊断模型的特征参数;其次,融入Levy飞行和自适应权重φ对麻雀搜索算法进行改进,用优化后的算法建立ISSA-RBF故障诊断模型;最后,与传统BP和SSA-RBF模型进行对比验证,实验结果表明,ISSA-RBF模型在故障诊断精度上达到94.8%,可以有效诊断光伏阵列的故障类型。 相似文献
3.
光伏电站大多地处恶劣环境,易出现多种类型故障,目前光伏阵列故障的精确识别与定位存在较大困难。为此,提出一种基于门控循环(GRU)神经网络的光伏阵列故障识别与定位策略。首先搭建了光伏电站仿真模型,采用扰动观测法实现光伏组件的最大功率跟踪;通过开展不同类型光伏阵列故障模拟试验,分析确定故障特征参数;然后采集不同故障的样本集,建立基于GRU神经网络的故障诊断模型;最后分别通过仿真模型与光伏实验平台与BP神经网络模型进行对比验证。验证结果表明,GRU神经网络故障诊断模型能够更加准确地识别与定位光伏阵列故障,可用于指导光伏电站日常维护,提高电站的经济效益。 相似文献
4.
光伏阵列多安装在较恶劣的室外环境中,因此在运行过程中常会发生故障。为辨别光伏阵列故障类型,提出了基于L-M算法的BP神经网络的故障诊断方法。在深入分析不同故障状态下光伏阵列输出量变化规律的基础上,确定了故障诊断模型的输入变量。本方法无需额外的设备支持,具有简便、成本低的优点;可以在线实时地进行故障诊断。仿真和初步实验结果验证了基于BP神经网络的故障诊断方法可以有效地检测出光伏阵列短路、断路、异常老化及局部阴影等四种故障。 相似文献
5.
6.
针对传统并网光伏发电系统在电网故障条件下穿越控制策略的不足,提出一种基于自适应模糊神经网络的光伏发电系统并网控制方法。该方法在电网电压突变和跌落情况下能够快速地调整光伏发电系统的工作模式,以适应光伏阵列最大输出功率和并网逆变器额定容量以及最大输出电流限制,具有稳定性强、跟踪速度快等优点。给出了控制策略总体架构,阐述了电网故障控制器运行模式切换策略,建立了自适应模糊神经网络算法的数学模型。在Matlab/Simulink软件平台下搭建了仿真模型,验证了控制策略的有效性。 相似文献
7.
针对基于传统机器学习算法的光伏阵列故障诊断方法需要大量训练集的问题,提出了基于CatBoost算法的故障诊断方法,实现小规模训练集下不同程度故障的准确诊断。建立了光伏组件等效电路模型,考虑短路、开路、老化、局部阴影下不同程度的光伏阵列故障,分析包含旁路二极管和阻塞二极管的光伏阵列的伏安特性曲线变化特性,构建反映不同故障特性的特征量,作为光伏阵列故障诊断方法的输入向量。使用CatBoost算法对小规模训练集进行训练,建立基于CatBoost算法的故障诊断模型。为验证所提方法的效果,分别进行了仿真和实验分析。将所提方法与传统神经网络算法、其他决策树算法进行对比,验证了所提方法在小规模训练集下的准确性与稳定性。 相似文献
8.
基于BP神经网络的光伏组件在线故障诊断 总被引:2,自引:0,他引:2
为了提高光伏系统的发电效率,同时降低人工维护的成本,提出了一种基于 BP(back propagation)神经网络的光伏组件在线故障诊断策略;分析了光伏组件短路和异常老化故障的成因,并在 Matlab 中对光伏组件故障状态下的输出特性进行了仿真研究。根据仿真结果并结合光伏组件的数学模型,总结了光伏组件的故障规律,建立了BP神经网络故障诊断模型及模拟光伏组件各种故障的仿真模型。用该模型采集了适合神经网络训练的样本,并对神经网络诊断模型进行了训练。结合光伏功率优化器,进行了组件在线故障诊断的仿真和实验研究,结果验证了文中方法的正确性、有效性和环境适应性。 相似文献
9.
10.
由于光伏组件的非线性输出特性,传统故障保护装置难以检测到所有故障,从而导致光伏阵列出现安全问题和火灾危险。针对传统故障保护装置存在的缺陷问题,提出一种基于半监督机器学习(semi-supervised machine learning,SSML)算法的光伏阵列故障诊断模型,模型利用参考光伏组件将光伏阵列电压与电流归一化,通过半监督机器学习算法分析光伏阵列工作点状态,进而检测故障和识别故障类型。该故障诊断模型仅需要少量容易测量的标签数据,且对环境变化有较强适应能力。最后,通过仿真和实验,验证该故障诊断模型的有效性。 相似文献
11.
