一种PSO-SVM的光伏阵列故障检测与分类

• 作者: 吴丽君 林培杰 程树英 陈志聪
• 来源期刊: 福州大学学报（自然科学版）
• 学科: 工学
• 关键词: 光伏阵列 故障 检测 分类 粒子群优化 支持向量机
• 年，卷（期）: 2017,（5）
• 页码范围: 652-658
• 页数: 7页
• 分类号: TM91
• 字数: 4376字
• 语种: 中文
• DOI: 10.7631/issn.1000-2243.2017.05.0652

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	程树英	福州大学物理与信息工程学院微纳器件与电池研究所	96	443	11.0	17.0
2	林培杰	福州大学物理与信息工程学院微纳器件与电池研究所	45	320	8.0	16.0
3	陈志聪	福州大学物理与信息工程学院微纳器件与电池研究所	13	40	4.0	5.0
4	吴丽君	福州大学物理与信息工程学院微纳器件与电池研究所	11	29	3.0	5.0