基于RBF神经网络的光伏电池故障诊断

被引：8

作者：

乐治后

机构：

[1] 武汉大学动力与机械学院

来源：

上海电气技术 | 2015年 / 8卷 / 03期

关键词：

光伏电池; RBF神经网络; 故障诊断; 仿真;

D O I：

暂无

中图分类号：

TM914.4 [太阳能电池]; TP183 [人工神经网络与计算];

学科分类号：

摘要：

光伏电池是光伏发电的核心部件之一,运用RBF神经网络进行光伏电池故障诊断,可提高光伏电池故障诊断效率。通过设计3层径向基网络,对设计的方案进行仿真,并与采用BP神经网络的方法进行对比。分析结果表明,利用RBF神经网络可以有效实现对光伏电池故障的智能诊断,较BP神经网络方法简单可靠,故障诊断效率和准确率明显提高。

引用

页码：28 / 32

页数：5

共 11 条

[1]

基于生物视觉模型的太阳能电池板缺陷检测的应用研究.[D].李斌.合肥工业大学.2012, 03

[2]

太阳能光伏阵列故障检测及仿真分析.[D].唐佳能.华北电力大学.2012, 12

[3]

基于近红外图像的太阳能电池故障检测.[D].董栋.复旦大学.2010, 04

[4]

光伏阵列故障状态的识别研究.[D].王培珍.合肥工业大学.2005, 05

[5]

MATLAB神经网络仿真与应用.[M].张德丰; 编著.电子工业出版社.2009,

[6]

太阳能光伏系统概论.[M].车孝轩; 著.武汉大学出版社.2006,

[7]

人工神经网络算法研究及应用.[M].田景文;高美娟著;.北京理工大学出版社.2006,

[8] 基于BP神经网络的光伏阵列故障诊断研究 [J].

王元章 ;

吴春华 ;

周笛青 ;

付立 ;

李智华 .

电力系统保护与控制, 2013, 41 (16) :108-114

[9] 一种新的光伏阵列故障诊断与定位方法 [J].

程泽 ;

徐勇 ;

董梦男 .

传感器与微系统 , 2013, (07) :26-28

[10] 基于模型和案例推理的混合故障诊断方法 [J].

董磊 ;

任章 ;

李清东 .

系统工程与电子技术, 2012, 34 (11) :2339-2343

← 1 2 →