为了提高光伏系统的发电效率,同时降低人工维护的成本,提出了一种基于BP(back propagation)神经网络的光伏组件在线故障诊断策略;分析了光伏组件短路和异常老化故障的成因,并在Matlab中对光伏组件故障状态下的输出特性进行了仿真研究。根据仿真结果并结合光伏组件的数学模型,总结了光伏组件的故障规律,建立了BP神经网络故障诊断模型及模拟光伏组件各种故障的仿真模型。用该模型采集了适合神经网络训练的样本,并对神经网络诊断模型进行了训练。结合光伏功率优化器,进行了组件在线故障诊断的仿真和实验研究,结果验证了文中方法的正确性、有效性和环境适应性。 相似文献
12.
针对依靠人工检查光伏阵列是否需要清洗的效率低,机器人定期清洗又会造成资源浪费的问题,文章提出一种基于卷积神经网络(Convolution Neural Network,CNN)的光伏阵列污染报警系统。该系统通过采集受污染和未受污染的光伏阵列图像作为训练集训练CNN神经网络,将训练好的模型嵌入网站后端,再定期采集光伏阵列图像,通过CNN神经网络模型识别是否受到污染,当光伏阵列受到污染时由前端显示报警信息。实验结果表明:该系统识别精度达97.6%,系统工作稳定,具有较强的实用价值。 相似文献
13.
14.
《中国电机工程学报》2010,(Z1)
分析了光伏阵列的故障点及其成因,将各种故障总结为不同性质的阴影问题,建立阴影下光伏阵列输出数学模型。利用Matlab对光伏阵列在阴影情况下的输出特性进行了仿真,总结了光伏阵列在故障状态下故障电池板的电压电流输出特性。在此基础上提出一种输出电压电流扫描,对阵列中电池板电压异常进行判断的故障诊断策略。搭建实验平台对提出的故障诊断策略进行了实验,结果验证了所提方法的正确性。最后提出了多层次的光伏阵列故障诊断方法。 相似文献
15.
为解决并入配电网的光伏系统功率波动性导致输电线电流保护拒/误动问题,提出一种基于LIBSVM 的PV并网系统输电线电流保护自适应策略。基于Matlab/Simulink仿真平台搭建了结合低电压穿越控制策略模型的并网光伏系统动态仿真模型。在不同故障位置与故障类型情况下,针对正常运行时光伏功率的波动输出,仿真分析了光伏系统与低电压穿越控制策略协调下的故障特性及对配电网输电线电流保护产生的影响。在此基础上提出了一种基于支持向量机(SVM)识别PV并网系统不同输出功率时等效阻抗的方法,制定了输电线电流自适应保护判据,依据光伏系统输出功率和运行方式变化动态调整整定值。仿真验证表明:所提出的自适应保护策略避免了保护拒/误动,提高了保护装置性能。 相似文献
16.
17.
18.
19.
BP神经网络在进行光伏阵列故障检测时,故障诊断性能易受局部极值影响,且收敛速度过慢.针对这一问题,利用遗传算法(GA)的全局搜索能力,找到BP神经网络初始权值阈值的最优解,可以有效克服BP神经网络上述缺陷,并高效完成对光伏阵列的故障诊断.对比光伏阵列正常状态与不同故障状态下的输出特性,选定电压电流作为输入,故障状态为输出,建立GA-BP故障诊断模型,将经过遗传算法优化后的BP神经网络与经典的BP神经网络相比较,通过仿真验证,GA-BP神经网络不仅可以更快速地进行故障诊断,还提高了故障诊断的准确率. 相似文献
20.
为提高光伏阵列故障诊断的精度,提出一种基于核主成分分析(KPCA)和改进麻雀搜索算法(ISSA)优化核极限学习机(KELM)的光伏故障诊断方法。利用KPCA降维提取故障数据的非线性特征,减少外界条件产生的冗余数据,有效提高复杂故障识别准确率。通过融入Levy飞行和自适应权重t对麻雀搜索算法进行改进,并利用ISSA对KELM中的核参数γ和正则化系数C进行优化,建立了基于KPCA-ISSA-KELM的光伏阵列故障诊断模型。实验结果表明,经ISSA优化KELM的光伏阵列故障诊断模型与其他光伏阵列诊断模型相比,在故障诊断精度上达到97%,验证了该模型的准确性和有效性。 相似文献