基于KELM的光伏组件故障诊断方法

被引：22

作者：

吴越

陈志聪

吴丽君

林培杰

机构：

[1] 福州大学微纳器件与太阳能电池研究所

来源：

电源技术 | 2018年 / 42卷 / 04期

关键词：

光伏组件; 模型参数; 故障诊断; KELM;

D O I：

暂无

中图分类号：

TM914.4 [太阳能电池];

学科分类号：

080811 [新能源发电与电能存储];

摘要：

提出了一种基于核极限学习机(KELM)的光伏组件故障诊断方法。分析了各类型光伏组件故障与光伏组件等效电路模型参数的关系。将光伏组件模型参数和参数辨识的最优均方根误差(RMSE)引入作为诊断局部固有阴影的特征变量,并对KELM故障模型输入特征向量作了整合优化。通过搭建的仿真模型和实例分析证实,与直接将等效电路模型参数作为神经网络输入的方法相比,所提方法可以更快速、精确地识别出短路、老化及阴影故障。

引用

页码：532 / 535

页数：4

共 10 条

[1]

Flower Pollination Algorithm based solar PV parameter estimation.[J].D.F. Alam;D.A. Yousri;M.B. Eteiba.Energy Conversion and Management.2015,

[2]

Performance and degradation analysis for long term reliability of solar photovoltaic systems: A review.[J].Vikrant Sharma;S.S. Chandel.Renewable and Sustainable Energy Reviews.2013,

[3]

Photovoltaic fault detection using a parameter based model.[J].Yihua Hu;Bin Gao;Xueguan Song;Gui Yun Tian;Kongjing Li;Xiangning He.Solar Energy.2013,

[4]

An efficient fault diagnosis method for PV systems based on operating voltage-window.[J].Nuri Gokmen;Engin Karatepe;Santiago Silvestre;Berk Celik;Pablo Ortega.Energy Conversion and Management.2013,

[5]

Extreme learning machine: Theory and applications.[J].Guang-Bin Huang;Qin-Yu Zhu;Chee-Kheong Siew.Neurocomputing.2006, 1

[6]

基于参数辨识的光伏组件故障诊断模型 [J].