基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对光伏阵列故障频发但检测困难的问题,提出了较为实用的光伏发电阵列故障检测方法.只需获取光伏电站运行时光伏阵列的输出电压、电流、辐照度和温度等主要特征数据,结合支持向量机(SVM)算法对特征数据建模,模型配合状态决策模块用于电站故障诊断工作.实验结果表明基于SVM的光伏阵列故障诊断方法对故障类型具有很好的识别能力,是一种实用的故障检测方法.
推荐文章
基于FCM算法的光伏系统电弧故障检测方法研究
光伏系统
电弧故障
特征量
模糊C均值聚类
抗干扰
基于遗传算法和支持向量机的故障诊断方法
最小二乘支持向量机
自适应遗传算法
机载电气盒
故障诊断
基于粗糙集与支持向量机的故障智能分类方法
粗糙集
支持向量机
属性约简
故障分类
基于多核支持向量机集成的智能玻璃制品检测算法
智能检测
机器视觉
支持向量机集成
遗传算法
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于支持向量机算法的光伏阵列故障智能检测方法
来源期刊 制造业自动化 学科
关键词 光伏阵列 支持向量机 多类型故障 故障诊断
年,卷(期) 2021,(6) 所属期刊栏目 检测与监控
研究方向 页码范围 45-48
页数 4页 分类号 TP181
字数 语种 中文
DOI 10.3969/j.issn.1009-0134.2021.06.009
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (47)
共引文献  (106)
参考文献  (10)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(2)
  • 参考文献(0)
  • 二级参考文献(2)
2009(3)
  • 参考文献(1)
  • 二级参考文献(2)
2010(5)
  • 参考文献(1)
  • 二级参考文献(4)
2011(4)
  • 参考文献(0)
  • 二级参考文献(4)
2013(3)
  • 参考文献(1)
  • 二级参考文献(2)
2014(3)
  • 参考文献(2)
  • 二级参考文献(1)
2015(12)
  • 参考文献(1)
  • 二级参考文献(11)
2016(9)
  • 参考文献(1)
  • 二级参考文献(8)
2017(6)
  • 参考文献(1)
  • 二级参考文献(5)
2018(2)
  • 参考文献(2)
  • 二级参考文献(0)
2021(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
光伏阵列
支持向量机
多类型故障
故障诊断
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
制造业自动化
月刊
1009-0134
11-4389/TP
大16开
北京德胜门外教场口1号
2-324
1979
chi
出版文献量(篇)
12053
总下载数(次)
12
论文1v1指导