基于稀疏贝叶斯极限学习机的光伏电站设备故障诊断研究

• 作者: 孙莉 李继云 李静 王磊
• 来源期刊: 太阳能学报
• 学科: 工学
• 关键词: 光伏电站设备 故障诊断 逆变器 稀疏贝叶斯极限学习机 SMOTE 机器学习
• 年，卷（期）: 2020,（8）
• 页码范围: 221-226
• 页数: 6页
• 分类号: TK513.5
• 语种: 中文

摘要

基于运维数据针对光伏(PV)电站逆变器的故障诊断进行研究,提出一种基于稀疏贝叶斯极限学习机(SBELM)的精准的光伏逆变器故障诊断方法.首先分析逆变器故障数据特征,将该问题转化为一个多分类问题;然后,采用合成少数类过采样技术(SMOTE)方法人工生成数据,解决数据不均衡问题,根据环境和逆变器实时监控据提取特征向量,并通过SBELM训练模型,可给出输出的概率分布,自动修剪冗余的隐藏节点,在不影响性能的前提下实现用部分节点进行多故障分类.通过实验分析,相比于其他故障诊断方法,SBELM诊断速度快且精度高,更适用于诊断光伏逆变器的故障.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李静		26	128	6.0	10.0
2	李继云		38	225	9.0	12.0
3	孙莉		56	452	12.0	17.0
4	王磊		23	170	6.0	13.0