基于KPCA-ISSA-KELM的光伏阵列故障诊断方法 |
| |
作者姓名: | 武文栋 施保华 郑传良 郭茜婷 陈峥 |
| |
作者单位: | 1. 三峡大学电气与新能源学院;2. 湖北省微电网工程技术研究中心;3. 国网福建宁德供电公司 |
| |
基金项目: | 国家自然科学基金资助项目(52007103); |
| |
摘 要: | 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。
|
关 键 词: | 光伏阵列 核主成分分析 核极限学习机 改进麻雀搜索算法 故障诊断 |
|