基于半监督机器学习法的光伏阵列故障诊断

• 作者: 李光辉 武珊 段晨东
• 来源期刊: 电网技术
• 学科: 工学
• 关键词: 光伏阵列 故障检测 故障分类 半监督机器学习算法
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 可再生能源发电与综合消纳技术
• 页码范围: 1908-1913
• 页数: 6页
• 分类号: TM615
• 语种: 中文
• DOI: 10.13335/j.1000-3673.pst.2019.0695

摘要

由于光伏组件的非线性输出特性,传统故障保护装置难以检测到所有故障,从而导致光伏阵列出现安全问题和火灾危险.针对传统故障保护装置存在的缺陷问题,提出一种基于半监督机器学习(semi-supervised machine learning,SSML)算法的光伏阵列故障诊断模型,模型利用参考光伏组件将光伏阵列电压与电流归一化,通过半监督机器学习算法分析光伏阵列工作点状态,进而检测故障和识别故障类型.该故障诊断模型仅需要少量容易测量的标签数据,且对环境变化有较强适应能力.最后,通过仿真和实验,验证该故障诊断模型的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	段晨东		74	800	16.0	26.0
2	李光辉		1	0	0.0	0.0
3	武珊		2	0	0.0	0.0