基于XGBoost算法的光伏阵列故障诊断方法研究

针对光伏阵列故障频发，且无法及时有效在线对故障类型进行识别的问题，提出了一种基于极度梯度提升(XGBoost)算法对光伏阵列进行故障诊断的方法。首先，基于Matlab Simulink仿真技术，建立光伏阵列仿真模型，针对正常、开路、短路、老化、阴影遮挡5种光伏阵列运行状态进行仿真，获取500例有效数据；其次，分析仿真数据特征变量之间的共线性关系，提取有效的特征变量作为模型的特征变量输入；然后，基于特征变量构建XGBoost故障诊断模型，并根据10折交叉验证方法优化超参数；最后，依据模型性能度量指标对XGBoost故障诊断模型的诊断结果进行评价，并分析模型特征变量的重要性。研究结果表明：基于XGBoost算法的光伏阵列故障诊断方法能简单、高效、实时在线对样本数据进行故障诊断，可应用于光伏阵列典型故障类型的有效识别。该故障诊断方法可为光伏电站现场运维人员提供技术支持，未来将在大型光伏电站，使用更大范围的实时数据开展使用和验证工作。