基于人工蜂群算法优化RBF神经网络的光伏组件故障诊断定位方法

被引：27

作者：

郝思鹏 ^{[1
]}

吴清 ^{[1
]}

李佳伟 ^{[2
]}

周宇 ^{[1
]}

机构：

[1] 南京工程学院

[2] 上海理工大学

来源：

供用电 | 2019年 / 36卷 / 10期

关键词：

光伏阵列; 人工蜂群算法; RBF神经网络; 组串支路电流; 组件温度; 故障定位及诊断;

D O I：

10.19421/j.cnki.1006-6357.2019.10.014

中图分类号：

TP18 [人工智能理论]; TM615 [太阳能发电];

学科分类号：

080811 [新能源发电与电能存储]; 140502 [人工智能];

摘要：

随着光伏装机容量的迅速增长以及国家光伏补贴的逐步取消,针对提高光伏发电效率与收益的研究具有重要意义。首先,为精确定位光伏故障以降低运维成本,提出以组串支路电流与组件温度为故障定位特征量。其次,为提高光伏故障诊断效率,利用人工蜂群算法(artificial bee colony,ABC)优化RBF神经网络的中心、函数宽度及权值,提出将其应用于光伏组件故障诊断定位研究。最后,根据盐城市响水县1.5MW光伏电站数据,经Matlab仿真研究并与传统RBF神经网络相比较,结果验证了所提理论的准确性。

引用

页码：87 / 92

页数：6

共 21 条

[1]

人工蜂群算法的改进方法与收敛性理论的研究 [D].