一种PSO-SVM的光伏阵列故障检测与分类

发布时间：2018-04-30 00:23

  本文选题：光伏阵列 + 故障　； 参考：《福州大学学报(自然科学版)》2017年05期

【摘要】：提出一种粒子群优化支持向量机的光伏阵列故障检测与分类的方法.分析了光伏阵列输出特性和故障类型,选择合适的特征向量及归一化方式.选用径向基核函数优化模型结构,并利用PSO算法对参数进行寻优,提高模型精确度.结合实验平台获取光伏阵列正常工作和8种故障状态的实测数据,随机划分为训练集和测试集,并建立PSO-SVM故障检测与分类模型.实验表明,应用本模型进行故障检测准确率达99.89%,分类准确率达98.68%,优于BP神经网络以及决策树的检测和分类结果.
[Abstract]:A method for fault detection and classification of photovoltaic array based on particle swarm optimization (PSO) support vector machine (SVM) is proposed. The output characteristics and fault types of photovoltaic arrays are analyzed, and the proper feature vectors and normalization methods are selected. The radial basis function is used to optimize the model structure and the PSO algorithm is used to optimize the parameters to improve the accuracy of the model. The measured data of normal operation and 8 fault states of photovoltaic array were obtained by using the experimental platform. The data were randomly divided into training set and test set, and the fault detection and classification model of PSO-SVM was established. Experiments show that the accuracy of fault detection is 99.89 and the accuracy of classification is 98.68, which is better than BP neural network and decision tree detection and classification results.
【作者单位】： 福州大学物理与信息工程学院微纳器件与电池研究所;
【基金】：国家自然科学基金资助项目(61574038、61601127、51508105) 福建省科技厅工业引导性重点资助项目(2015H0021、2015J05124、2016H6012) 福建省教育厅科研资助项目(JAT160073) 福建省经信委行业关键共性技术资助项目(83016006、830020)
【分类号】：TM615;TP18

【相似文献】

相关期刊论文 前10条

1 闫荣超;李畸勇;;局部阴影条件下的光伏阵列建模与特性仿真[J];机械制造与自动化;2011年01期

2 王建华;韩伟;;光伏阵列的仿真模型研究[J];信息技术;2011年06期

3 陈昌松;段善旭;殷进军;;基于神经网络的光伏阵列发电预测模型的设计[J];电工技术学报;2009年09期

4 刘刚;;太阳能光伏阵列数学模型的综述[J];科技信息;2010年04期

5 刘晓艳;祁新梅;郑寿森;王飞;陈达明;;局部阴影条件下光伏阵列的建模与分析[J];电网技术;2010年11期

6 翟津川;黄梅;;光伏阵列三相并网仿真模型[J];电子设计工程;2010年12期

7 杨鹏;刘松;沈楚焱;;一种数字式光伏阵列模拟系统的研究[J];电工电气;2011年02期

8 陈阿莲;冯丽娜;杜春水;张承慧;;基于支持向量机的局部阴影条件下光伏阵列建模[J];电工技术学报;2011年03期

9 丁明;陈中;;遮阴影响下的光伏阵列结构研究[J];电力自动化设备;2011年10期

10 陈正伟;朱建华;裘君英;刘浏;;光伏阵列解析模型的研究[J];浙江科技学院学报;2011年06期

相关会议论文 前6条

1 傅望;罗时武;青志明;;局部阴影条件下光伏阵列输出特性方程研究[A];2013年中国电机工程学会年会论文集[C];2013年

2 张国荣;瞿晓丽;苏建徽;刘宁;董康;;基于动态电容充电的光伏阵列Ⅰ-Ⅴ测试仪[A];2009安捷伦科技节论文集[C];2009年

3 张渊明;孙彦广;张云贵;;非均匀辐射条件下光伏阵列建模及运行稳定性分析[A];全国冶金自动化信息网2012年年会论文集[C];2012年

4 代倩;段善旭;蔡涛;陈昌松;;基于气象因子的神经网络模型在光伏发电预测中的应用研究[A];第27届中国气象学会年会气候资源应用研究分会场论文集[C];2010年

5 黄智勇;;水利水电工程中太阳能的利用[A];2013年电气学术交流会议论文集[C];2013年

6 谢标锴;沈辉;朱薇桦;;六种太阳电池光伏阵列实际发电性能比较[A];第十届中国太阳能光伏会议论文集：迎接光伏发电新时代[C];2008年

相关博士学位论文 前3条

1 王培珍;光伏阵列故障状态的识别研究[D];合肥工业大学;2005年

2 吴小进;光伏阵列及并网逆变器关键技术研究[D];北京交通大学;2012年

3 翟载腾;任意条件下光伏阵列的输出性能预测[D];中国科学技术大学;2008年

相关硕士学位论文 前10条

1 张磊;一种光伏阵列模拟器的研究和设计[D];哈尔滨工业大学;2015年

2 寇彦宏;光伏阵列最大功率点跟踪方法的研究[D];宁波大学;2015年

3 吕盛华;基于光伏阵列拓扑的全局最大功率跟踪算法研究[D];太原理工大学;2016年

4 杨莉萍;光伏阵列的模型仿真及其均衡补偿[D];北方工业大学;2016年

5 张晓娜;大规模光伏阵列发电仿真系统及故障诊断技术研究[D];青海大学;2016年

6 樊庆亚;基于无线传感网络的光伏阵列监测管理系统研发[D];江苏大学;2016年

7 王素宁;基于果蝇优化算法的多峰值光伏最大功率跟踪控制策略研究[D];上海电机学院;2016年

8 姜栋潇;基于数据挖掘的光伏阵列故障诊断研究[D];华北电力大学(北京);2016年

9 张朝;可拓扑重构的光伏阵列故障诊断方法研究[D];广西大学;2016年

10 戴雅晨;基于SVR的光伏阵列MPPT算法研究[D];南昌大学;2016年

，

本文编号：1822236