咨询与建议

看过本文的还看了

相关文献

该作者的其他文献

文献详情 >一种基于BOA-SAE-EELM的光伏阵列故障诊断方法 收藏

一种基于BOA-SAE-EELM的光伏阵列故障诊断方法

A FAULT DIAGNOSIS METHOD FOR PHOTOVOLTAIC ARRAY VIA BOA-SAE-EELM

作     者:陈世群 杨耿杰 高伟 Chen Shiqun;Yang Gengjie;Gao Wei

作者机构:福州大学电气工程与自动化学院福州350108 

出 版 物:《太阳能学报》 (Acta Energiae Solaris Sinica)

年 卷 期:2022年第43卷第4期

页      面:154-161页

核心收录:

学科分类:0830[工学-环境科学与工程(可授工学、理学、农学学位)] 0808[工学-电气工程] 0809[工学-电子科学与技术(可授工学、理学学位)] 08[工学] 0807[工学-动力工程及工程热物理] 0805[工学-材料科学与工程(可授工学、理学学位)] 0702[理学-物理学] 

基  金:国家自然科学基金(51677030) 晋江市福大科教园区发展中心科研项目(2019-JJFDKY-23) 

主  题:光伏阵列 故障诊断 堆栈自动编码器 极限学习机 贝叶斯优化算法 时序波形 

摘      要:光伏阵列非线性输出的特性以及最大功率点跟踪算法,会影响光伏阵列保护设备的工作。为了正确辨识光伏阵列的运行状态,本研究提出一种基于贝叶斯优化算法(BOA)、堆栈自动编码器(SAE)以及集成极限学习机(EELM)相结合的故障诊断方法。首先,将光伏阵列的时序波形进行标准化处理;接着,使用SAE对标准化后的时序波形进行特征自动提取,并训练一个EELM的故障分类模型;最后,利用BOA对诊断模型的超参数进行优化。实验结果表明所提方法对仿真和实验的故障诊断准确率分别达到了98.40%和98.10%,优于反向传播(BP)神经网络、支持向量机、随机森林等方法。

读者评论 与其他读者分享你的观点

用户名:未登录
我的评分