基于改进RBF神经网络的光伏组件故障诊断

• 作者: 马纪梅 张志耀 张启然
• 来源期刊: 电测与仪表
• 学科: 工学
• 关键词: 光伏组件 K均值聚类算法 RBF神经网络 故障检测 故障定位
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 测量与控制
• 页码范围: 118-124
• 页数: 7页
• 分类号: TM615
• 语种: 中文
• DOI: 10.19753/j.issn1001-1390.2021.02.019

摘要

由于光伏组件的输出特性受多种因素混合影响,对光伏组件的故障检测是一个严峻的考验.为了保证故障诊断的实时性和精确性,采用多传感器法提取短路和开路故障特征,利用电压扫描法获取不均匀光照引起的热击穿和电击穿故障的判断依据,以故障特征为判据,给出一种基于K均值聚类算法的改进RBF神经网络的光伏组件故障诊断方法,在Matlab平台中,通过该方法对光伏组件发生的故障类型与故障定位进行仿真测试,结果表明:该测试方法进行故障诊断的正确率达到96.67％,而BP神经网络的正确率只有83.33％,验证了改进RBF神经网络的故障诊断方法的精确性与有效性.