基于深度信念网络的光伏阵列故障诊断

• 作者: 王旭 陶彩霞 高锋阳
• 来源期刊: 中国电力
• 学科: 工学
• 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
• 年，卷（期）: 2019,（12）
• 所属期刊栏目: 新能源
• 页码范围: 105-112
• 页数: 8页
• 分类号: TM614
• 字数: 5470字
• 语种: 中文
• DOI: 10.11930/j.issn.1004-9649.201901066

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高锋阳	兰州交通大学电气工程及其自动化学院	70	222	7.0	12.0
2	王旭	兰州交通大学电气工程及其自动化学院	135	718	14.0	20.0
3	陶彩霞	兰州交通大学电气工程及其自动化学院	54	201	8.0	12.0