深度置信网络在光伏阵列故障诊断中的应用研究
发布时间：2021-09-15 08:25
随着化石能源的过度利用和环境污染的不断恶化,人类社会迫切需要可持续、清洁的能源来满足不断增长的能源消耗和环境保护需求,使用可再生能源的趋势在最近几年中显著上升。在各种可再生能源中,太阳能由于其可持续性、清洁性和广泛可用性受到越来越多的关注,而光伏发电是利用太阳能的主要方式。光伏阵列作为光伏发电系统的重要组成部分,由于生产工艺复杂,工作环境恶劣,组件数量众多等因素发生故障难以避免,严重影响整个系统的经济效益。因此,光伏阵列运行状况的监测成为维护光伏发电系统安全稳定运行的一个关键因素。本文以光伏电池、组件及阵列作为研究对象,通过对典型故障的分析研究,基于数据挖掘技术展开光伏阵列故障诊断的相关研究。首先,根据对光伏电池发电原理及其等效电路的简要分析,建立了光伏电池、组件及阵列的工程仿真模型,分析了不同环境条件对光伏组件发电性能的影响;总结了光伏阵列常见的几种故障类型及成因,分析了不同故障状态下光伏阵列输出特性的变化规律。通过搭建的光伏阵列Matlab/Simulink工程仿真模型,利用取自NREL的环境参数模拟实际光伏阵列工作状态,采集光伏阵列各种工况下的数据样本用于故障诊断测试。其次,提出...
【文章来源】：兰州交通大学甘肃省
【文章页数】：64 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
1 绪论
1.1 研究背景和意义
1.2 国内外研究现状
1.2.1 光伏阵列故障诊断技术研究现状
1.2.2 基于DBN的故障诊断研究现状
1.3 论文的主要研究内容
2 光伏阵列建模和特性分析
2.1 光伏电池模型建立
2.1.1 光伏电池发电原理
2.1.2 光伏电池数学模型
2.1.3 光伏电池工程模型
2.2 不同光照幅度和温度下组件输出特性分析
2.3 光伏阵列模型建立
2.4 光伏阵列故障类型及成因
2.5 异常及故障状态下光伏阵列输出特性分析
2.6 小结
3 深度置信网络原理及结构
3.1 深度置信网络概述
3.1.1 受限玻尔兹曼机
3.1.2 DBN结构及训练过程
3.2 顶层分类器确定
3.3 DBN分类能力测试
3.4 小结
4 基于DBN的光伏阵列故障诊断
4.1 数据获取及预处理
4.2 基于DBN的光伏阵列故障诊断模型
4.2.1 输入输出节点确定
4.2.2 诊断模型
4.2.3 模型诊断流程
4.3 算法实现及实验结果分析
4.3.1 网络参数确定
4.3.2 DBN故障诊断性能对比分析
4.4 小结
5 基于遗传算法优化DBN的光伏阵列故障诊断
5.1 遗传算法概述
5.1.1 遗传算法的原理
5.1.2 遗传算法特点
5.2 遗传算法优化的DBN模型
5.3 实验研究与对比分析
5.3.1 GA-DBN特性分析
5.3.2 GA-DBN与 DBN、GA-BP方法的诊断性能对比分析
5.4 小结
结论
致谢
参考文献
攻读学位期间研究成果
【参考文献】：
期刊论文
[1]基于改进DBN的发电机旋转整流器故障特征提取技术[J]. 崔江,郭瑞东,张卓然,王莉,孟飒飒. 中国电机工程学报. 2020(07)
[2]基于深度信念网络的光伏阵列故障诊断[J]. 陶彩霞,王旭,高锋阳. 中国电力. 2019(12)
[3]融合改进梅尔谱特征和深信念网络的语音测谎算法[J]. 谢跃,梁瑞宇,包永强,赵力,王诗佳. 声学学报. 2019(02)
[4]基于深度置信网络的风力发电机故障诊断方法[J]. 李梦诗,余达,陈子明,夏侯凯顺,李堉鋆,季天瑶. 电机与控制学报. 2019(02)
[5]遗传算法优化的BP神经网络压电陶瓷蠕变预测[J]. 范伟,林瑜阳,李钟慎. 电机与控制学报. 2018(07)
[6]基于细菌觅食决策和深度置信网络的滚动轴承故障诊断[J]. 陶洁,刘义伦,杨大炼,宾光富. 振动与冲击. 2017(23)
[7]基于自适应学习率的深度信念网设计与应用[J]. 乔俊飞,王功明,李晓理,韩红桂,柴伟. 自动化学报. 2017(08)
[8]深度学习在故障诊断领域中的研究现状与挑战[J]. 任浩,屈剑锋,柴毅,唐秋,叶欣. 控制与决策. 2017(08)
[9]基于深度置信网络的电力系统暂态稳定评估方法[J]. 朱乔木,党杰,陈金富,徐友平,李银红,段献忠. 中国电机工程学报. 2018(03)
[10]基于数据融合的光伏组件故障诊断[J]. 陈凌,韩伟,张经炜. 电网技术. 2017(06)
博士论文
[1]光伏阵列及其关键技术的研究[D]. 张俊红.北京交通大学 2019
硕士论文
[1]基于数据驱动的光伏阵列故障诊断研究与应用[D]. 陆灵骍.华北电力大学(北京) 2019
[2]基于深度神经网络和贝叶斯网络的电力设备故障诊断方法研究[D]. 雷倩.华北电力大学 2018
