论文摘要
光伏阵列所处环境恶劣严峻,导致故障频发。为提高光伏阵列故障诊断精度,针对光伏阵列的常见故障类型,提出基于深度信念网络（deep belief networks,DBN）的故障诊断方法。利用Matlab仿真模拟获取实验特征参数,建立以光伏阵列5种运行状态为输出的故障诊断模型;根据深度信念网络的特点,通过识别实验,分析不同训练集、训练周期以及受限玻尔兹曼机（restricted boltzmann machine,RBM）层数等对模型性能的影响,并从整体诊断精度和各类型故障诊断精度2方面,与模糊C均值聚类（fuzzy C-means clustering.FCM）、支持向量机（support vector machine,SVM）和BP神经网络（back propagation neural networks,BPNN）方法进行对比。实验结果表明,该方法适用于光伏阵列故障分类,相比于其他诊断模型,有效提高了故障识别准确率。
论文目录
文章来源
类型: 期刊论文
作者: 陶彩霞,王旭,高锋阳
关键词: 光伏阵列,故障诊断,特征参数,深度信念网络,识别准确率
来源: 中国电力 2019年12期
年度: 2019
分类: 工程科技Ⅱ辑,信息科技
专业: 电力工业,自动化技术
单位: 兰州交通大学电气工程及其自动化学院
基金: 国家重点研发计划资助项目(2017YFB1201003-020),甘肃省科技项目(18YF1FA058)~~
分类号: TM615;TP18
页码: 105-112
总页数: 8
文件大小: 7031K
下载量: 317