[3]智能模式识别方法在光伏故障诊断中的应用研究[D]. 邵帅.华北电力大学(北京) 2018
[4]基于深度学习的变压器故障诊断技术研究[D]. 石鑫.华北电力大学 2016
[5]基于深度信念网络的变速器故障分类识别研究[D]. 单外平.华南理工大学 2015
[6]光伏并网发电系统的MATLAB仿真研究[D]. 孙志松.南昌航空大学 2012
[7]基于遗传算法和BP神经网络的铁路客运量预测研究[D]. 谢小山.西南交通大学 2010
本文编号：3395739
【文章来源】：兰州交通大学甘肃省
【文章页数】：64 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
1 绪论
1.1 研究背景和意义
1.2 国内外研究现状
1.2.1 光伏阵列故障诊断技术研究现状
1.2.2 基于DBN的故障诊断研究现状
1.3 论文的主要研究内容
2 光伏阵列建模和特性分析
2.1 光伏电池模型建立
2.1.1 光伏电池发电原理
2.1.2 光伏电池数学模型
2.1.3 光伏电池工程模型
2.2 不同光照幅度和温度下组件输出特性分析
2.3 光伏阵列模型建立
2.4 光伏阵列故障类型及成因
2.5 异常及故障状态下光伏阵列输出特性分析
2.6 小结
3 深度置信网络原理及结构
3.1 深度置信网络概述
3.1.1 受限玻尔兹曼机
3.1.2 DBN结构及训练过程
3.2 顶层分类器确定
3.3 DBN分类能力测试
3.4 小结
4 基于DBN的光伏阵列故障诊断
4.1 数据获取及预处理
4.2 基于DBN的光伏阵列故障诊断模型
4.2.1 输入输出节点确定
4.2.2 诊断模型
4.2.3 模型诊断流程
4.3 算法实现及实验结果分析
4.3.1 网络参数确定
4.3.2 DBN故障诊断性能对比分析
4.4 小结
5 基于遗传算法优化DBN的光伏阵列故障诊断
5.1 遗传算法概述
5.1.1 遗传算法的原理
5.1.2 遗传算法特点
5.2 遗传算法优化的DBN模型
5.3 实验研究与对比分析
5.3.1 GA-DBN特性分析
5.3.2 GA-DBN与 DBN、GA-BP方法的诊断性能对比分析
5.4 小结
结论
致谢
参考文献
攻读学位期间研究成果
【参考文献】：
期刊论文
[1]基于改进DBN的发电机旋转整流器故障特征提取技术[J]. 崔江,郭瑞东,张卓然,王莉,孟飒飒. 中国电机工程学报. 2020(07)
[2]基于深度信念网络的光伏阵列故障诊断[J]. 陶彩霞,王旭,高锋阳. 中国电力. 2019(12)
[3]融合改进梅尔谱特征和深信念网络的语音测谎算法[J]. 谢跃,梁瑞宇,包永强,赵力,王诗佳. 声学学报. 2019(02)
[4]基于深度置信网络的风力发电机故障诊断方法[J]. 李梦诗,余达,陈子明,夏侯凯顺,李堉鋆,季天瑶. 电机与控制学报. 2019(02)
[5]遗传算法优化的BP神经网络压电陶瓷蠕变预测[J]. 范伟,林瑜阳,李钟慎. 电机与控制学报. 2018(07)
[6]基于细菌觅食决策和深度置信网络的滚动轴承故障诊断[J]. 陶洁,刘义伦,杨大炼,宾光富. 振动与冲击. 2017(23)
[7]基于自适应学习率的深度信念网设计与应用[J]. 乔俊飞,王功明,李晓理,韩红桂,柴伟. 自动化学报. 2017(08)
[8]深度学习在故障诊断领域中的研究现状与挑战[J]. 任浩,屈剑锋,柴毅,唐秋,叶欣. 控制与决策. 2017(08)
[9]基于深度置信网络的电力系统暂态稳定评估方法[J]. 朱乔木,党杰,陈金富,徐友平,李银红,段献忠. 中国电机工程学报. 2018(03)
[10]基于数据融合的光伏组件故障诊断[J]. 陈凌,韩伟,张经炜. 电网技术. 2017(06)
博士论文
[1]光伏阵列及其关键技术的研究[D]. 张俊红.北京交通大学 2019
硕士论文
[1]基于数据驱动的光伏阵列故障诊断研究与应用[D]. 陆灵骍.华北电力大学(北京) 2019
[2]基于深度神经网络和贝叶斯网络的电力设备故障诊断方法研究[D]. 雷倩.华北电力大学 2018
[3]智能模式识别方法在光伏故障诊断中的应用研究[D]. 邵帅.华北电力大学(北京) 2018
[4]基于深度学习的变压器故障诊断技术研究[D]. 石鑫.华北电力大学 2016
[5]基于深度信念网络的变速器故障分类识别研究[D]. 单外平.华南理工大学 2015
[6]光伏并网发电系统的MATLAB仿真研究[D]. 孙志松.南昌航空大学 2012
[7]基于遗传算法和BP神经网络的铁路客运量预测研究[D]. 谢小山.西南交通大学 2010
本文编号：3395739
本文链接：https://www.wllwen.com/kejilunwen/dianlidianqilunwen/3395739.html
